UTILIZAÇÃO DE REDES NEURAIS PROFUNDAS PARA DETECÇÃO DE BURACOS NAS VIAS

Publicado em 22/03/2021 - ISBN: 978-65-5941-128-3

Título do Trabalho
UTILIZAÇÃO DE REDES NEURAIS PROFUNDAS PARA DETECÇÃO DE BURACOS NAS VIAS
Autores
  • Vinicius Cavalcante Silva
  • Luis Henrique Maciel Kosmalski Costa
  • Rodrigo de Souza Couto
Modalidade
Resumo apresentação oral curta
Área temática
Centro de Tecnologia (CT)/Ciência da Computação
Data de Publicação
22/03/2021
País da Publicação
Brasil
Idioma da Publicação
Português
Página do Trabalho
https://www.even3.com.br/anais/jgmictac/319117-utilizacao-de-redes-neurais-profundas-para-deteccao-de-buracos-nas-vias
ISBN
978-65-5941-128-3
Palavras-Chave
Redes neurais, Coleta de dados, Segurança no trânsito, Detecção de buracos.
Resumo
A baixa qualidade das vias públicas é um sério problema que traz diversos prejuízos materiais e de saúde a população, visto que, predominantemente, são nessas vias em que há maiores índices de acidentes. Com isso, é importante identificar buracos e irregularidades para sinalizar trechos com necessidade de reparação. Levando em consideração que o atual processo manual de reconhecimento de buracos não é efetivo, o objetivo deste trabalho é propor um sistema automático de detecção de buracos, com o uso de sensores acoplados em veículos e de redes neurais. A primeira etapa deste trabalho é escolher o tipo de sensor utilizado nos veículos (Ortiz et al., 2020). Um exemplo é a utilização de acelerômetros a bordo do veículo, que podem identificar o momento em que a roda passa por um buraco, ao calcular a variação da força no sistema (BANSAL et al., 2020). Também é possível utilizar sensores externos, como uma dashcam, que é um modelo de câmera veicular responsável por filmar a rota do automóvel, identificando irregularidades no trajeto (Rasyid et al., 2019). A segunda etapa do trabalho é treinar uma rede neural que recebe os sinais dos sensores e identifica a presença de buracos. Essa rede neural será escolhida a partir de uma arquitetura conhecida e dependerá da escolha dos sensores. Por exemplo, caso a dashcam seja o sensor escolhido, serão utilizadas redes neurais para visão computacional, como a AlexNet e a VGG16. Para tal escolha, serão comparadas diferentes arquiteturas de redes neurais em relação à acurácia e em relação à capacidade computacional requerida. A acurácia é importante para assegurar que os buracos sejam detectados de forma eficaz. Além disso, é importante que o sistema necessite de uma baixa capacidade computacional, para permitir a execução em hardware limitado, instalado em veículos. O treinamento da rede neural será realizado utilizando conjuntos de dados disponíveis publicamente, como o de imagens de vias disponíveis na plataforma Kaggle. Antes de executar a primeira etapa do trabalho, é necessário estudar conceitos básicos de sensoriamento e de redes neurais. Dessa forma, o trabalho se encontra nessa fase inicial, sem resultados preliminares. Os resultados oriundos da execução da primeira e da segunda etapa serão apresentados durante a XLII JICTAC. Futuramente, após a conclusão da segunda etapa, as redes neurais treinadas neste trabalho serão utilizadas como base para um sistema completo de detecção de buracos, que coleta dados de diferentes veículos e identifica os possíveis buracos na rua, sinalizando a necessidade de reparação. Assim, entidades responsáveis por uma via podem receber informações sobre os buracos e suas localizações em um tempo menor do que o processo atual leva e consequentemente diminuir o tempo de reparo da via trazendo um enorme benefício social, preservando bens e a saúde dos cidadãos. REFERÊNCIAS BIBLIOGRÁFICAS BANSAL, K, MITTAL K, AHUJA G, SINGH A, GILL SS. DeepBus: Machine learning based real time pothole detection system for smart transportation using IoT. Internet Technology Letters. 2020;3:e156. ORTIZ, F. M., SAMMARCO, M., COSTA, L. H. M. K. & Detyniecki, M. Vehicle Telematics Via Exteroceptive Sensors: A Survey. arXiv e-prints, p. arXiv: 2008.12632, 2020. RASYID, A., ALBAAB, M. R. U., FALAH, M. F., PANDUMAN, Y. Y. F., YUSUF, A. A., BASUKI, D. K., TJAHJONO, A., BUDIARTI, R. P. N., SUKARIDHOTO, S., YUDIANTO, F., WICAKSONO, H. Pothole Visual Detection using Machine Learning Method integrated with Internet of Thing Video Streaming Platform. I International Electronics Symposium (IES), 2019.
Título do Evento
XLII Jornada Giulio Massarani de Iniciação Científica, Tecnológica, Artística e Cultural (JICTAC 2020 - Edição Especial) - Evento UFRJ
Título dos Anais do Evento
Anais da Jornada Giulio Massarani de Iniciação Científica, Tecnológica, Artística e Cultural
Nome da Editora
Even3
Meio de Divulgação
Meio Digital

Como citar

SILVA, Vinicius Cavalcante; COSTA , Luis Henrique Maciel Kosmalski Costa ; COUTO , Rodrigo de Souza Couto . UTILIZAÇÃO DE REDES NEURAIS PROFUNDAS PARA DETECÇÃO DE BURACOS NAS VIAS.. In: Anais da Jornada Giulio Massarani de Iniciação Científica, Tecnológica, Artística e Cultural. Anais...Rio de Janeiro(RJ) UFRJ, 2021. Disponível em: https//www.even3.com.br/anais/jgmictac/319117-UTILIZACAO-DE-REDES-NEURAIS-PROFUNDAS-PARA-DETECCAO-DE-BURACOS-NAS-VIAS. Acesso em: 13/02/2025

Trabalho

Even3 Publicacoes