Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Santos, Bruno Soares dos [UNESP]
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://hdl.handle.net/11449/257482
Resumo: Este estudo apresenta uma abordagem para a inspeção de obras de arte especiais (OAE), como pontes, utilizando veículos aéreos não tripulados (VANTs) e técnicas avançadas de Inteligência Artificial. O objetivo é aprimorar a segurança e reduzir custos na manutenção de infraestruturas de concreto. Desenvolveu-se uma metodologia detalhada de captura de imagens, garantindo a obtenção de dados precisos e confiáveis. O método proposto emprega um banco de dados de imagens representativo, com 19.659 imagens de estruturas com e sem danos, para treinar algoritmos eficientes na detecção de fissuras e outros defeitos. A investigação dos métodos de pré-processamento revela que o filtro Gaussiano apresenta o melhor desempenho em aumentar a eficiência dos métodos de classificação. Na detecção de bordas, o método Sobel se destaca. As Redes Neurais Convolucionais (CNN) foram utilizadas na identificação de trincas, demonstrando uma acurácia de 90,31\%, F1-Score de 90,50\% e precisão de 91,00\%, superando técnicas tradicionais de classificação, como Máquinas de Vetores de Suporte (SVM) e Regressão Logística. A análise da influência da quantidade de imagens reforçou a importância de uma distribuição equilibrada para otimizar o desempenho do modelo. Como resultado final, tem-se a elaboração de códigos computacionais para a análise automática das imagens capturadas e a criação de um protocolo de vistoria aérea otimizado, visando a manutenção eficiente e precisa de infraestruturas críticas.
id UNSP_8564a20b7b9c58bd77cd0a9967fbed7a
oai_identifier_str oai:repositorio.unesp.br:11449/257482
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str
spelling Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTsDamage detection in concrete structures using aerial photographs taken by UAVsMonitoramento da integridade estruturalVeículo aéreo não tripuladoProcessamento de imagensInteligência artificialStructural integrity monitoringUnmanned aerial vehicleImage processingArtificial intelligenceEste estudo apresenta uma abordagem para a inspeção de obras de arte especiais (OAE), como pontes, utilizando veículos aéreos não tripulados (VANTs) e técnicas avançadas de Inteligência Artificial. O objetivo é aprimorar a segurança e reduzir custos na manutenção de infraestruturas de concreto. Desenvolveu-se uma metodologia detalhada de captura de imagens, garantindo a obtenção de dados precisos e confiáveis. O método proposto emprega um banco de dados de imagens representativo, com 19.659 imagens de estruturas com e sem danos, para treinar algoritmos eficientes na detecção de fissuras e outros defeitos. A investigação dos métodos de pré-processamento revela que o filtro Gaussiano apresenta o melhor desempenho em aumentar a eficiência dos métodos de classificação. Na detecção de bordas, o método Sobel se destaca. As Redes Neurais Convolucionais (CNN) foram utilizadas na identificação de trincas, demonstrando uma acurácia de 90,31\%, F1-Score de 90,50\% e precisão de 91,00\%, superando técnicas tradicionais de classificação, como Máquinas de Vetores de Suporte (SVM) e Regressão Logística. A análise da influência da quantidade de imagens reforçou a importância de uma distribuição equilibrada para otimizar o desempenho do modelo. Como resultado final, tem-se a elaboração de códigos computacionais para a análise automática das imagens capturadas e a criação de um protocolo de vistoria aérea otimizado, visando a manutenção eficiente e precisa de infraestruturas críticas.This study presents an approach for the inspection of engineering structures, such as bridges, using unmanned aerial vehicles (UAVs) and advanced artificial intelligence techniques. The objective is to enhance safety and reduce costs in the maintenance of concrete structures. A detailed image capture methodology was developed, ensuring the acquisition of precise and reliable data. The proposed method employs a representative image database, with 19,659 images of structures with and without damage, to train efficient algorithms in the detection of cracks and other defects. The investigation of preprocessing methods reveals that the Gaussian filter presents the best performance in increasing the efficiency of classification methods. In edge detection, the Sobel method stands out. Convolutional Neural Networks (CNN) were used in the identification of cracks, demonstrating an accuracy of 90.31%, an F1-Score of 90.50%, and a precision of 91.00%, surpassing traditional classification techniques such as Support Vector Machines (SVM) and Logistic Regression. The analysis of the influence of the number of images reinforced the importance of a balanced distribution to optimize the model’s performance. As a final result, computational codes were developed for the automatic analysis of the captured images and the creation of an optimized aerial inspection protocol, aiming at efficient and precise maintenance of critical structures.