UM SISTEMA COLABORATIVO DE MONITORAMENTO GEORREFERENCIADO DE DADOS DE POLUIÇÃO SONORA CLASSIFICADOS POR MODELO DE APRENDIZADO DE MÁQUINA

Resumo

Este trabalho propõe um sistema colaborativo para o monitoramento georreferenciado da poluição sonora em ambientes urbanos, utilizando um modelo de aprendizado de máquina para classificação automática de sons. O sistema adota uma arquitetura modular, composta por três aplicações principais: Aplicação Cliente (coleta); Aplicação Servidora (processamento) e Aplicação Cliente (visualização), o que permite escalabilidade e facilidade de manutenção. Na Aplicação cliente (coleta), a captura de dados é realizada por meio de um chatbot integrado ao aplicativo Telegram, permitindo que os usuários enviem gravações de áudio juntamente com suas localizações. Esses dados são processados por uma Aplicação Servidora, que extrai características acústicas e classifica os sons usando o modelo UrbanSound8K_ECAPA, e armazena os resultados em um banco de dados NoSQL. A Aplicação Cliente de visualização é composta por uma página Web, que faz requisições para a Aplicação Servidora e apresenta os dados capturados de forma interativa, permitindo a exploração dos sons classificados e suas correspondentes localizações geográficas. Uma análise comparativa de modelos de classificação de áudio foi conduzida para suportar a escolha do modelo mais adequado. Resultados preliminares demonstram a viabilidade da solução proposta, que se demonstra uma ferramenta promissora, de baixo custo, acessível e escalável para o mapeamento e análise da poluição sonora urbana, com potenciais aplicações em políticas públicas e iniciativas de cidades inteligentes.