Please use this identifier to cite or link to this item:
https://repositorio.ufjf.br/jspui/handle/ufjf/21116Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| cadernosderesumos1eiaufjf2024.pdf | PDF/A | 432.28 kB | Adobe PDF | View/Open |
| Type: | Artigo de Evento |
| Title: | Machine learning based long-period fiber grating demodulation: a promising tool for cost-effective in-field implementation |
| Author: | Barino, Felipe Oliveira Santos, Alexandre Bessa dos |
| Organizer: | Braida, Frederico Nascimento, Viviane Gonçalves, Narcelly |
| Resumo: | Este trabalho propõe uma forma de expandir a área de sensoriamento óptico, utilizando a Inteligência Artificial (IA) para baratear o uso de sensores de fibra óptica, especialmente as Grades de Longo Período (LPGs). Apesar de sua versatilidade e potencial para aplicações em áreas como monitoramento ambiental, diagnóstico de doenças e análise estrutural, a complexidade na interpretação dos sinais ópticos das LPGs exige equipamentos sofisticados e caros, limitando sua aplicação em campo. Para superar esse desafio, esta pesquisa desenvolve sistemas simplificados e de baixo custo, combinando hardware de fácil implementação com algoritmos de IA capazes de interpretar as medições dos sensores LPG com precisão. Com isso, a tecnologia LPG se torna mais acessível para diversas aplicações, impulsionando a inovação em áreas como saúde, engenharia e meio ambiente. A pesquisa avança o estado da arte em IA aplicada à instrumentação, com foco em robustez e confiabilidade, utilizando o método de Monte Carlo para propagação de incertezas e garantindo a confiabilidade das medições. Além disso, emprega dados sintéticos para treinamento e ajuste dos modelos de IA, superando as limitações de conjuntos de dados reais e aprimorando a generalização dos modelos. Dentre os modelos estudados, as redes neurais com mecanismo de autoatenção se destacaram, demonstrando um desempenho superior na interpretação dos sinais das LPGs. Os resultados obtidos com este modelo indicam uma precisão de 99,8% na detecção de variações no espectro das LPGs, com um erro médio quadrático de apenas 0,02 nm na estimativa do comprimento de onda ressonante. Essa performance excepcional se deve à capacidade da autoatenção de focar nas características mais relevantes do sinal, ignorando ruídos e variações irrelevantes. Os resultados demonstram a viabilidade da criação de sistemas de baixo custo e alta precisão para interpretar sinais ópticos de LPGs. Esta pesquisa abre caminho para uma nova era de sensoriamento óptico, com aplicações em áreas como cidades inteligentes, com o monitoramento da integridade de estruturas como pontes e edifícios; saúde, com o diagnóstico precoce de doenças através de sensores vestíveis; agricultura de precisão, com o monitoramento das condições do solo e das plantações; e monitoramento ambiental, com a detecção de poluentes e controle da qualidade da água. Com este trabalho, a IA se torna uma ferramenta chave para popularizar o uso de sensores ópticos, impactando positivamente a sociedade e o meio ambiente. |
| Abstract: | - |
| Keywords: | Instrumentação Sensores Incerteza Dados sintéticos Mecanismos de autoatenção |
| CNPq: | CNPQ::CIENCIAS SOCIAIS APLICADAS::COMUNICACAO CNPQ::CIENCIAS SOCIAIS APLICADAS::ARQUITETURA E URBANISMO |
| Language: | por |
| Country: | Brasil |
| Publisher: | Universidade Federal de Juiz de Fora (UFJF) |
| Institution Initials: | UFJF |
| Access Type: | Acesso Aberto Attribution 3.0 Brazil |
| Creative Commons License: | http://creativecommons.org/licenses/by/3.0/br/ |
| URI: | https://repositorio.ufjf.br/jspui/handle/ufjf/21116 |
| Issue Date: | 3-Dec-2024 |
| Appears in Collections: | 1º Encontro de Inteligência Artificial na UFJF |
This item is licensed under a Creative Commons License
