Dissertação

Image Processing for Industrial Structure Analysis EVALUATED

À medida que o mundo se torna cada vez mais dependente de infraestruturas industrias, estruturas como torres de energia elétrica são muito importantes para que a sociedade funcione adequadamente, podendo o fracasso deste tipo de estrutura pode afetar milhares de pessoas. O que faz com que a inspeção e manutenção destas estruturas seja necessária. A maneira mais comum de analisar estruturas como torres elétricas é por um inspetor que avalia visualmente o estado da estrutura, o que consome tempo, é caro e potencialmente perigoso. No entanto, com o aumento do uso de sistemas robóticos, como drones, que utilizam veículos aéreos não tripulados e câmeras de alta resolução, é possível adquirir imagens de estruturas de maneira mais rápida e segura. Com estas informações, é possível analisar melhor as imagens obtidas destas estruturas, a fim de detectar quais imagens contêm uma quantidade significativa de ferrugem e devem ser avaliadas por um especialista. Esta tese propõe a construção de duas metodologias diferentes para detectar a quantidade de ferrugem em estruturas, a primeira é a adaptação de uma técnica baseada numa janela deslizante e a utilização de uma rede neural convolucional para a detecção de regiões com ferrugem e a segunda metodologia é baseada em segmentação semântica de imagens de modo a detectar quantos pixels numa imagem são detectados como "ferrugem" e quantos são detectados como "estrutura". Estas duas abordagens serão comparadas
Deteção de Ferrugem, Aprendizagem Profunda, Redes Neuronais Convulocionais, Segmentação Semântica

Novembro 27, 2019, 14:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Paulo Luís Serras Lobato Correia

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

David Jardim

Axians

Engenheiro