@MASTERSTHESIS{ 2024:1377673668,
 	title = {Detecção e classificação de derramamento de óleo na superfície oceânica baseada em aprendizagem profunda via algoritmo YOLO},
 	year = {2024},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/5221",
 	abstract = "Devido ao crescimento global, a importância da economia mundial relacionado
 ao uso de matérias primas advindas do petróleo vem aumentando cada vez mais. Em
 decorrência a esse crescimento, a importância de temas relacionados com a
 preocupação socioambiental e econômico vem se destacando no âmbito científico.
 Consequentemente, a ocorrência de incidentes de derrames de óleos em superfície
 oceânica demanda o desenvolvimento de metodologias para mitigar os impactos
 causados pela problemática nas áreas atingidas. Com a disponibilidade de satélites
 equipados com Radar de Abertura Sintética, é viável monitorar, detectar e classificar
 os derramamentos de petróleo e seus derivados no mar. Neste trabalho é apresentada
 uma proposta de metodologia baseada em aprendizagem profunda, especificamente
 por meio da família do algoritmo YOLO. Portanto, de acordo com os experimentos
 realizados através da base de dados obtida via radar e disponibilizada pela missão
 SENTINEL-1, durante os testes na fase de validação para a YOLOv8 nano, small e
 medium, observou-se um melhor desempenho para o medium, com métricas de
 precisão, mAP-50 e mAP50-90 são equivalentes à 0.891%, 0.85% e 0.716%,
 respectivamente. Já o resultado na fase de teste atingiu um nível de confiança, de
 acordo com a métrica IoU (Intersection over Union) acima de 70% dos objetos
 classificados como manchas de óleos.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}