Utilização da análise quantitativa de recorrência e coeficientes cepstrais de frequência mel para reconhecimento de incêndio em vegetação usando sinal de áudio
dc.contributor.advisor | Doutor Leandro Freitas de Abreu | |
dc.contributor.author | Amaral, Bruno Santos Gollo do | |
dc.date.accessioned | 2023-06-13T14:04:56Z | |
dc.date.available | 2023-06-13T14:04:56Z | |
dc.date.issued | 2019-12-12 | |
dc.description.abstract | Neste trabalho buscou-se avaliar a possibilidade de detectar incêndios em ambientes de vegetação por meio de sinais de áudio. Para isso, idealizou-se a utilização de um algoritmo de aprendizagem, mais especificamente uma Máquina de Vetores de Suporte, que realiza a tarefa de classificação binária entre áudios correspondentes ou não a fogo de acordo com as características que o alimentam. Para o treinamento dessa máquina foram obtidos na internet áudios de incêndio em vegetação e sons típicos dos ambientes de mata e campo como sons de animais, vento, água corrente e chuva por exemplo. A principal técnica proposta para a extração de características dos sinais é a Análise Quantitativa de Recorrência que é voltada para a análise de sistemas caóticos ou não lineares. Aliada a esta, empregaram-se os Coeficientes Cepstrais de Frequência Mel que facilitaram a aplicação daquela técnica, mas também contribuíram para o aumento da acurácia do algoritmo de classificação que, nos melhores modelos treinados, atingiram 95,1% de acurácia com uma taxa de falso negativo de 3%. Desta forma, concluiu-se que os métodos aqui utilizados são realmente capazes de realizar a detecção de incêndio em sinais de áudio de forma satisfatória quando comparados com resultados de outros trabalhos. | |
dc.description.abstract1 | In this work it was sought to analyze the possibility of detecting wildfire through audio signals. Therefore, it was idealized the usage of a learning algorithm, more especifically a Support Vector Machine, that performs the task of binary classification between audios corresponding or not to wildfire according to the features that feed him. To train this machine were obtained on the internet audios of wildfire and typical sounds of forest and field environments like sounds of animals, wind, running water and rain for exemple. The main technique proposed to extract the features from the signals is the Recurrence Quantification Analisys which is mainly designed for the analisys of chaotic or nonlinear systens. Allied to that, it was employed the Mel-Frequency Cepstral Coefficients which made the application of that technique easier and also contributed increasing the accuracy of the classification algorithm that, in the best trained models, achieved 95.1% of accuracy and a false negative rate of 3%. Thus, it was concluded that the utilized methods are satisfactorily able to detect wildfire in audio signals when compared to the results exposed in other papers. | |
dc.identifier.uri | http://hdl.handle.net/20.500.14387/1029 | |
dc.language.iso | Português | |
dc.publisher.campi | Betim | |
dc.publisher.country | Brasil | |
dc.publisher.institution | Instituto Federal de educação, Ciência e Tecnologia | |
dc.publisher.program | Bacharelado em Engenharia de Controle e Automação | |
dc.rights | Acesso aberto | |
dc.subject.keyword | Incêndio em Vegetação | |
dc.subject.keyword | Análise Quantitativa de Recorrência | |
dc.subject.keyword | Coeficiêntes cepstrais | |
dc.title | Utilização da análise quantitativa de recorrência e coeficientes cepstrais de frequência mel para reconhecimento de incêndio em vegetação usando sinal de áudio | |
dc.type | Trabalho de Conclusão de Curso |