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

Abstract

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.