Identificação de anomalias em edifícios industriais com base em técnicas de inteligência artificial e imagens obtidas com veículos aéreos não tripulados.
Carregando...
Data
2022
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
O monitoramento e a inspeção das estruturas garantem segurança aos usuários e representam,
muitas vezes, economia para os órgãos fiscalizadores, que assim podem programar manutenções
corretivas. O desenvolvimento de novas tecnologias tem possibilitado a realização de inspeções de
maneira mais objetiva e menos arriscada para os operadores envolvidos. A detecção de anomalias
visíveis pode ser realizada com o auxílio de algoritmos de inteligência artificial (IA) aplicados a
imagens, dos quais destaca-se a Mask R-CNN (Mask Region based Convolutional Neural
Network), desenvolvido em 2018 e que constitui o algoritmo mais atualizado para a segmentação
por instâncias. Conjuntamente com os Veículos Aéreos Não Tripulados (VANTs), a Mask R-CNN
se torna uma ferramenta poderosa, podendo, assim, acessar as regiões mais remotas de uma
estrutura e fornecer resultados confiáveis. Neste contexto, o presente trabalho se propôs a
desenvolver uma aplicação baseada na Mask R-CNN, buscando o melhor ajuste entre os seus
hiperparâmentros, para a identificação de corrosões em galpões industriais construídos com painéis
sanduíche. O algoritmo para o desenvolvimento da ferramenta foi elaborado com a linguagem de
programação Python, utilizando a biblioteca Detectron2. Bancos de dados rotulados são
extremamente raros e de difícil construção, para solucionar este problema, no âmbito deste
trabalho, coletaram-se imagens com o VANT DJI Mavic Enterprise Advanced que foram rotulados
com o VGG Image Annotator (VIA), formando um inédito dataset com 8400 imagens de corrosões
em painéis sanduíches em alta resolução, que foi dividido em treino, validação e teste. A avaliação
desta solução deu-se pela utilização de métricas consolidadas na IA, como a precisão, o recall e a
precisão média. Como resultado, obteve-se uma ferramenta capaz de otimizar as operações de
inspeção em grandes edifícios industriais, identificando corrosões com precisão e recall de 83 e
85%, respectivamente, e precisão média de 65% com Intersection Over Union de 50% para a
detecção.
Descrição
Programa de Pós-Graduação em Engenharia Civil. Departamento de Engenharia Civil, Escola de Minas, Universidade Federal de Ouro Preto.
Palavras-chave
Engenharia de estruturas - monitoramento, Inteligência artificial, Imagens digitais - segmentação por instância, Veículo aéreo não tripulado - VANT
Citação
SANTOS, Rafael Lemos dos. Identificação de anomalias em edifícios industriais com base em técnicas de inteligência artificial e imagens obtidas com veículos aéreos não tripulados. 2022. 98 f. Dissertação (Mestrado em Engenharia Civil) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2022.