Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/39357
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2023_RenanWelzSchadt_tcc.pdf8,32 MBAdobe PDFver/abrir
Título: Ferramenta orientada a algoritmos de deep learning para identificação e categorização de blocos de informação em faturas de energia
Autor(es): Schadt, Renan Welz
Orientador(es): Serrano, Maurício
Coorientador(es): Serrano, Milene
Assunto: Redes neurais (Computação)
Aprendizado de máquina
Data de apresentação: 18-Dez-2023
Data de publicação: 31-Jul-2024
Referência: SCHADT, Renan Welz. Ferramenta orientada a algoritmos de deep learning para identificação e categorização de blocos de informação em faturas de energia. 2023. 112 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2023.
Resumo: Faturas são documentos que relatam uma transação comercial. Seu processamento em massa é uma realidade em diversas empresas, porém, a maior parte desse processamento ainda é feito de forma manual. Abordagens automáticas são raras, seja pela imprevisibilidade dos layouts nas faturas, ou pelo seu conteúdo com informações sensíveis. Dentro do mercado de energia brasileiro existem mais de 100 distribuidoras emitindo um conjunto incontável de layouts distintos de fatura. O presente trabalho tem como objetivo criar uma ferramenta para fazer a identificação e categorização de blocos de informação relevantes em faturas de energia. Para isso, o sistema utiliza uma rede neural para detecção de objetos (RetinaNet) em conjunto com uma ResNet-50 para extração dos mapas de características. O processo de treinamento ocorre em um conjunto de mais de 10 mil faturas de duas distribuidoras de energia, em um número limitado de blocos (tabela de faturamento, impostos, leitura, informações do cliente e número da instalação). Ao final da pesquisa foi possível analisar a eficiência da implementação, através de métricas como mAP e se a solução também é válida para outras distribuidoras de energia.
Abstract: Invoices are documents that report a business transaction. Its mass processing is a reality in several companies, however, most of this processing is still done manually. Automatic approaches are rare, either because of the unpredictability of layouts on invoices, or because of their content with sensitive information. Within the Brazilian energy market there are more than 100 distributors issuing an uncountable set of different invoice layouts. This work aims to create a tool to identify and categorize relevant blocks of information on energy bills. For this, the system use a neural network for object detection (RetinaNet) together with a ResNet-50 for feature map extraction. The training process take place in a set of more than 10 thousand invoices from two energy distributors, in a limited number of blocks (billing table, taxes, reading, customer information and installation number). At the end of the research, it was possible to analyze the efficiency of the implementation, through metrics such as mAP and whether the solution is also valid for other energy distributors.
Informações adicionais: Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, 2023.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Engenharia de Software



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.