abstract: Thousands of high-resolution images are generated each day. Segmenting, classifying, and analyzing the contents of these images are the key steps in image understanding. This thesis focuses on image segmentation and classification and its applications in synthetic, texture, natural, biomedical, and industrial images. A robust level-set-based multi-region and texture image segmentation approach is proposed in this thesis to tackle most of the challenges in the existing multi-region segmentation methods, including computational complexity and sensitivity to initialization. Medical image analysis helps in understanding biological processes and disease pathologies. In this thesis, two cell evolution analysis schemes are proposed for cell cluster extraction in order to analyze cell migration, cell proliferation, and cell dispersion in different cancer cell images. The proposed schemes accurately segment both the cell cluster area and the individual cells inside and outside the cell cluster area. The method is currently used by different cell biology labs to study the behavior of cancer cells, which helps in drug discovery. Defects can cause failure to motherboards, processors, and semiconductor units. An automatic defect detection and classification methodology is very desirable in many industrial applications. This helps in producing consistent results, facilitating the processing, speeding up the processing time, and reducing the cost. In this thesis, three defect detection and classification schemes are proposed to automatically detect and classify different defects related to semiconductor unit images. The first proposed defect detection scheme is used to detect and classify the solder balls in the processor sockets as either defective (Non-Wet) or non-defective. The method produces a 96% classification rate and saves 89% of the time used by the operator. The second proposed defect detection scheme is used for detecting and measuring voids inside solder balls of different boards and products. The third proposed defect detection scheme is used to detect different defects in the die area of semiconductor unit images such as cracks, scratches, foreign materials, fingerprints, and stains. The three proposed defect detection schemes give high accuracy and are inexpensive to implement compared to the existing high cost state-of-the-art machines. / Dissertation/Thesis / Ph.D. Electrical Engineering 2010

Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-08-28Bitstream added on 2014-06-13T18:08:26Z : No. of bitstreams: 1 matos_er_me_ilha.pdf: 2466056 bytes, checksum: fd089ec7147abd26c94fadfe5e17bb85 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho apresenta-se uma Metodologia para Detecção e Classificação de Curtos-Circuitos em alimentadores de Sistemas de Distribuição de Energia Elétrica fundamentada na análise de registros oscilográficos através da DFT (Discrete Fourier Transform) e de RNAs (Redes Neurais Artificiais). Sua aplicação pressupõe a disponibilidade de registros de oscilografia digital das correntes nas três fases do alimentador, monitoradas apenas na saída da subestação. A caracterização de cada tipo de curto-circuito é obtida mediante a análise do comportamento dinâmico das correntes de fase durante o período transitório das faltas e a detecção e classificação dos curtos-circuitos são efetuadas por meio de um banco de RNAs acíclicas, do tipo perceptrons, de múltiplas camadas. Um modelo de um alimentador real de Sistema de Distribuição de grande porte, composto por 836 barras, foi utilizado na obtenção dos dados referentes aos curtos-circuitos, com simulações via software ATP-EMTP (Alternative Transients Program - Electromagnetic Transients Program). O método foi implementado e testado utilizando-se o software MATLAB®. Como resultado tem-se uma metodologia de formulação simples que apresenta bom desempenho, é de fácil implementação, apresenta baixa carga computacional e gera resultados altamente satisfatórios / This work proposes a methodology for Detection and Classification of Short-Circuits in Distribution Electric Power feeders, based on the analysis of oscillograph records through the application of DFT (Discrete Fourier Transform) and ANNs (Artificial Neural Networks). Its application requires the availability of digital oscillograph records of the currents in the three phases of the feeder, only monitored at the output of the substation. The characterization of each type of short-circuit is obtained by means of analysis of the dynamic behavior of the phase currents during the transitory period. The detection and classification of short-circuits is performed by a bank of acyclic ANNs, of type multilayers perceptrons. A real feeder model of a large distribution power system, composed of 836 buses, was used to obtain data relating to short-circuits, simulated via ATP-EMTP (Alternative Transients Program - Electromagnetic Transients Program) software. The method was implemented and tested using MATLAB®. As a conclusion, the proposed method is simple to be implemented, presents low computational load and generates good results

