Year: 2023
Type: dissertation
Abstract: A deteção de danos na estrutura externa de veículos representa um desafio para os fornecedores de serviços de viaturas de aluguer, especialmente os serviços mais recentes de mobilidade em que a inspeção de danos não é realizada no final de cada aluguer. À medida que estes serviços se tornam mais populares e que mais pessoas deixam de ter necessidade de possuir um carro pessoal, espera-se que as empresas procurem formas de facilitar este tipo de inspeção de danos. Como tal, o objetivo principal desta dissertação é desenvolver uma solução que os fabricantes de automóveis poderiam potencialmente adotar. Esta solução envolve a criação de um algoritmo para detetar riscos em carros usando dados de áudio obtidos a partir de microfones. Este estudo explora a utilização de Aprendizagem Profunda na análise de imagens, por exemplo espectrogramas, que são representativas de eventos de riscos. Para tal serão estudados e implementados métodos de transformação do sinal de áudio em imagens referentes a uma representação espectral do áudio e avaliar a capacidade de um algoritmo de Aprendizagem Profunda aprender a identificar este tipo de eventos. O algoritmo é treinado tendo em conta a enorme variedade de sons que podem ser captados pelo microfone, considerando os infinitos ambientes possíveis a que um carro pode estar sujeito, devido a uma condução diária.
Author: Soares, André Rodrigues
Language: Portuguese
Topic: Music and Audio Processing
Subfield: Signal Processing
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7084176469