Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Gonçalves, Vinícius Araújo
Orientador(a): Pantoja, João da Costa
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://repositorio.unb.br/handle/10482/54895
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Arquitetura e Urbanismo, Programa de Pós-Graduação em Arquitetura e Urbanismo, 2024.
id UNB_16d8b6d754fd63ebbe1246648ba2fc67
oai_identifier_str oai:repositorio.unb.br:10482/54895
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Gonçalves, Vinícius AraújoSilva, Lenildo Santos daPantoja, João da Costa2026-06-17T18:49:42Z2026-06-17T18:49:42Z2026-06-172025-05-22GONÇALVES, Vinícius Araújo. Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens. 2024. 122 f., il. Dissertação (Mestrado em Arquitetura e Urbanismo)—Universidade de Brasília, Brasília, 2024.http://repositorio.unb.br/handle/10482/54895Dissertação (mestrado) — Universidade de Brasília, Faculdade de Arquitetura e Urbanismo, Programa de Pós-Graduação em Arquitetura e Urbanismo, 2024.O uso de técnicas de processamento de imagens (IPTs) tem se mostrado promissor na identificação de problemas na construção civil, com o potencial de reduzir a necessidade de inspeções presenciais realizadas por especialistas. Essas IPTs são empregadas principalmente para manipular imagens e extrair características relacionadas a defeitos e manifestações patológicas nas edificações. Entretanto, a adoção generalizada dessas técnicas enfrenta desafios decorrentes das variações das condições reais, como mudanças de iluminação e presença de sombras. Com o intuito de superar essas limitações, esta pesquisa propõe um método baseado em visão computacional, utilizando uma arquitetura profunda de redes neurais convolucionais (CNNs) para detectar esquadrias em edifícios públicos. O modelo de deep learning foi treinado com um banco de dados específico, composto por imagens de edificações públicas distribuídos nas 26 unidades federativas e no Distrito Federal. As imagens utilizadas totalizam mais de 1.840 construções. A CNN foi treinada com mais de 19 mil imagens de 227 × 227 pixels, alcançando uma precisão de aproximadamente 80%. A robustez e a adaptabilidade do método foram testadas em imagens de alta resolução e tamanhos variados, capturadas sob diferentes condições de luz e tipos de esquadrias, que não foram utilizadas no treinamento e validação do modelo. Nessassituações, o modelo atingiu uma acurácia de 83,34%. Os resultados demonstram a eficácia da abordagem proposta, mostrando seu potencial para a detecção automática de esquadrias e para a geração de levantamentos quantitativos voltados à recuperação das mesmas. A tecnologia apresentada destaca-se pelo desempenho satisfatório e pela sua aplicabilidade em cenários reais.The use of image processing techniques (IPTs) has proven to be promising in identifying construction-related issues, with the potential to reduce the need for in-person inspections conducted by specialists. These IPTs are primarily employed to manipulate images and extract features related to defects and pathological manifestations in buildings. However, the widespread adoption of these techniques faces challenges due to variations in real-world conditions, such as changes in lighting and the presence of shadows. To overcome these limitations, this research proposes a method based on computer vision, utilizing a deep convolutional neural network (CNN) architecture to detect window frames in public buildings. The deep learning model was trained using a specific dataset, consisting of images of public buildings from all 26 Brazilian states and the Federal District, totaling over 1,840 constructions. The CNN was trained with more than 19,000 images at a resolution of 227 × 227 pixels, achievingan accuracy of approximately 80%. The robustness and adaptability of the method were tested on high-resolution images of varying sizes, captured under different lighting conditions and featuring various types of window frames that were not used in the model’s training and validation phases. In these scenarios, the model reached an accuracy of 83.34%. The results demonstrate the effectiveness of the proposed approach, highlighting its potential for theautomatic detection of window frames and for generating quantitative surveys aimed at their restoration. The presented technology stands out foritssatisfactory performance and its applicability in real-world scenarios.Faculdade de Arquitetura e Urbanismo (FAU)Programa de Pós-Graduação em Arquitetura e UrbanismoporDetecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagensinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisRedes neuraisAprendizado de máquinaDeep learninginfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBLICENSElicense.txtlicense.txttext/plain102http://repositorio.unb.br/bitstream/10482/54895/2/license.txtaed4704d04bb260d4decd80db311aaa5MD52open accessORIGINALViniciusAraujoGoncalves_DISSERT.pdfViniciusAraujoGoncalves_DISSERT.pdfapplication/pdf3236185http://repositorio.unb.br/bitstream/10482/54895/1/ViniciusAraujoGoncalves_DISSERT.pdf63ea7dc1a6b4da166ce7a038eb699e62MD51open access10482/548952026-06-17 15:49:43.148open accessoai:repositorio.unb.br:10482/54895U3VibWlzc8OjbyBlZmV0aXZhZGEgZGUgYWNvcmRvIGNvbSBsaWNlbsOnYSBjb25jZWRpZGEgcGVsbyBhdXRvciBlL291IGRldGVudG9yIGRvcyBkaXJlaXRvcyBhdXRvcmFpcy4KRepositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2026-06-17T18:49:43Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
title Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
spellingShingle Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
Gonçalves, Vinícius Araújo
Redes neurais
Aprendizado de máquina
Deep learning
title_short Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
title_full Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
title_fullStr Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
title_full_unstemmed Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
title_sort Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens
author Gonçalves, Vinícius Araújo
author_facet Gonçalves, Vinícius Araújo
author_role author
dc.contributor.advisorco.none.fl_str_mv Silva, Lenildo Santos da
dc.contributor.author.fl_str_mv Gonçalves, Vinícius Araújo
dc.contributor.advisor1.fl_str_mv Pantoja, João da Costa
contributor_str_mv Pantoja, João da Costa
dc.subject.keyword.pt_BR.fl_str_mv Redes neurais
Aprendizado de máquina
Deep learning
topic Redes neurais
Aprendizado de máquina
Deep learning
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Arquitetura e Urbanismo, Programa de Pós-Graduação em Arquitetura e Urbanismo, 2024.
publishDate 2025
dc.date.submitted.none.fl_str_mv 2025-05-22
dc.date.accessioned.fl_str_mv 2026-06-17T18:49:42Z
dc.date.available.fl_str_mv 2026-06-17T18:49:42Z
dc.date.issued.fl_str_mv 2026-06-17
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.citation.fl_str_mv GONÇALVES, Vinícius Araújo. Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens. 2024. 122 f., il. Dissertação (Mestrado em Arquitetura e Urbanismo)—Universidade de Brasília, Brasília, 2024.
dc.identifier.uri.fl_str_mv http://repositorio.unb.br/handle/10482/54895
identifier_str_mv GONÇALVES, Vinícius Araújo. Detecção de esquadrias em prédios públicos com autilização de técnicas de deep learning baseadas em imagens. 2024. 122 f., il. Dissertação (Mestrado em Arquitetura e Urbanismo)—Universidade de Brasília, Brasília, 2024.
url http://repositorio.unb.br/handle/10482/54895
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.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio.unb.br/bitstream/10482/54895/2/license.txt
http://repositorio.unb.br/bitstream/10482/54895/1/ViniciusAraujoGoncalves_DISSERT.pdf
bitstream.checksum.fl_str_mv aed4704d04bb260d4decd80db311aaa5
63ea7dc1a6b4da166ce7a038eb699e62
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1876329361311793152