Publicação
Deteção de defeitos em asfalto utilizando deep learning
| Resumo: | A reparação de defeitos presentes no asfalto de estradas constitui uma importante tarefa para aumentar o conforto e a segurança dos utilizadores das rodovias. Além disso, permite evitar níveis intensos de desgaste, no asfalto, que acarretam também gastos de reparação mais elevados. Em muitos casos, os responsáveis pela manutenção das rodovias pavimentadas percebem ou observam os defeitos nas rodovias somente quando ocorre um grave acidente. E isto poderia ser evitado se houve uma maior preocupação com deteção e uma reparação rápida dessas irregularidades nas rodovias. Um modo mais económico e rentável, é impedir que essas falhas nas rodovias não cheguem a serem um obstáculo. Para isso, é necessária a identificação dos defeitos antes mesmo de acontecer um acidente para custear o preço das manutenções e dos problemas de insegurança nas rodovias. Automatizar esse processo com técnicas de reconhecimento de objetos pode trazer uma maior segurança no trânsito, em razão de uma melhor organização das rodovias que precisam de manutenções. O objetivo deste trabalho é construir um algoritmo de reconhecimento de defeitos em imagens e vídeos digitais de asfaltos por meio de Deep learning. Utilizaremos o Yolo como nosso detetor de objetos, pois consegue prever objetos em poucos segundos. O nosso conjunto de dados é composto por 613 imagens, distribuídas por 317 imagens de rachaduras e 296 imagens de buracos. Apesar de o reconhecimento de defeito ser considerada uma tarefa difícil, obtivemos uma acurácia média dde 96% em nosso melhor modelo. |
|---|---|
| Autores principais: | Virgens, Henrique das |
| Assunto: | Yolo Deteção de objetos Deep learning |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Instituto Politécnico de Bragança |
| Idioma: | português |
| Origem: | Biblioteca Digital do IPB |
| Resumo: | A reparação de defeitos presentes no asfalto de estradas constitui uma importante tarefa para aumentar o conforto e a segurança dos utilizadores das rodovias. Além disso, permite evitar níveis intensos de desgaste, no asfalto, que acarretam também gastos de reparação mais elevados. Em muitos casos, os responsáveis pela manutenção das rodovias pavimentadas percebem ou observam os defeitos nas rodovias somente quando ocorre um grave acidente. E isto poderia ser evitado se houve uma maior preocupação com deteção e uma reparação rápida dessas irregularidades nas rodovias. Um modo mais económico e rentável, é impedir que essas falhas nas rodovias não cheguem a serem um obstáculo. Para isso, é necessária a identificação dos defeitos antes mesmo de acontecer um acidente para custear o preço das manutenções e dos problemas de insegurança nas rodovias. Automatizar esse processo com técnicas de reconhecimento de objetos pode trazer uma maior segurança no trânsito, em razão de uma melhor organização das rodovias que precisam de manutenções. O objetivo deste trabalho é construir um algoritmo de reconhecimento de defeitos em imagens e vídeos digitais de asfaltos por meio de Deep learning. Utilizaremos o Yolo como nosso detetor de objetos, pois consegue prever objetos em poucos segundos. O nosso conjunto de dados é composto por 613 imagens, distribuídas por 317 imagens de rachaduras e 296 imagens de buracos. Apesar de o reconhecimento de defeito ser considerada uma tarefa difícil, obtivemos uma acurácia média dde 96% em nosso melhor modelo. |
|---|