Artigo do grupo de pesquisa Inovisão é publicado em revista internacional

 

Pesquisadores ligados ao grupo Inovisão, da Universidade Católica Dom Bosco, publicaram artigo na revista científica "Case Studies in Construction Materials", da Elsevier, uma das editoras mais respeitadas no mundo. O artigo denominado Deep learning applied to equipment detection on flat roofs in images captured by UAV (em tradução livre, Aprendizado profundo aplicado à detecção de equipamentos em coberturas planas em imagens capturadas por drones) é de autoria da doutoranda Lara Santos e de coautoria da Dra. Vanda Zanoni, ambas da Universidade de Brasília (UnB), do mestrando em Ciências Ambientais e Sustentabilidade Agropecuária Eduardo Bedin e do professor Dr. Hemerson Pistori — estes, ligados à UCDB.

O trabalho foi feito em parceria com o Exército Brasileiro, em Brasília (DF). Com imagens feitas com drones sobre os prédios das forças armadas, os pesquisadores utilizaram o aprendizado profundo (deep learning) para detecção de equipamentos condensadores de ar instalados nos telhados.

“Deep Learning é um ramo da inteligência artificial e suas aplicações vêm sendo muito pesquisadas na área de visão computacional. O experimento consiste, basicamente, em utilizar imagens capturadas por drones de coberturas de prédios e identificar esses equipamentos que fazem parte do sistema de ar refrigerado das repartições públicas. A aplicação dessa tecnologia pode servir para realizar de forma automática a identificação e monitoramento de condições de prédios e das utilidades de edificações, como condições dos terraços, presença de equipamentos e suas condições, por exemplo”, detalhou Eduardo, que é engenheiro mecatrônico formado pela UCDB.

Foram realizados dois sobrevoos e, com as imagens feitas, os pesquisadores selecionaram e realizaram a anotação das imagens para “treinar” o programa e estruturar os algoritmos, para que o mesmo pudesse "aprender" a identificar os equipamentos nas imagens. O desempenho é medido por meio de métricas de desempenho como precisão, revocação e erro absoluto.

“Observamos os pontos que podem ser melhorados para uma precisão mais afinada na identificação desses equipamentos. Porém, já atingimos, em uma das redes, entre 80% e 90% de precisão. Este tipo de tecnologia é promissora para este tarefas como estas e é uma área que pode ser bastante explorada”, continuou o engenheiro.

O Inovisão é liderado pelo professor Dr. Hemerson Pistori. O artigo completo pode ser acessado no link https://www.sciencedirect.com/science/article/pii/S2214509523000967?via%3Dihub