Modelo baseado em CNN para reconhecimento automatizado de anomalias na execução de fachadas visando apoio à Gestão da Qualidade

Resumo

Os drones são frequentemente usados para inspecionar envelopes de edifícios. Tecnologias de visão computacional e Redes Neurais Convolucionais (CNN) surgiram como soluções promissoras para automatizar a inspeção baseada em imagens. No entanto, algumas anomalias ainda ocorrem durante a construção da edificação devido à falta de um Sistema de Gestão da Qualidade (SGQ) eficiente. Para abordar essa lacuna, este estudo propõe um modelo de reconhecimento automatizado baseado em CNN para detectar e classificar quatro tipos de anomalias em fachadas de concreto moldado no local durante a construção, visando apoiar a tomada de decisão no SGQ. A estratégia de pesquisa adotada foi o Estudo de Caso, no qual oito modelos de CNN foram desenvolvidos para treinamento e teste com imagens coletadas por UASs durante a construção. O modelo atingiu 51,80% de precisão, 68,50% de recall, 65,00% de mAP e uma pontuação F1 de 58,99% durante o treinamento, tornando-se o mais preciso entre os oito. Estudos futuros se concentrarão na integração total do fluxo de trabalho do método proposto, permitindo a análise automatizada e a geração automática de relatórios.