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-05-18Bitstream added on 2014-06-13T18:08:27Z : No. of bitstreams: 1 barros_ac_me_ilha.pdf: 537823 bytes, checksum: 11c161179ae4dad9ba89c41455601030 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Este trabalho tem por objetivo apresentar uma metodologia, para detecção e classificação de faltas de curto-circuito, direcionada para os eventos de alta impedância em subestações de energia elétrica. A detecção é executada por um cálculo algébrico simples via observação da diferença absoluta entre o valor eficaz médio estimado e o valor eficaz medido a partir da oscilografia das correntes trifásicas. Caso seja detectada a anomalia de corrente, procede-se a sua classificação baseada na lógica fuzzy. Trata-se de um problema que apresenta maiores dificuldades de identificação e classificação, tendo em vista que tais perturbações são sutis, o que se diferenciam em relação aos eventos caracterizados como de baixa e ou de média impedância. Os distúrbios de alta impedância, muitas vezes, não são detectados pelo sistema proteção. Neste caso, o sistema de proteção consideraos como uma operação em regime permanente, não distinguindo entre uma falta de alta impedância e um aumento/diminuição da corrente elétrica em decorrência das variações da demanda solicitada pelos consumidores. Ressalta-se que a metodologia, aqui proposta, segue os princípios formulados na referência Decanini (2008), com as devidas adaptações ao problema associado às faltas de alta impedância. A metodologia, proposta neste trabalho, usa dados oscilográficos que são processados de modo que a detecção e classificação das faltas possam ser estimadas através de um conjunto de características extraídas dos sinais de correntes. Este conjunto de característica é classificado pela lógica nebulosa e sua saída resulta na indicação do tipo da falta. Deve-se ressaltar que este algoritmo além de ser eficiente na detecção e classificação de faltas de alta impedância, sua eficiência destacase também na localização e detecção de faltas de baixa impedância... / This work presents a methodology to detect and classify short circuit faults principally for high impedance occurrences in electrical power systems. The detection is executed by a simple algebraic calculus observing the absolute difference with the efficient medium estimated value and the efficient value measured from the oscillogram of the three-phase currents. When a current anomaly is detected the classification is based on the fuzzy logic. It is a problem that presents some difficulties in identification and classification, considering that these perturbations are little which are different from the events characterized as low or medium impedance. The high impedance perturbations sometimes are not detected by the protection system. In this case, the protection system considers as one operation in steady state, and do not distinguish with a high impedance fault or an increasing/ decreasing of the electrical current due to the demand variation requested by the users. It is emphasized that the proposed methodology follows the fundamentals according the reference Decanini (2008), with the adaptations to the associated problem to the high impedance faults. The proposed methodology use oscillogram data that are processed in a way that the detection and classification of the faults are estimated by a set of characteristics from the current signals. This set is classified by logic fuzzy and the output results on the type of the fault. It is emphasized that this algorithm besides being efficient is detecting and classifying high impedance faults, is also efficient in localizing and detecting low impedance faults. The necessary data for the diagnosis of the faults were obtained by simulation of a radial feeder model with the ATP software. Results are satisfactory and show the viability of the proposed methodology that is faster for obtaining the solutions and is able to detect... (Complete abstract click electronic access below)

