Análise e aperfeiçoamento de modelos inteligentes para detecção de lâmpadas de iluminação pública

Há alguns anos, uma mudança na legislação passou a responsabilidade de gerenciamento e manutenção da rede de iluminação pública das companhias elétricas (agora responsáveis apenas pelo faturamento da energia utilizada) para as autoridades municipais. Essa mudança acarretou em diversos problemas de desinformação, nos quais muitas vezes a companhia elétrica não é notificada sobre mudanças na rede de iluminação pública. Para evitar perdas comerciais, as companhias passaram a enviar times de conferência manual, processo caro, moroso e pouco confiável. Neste sentido, este trabalho tem como objetivo aprimorar o estudo de detecção inteligente de lâmpadas de iluminação pública, através da otimização dos modelos propostos por Soares et al. (2015), capazes de classificar o tipo e potência de lâmpadas de pontos de iluminação pública de forma eficiente como uma solução alternativa para este problema. A proposta é utilizar algoritmos de diferentes níveis de complexidade (tanto de abordagem tradicional quanto aprendizado profundo), em conjunto com técnicas mais complexas de validação, seleção de características, transformação de dados e de otimização de hiperparâmetros. Os resultados mostram que os modelos com algoritmos mais complexos (máquina de vetores de suporte, XGBoost, floresta aleatória e perceptron multicamadas) conseguem atingir uma acurácia média final de 80-86% de acerto que ao serem comparados por testes t de Student não apresentaram evidências de diferença significativa a nível de 5%.