Inspeção de Componentes de Vagões Ferroviários Baseado em Visão Computacional e Aprendizagem Profunda
Abstract
Acompanhar a saúde dos ativos das ferrovias de carga são essenciais para a garantia da segurança e eficiência destas operações logísticas. Atualmente atividades de inspeções nas operações ferroviárias são realizadas por pessoas de forma visual e presencial, sendo que muitas destas inspeções ficam inviáveis por exigir emprego de grande quantidade de recurso ou expor as pessoas a riscos, comprometendo assim a qualidade dos processos de manutenção e operação. Com o avanço de tecnologias de aquisição de imagens e métodos de visão computacional no contexto atual da Indústria 4.0, este trabalho irá propor o estudo de um método de localização e classificação de componentes de vagões ferroviários, o que irá abrir espaço para futuras aplicações de processamento de imagens utilizando modelos de aprendizagem de máquina para identificação de defeitos em componentes de vagões. Assim, foi desenvolvida uma aplicação utilizando o método de aprendizagem profunda através de redes neurais convolucionais baseadas em regiões, chamadas de R-CNN, e também a aplicação de técnicas de transferência de aprendizagem para acelerar o processo de treinamento do modelo. Os resultados gerados por este experimento apresentou 59,37 % no indicador de média da precisão média (mAP) de detecção de 8 objetos em uma vista lateral dos vagões.