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)CNPQ: 403955/2022-0Universidade Estadual Paulista (Unesp)Bueno, Douglas Domingues [UNESP]Universidade Estadual Paulista (Unesp)Santos, Bruno Soares dos [UNESP]2024-09-20T18:23:35Z2024-09-20T18:23:35Z2024-07-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfSANTOS, Bruno Soares dos. Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs. 2024. 70 f. Dissertação (Mestrado em Engenharia Mecânica) – Universidade Estadual Paulista, Faculdade de Engenharia de Ilha Solteira, Ilha Solteira, 2024.https://hdl.handle.net/11449/25748233004099082P216265865033586750009-0008-0600-7154porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-09-21T06:17:03Zoai:repositorio.unesp.br:11449/257482Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestrepositoriounesp@unesp.bropendoar:29462024-09-21T06:17:03Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
Damage detection in concrete structures using aerial photographs taken by UAVs
title Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
spellingShingle Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
Santos, Bruno Soares dos [UNESP]
Monitoramento da integridade estrutural
Veículo aéreo não tripulado
Processamento de imagens
Inteligência artificial
Structural integrity monitoring
Unmanned aerial vehicle
Image processing
Artificial intelligence
title_short Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
title_full Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
title_fullStr Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
title_full_unstemmed Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
title_sort Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs
author Santos, Bruno Soares dos [UNESP]
author_facet Santos, Bruno Soares dos [UNESP]
author_role author
dc.contributor.none.fl_str_mv Bueno, Douglas Domingues [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Santos, Bruno Soares dos [UNESP]
dc.subject.por.fl_str_mv Monitoramento da integridade estrutural
Veículo aéreo não tripulado
Processamento de imagens
Inteligência artificial
Structural integrity monitoring
Unmanned aerial vehicle
Image processing
Artificial intelligence
topic Monitoramento da integridade estrutural
Veículo aéreo não tripulado
Processamento de imagens
Inteligência artificial
Structural integrity monitoring
Unmanned aerial vehicle
Image processing
Artificial intelligence
description Este estudo apresenta uma abordagem para a inspeção de obras de arte especiais (OAE), como pontes, utilizando veículos aéreos não tripulados (VANTs) e técnicas avançadas de Inteligência Artificial. O objetivo é aprimorar a segurança e reduzir custos na manutenção de infraestruturas de concreto. Desenvolveu-se uma metodologia detalhada de captura de imagens, garantindo a obtenção de dados precisos e confiáveis. O método proposto emprega um banco de dados de imagens representativo, com 19.659 imagens de estruturas com e sem danos, para treinar algoritmos eficientes na detecção de fissuras e outros defeitos. A investigação dos métodos de pré-processamento revela que o filtro Gaussiano apresenta o melhor desempenho em aumentar a eficiência dos métodos de classificação. Na detecção de bordas, o método Sobel se destaca. As Redes Neurais Convolucionais (CNN) foram utilizadas na identificação de trincas, demonstrando uma acurácia de 90,31\%, F1-Score de 90,50\% e precisão de 91,00\%, superando técnicas tradicionais de classificação, como Máquinas de Vetores de Suporte (SVM) e Regressão Logística. A análise da influência da quantidade de imagens reforçou a importância de uma distribuição equilibrada para otimizar o desempenho do modelo. Como resultado final, tem-se a elaboração de códigos computacionais para a análise automática das imagens capturadas e a criação de um protocolo de vistoria aérea otimizado, visando a manutenção eficiente e precisa de infraestruturas críticas.
publishDate 2024
dc.date.none.fl_str_mv 2024-09-20T18:23:35Z
2024-09-20T18:23:35Z
2024-07-26
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 SANTOS, Bruno Soares dos. Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs. 2024. 70 f. Dissertação (Mestrado em Engenharia Mecânica) – Universidade Estadual Paulista, Faculdade de Engenharia de Ilha Solteira, Ilha Solteira, 2024.
https://hdl.handle.net/11449/257482
33004099082P2
1626586503358675
0009-0008-0600-7154
identifier_str_mv SANTOS, Bruno Soares dos. Detecção de danos em estruturas de concreto utilizando fotografias aéreas obtidas por VANTs. 2024. 70 f. Dissertação (Mestrado em Engenharia Mecânica) – Universidade Estadual Paulista, Faculdade de Engenharia de Ilha Solteira, Ilha Solteira, 2024.
33004099082P2
1626586503358675
0009-0008-0600-7154
url https://hdl.handle.net/11449/257482
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
application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv repositoriounesp@unesp.br
_version_ 1854954972510158848