@MASTERSTHESIS{ 2023:743609836,
 	title = {Detecção e classificação de perturbações no meio aquático via aprendizado profundo e rede neural artificial integrada à métodos estatísticos},
 	year = {2023},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/4645",
 	abstract = "Devido ao crescimento da exploração e do transporte do petróleo aumenta-se também os riscos 
 de acidentes no meio aquático, tornando-se necessário o desenvolvimento de métodos e sistemas 
 que contribuem para redução dos danos causados pelas atividades industriais ao meio ambiente. 
 Nesta dissertação é apresentada uma metodologia para detecção e classificação de perturbações 
 no meio aquático. No intuito de contribuir com uma solução para a questão ambiental e promover 
 o avanço cientítico e tecnlógico pela aplicação de metodos de inteligência artifical e estatística. 
 Especificamente, para detectar manchas de óleo na superfície do oceano. A metodologia 
 desenvolvida basea-se nas abordagens de aprendizado profundo, rede neural artificial e métodos 
 estatísticos. A partir destas abordagens foram desenvolvidos dois algoritmos para o módulo do 
 crítico (realiza toda a análise exploratória dos dados) de um sistema de tomada de decisão. O 
 primeiro modelo é uma rede neural artificial do tipo perceptron que é integrada a métodos 
 estatísticos, no caso, o algoritmo da análise do discriminante linear (LDA) que define uma função 
 discriminante para estimar a classe das imagens, a rede neural do tipo perceptron de múltipla 
 camadas (MLP) para dectar/classificar a informação, denominado modelo LDA-MLP. O segundo 
 modelo é uma rede neural que utiliza deep learning, arquitetura Unet e é denominado modelo 
 AP-Unet. Para avaliar o desempenho dos classificadores de detecção de manchas de petróleo no 
 oceano, foram utilizadas informação oriundas de um Radar de Abertura Sintética (Synthetic 
 Aperture Radar – SAR) processadas pelos classificadores LDA-MLP e AP-Unet. A base de 
 dados utilizada possui 1112 imagens, sendo 880 imagens que apresentam manchas de óleo na 
 superfície do oceano, esse banco de dados é dividido em conjunto de treinamento com 1002 
 imagens, conjunto de testes com 110 imagens. De posse dos resultados obtidos e realizada a sua 
 análise, conclui-se que os métodos de detecção de mancha de óleo na superfície do oceano 
 propostos conseguem detectar as manchas de óleo com uma boa precisão, comparando os dois 
 métodos observa-se que os dois modelos apresentaram uma precisão muito próxima.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}