RetroCert: Certificação Assistida por Inteligência Artificial para Avaliação da Originalidade e Conservação de Peças de Veículos Clássicos

Descrição

O presente projeto investiga a viabilidade técnica e científica do emprego de técnicas de inteligência artificial, visão computacional e aprendizagem de máquina para identificar peças de veículos clássicos e estimar seus graus de originalidade e conservação. O estudo será inicialmente delimitado a peças de um único ano-modelo do Volkswagen Fusca, escolhido após análise exploratória do acervo fotográfico da empresa parceira, considerando volume, diversidade, qualidade das imagens e representatividade das peças. O problema central reside na ausência de um padrão técnico, replicável e escalável para avaliar componentes de veículos clássicos. Atualmente, a identificação de uma maçaneta, volante, freio de mão, lanterna, botão, roda ou componente de acabamento, bem como a conclusão sobre sua compatibilidade histórica, substituição ou desgaste, depende predominantemente da experiência de colecionadores, restauradores e especialistas. Esse conhecimento possui alto valor, mas encontra-se disperso, pouco estruturado e sujeito a divergências. Sob a perspectiva da Design Science Research, será desenvolvido e validado um artefato de software denominado RetroCert, composto por quatro módulos: identificação e segmentação da peça; Originalômetro; Conservômetro; e camada de confiança, evidências e revisão especializada. A metodologia de Design Science Research estrutura o desenvolvimento de artefatos em identificação do problema, definição de objetivos, desenvolvimento, demonstração, avaliação e comunicação. O módulo de identificação reconhecerá o tipo, a localização e a possível aplicação histórica da peça. O Originalômetro estimará a compatibilidade da peça com as especificações do fabricante do veículo analisado, distinguindo componentes originais de fábrica, modificações de época e substituições.