Detecção de anomalias em trilho utilizando visão computacional

• Ano de defesa: 2020
• Autor(a) principal: Rodrigues, Paulo Cézar Lobo
• Orientador(a): Cani, Shirley Peroni Neves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Vitória
• Palavras-chave em Português: Algoritmos de aprendizado de máquinas supervisionado; Matriz de coocorrência; SVM (Support Vector Machine); Classificadores; Processamento de imagem
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/1227

RESUMO: O sistema ferroviário apresenta uma importante atuação na logística do transporte de cargas e de pessoas no país. Para garantir a qualidade e a segurança do serviço ferroviário, a manutenção dos trilhos precisa sempre estar no foco das empresas que detém a concessão das ferrovias. O objetivo deste trabalho é propor uma ferramenta computacional que classifica através de imagens dos trilhos, defeitos encontrados nas superfícies dos boletos. São identificados e classificados três tipos de defeitos: trilhos com a superfície do boleto em bom estado (TIPO A), trilhos com danos na superfície do boleto que podem ainda passar por uma manutenção de esmerilhamento (TIPO B) e trilhos com danos severos na superfície do boleto e que precisam de substituição imediata (TIPO C). A característica de textura, é uma fonte importante de informações para o processo de análise e interpretação de uma imagem. A textura é definida através de um conjunto de medidas locais descrevendo as variações espaciais de intensidade ou cor de cada pixel. Baseando-se nas características de textura, é apresentado uma metodologia de processamento da imagem através de uma abordagem estatística da matriz de coocorrência gerada de cada imagem. De cada tipo de trilho são extraídas características que servirão de entrada para o classificador utilizado neste trabalho. Com o uso do algoritmo de aprendizado de máquinas supervisionado SVM (Support Vector Machine) foi feito um treinamento do algoritmo e posterior classificação das amostras dos boletos dos trilhos em suas devidas classes. No final deste trabalho é apresentado métricas avaliativas da resposta do classificador usado.