EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

DETECÇÃO DE FISSURAS EM CONCRETO UTILIZANDO REDES NEURAIS CONVOLUCIONAIS: UMA AVALIAÇÃO COMPARATIVA COM APRENDIZADO POR TRANSFERÊNCIA

Luis Roberto Molotto, Lilian Tais de Gouveia, Luciano Jose Senger

Revista de Engenharia e Tecnologia · 2026

DOI: 10.5212/9ty2my37 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revista de Engenharia e Tecnologia, 2026. Verfasst von Luis Roberto Molotto und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

: A detecção de patologias, como fissuras, é essencial em sistemas de avaliação em estruturas de concreto, como pontes, túneis e edifícios. Métodos tradicionais baseiam-se na avaliação por especialistas, sendo frequentemente demorados e potencialmente perigosos, dependendo da localização das construções. Ao invés do deslocamento e inspeção visual dos especialistas, imagens coletadas por veículos aéreos não tripulados podem ser utilizadas para o levantamento das condições das construções, e posteriormente, por sistemas automatizados para identificação de patologias. As imagens coletadas apresentam diferenças na iluminação, na textura e estão sujeitas a ruído. Tais características trazem desafios aos algoritmos de aprendizado de máquina, que visam construir modelos para a identificação automática de patologias. Para esse fim, redes neurais convolucionais tem sido consideradas visando a construção de modelos de classificação. Este trabalho tem como objetivo investigar o uso de aprendizado de máquina para detecção e classificação de fissuras em construções de concreto, por meio da utilização de imagens de concreto e de redes neurais convolucionais. Para esse fim, um conjunto de 3.822 imagens (1.050 com fissuras; 2.772 sem), foram redimensionadas e normalizadas. Os modelos VGG16, VGG19, MobileNet, MobileNetV2, ResNet152V2 e DenseNet201, foram avaliados, ajustando as camadas finais, aplicando pesos de classe e parada de treinamento antecipada. A avaliação empregou validação cruzada e as medidas acurácia, precisão, sensibilidade, F1-score, e também matrizes de confusão, para comparação do desempenho dos modelos. Como principal achado, a MobileNet apresentou maior sensibilidade e F1, minimizando falsos negativos e configurando a melhor escolha para triagem conservadora. Observou-se que o modelo MobileNetV2 obteve a maior precisão (0,980), enquanto a MobileNet apresentou os maiores valores de sensibilidade e F1-score (0,976 e 0,974), reduzindo falsos negativos. DenseNet e VGG16 mantiveram desempenho elevado e estável, enquanto ResNet152V2 e VGG19 apresentaram resultados inferiores. Os resultados indicam que a detecção automatizada de fissuras apresenta potencial para tornar as inspeções em estruturas de concreto mais ágeis, seguras e padronizadas.

Zitieren

APA

Molotto, L. R., Gouveia, L. T. D., & Senger, L. J. (2026). DETECÇÃO DE FISSURAS EM CONCRETO UTILIZANDO REDES NEURAIS CONVOLUCIONAIS: UMA AVALIAÇÃO COMPARATIVA COM APRENDIZADO POR TRANSFERÊNCIA. Revista de Engenharia e Tecnologia. https://doi.org/10.5212/9ty2my37

Vancouver

Molotto LR, Gouveia LTD, Senger LJ. DETECÇÃO DE FISSURAS EM CONCRETO UTILIZANDO REDES NEURAIS CONVOLUCIONAIS: UMA AVALIAÇÃO COMPARATIVA COM APRENDIZADO POR TRANSFERÊNCIA. Revista de Engenharia e Tecnologia. 2026. doi:10.5212/9ty2my37

BibTeX
@article{Molotto2026,
  author = {Molotto, Luis Roberto and Gouveia, Lilian Tais de and Senger, Luciano Jose},
  title = {DETECÇÃO DE FISSURAS EM CONCRETO UTILIZANDO REDES NEURAIS CONVOLUCIONAIS: UMA AVALIAÇÃO COMPARATIVA COM APRENDIZADO POR TRANSFERÊNCIA},
  journal = {Revista de Engenharia e Tecnologia},
  year = {2026},
  doi = {10.5212/9ty2my37}
}
Kostenlos starten →