Automatização do reconhecimento de buracos em rodovias usando inteligência computacional
Fecha
2020-03-27Primeiro membro da banca
Pozzer, Cesar Tadeu
Segundo membro da banca
Winck, Ana Trindade
Metadatos
Mostrar el registro completo del ítemResumen
Buracos nopavimentoderuaserodoviassãoumproblemabemconhecido,queéagra-
vadodiantedocrescentedesenvolvimentodatecnologiadeveículosautônomos.Essatecnolo-
gia, portanto,necessitaincorporarsistemaseficientesdedetecçãoautomáticadeburacos.De
fato,existemdiferentesmétodosparaadetecçãoautomáticadeburacos,porém,essesméto-
dos aindaprecisamsermaisprofundamenteavaliadostantoemrelaçãoàsuaprecisãoquanto
à suavelocidadederespostaparaquesejamusadosemcontextosreais.Afimdecontribuir
com umpassonadireçãodessaavaliação,estetrabalhoapresentaapropostadeumasolução
para detecçãodeburacosemimagens,sendooobjetivoadetecçãodaexistênciadeumburaco
e adeterminaçãodomesmonaimagem.Otrabalhoapresentaduaspartesprincipais,sendoa
primeira umaarquiteturadeclassificaçãodasimagens,aqualutilizaatécnicadeHistograma
de GradientesOrientados(HOG)comoextraçãodecaracterísticasdaimagem,edoisclassifica-
dores; RedesNeuraisArtificiais(RNA)eMáquinasdeVetoresdeSuporte(SVM).Oobjetivo
é aotimizaçãodeparâmetroseadeterminaçãodomelhorclassificadorparaoproblema.A
segundaparteapresentaumapropostadearquiteturadedetecçãodeburacosemimagens,de-
terminando nãosóaexistênciamastambémalocalizaçãodeumburaconaimagem.Essatarefa
utiliza descritoresdetexturade Haralick em umsistemade grid aplicado asimagens,somado
a arquiteturadeclassificaçãodaprimeiraparte.Tambémforamavaliadosostemposdeproces-
samento dessasarquiteturas.Osresultadosapresentadosmostramqueaarquiteturausandoo
classificador deRedeNeuralArtificialéamelhoropçãoparadetecçãodeburacos,atingindo
83% de IoU (IntersectionofUnion) além de73%deacuráciae93%deprecisão.Osresultados
sobre ostemposdeprocessamentotambémforamfavoráveisaoclassificadordeRedeNeural
chegandoa9 frames por segundo.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: