Detecção de fissuras em concreto usando deep learning

Abstract

A detecção de fissuras por algoritmos de computador é algo muito desejado, pois é o primeiro passo para possibilitar a extração de informações chave sobre patologias e manutenibilidade de edificações de maneira automática. Tradicionalmente, essa detecção tem sido feita com técnicas de processamento de imagens, utilizando os operadores de Sobel e Canny. Contudo, o advento algoritmos de Deep Learning para visão computacional e seus bons resultados em diversas aplicações trazem grandes promessas para a detecção automática de patologias de construções. A grande vantagem desses algoritmos é o aprendizado automático das regiões danificadas com base no conjunto de dados fornecido. Objetiva-se, primeiramente, apresentar uma revisão bibliográfica, explicando oque são redes neurais, seus tipos, e como funcionam. Em seguida, treina-se uma rede neural convolucional de classificação para a detecção de fissuras em concreto, usando um banco de dados open-source. Obteve-se boas métricas de treino, validação e teste, apesar de a boa performance estar limitada a situações semelhantes às retratadas pelos dados usados. Por fim, desenvolve-se um aplicativo web para a aplicação do modelo no navegador. Os resultados mostram o grande potencial desse novo paradigma, que pode ser expandido, no futuro, para a detecção de outras patologias em construções.