ISSN | 2237-9045 |
---|---|
Instituição | Universidade Federal de Viçosa |
Nível | Graduação |
Modalidade | Pesquisa |
Área de conhecimento | Ciências Exatas e Tecnológicas |
Área temática | Engenharia/Tecnologia |
Setor | Departamento de Engenharia Civil |
Bolsa | SICOOB-UFVCredi |
Conclusão de bolsa | Sim |
Apoio financeiro | SICOOB-UFVCredi |
Primeiro autor | Matheus Caputo Pires |
Orientador | JULIO CESAR DE OLIVEIRA |
Título | Análise e reconhecimento de corrosão em superfícies metálicas a partir de sensoriamento remoto terrestre |
Resumo | Frente ao processo de corrosão e deterioração em estruturas metálicas, o que se mostra um problema emergente em construções modernas, diversas técnicas de identificação e tratamento de tal problema têm sido empregadas no intuito de reduzir os gastos com danos estruturais causados, estes que podem chegar a 3% do PIB de países desenvolvidos além de representar um consumo de cerca de 30% da produção de aço no mundo, direcionada para reposição de peças e partes deterioradas. Para a identificação de áreas atingidas, o sensoriamento remoto tem se mostrado uma possível ferramenta quando se trata de estruturas com acesso difícil ou perigoso, permitindo a substituição da visita de um profissional qualificado para tal análise ao local por uma câmera acoplada a um drone, uma tecnologia comum atualmente e que permite acesso a qualquer área. A análise de imagens coletadas pode ser feita de diversas maneiras, sendo uma delas empregando a metodologia de reconhecimento automático de imagens a partir de aprendizado de máquina (“machine learning”), técnica que vem sendo aplicadas nas mais diversas áreas. O reconhecimento automático de imagens é feito utilizando um computador e um modelo de treinado especificamente desenvolvido para a finalidade de reconhecimento de corrosão em estruturas metálicas, prática que é objeto de estudo e desenvolvimento do presente trabalho. O desenvolvimento de um modelo de treinamento para possibilitar o reconhecimento de imagens faz uso de uma biblioteca, na linguagem Python, criada e publicada pelo Google chamada TensorFlow, utilizada em conjunto a demais bibliotecas que possibilitam uma análise de imagem e reconhecimento de feições e regiões que apresentam corrosão. Para o treinamento faz-se uso de um banco de dados de imagens coletadas com sensoriamento remoto, utilizando aparelhos móveis e drones, e com as regiões afetadas identificadas. Tais dados são utilizados para treinar um modelo que permite processar vídeos e imagens para reconhecimento automático de pontos que apresentem corrosão. O presente trabalho apresenta ainda uma avaliação da precisão do reconhecimento, que está diretamente ligada ao volume de dados e à qualidade dos mesmos, e a aplicabilidade da metodologia, quanto à utilização de imagens obtidas aparelhos e câmeras diversas. |
Palavras-chave | Reconhecimento automático de imagens, banco de dados, corrosão. |
Forma de apresentação..... | Painel |