Identificação das características patológicas em estruturas de concreto

Abstract

This work addresses the identification and geolocation of cracks in concrete structures using

artificial intelligence. The topic proves to be extremely relevant when comparing current

methods of inspection of concrete structures that are based on human visual inspection,

leaving room for interpretation and human error. Cracks are a type of pathological

manifestation, their choice as an object of identification was because they are the most

frequent symptoms found in concrete structures (PIANCASTELLI, 2016). To identify cracks

through images, the performance of the Mask R-CNN and YOLO version 8 architectures, widely

used for object detection, was tested and compared. The results of the two neural networks

were satisfactory, with an accuracy above 90% in identifying cracks in both cases. This study

provides valuable insights for both civil engineers, control and automation engineers, as well

as researchers interested in applying artificial intelligence to detect cracks in concrete

structures.

Este trabalho aborda a identificação e geolocalização de fissuras em estruturas de concreto

por meio de inteligência artificial. O tema se mostra extremamente relevante ao comparar os

métodos atuais de inspeções de estruturas de concreto que se baseiam na inspeção visual

humana, abrindo margem para intepretação e erro humano. As fissuras são um tipo de

manifestação patológica, sua escolha como objeto de identificação se deu por se tratar dos

sintomas mais frequentes encontrados nas estruturas de concreto (PIANCASTELLI ,2016). Para

se realizar a identificação das fissuras por meio de imagens, foi testada e comparada a

performance das arquiteturas Mask R-CNN e YOLO versão 8, amplamente utilizadas para a

detecção de objetos. Os resultados das duas redes neurais se mostraram satisfatórias, sendo

obtido uma precisão acima de 90% na identificação das fissuras em ambos os casos. Este

estudo proporciona insights valiosos tanto para engenheiros civis quanto para engenheiros de

controle e automação, além de pesquisadores interessados na aplicação de inteligência

artificial para detecção de fissuras em estruturas de concreto.