Dissertação
Aquatic Ecosystem Protection using Video Analysis and Deep Learning EVALUATED
A monitorização de espécies marinhas e de capturas acidentais é fundamental para a gestão sustentável das pescas e para a proteção dos habitats marinhos. Esta tese propõe um sistema automatizado para a deteção e classificação de espécies marinhas em operações de pesca, utilizando métodos de Computer Vision baseados em Deep Learning. O desenvolvimento do sistema segue uma metodologia composta pelas fases de aquisição de dados, criação do conjunto de dados e treino e avaliação dos modelos. Os vídeos foram recolhidos em três importantes portos de pesca portugueses (Quarteira, Portimão e Peniche) e processados para criar um conjunto de dados personalizado e anotado manualmente, contendo imagens de espécies comerciais e formadoras de habitat. Foram investigadas duas abordagens: um modelo de referência YOLOv11-OBB e duas variantes experimentais YOLO-KAN, que integram Kolmogorov–Arnold Networks na arquitetura YOLO para melhorar a representação de características. Os modelos foram avaliados em dois cenários, generalização entre locais e variação da dimensão do conjunto de treino, com o objetivo de avaliar a robustez, a escalabilidade e a eficiência de dados. Os resultados demonstram que as arquiteturas propostas conseguem detetar e classificar com precisão as espécies-alvo em condições desafiantes, com o modelo YOLOv11-OBB a alcançar um desempenho sólido e os modelos baseados em KAN a revelarem potencial promissor para investigação futura. De forma geral, este trabalho contribui com um conjunto de dados personalizado, uma metodologia completa e uma análise experimental orientada para a implementação de sistemas automatizados de deteção em monitorização das pescas e avaliação de ecossistemas marinhos.
novembro 27, 2025, 16:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Paulo Luís Serras Lobato Correia
Departamento de Engenharia Electrotécnica e de Computadores
Professor Catedrático
