Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning

Detalhes bibliográficos
Autor(a) principal: Freitas, Gabriel Tavares de Melo
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
dARK ID: ark:/83112/001300001t88t
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/69600
Resumo: FREITAS, G. T. M. Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning. 2022. 109 f. Dissertação (Mestrado em Engenharia de Transportes) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
id UFC-7_0b4563e642d097dcbef41a566d03e4a5
oai_identifier_str oai:repositorio.ufc.br:riufc/69600
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep LearningRedes neurais (Computação)Pavimentos - Manutenção e reparosTransporte rodoviárioFREITAS, G. T. M. Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning. 2022. 109 f. Dissertação (Mestrado em Engenharia de Transportes) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.The road modal is the main Brazilian transport system. However, however, problems in the country's economy, generating direct costs related to accidents, delay in cargo, impact on the economy as impact, between our transport, increase in the price of products other factors. In this case, a software that identifies, quantifies, georeferences and presents the challenges presented in asphalt routing pavements in order to contribute in the area of pavement management. For the elaboration of this software, use a Deep Learning software to learn from the exercises. A test data collection process was carried out to perform in the test on training images and videos and the neural network. In this process, studies of data sets for smartphones and data acquisition attempts were carried out, where a comparative analysis of each was performed. To assist in the validation of the results, an inventory support software was developed. This software runs on the web platform with the aim of presenting inventory information in a graphical interface, which can also serve as a support in decision making by researchers, engineers, analysts and technicians in the area of management of plans for future surveys. And, finally, the classification was carried out based on the learning to make a diagnostic detection order on the pavement. As an object of study, two classes of used objects were used: holes. Among the results generated, the best dataset obtained an accuracy of 99.89% for holes and 95.91% for patches. All results were made available in the inventory support software. Therefore, this work presents a software that detects holes and patches in paved roads through images captured from cameras or smartphones.O modal rodoviário é o principal sistema de transporte brasileiro. No entanto, problemas no pavimento causam um impacto direto na economia do nosso país, gerando custos relacionados a acidentes, atraso no transporte de cargas, indenização para as vítimas, aumento do preço dos produtos, entre outros fatores. Neste trabalho criou-se um software que identifique, quantifique, georreferencie e apresente os defeitos presentes em pavimentos rodoviários de revestimento asfáltico, com o intuito de contribuir na área de gerência de pavimentos. Para a elaboração deste software, utilizou-se um algoritmo de Deep Learning para o aprendizado dos defeitos. Foi realizado um processo de coleta de dados de defeitos no pavimento em imagens e vídeos para realizar o treinamento e a validação da rede neural. Neste processo, foram estruturados seis datasets envolvendo smartphones e câmeras de ação na aquisição dos dados, onde foi realizado uma análise comparativa de cada um. Para auxiliar na validação dos resultados, desenvolveu se um software de apoio ao inventário. Este software é executado na plataforma web com o intuito de apresentar as informações do inventário em uma interface gráfica, que pode também servir de apoio na tomada de decisão por parte dos pesquisadores, engenheiros, analistas e técnicos da área de gerência de pavimentos para levantamentos futuros. E, por fim, realizou-se a classificação com base no aprendizado do algoritmo a fim de automatizar a detecção de defeitos no pavimento. Como objeto de estudo, duas classes de defeitos foram utilizadas: buracos e remendos. Dentre os resultados gerados, o melhor dataset obteve uma acurácia de 99,89% para buracos e 95,91% para remendos. Todos os resultados foram disponibilizados no software de apoio ao inventário. Portanto, neste trabalho é apresentado um software que detecta de buracos e remendos em rodovias pavimentadas através de imagens capturadas de câmeras ou smartphones.Nobre Júnior, Ernesto FerreiraFreitas, Gabriel Tavares de Melo2022-11-29T17:49:54Z2022-11-29T17:49:54Z2022-07-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFREITAS, G. T. M. Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning. 2022. 109 f. Dissertação (Mestrado em Engenharia de Transporte) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.http://www.repositorio.ufc.br/handle/riufc/69600ark:/83112/001300001t88tporreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2023-03-30T14:03:10Zoai:repositorio.ufc.br:riufc/69600Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:53:14.180641Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
title Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
spellingShingle Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
Freitas, Gabriel Tavares de Melo
Redes neurais (Computação)
Pavimentos - Manutenção e reparos
Transporte rodoviário
title_short Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
title_full Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
title_fullStr Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
title_full_unstemmed Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
title_sort Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning
author Freitas, Gabriel Tavares de Melo
author_facet Freitas, Gabriel Tavares de Melo
author_role author
dc.contributor.none.fl_str_mv Nobre Júnior, Ernesto Ferreira
dc.contributor.author.fl_str_mv Freitas, Gabriel Tavares de Melo
dc.subject.por.fl_str_mv Redes neurais (Computação)
Pavimentos - Manutenção e reparos
Transporte rodoviário
topic Redes neurais (Computação)
Pavimentos - Manutenção e reparos
Transporte rodoviário
description FREITAS, G. T. M. Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning. 2022. 109 f. Dissertação (Mestrado em Engenharia de Transportes) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
publishDate 2022
dc.date.none.fl_str_mv 2022-11-29T17:49:54Z
2022-11-29T17:49:54Z
2022-07-01
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv FREITAS, G. T. M. Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning. 2022. 109 f. Dissertação (Mestrado em Engenharia de Transporte) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
http://www.repositorio.ufc.br/handle/riufc/69600
dc.identifier.dark.fl_str_mv ark:/83112/001300001t88t
identifier_str_mv FREITAS, G. T. M. Software para identificação de defeitos na superfície de pavimentos rodoviários utilizando Deep Learning. 2022. 109 f. Dissertação (Mestrado em Engenharia de Transporte) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2022.
ark:/83112/001300001t88t
url http://www.repositorio.ufc.br/handle/riufc/69600
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1818374019704946688