Todos os dias a quantidade de veículos nas estradas em todo o mundo está aumentando. Este crescimento combinado com a negligência dos motoristas e alguns fatores externos, tais como estradas mal conservadas e condições climáticas adversas resultaram em um enorme aumento na quantidade de acidentes e, conseqüentemente, de mortes. Atualmente muitos grupos de pesquisa e empresas automotivas estão desenvolvendo e adaptando tecnologias que podem ser incorporadas nos veículos para reduzir esses números. Um exemplo interessante dessas tecnologias é a detecção e classificação de obstáculos móveis (veículos, pessoas, etc.) em ambientes urbanos. Este trabalho apresenta o desenvolvimento de algoritmos para identificação, rastreamento e previsão de obstáculos móveis, determinação de direções proibidas para tráfego do veículo e cálculo de trajetórias livres de colisões. Para isso, foram utilizados dados do sistema de medidas de distância, SICK LMS 291-S05, para monitorar o ambiente a frente do veículo de teste (um automóvel de passeio modificado). Com base nesses dados foi realizado um tratamento computacional através da técnica de Trackers para classificar todos os obstáculos detectados em duas classes principais: os obstáculos estáticos e móveis. Uma vez identificado o obstáculo, este será acompanhado mesmo no caso em que saia do campo de visão do sensor. Após a classificação dos obstáculos presentes no ambiente, suas posições são analisadas e direções proibidas para tráfego são determinadas peloalgoritmo Velocity Obstacle Approach. Finalmente é aplicada a técnica de cálculo de trajetórias E* que gera um caminho suave e livre de colisões. No caso de algum obstáculo obstruir ou gerar risco de colisão com o caminho gerado é possível recalcular a rota sem que o mapa do ambiente seja novamente completamente analisado. Os resultados obtidos demonstraram a aplicabilidade da metodologia utilizada. O algoritmo de Trackers detectou pedestres e veículos e determinou suas características dinâmicas. O algoritmo Velocity Obstacle Approach conseguiu acompanhar os obstáculos e foi capaz de determinar as direções proibidas e, finalmente, o algoritmo E* foi capaz de gerar trajetórias livre de obstáculos em ambientes desconhecidos. / Every day the number of vehicles on the roads around the world is increasing. This growth combined with the negligence of drivers and some external factors such as poorly maintained roads and adverse weather conditions resulted in a huge increase in the number of accidents and hence casualties. Currently many research groups and automotive companies are developing and adapting technologies that can be incorporated into vehicles to reduce these numbers. An interesting example of these technologies is the detection and classification of moving obstacles (vehicles, people, etc.) in urban environments. This dissertation presents the development of algorithms which main objective are identify, track and predict moving obstacles, determine prohibited directions of traffic and calculate collision free trajectories. In order to accomplish with such task, data from the laser sensor SICK LMS 291-S05 later treated using computational resources such as the Trackers technique was used to monitor the environment ahead of the test vehicle (a modified passenger car). The Trackers technique was used to classify all the hurdles identified in two main classes: static and mobile obstacles. Once the obstacle was identified, this still been followed even if they leave the field of vision sensor. After classification of obstacles in the environment, their positions are analyzed and prohibited for traffic directions are determined by the algorithm Velocity Obstacle Approach. Finally the technique is applied to calculate trajectories of E* that generates a smooth path and free of collisions. If any obstacle block, or create a risk of collision through the generated path, the trajectory can be recalculated without the need to fully re-analyze de environment map. The results demonstrated the applicability of the methodology used. The Trackers algorithm has detected pedestrians and vehicles determining their dynamic characteristics. The algorithm Velocity Obstacle Approach keep up with the obstacles and was able to determine the prohibited directions and, finally, E* the algorithm was able to generate obstacle-free paths in unknown environments.

