Defesa de Proposta de Tese de Doutorado de João Vitor de Souza Chagas, 05/09/25, 10h, por videoconferência
Link para defesa: https://meet.google.com/rzu-pfns-srj
Análise Híbrida de Visão Computacional com IA e Gêmeos Digitais para Monitoramento de Embarcações não Colaborativas
Resumo:
A pesquisa de doutorado proposta visa o desenvolvimento de uma metodologia que contribua para o aprimoramento da segurança marítima costeira no Brasil, oferecendo uma combinação de soluções de baixo custo e pouco impacto ambiental e que mantenham a discrição necessária para operações de inteligência. Para isso, esta proposta de tese pretende desenvolver uma metodologia para a extração de informações de embarcações não colaborativas utilizando câmeras monoculares. Essa abordagem buscará integrar visão computacional, inteligência artificial e gêmeos digitais para estimar em tempo real a posição, velocidade e rumo dessas embarcações, frequentemente associadas a atividades ilícitas. A metodologia será estruturada em três fases: o treinamento do modelo YOLOv8 para detecção e classificação de embarcações, a criação de um Gêmeo Digital na game engine Unity, que unificará informações de georreferenciamento, cartas náuticas e dados das câmeras em um ambiente 3D e o desenvolvimento do processamento em tempo real neste ambiente para cálculos de estimativa. Alguns testes preliminares na Baía de Guanabara – RJ já foram realizados, e nestes foi obtido um erro médio de 64,34 metros na estimativa de posição a 1000 metros de distância, indicando a viabilidade de uso de câmeras monoculares sem recalibração. O prosseguimento do trabalho deverá revisar, aprofundar e validar essa metodologia, buscando otimizar sua precisão e robustez para aplicação em outros cenários reais.
Abstract:
This proposed doctoral research aims to develop a methodology that contributes to the enhancement of coastal maritime security in Brazil, offering a combination of low-cost, low-environmental-impact solutions that maintain the necessary discretion for intelligence operations. To achieve this, this proposal intends to develop a methodology for extracting information from non-collaborative vessels using monocular cameras. This approach will seek to integrate computer vision, artificial intelligence, and digital twins to estimate in real-time the position, speed, and heading of these vessels, which are frequently associated with illicit activities. The methodology will be structured in three phases: the training of the YOLOv8 model for vessel detection and classification; the creation of a Digital Twin in the Unity game engine, which will unify georeferencing information, nautical charts, and camera data in a 3D environment; and the development of real-time processing within this environment for the calculation of estimates. Although preliminary tests in Guanabara Bay, Rio de Janeiro, have already demonstrated an average error of 64.34 meters in position estimation at a distance of 1000 meters—indicating the feasibility of using monocular cameras without recalibration, the research will further develop and validate this methodology, seeking to optimize its precision and robustness for application in other real-world scenarios.
Banca examinadora:
Profa. Aura Conci, UFF – Presidente
Prof. Esteban Walter Gonzalez Clua, UFF
Prof. José Ricardo da Silva Junior, IFRJ