Implementação de sistema inteligente para monitoramento de fadiga humana e mitigação de risco da segurança da navegação fluvial na Amazônia
DOI:
https://doi.org/10.34117/bjdv11n4-044Keywords:
inteligência artificial, monitoramento de sonolência, transporte fluvial amazônicoAbstract
Este artigo explora o uso da inteligência artificial (IA) como ferramenta de monitoramento de sonolência no contexto do transporte fluvial na Amazônia. O sistema desenvolvido utiliza visão computacional, algoritmos de aprendizado de máquina e um protótipo com Raspberry Pi para detectar sinais de fadiga dos condutores, contribuindo para a segurança das embarcações e dos passageiros. A partir da análise em tempo real de expressões faciais e do movimento ocular, o sistema emite alertas visuais e sonoros sempre que identifica sinais de sonolência. O trabalho foi desenvolvido como parte do projeto de P&D por meio de um convênio celebrado entre a Universidade do Estado do Amazonas (UEA) e a SAMSUNG, intitulado Projeto OCARA - Polo de Empreendedorismo Digital da Amazônia. Foi realizado no município de Parintins, durante o módulo de Introdução aos Conceitos da Indústria 4.0
References
MOHAMED, Nachaat. Current trends in AI and ML for cybersecurity: A state-of-the-art survey. Cogent Engineering, v. 10, n. 2, p. 2272358, 2023.
Leite, Dionisio. "URLYZER: sistema de identificação de URLs maliciosas utilizando IA como suporte à tomada de decisão." Revista Eletrônica de Iniciação Científica em Computação 20.2 (2022).
Senan, Mohamad Firham Efendy Md, et al. "CCTV quality assessment for forensics facial recognition analysis." 2017 7th International Conference on Cloud Computing, Data Science & Engineering-Confluence. IEEE, 2017.
https://revistati.com.br/opiniao/transformando-a-mobilidade-urbana-no-brasil-o-papel- da-inteligencia-artificial
https://blogdaengenharia.com/especiais/tecnologia/inteligencia-artificial/ia- transformando-o-transporte/
BBC. A inteligência Artificial pode acabar com os engarrafamentos? BBC. 2019. Disponível em: https://www.bbc.com/portuguese/vert-fut-46895407. Acesso em: 14 mar. 2021. 2.
BLANCO, Sebastian. Ford Using Artificial Intelligence to Solve Urban Driving Problems. Car and Drive. 2019. Disponível em: https://www.caranddriver.com/news/a29338453/ford- parking- mobility-city-insights/. Acesso em: 6 jan. 2021.
Costa, F. G., Caixeta Filho, J. V., & Arima, E. (2001). Influência do Transporte no uso da Terra: o caso da Logística de Movimentação de Grãos e Insumos na Amazônia Legal. Transporte e logística em sistemas agroindustriais. São Paulo: Atlas, 22-139.
Fonseca, S. (2017). Barco Regional: meio de transporte socioeconômico do trecho Caburi-Parintins-Caburi.
MEDEIROS, Juliana Terezinha da Silva. O transporte fluvial e o direito à dignidade da pessoa humana na Amazônia. Dissertação (Mestrado). Manaus: Universidade do Estado do Amazonas, Programa de Pós-graduação em Direito Ambiental, 2012.
Bastos, M. M. D. R. D. (2006). Geografia dos transportes: trajetos e conflitos nos percursos fluviais da Amazônia Paraense: um estudo sobre acidentes em embarcações.
AGÊNCIA NACIONAL DE TRANSPORTE AQUAVIÁRIOS – ANTAQ. Cartilha: Direito e deveres dos passageiros de embarcações. Ministério do transporte.
Silva, J. et al. "Impacto das Condições Climáticas na Segurança da Navegação", Revista Brasileira de Engenharia Naval, 2020.
Oliveira, R. "Fadiga e Segurança na Navegação: Um Estudo sobre Pilotos", Journal of Maritime Research, 2021
Santos, M. et al. "Formação Profissional e Segurança Marítima", International Journal of Marine Engineering, 2019.
Lima, A.C. "Manutenção Naval e Acidentes: Uma Análise Crítica", Maritime Safety Journal, 2022
Ferreira, T. et al. "Desafios da Navegação na Amazônia: Uma Perspectiva Crítica", Revista Brasileira de Geografia Marinha, 2023).
Trimble. "Sensor de fadiga e bocejo: o que é, como funciona e principais vantagens", 2020
Cobli. "Câmera de fadiga: o que é e como ajuda na segurança da frota", 2021
GoAwake. "Monitoramento do comportamento do condutor", 2022
Zhang, Y., et al. "Real-time Fatigue Detection and Warning System Based on Deep Learning", IEEE Transactions on Intelligent Transportation Systems, 2019
Santos, P., et al. "Smart Navigation Systems for Enhancing Safety in Inland Waterways", Journal of Marine Science and Engineering, 2021
Dinndorf, J. C. (2014) “Performance Comparison of Operating Systems for the Raspberry Pi”. In 14th Winona
Raspberry Pi Foundation. (n.d.). Raspberry Pi Documentation. Disponível em https://www.raspberrypi.com/documentation/
Python Software Foundation. (n.d.). Documentação do Python 3.0. Disponível em https://docs.python.org/pt-br/3/
Google. (n.d.). MediaPipe. Disponível em https://mediapipe.dev
Google. (n.d.). MediaPipe Face Landmarker. In Computer Science Undergraduate Research Symposium, Winona, MN, USA, pp. 11-17. Disponível em https://developers.google.com/mediapipe/solutions/vision/face_landmarker/
Intel Corporation. (n.d.). Open Source Computer Vision Library (OpenCV). Disponível em https://opencv.org/
Google Brain. (n.d.). TensorFlow: An open-source machine learning framework. Disponível em https://www.tensorflow.org/
