METODOLOGIA BASEADA EM REDES NEURAIS PARA IDENTIFICAÇÃO AUTOMATIZADA DE DANOS EM ESTRUTURAS DE PONTES POR MEIO DO RECONHECIMENTO DE PADRÕES EM IMAGENS

Descrição

Os objetivos desta pesquisa estão organizados em um objetivo geral e sete objetivos específicos, que orientam as etapas necessárias ao desenvolvimento e à validação da metodologia proposta. Objetivo Geral: Desenvolver e validar uma metodologia baseada em Inteligência Artificial para reconhecimento automático de manifestações patológicas em pontes rodoviárias e classificação de seus níveis de severidade, visando apoiar os profissionais nas atividades de inspeção, reduzir o tempo e os custos associados à análise dos registros fotográficos e contribuir para maior eficiência na avaliação da condição estrutural. Objetivos Específicos: a) Classificar as principais manifestações patológicas observadas em pontes rodoviárias, estabelecendo critérios técnicos para sua identificação e categorização; b) Desenvolver um sistema padronizado de categorização e rotulagem de imagens de inspeção destinado à aplicação de técnicas de Aprendizado Profundo; c) Estruturar um banco de dados de imagens compatível com o treinamento e a validação de modelos de Inteligência Artificial; d) Mensurar a influência da qualidade, diversidade e representatividade dos dados de inspeção no desempenho dos modelos desenvolvidos; e) Comparar diferentes arquiteturas de Aprendizado Profundo quanto à sua capacidade de detecção, classificação e generalização de danos estruturais; f) Validar o desempenho de modelos de Inteligência Artificial na identificação automática de manifestações patológicas em pontes rodoviárias;9 g) Estabelecer diretrizes para a utilização de sistemas baseados em Inteligência Artificial como apoio à inspeção e à gestão de pontes.

Palavras-chave

• Structural Health Monitoring
• Detecção de Danos
• Inteligência Artificial
• Aprendizado Profundo
• Pontes

Grupo de pesquisa

DEC UFV Estruturas

Financiamento

Com financiamento