Dynamic spectrum access (DSA) wireless networks focus on using RF spectrum more efficiently and dynamically. Significant progress has been made during the past few years. For example, many measurements of current spectrum utilization are available. Theoretical analyses and computational simulations of DSA networks also abound. In sharp contrast, few network systems, particularly those with a decentralized structure, have been built even at a small scale to investigate the performance, behavior, and dynamics of DSA networks under different scenarios. This dissertation provides the theory, design, and implementation of a software radio-based decentralized DSA network prototype, and its enabling technologies: software radio, signal detection and classification, and distributed cooperative spectrum sensing. By moving physical layer functions into the software domain, software radio offers an unprecedented level of flexibility in radio development and operation, which can facilitate research and development of cognitive radio (CR) and DSA networks. However, state-of-the-art software radio systems still have serious performance limitations. Therefore, a performance study of software radio is needed before applying it in any development. This dissertation investigates three practical issues governing software radio performance that are critical in DSA network development: RF front end nonlinearity, dynamic computing resource allocation, and execution latency. It provides detailed explanations and quantitative results on SDR performance. Signal detection is the most popular method used in DSA networks to guarantee non-interference to primary users. Quickly and accurately detecting signals under all possible conditions is challenging. The cyclostationary feature detection method is attractive for detecting primary users because of its ability to distinguish between modulated signals, interference, and noise at a low signal-to-noise ratio (SNR). However, a key issue of cyclostationary signal analysis is the high computational cost. To tackle this challenge, parallel computing is applied to develop a cyclostationary feature based signal detection method. This dissertation presents the method's performance on multiple signal types in noisy and multi-path fading environments. Distributed cooperative spectrum sensing is widely endorsed to monitor the radio environment so as to guarantee non-interference to incumbent users even at a low SNR and under hostile conditions like shadowing, fading, interference, and multi-path. However, such networks impose strict performance requirements on data latency and reliability. Delayed or faulty data may cause secondary users to interfere with incumbent users because secondary users could not be informed quickly or reliably. To support such network performance, this dissertation presents a set of data process and management schemes in both sensors and data fusion nodes. Further, a distributed cooperative sensor network is built from multiple sensors; together, the network compiles a coherent semantic radio environment map for DSA networks to exploit available frequencies opportunistically. Finally, this dissertation presents the complete design of a decentralized and asynchronous DSA network across the PHY layer, MAC layer, network layer, and application layer. A ten-node prototype is built based on software radio technologies, signal detection and classification methods, distributed cooperative spectrum sensing systems, dynamic wireless protocols, and a multi-channel allocation algorithm. Systematic experiments are carried out to identify several performance determining factors for decentralized DSA networks. / Ph. D.

Unmanned aerial vehicles (UAV) have become increasingly popular and their ability to analyze images collected in real time has drawn the attention of researchers regarding their use in several tasks, as surveillance of environments, persecution, collection of images, among others. This dissertation proposes a vehicle tracking system through which UAVs can recognize a vehicle and monitor it in highways. The system is based on a combination of bio-inspired machine learning algorithms VOCUS2, CNN and LSTM and was tested with real images collected by an aerial robot. The results show it is simpler and outperformed other complex algorithms, in terms of precision. / Veículos aéreos não tripulados têm se tornado cada vez mais populares e sua capacidade de analisar imagens coletadas em tempo real tem chamado a atenção de pesquisadores quanto ao seu uso em diversas tarefas, como vigilância de ambientes, perseguição, coleta de imagens, entre outros. Esta dissertação propõe um sistema de rastreamento de veículos através do qual os UAV podem reconhecer um veículo e monitorá-lo em rodovias. O sistema é baseado em uma combinação de algoritmos de aprendizado de máquina bio-inspirados VOCUS2, CNN e LSTM e foi testado com imagens reais coletadas por um robô aéreo. Os resultados mostram que é mais simples e superou outros algoritmos complexos, em termos de precisão.

Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Para tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector + classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado. Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que na maior parte dos casos (93% para a rede MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais. / Transmission line protection is one of the major tasks for a power system. Transmission line faults must be located accurately and isolated as fast as possible. In order to perform this task, the power system protection system uses the three-phase currents (IA, IB, IC) and voltages (VA, VB, VC) to detect, classify and locate the fault. After detecting and classifying the fault, the relay calculates the apparent impedance to verify in which protection zone the fault is located. Taking this into account, precise and fast detection and classification methods are fundamental steps for the relay control algorithm. The combination detection + classification must carry out the correct response in less than 10 ms after the fault for a high-speed protection system. Some conventional methods have treated this problem but the time for a correct classification is sometimes excessively long. This work presents a fast and reliable new system for fault detection and classification using the three-phase current measurements. This new system is based on Artificial Neural Networks (RBF and MLP) for the detection and classification tasks. A comparative study involving both types of neural networks was done. Tests showed that the proposed system was able to correctly detect and classify 100% of the studied cases where the majority (93% of the cases for MLP net and 84% for RBF net) of them was done in up to 5 post-fault samples (5 ms). The afore-mentioned demonstrates the high speed of the new method for the detection and classification tasks when compared to the conventional ones.

Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-04-26Bitstream added on 2014-06-13T19:40:17Z : No. of bitstreams: 1 malange_fcv_dr_ilha.pdf: 2238559 bytes, checksum: 4603e9cf1612e9f68b0c3cf1e7a80e43 (MD5) / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Muitos esforços têm sido despendidos para tentar sanar problemas relacionados com Qualidade da Energia Elétrica (QEE), principalmente na automação de processos e desenvolvimento de equipamentos de monitorização que possibilitem maior desempenho e confiabilidade a todo o Sistema Elétrico. Esta pesquisa apresenta um sistema eficiente de identificador/classificador automático de distúrbios chamado de Rede Neuro-Fuzzy-Wavelet. A estrutura básica dessa rede é composta por três módulos: o módulo de detecção de anomalias onde os sinais com distúrbios são identificados, o módulo de extração de características onde as formas de onda com distúrbio são analisadas, e o módulo de classificação que conta com uma rede neural ARTMAP Fuzzy, a qual indica qual o tipo de distúrbio sofrido pelo sinal. Os tipos de distúrbios incluem os isolados de curto prazo, tais como: afundamento de tensão (sag), elevação de tensão (swell), os distúrbios de longo prazo como distorção harmônica, bem como distúrbios múltiplos simultâneos como afundamento de tensão com distorção harmônica e elevação de tensão com distorção harmônica. A concepção do sistema de inferência (neural wavelet ARTMAP fuzzy) permite realizar a classificação dos referidos distúrbios de forma robusta e com grande rapidez na obtenção das soluções. Testes apontam para o alto desempenho dessa rede na detecção e classificação correta dos tipos de distúrbios de tensão analisados, 100% de acerto. A forma robusta e grande rapidez na obtenção dos resultados, possibilita sua aplicação em tempo real, visto que o esforço computacional, muito pequeno, é alocado, basicamente, na fase de treinamento. Somente uma pequena parcela de tempo computacional é necessária para a efetivação das análises. Além do mais, a metodologia proposta pode ser estendida para a realização de tarefas mais complexas... / Many efforts have been spent to solve problems related to Power Quality (PQ), principally in process automation and developing monitoring equipments that can provide more reliability and behavior for the electrical system. This research presents an efficient automatic system to identify/classify disturbs by Fuzzy Wavelet Neural Network. The basic structure of this neural network is composed of three modules such as: module for detecting anomalies where the signals with disturbs are identified, module for extracting the characteristics where the wave forms with disturbs are analyzed, and the module of classification that contains a fuzzy ARTMAP neural network that shows the type of disturbs existing in the signal. The types of disturbs include the short term isolated ones which are: voltage dip (sag), voltage increasing (swell); the long term disturbs such as harmonic distortion as well as the multiple simultaneous ones like the voltage dip with harmonic distortion and voltage increasing with harmonic distortion. The inference system (neural wavelet ARTMAP fuzzy) allows executing the classification of the cited disturbs very fast and obtaining reliable results. This neural network provides high performance when classifying and detecting the voltage disturbs very fast with about 100% of accuracy. The speed in obtaining the results allows an application in real time due to a low computational effort, which is basically in the training phase of the neural network. A little time of the computational effort is spent for the analysis. Moreover the proposed methodology can be used for realizing more complex tasks, as for example the localization of the power sources of the voltage disturbs. It is a very important contribution in the power quality, mainly to be a needy activity for solutions on the specialized literature

