Rede neural convolucional EfficientNet: uma proposta de classificação de fogo usando tranferência de aprendizado

Página do item simplificado
dc.contributor.advisor1FERREIRA JUNIOR, José Jailton Henrique
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9031636126268760
dc.creatorMELO, Ítalo José da Silva
dc.creator.Latteshttp://lattes.cnpq.br/3154877515141396
dc.creator.ORCIDhttps://orcid.org/0000-0001-7900-9339
dc.date.accessioned2026-06-11T16:47:30Z
dc.date.available2026-06-11T16:47:30Z
dc.date.issued2025-09-15
dc.description.abstractThe alarming increase in wildfires in Brazil in 2024 reinforces the urgency of real-time automatic fire detection systems. This work proposes a binary classifier based on the EfficientNet architecture, pre-trained on ImageNet and fine-tuned using transfer learning and data augmentation techniques. The model was trained and evaluated on a public dataset, achieving 98% accuracy and 100% recall for the fire class, ensuring that no fire cases were missed. The results confirm the robustness and efficiency of the solution, which is suitable for integration into embedded devices and early warning applications. Future work includes expanding datasets, reducing false positives, and conducting field tests for practical validation.
dc.description.resumoO crescimento alarmante das queimadas no Brasil, em 2024, reforça a urgência de sistemas automáticos de detecção de incêndios em tempo real. Este trabalho propõe um classificador binário baseado na arquitetura EfficientNet, pré-treinada no ImageNet e ajustada por fine-tuning, utilizando técnicas de transfer learning e data augmentation. O modelo foi treinado e avaliado em um conjunto de dados público, obtendo acurácia de 98% e revocação de 100% para a classe fogo, garantindo que nenhum caso de incêndio passasse despercebido. Os resultados confirmam a robustez e a leveza da solução, que se mostra adequada para integração em dispositivos embarcados e aplicações de alerta precoce. Apontam-se, como trabalhos futuros, a expansão das bases de dados, a redução de falsos positivos e a realização de testes em cenários de campo para validação prática.
dc.identifier.citationMELO, Ítalo José da Silva. Rede neural convolucional EfficientNet: uma proposta de classificação de fogo usando tranferência de aprendizado. Orientador: José Jaílton Henrique Ferreira Junior. 2025. 14 f. Trabalho de Curso (Bacharelado em Engenharia de Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Castanhal, Universidade Federal do Pará, Castanhal, 2025. Disponível em: https://bdm.ufpa.br/handle/prefix/9597. Acesso em:.
dc.identifier.urihttps://bdm.ufpa.br/handle/prefix/9597
dc.rightsAcesso Abertopt_BR
dc.source.uriDisponível na internet via correio eletrônico: bibufpacastanhal@gmail.com
dc.subjectRede neural
dc.subjectTransferência de aprendizado
dc.subjectFine-tuning
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
dc.titleRede neural convolucional EfficientNet: uma proposta de classificação de fogo usando tranferência de aprendizado
dc.typeTrabalho de Curso - Graduação - Artigo

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TC_Artigo_RedeNeuralConvolucional.pdf
Tamanho:
1.97 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia da Computação - CCAST
Logo do RepositórioLogo do Repositório