Redes neurais profundas para análise de fissuras em revestimentos argamassados com diferentes tipos de acabamento superficial

Garcia Sobrinho, Renner de Assis

Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/38049

ORCID:	http://orcid.org/0000-0002-7774-9795
Document type:	Tese
Access type:	Acesso Aberto
Title:	Redes neurais profundas para análise de fissuras em revestimentos argamassados com diferentes tipos de acabamento superficial
Alternate title (s):	Deep learning for analysis of cracks in mortar coatings with different types of surface finish
Author:	Garcia Sobrinho, Renner de Assis
First Advisor:	Fernandes, Henrique Coelho
First member of the Committee:	Backes, André Ricardo
Second member of the Committee:	Rosa, Francisco Dalla
Third member of the Committee:	Silva, Marcio Bacci da
Fourth member of the Committee:	Duarte, Marcus Antônio Viana
Summary:	A aplicação de tecnologias como a inteligência artificial (IA) em processos produtivos vem otimizando diversas realidades industriais. Na construção civil, a IA pode ser empregada em diferentes abordagens, uma delas é na inspeção predial. Verifica-se a incidência de estudos que aplicaram IA para a classificação de fissuras em matérias homogêneos como concreto e pavimentação asfáltica, porém, a literatura carece de aplicações em materiais como o revestimento argamassado. Os estudos que foram feitos com esse tipo de material são focados no revestimento liso e com pintura, não levando em consideração os diferentes tipos de acabamento superficial existentes. Em vista disso, essa pesquisa teve com objetivo avaliar o desempenho da aplicação de IA, por meio de redes profundas, para a classificação de fissurações em revestimento argamassado com diferentes tipos de acabamento superficial. Para isso, foi elaborado um banco de dados público de imagens de fissuras em revestimento argamassado considerando diferentes tipos de acabamento superficiais, sendo eles: tipo liso, tipo grafiato e tipo chapiscado. Elaborou-se um banco com 33088 imagens que passaram por um processo sistemático de rotulação a partir de classes definidas no estudo. Foram realizados treinamentos de redes por meio de transferência de aprendizagem utilizando a VGG16 em diferentes agrupamentos dos acabamentos. Verificou-se que a acurácia do treinamento varia de acordo com o acabamento superficial e com o balanceamento dados. A partir disso, pontos foram levantados em relação às características do banco de dados elaborado nessa pesquisa e hipóteses verificadas. O banco ficará disponível para pesquisadores implementarem estudos na área. Verificou-se que o acabamento do tipo grafiato foi o que apresentou um menor desempenho nas medidas de assertividade enquanto o liso e o chapiscado tiveram valores próximos.
Abstract:	The application of technologies such as artificial intelligence (AI) in production processes has been optimizing several industrial realities. In civil construction, AI can be used in different approaches, one of them is in building inspection. It is observed studies that applied AI for the classification of cracks in homogeneous materials such as concrete and asphalt paving, however, the literature lacks applications in materials such as mortar coating. The studies that have been carried out with this type of material are focused on the smooth and painted coating, not considering the different types of surface finish that exist. In view of this, this research aimed to evaluate the performance of the application of AI, through deep networks, for the classification of cracks in mortar coating with different types of surface finish. For this, a public database of images of cracks in mortar coating was created considering different types of surface finishes, namely: smooth type, scrapped type and rough type. A bank was created with 33088 images that went through a systematic labeling process based on classes defined in the study. Network training was carried out through learning transfer using the VGG16 in different groupings of finishes. It was found that the training accuracy varies according to surface finish and data balancing. From this, points were raised in relation to the characteristics of the database elaborated in this research and verified hypotheses. The bank will be available for researchers to implement studies in the area. It was found that the graffiti type finish was the one that presented the lowest performance in the assertiveness measures, while the smooth and chapiscado had similar values.
Keywords:	Inteligência artificial Artificial intelligence Redes profundas Deep learning Classificação de fissuras Crack classification Revestimento argamassado Mortar coating Rede neural convolucional Convolutional neural network Acabamento superficial Surface finish
Area (s) of CNPq:	CNPQ::ENGENHARIAS::ENGENHARIA CIVIL::CONSTRUCAO CIVIL::MATERIAIS E COMPONENTES DE CONSTRUCAO
Subject:	Engenharia mecânica Inteligência artificial Redes neurais (Computação) Argamassa
Language:	por
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Program:	Programa de Pós-graduação em Engenharia Mecânica
Quote:	GARCIA SOBRINHO, Renner de Assis. Redes neurais profundas para análise de fissuras em revestimentos argamassados com diferentes tipos de acabamento superficial. 2023. 145 f. Tese (Doutorado em Engenharia Mecânica) - Universidade Federal de Uberlândia, Uberlândia, 2023. DOI http://doi.org/10.14393/ufu.te.2023.260
Document identifier:	http://doi.org/10.14393/ufu.te.2023.260
URI:	https://repositorio.ufu.br/handle/123456789/38049
Date of defense:	13-Jun-2023
Appears in Collections:	TESE - Engenharia Mecânica

Files in This Item:

File	Description	Size	Format
RedesNeuraisProfundas.pdf	Tese	6.74 MB	Adobe PDF	View/Open

Show full item record