Neste artigo é avaliado o potencial de Redes Neurais Convolucionais (RNC) como ferramenta automatizada para detecção de trincas em superfícies de pavimentos. Foram utilizadas fotografias da superfície de diferentes segmentos de um pavimento do tipo Cheapseal, obtidas a partir de câmeras fotográficas montadas em veículos. As imagens foram avaliadas a partir da proposta do uso de duas arquiteturas de redes neurais convolutionais e implementadas com o auxílio da biblioteca de aprendizado de máquina PyTorch, o qual possui código aberto e disponível na forma de script em linguagem Python. As imagens foram processadas com o uso de três técnicas diferentes, com o intuito de avaliar a influência da complexidade dos algoritmos propostos. Para análise da performance da rede neural, foram utilizadas como métricas de avaliação a acurácia, a precisão, o recall e o F1 score. Os resultados apontaram que a arquitetura da rede neural escolhida apresentou desempenho satisfatório na detecção de trincas, bem como indicam que a complexidade da rede é um dos fatores a ser considerado durante o processo de classificação das imagens.
Avaliação do desempenho de redes neurais convolucionais para detecção automática de trincas em pavimentos
2020
Aufsatz (Zeitschrift)
Elektronische Ressource
Unbekannt
Metadata by DOAJ is licensed under CC BY-SA 1.0
Avaliação numérica da influência da geogrelha no desempenho de pavimentos flexíveis
DOAJ | 2021
|Avaliação numérica da influência da geogrelha no desempenho de pavimentos flexíveis
DOAJ | 2021
|DOAJ | 2024
|DOAJ | 2021
|Efeito da aderência entre camadas na previsão de desempenho de pavimentos asfálticos
DOAJ | 2019
|