Processamento digital de imagens para detecção automática de fissuras em revestimentos cerâmicos de edifícios
Auteur(s): |
Ramiro Daniel Ballesteros Ruiz
Alberto Casado Lordsleem Júnior Arthur Flor de Sousa Neto Bruno José Torres Fernandes |
---|---|
Médium: | article de revue |
Langue(s): | portuguais |
Publié dans: | Ambiente Construído, janvier 2021, n. 1, v. 21 |
Page(s): | 139-147 |
DOI: | 10.1590/s1678-86212021000100498 |
Abstrait: |
Va fase de diagnóstico das manifestações patológicas em fachadas, a etapa de inspeção visual merece destacada atenção em virtude da inerente complexidade (altura, tamanho, dificuldades de acesso e condições de exposição). Nos últimos anos, o uso de técnicas de deep learning para detectar e classificar características específicas em imagens e vídeos vem crescendo cada vez mais e, quando combinado com o uso de veículos aéreos não tripulados (VANT) para a captura de imagens, constitui uma ferramenta que pode auxiliar e automatizar o procedimento de inspeção visual de fachadas. Este artigo teve o objetivo de realizar a análise do processamento digital de imagens para detecção automática de fissuras em revestimentos cerâmicos de edifícios, associada ao VANT ou drone, o que, potencialmente, resultaria em benefícios (prazo, custo e segurança) no que diz respeito ao diagnóstico. Assim, os resultados da pesquisa exibiram a viabilidade técnica da detecção de fissuras por técnicas de PDI. O procedimento é considerado um trabalho complexo quando há elevada variação nas imagens de estudo. No entanto, mesmo diante de um cenário limitante como a falta de datasets públicos para o problema, o projeto conseguiu desenvolver uma metodologia simples e eficiente para o tema para o qual foi proposto. |
License: | Cette oeuvre a été publiée sous la license Creative Commons Attribution 4.0 (CC-BY 4.0). Il est autorisé de partager et adapter l'oeuvre tant que l'auteur est crédité et la license est indiquée (avec le lien ci-dessus). Vous devez aussi indiquer si des changements on été fait vis-à-vis de l'original. |
0.72 MB
- Informations
sur cette fiche - Reference-ID
10506853 - Publié(e) le:
25.11.2020 - Modifié(e) le:
02.06.2021