Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 22092
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Dimensões Econômicas: ODS9 |
| Setor | Departamento de Informática |
| Bolsa | FAPEMIG |
| Conclusão de bolsa | Não |
| Apoio financeiro | FAPEMIG |
| Primeiro autor | Antonio Gabriel Souza Gomes |
| Orientador | MICHEL MELO DA SILVA |
| Outros membros | THIAGO LUANGE GOMES |
| Título | Geração de dados sintéticos para monitoramento de fazendas - simulação de fogo |
| Resumo | O avanço da Inteligência Artificial está intrinsecamente ligado à sua capacidade de perceber e interpretar o mundo ao redor, inclusive de ameaças, como detecção de incêndios, por exemplo. Para que uma máquina possa navegar, interagir ou tomar decisões e detectar objetos ou atividades ela precisa primeiro compreender o que está vendo. No entanto, o treinamento desses complexos sistemas de percepção demanda um volume grande de dados rotulados, um processo que, quando realizado com dados do mundo real, é frequentemente caro e demorado. Como exemplo,a obtenção imagens de cenários de incêndio nem sempre são simples. Como resposta a esse desafio, a geração de dados sintéticos em ambientes de simulação virtuais surge como uma alternativa viável. Este trabalho aborda exatamente isso, com o objetivo de automatizar e enriquecer a criação de datasets para o treinamento de modelos de visão computacional, foram criadas simulações de fogo hiper realista, através do sistema de partículas do Gazebo Ignition, para aprendizado de máquina. A proposta central consiste em modificar ambientes virtuais de alta fidelidade, utilizados em simuladores robóticos, nesse caso o Gazebo, para renderizar simulações de fogo em posições determinadas. Para cada objeto inserido, o sistema gera um mapa semântico correspondente, que serve como gabarito para o treinamento supervisionado. A metodologia emprega técnicas de renderização para a inserção dos objetos e de processamento de dados para a criação dos mapas semânticos. Com esse conjunto de dados sintéticos rotulados, são treinados modelos de Inteligência Artificial, mais especificamente redes neurais convolucionais (CNNs), com a tarefa de identificar esses novos focos de fogo e assim simular ambientes reais, através do seu hiper realismo. Após o treinamento exclusivo com dados simulados, o modelo será submetido a testes com dados do mundo real, como forma de validação. O sucesso desta etapa verificará se o modelo consegue generalizar o aprendizado sintético para aplicações práticas, como drones sendo capazes de identificar queimadas em tempo real, validando a simulação como uma ferramenta eficaz para acelerar o desenvolvimento de sistemas inteligentes. |
| Palavras-chave | Inteligência Artificial, Visão Computacional, Dados Sintéticos |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|