Classificação de caminhões por eixos com Aprendizagem Profunda e um Modelo Multimodal de Larga Escala

• Ano de defesa: 2025
• Autor(a) principal: Marcomini, Leandro Arab
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: classificação de veículos; computer vision; convolutional neural networks; detecção de objetos; engenharia de transportes; object detection; redes neurais convolucionais; transportation engineering; vehicle classification; visão computacional; yolo
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-11022026-082130/

A classificação de veículos de carga no Brasil é um processo complexo, regido por um detalhado arcabouço normativo e executado, em grande parte, por meio de inspeção manual, o que o torna suscetível a erros e ineficiências. O objetivo central desta tese foi desenvolver e avaliar um sistema automático baseado em visão computacional e aprendizagem profunda para a classificação de caminhões a partir da contagem de seus eixos em imagens de vídeo. Para tal, foram exploradas duas abordagens: um pipeline especialista e um Modelo Multimodal de Larga Escala (LMM). O método principal envolveu a construção de um dataset público com mais de 1.000 imagens reais e sintéticas, o treinamento e a comparação de diversas arquiteturas de redes neurais, e o desenvolvimento de um classificador algorítmico que implementa as regras da legislação brasileira. Os resultados do sistema especializado demonstraram alta eficácia, com o modelo YOLOv11x alcançando 100% de sensibilidade e 99,04% de mAP na tarefa de detecção de eixos, o que culminou em uma acurácia de classificação final de 91,51% para o sistema integrado. Adicionalmente, a análise exploratória com um LMM de propósito geral, utilizando aprendizado em contexto, alcançou uma acurácia de 73% na classificação oficial. Os resultados validam a viabilidade da automação desta tarefa com alta precisão e, como contribuição adicional, a pesquisa identificou uma configuração de caminhão em circulação não catalogada pela normativa vigente, sugerindo o potencial de sistemas automáticos para a auditoria da legislação.