Classificação de tipos de pavimento via modelos de aprendizagem de máquina e sensoriamento embarcado

Abstract

No contexto da Pesquisa CNT de Rodovias, deseja-se automatizar alguns processos utilizados para a classificação de tipos de pavimento. Neste sentido, este trabalho lida com esta questão, por meio do desenvolvimento de modelos de aprendizagem de máquina e sistemas embarcados. Parte-se pela construção de uma solução embarcada capaz de sensoriar sinais de vibração pro- duzidas pelo pavimento, através de um conjunto de microcontroladores e sensores. Além disso, desenvolve-se um modelo de classificação de pavimento baseado em vídeos e imagens, utili- zando dados coletados na Pesquisa CNT de Rodovias 2022, separando o tipo de pavimento em duas classes, perfeito e imperfeito, atingindo-se precisão de classificação média de 91,7%. Adi- cionalmente, utiliza-se os dados sensoriados pelo sistema embarcado para o desenvolvimento de um segundo modelo de classificação, baseado em sinais de vibração, o que permite uma classifi- cação complementar do tipo de pavimento, atingindo-se precisão de classificação média de 90%. Por fim, são expostas sugestões de desenvolvimentos futuros sobre o tema, ampliando o escopo da solução fornecida.