Made available in DSpace on 2014-12-17T14:08:33Z (GMT). No. of bitstreams: 1 JulianaPM.pdf: 4255756 bytes, checksum: 0f65b2b3a4f0afafcf55cda7d138bb36 (MD5) Previous issue date: 2009-06-29 / This master dissertation presents the study and implementation of inteligent algorithms to monitor the measurement of sensors involved in natural gas custody transfer processes. To create these algoritmhs Artificial Neural Networks are investigated because they have some particular properties, such as: learning, adaptation, prediction. A neural predictor is developed to reproduce the sensor output dynamic behavior, in such a way that its output is compared to the real sensor output. A recurrent neural network is used for this purpose, because of its ability to deal with dynamic information. The real sensor output and the estimated predictor output work as the basis for the creation of possible sensor fault detection and diagnosis strategies. Two competitive neural network architectures are investigated and their capabilities are used to classify different kinds of faults. The prediction algorithm and the fault detection classification strategies, as well as the obtained results, are presented / Esta disserta??o apresenta o estudo e implementa??o de algoritmos inteligentes para o monitoramento da medi??o de sensores envolvidos em processos de transfer?ncia de cust?dia de g?s natural. Para a cria??o destes algoritmos s?o investigadas arquiteturas de Redes Neurais Artificiais devido a caracter?sticas particulares, tais como: aprendizado, adapta??o e predi??o. Um preditor ? implementado com a finalidade de reproduzir o comportamento din?mico da sa?da de um sensor de interesse, de tal forma que sua sa?da seja comparada ? sa?da real do sensor. Uma rede recorrente ? utilizada para este fim, em virtude de sua capacidade em lidar com informa??o din?mica. A sa?da real do sensor e a sa?da estimada do preditor formam a base para a cria??o das estrat?gias de detec??o e identifica??o de poss?veis falhas. Duas arquiteturas de redes neurais competitivas s?o investigadas e suas potencialidades s?o utilizadas para classificar tipos diferentes de falhas. O algoritmo de predi??o e as estrat?gias de detec??o e classifica??o de falhas, bem como os resultados obtidos, ser?o apresentados

Orientador: Jozué Vieira Filho / Banca: Carlos Roberto Minussi / Banca: Walmir de Freitas Filho / Resumo: Neste trabalho apresenta-se uma Metodologia para Detecção e Classificação de Curtos-Circuitos em alimentadores de Sistemas de Distribuição de Energia Elétrica fundamentada na análise de registros oscilográficos através da DFT (Discrete Fourier Transform) e de RNAs (Redes Neurais Artificiais). Sua aplicação pressupõe a disponibilidade de registros de oscilografia digital das correntes nas três fases do alimentador, monitoradas apenas na saída da subestação. A caracterização de cada tipo de curto-circuito é obtida mediante a análise do comportamento dinâmico das correntes de fase durante o período transitório das faltas e a detecção e classificação dos curtos-circuitos são efetuadas por meio de um banco de RNAs acíclicas, do tipo perceptrons, de múltiplas camadas. Um modelo de um alimentador real de Sistema de Distribuição de grande porte, composto por 836 barras, foi utilizado na obtenção dos dados referentes aos curtos-circuitos, com simulações via software ATP-EMTP (Alternative Transients Program - Electromagnetic Transients Program). O método foi implementado e testado utilizando-se o software MATLAB®. Como resultado tem-se uma metodologia de formulação simples que apresenta bom desempenho, é de fácil implementação, apresenta baixa carga computacional e gera resultados altamente satisfatórios / Abstract: This work proposes a methodology for Detection and Classification of Short-Circuits in Distribution Electric Power feeders, based on the analysis of oscillograph records through the application of DFT (Discrete Fourier Transform) and ANNs (Artificial Neural Networks). Its application requires the availability of digital oscillograph records of the currents in the three phases of the feeder, only monitored at the output of the substation. The characterization of each type of short-circuit is obtained by means of analysis of the dynamic behavior of the phase currents during the transitory period. The detection and classification of short-circuits is performed by a bank of acyclic ANNs, of type multilayers perceptrons. A real feeder model of a large distribution power system, composed of 836 buses, was used to obtain data relating to short-circuits, simulated via ATP-EMTP (Alternative Transients Program - Electromagnetic Transients Program) software. The method was implemented and tested using MATLAB®. As a conclusion, the proposed method is simple to be implemented, presents low computational load and generates good results / Mestre