Artigo do grupo de pesquisa Inovisão é publicado em revista internacional

Veja as últimas notícias da UCDB para você que está interessado em Mestrados e Doutorados

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