Sistemas automáticos de reconhecimento de alvos aplicados em diferentes contextos da Oceanografia Operacional

Espinheira, Camilla Caricchio

Repositório Institucional da Produção Científica da Marinha do Brasil (RI-MB)

Use este identificador para citar ou linkar para este item: https://hdl.handle.net/20.500.14867/848283

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.advisor	Lentini, Carlos A. D.	-
dc.contributor.advisor	Mendonça, Luis Felipe	-
dc.contributor.author	Espinheira, Camilla Caricchio	-
dc.date.accessioned	2026-03-23T18:33:35Z	-
dc.date.available	2026-03-23T18:33:35Z	-
dc.date.issued	2025	-
dc.identifier.uri	https://hdl.handle.net/20.500.14867/848283	-
dc.description	Nas últimas décadas, a Oceanogra a Operacional passou por uma quebra de paradigma. Antes a escassez de dados in situ era um dos maiores desa os para o desenvolvimento de pesquisas marinhas; atualmente, a capacidade de processamento de grandes volumes de dados se tornou uma das peças-chave nos programas de monitoramento. Nesse contexto, o uso de ferramentas assistivas, como o aprendizado de máquinas, surgem como solução para lidar com grandes volumes de dados em tempo (quase) real. Com base no exposto, este trabalho tem como objetivo principal investigar o desempenho de sistemas de detecção automática de alvos (ATR, sigla em inglês) em duas matrizes de dados distintas com aplicação para a Oceanogra a Operacional. A primeira abordagem metodológica é baseada em um modelo adaptado do YOLOv8+SAHI, integrando um rede neural convolucional, dados do Sistema de Identi cação Automática e imagens de satélite, com potencial de aplicação em programas de monitoramento do tráfego marítimo, a m de aumentar a consciência situacional marí- tima através da detecção de embarcações não cooperativas. A segunda abordagem insere-se no contexto da Guerra de Minas e baseia-se na customização da rede neural YOLOv11 para detecção de minas navais a partir de dados de sonar de varredura lateral. Ambas abordagens demonstraram resultados promissores para detecção em tempo real de alvos de interesse nas diferentes matrizes de dados. Com base das estatísticas de treinamento e validação das redes neurais, bem como no tempo de latência, ambas tem grande potencial de aplicação em programas operacionais de monitoramento dos oceanos.	pt_BR
dc.language.iso	pt_BR	pt_BR
dc.publisher	Universidade Federal da Bahia (UFBA)	pt_BR
dc.rights	openAccess	pt_BR
dc.subject	Embarcações não colaborativas	pt_BR
dc.subject	Guerra de mina	pt_BR
dc.subject	Minas navais	pt_BR
dc.subject	Monitoramento oceanográfico	pt_BR
dc.subject	Redes neurais	pt_BR
dc.title	Sistemas automáticos de reconhecimento de alvos aplicados em diferentes contextos da Oceanografia Operacional	pt_BR
dc.type	masterThesis	pt_BR
dc.subject.dgpm	Operações navais de minagem e de contramedidas de minagem	pt_BR
dc.subject.setorMarinha	Comando de Operações Navais (ComOpNav)	pt_BR
Aparece nas coleções:	Operações Navais: Coleção de Dissertações

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
dissertacao.pdf		8,14 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas