RECONHECIMENTO DE COMPONENTES EM LINHAS FÉRREAS UTILIZANDO REDES NEURAIS CONVOLUCIONAIS

LUIZ AUGUSTO  ZILLMANN DA SILVA; VINICIUS  FERREIRA VIDAL; MATHAUS  FERREIRA DA SILVA

doi:10.20906/CBA2022/743

LUIZ AUGUSTO ZILLMANN DA SILVA Universidade Federal de Juiz de Fora Faculdade de Engenharia Juiz de Fora
VINICIUS FERREIRA VIDAL Universidade Federal de Juiz de Fora
MATHAUS FERREIRA DA SILVA Universidade Federal de Juiz de Fora

DOI: https://doi.org/10.20906/CBA2022/743

Keywords: Deep Learning, Redes Neurais Convulsionais, Reconhecimento de Imagem, Reconhecimento de Padrões

Abstract

Devido ás propor_c~oes extensas da malha ferroviária no Brasil, existe demanda por meios de diagnosticar problemas técnicos de forma remota e automática. O trajeto percorrido pela malha pode ser capturado por uma câmera e possíveis defeitos detectados utilizando técnicas computacionais, o que contribui com o trabalho humano e evita danos aos componentes e terceiros. Este trabalho propõe uma solução para reconhecimento de Características utilizando Deep Learning, especialmente Redes Neurais Convulsionais (RNC), para distinguir postes, os quais contém vários componentes da rede de distribuição para serem inspecionados. Vídeos foram gravados ao longo das linhas, e os dados divididos e processados para treinamento e teste da rede. Uma rede com arquitetura VGG serviu como ponto de partida para treino e comparação, e após buscas e comparações exaustivas de diversas técnicas, dois padrões de rede são apresentados e comparados com testes práticos em Vídeos. Os resultados retornam mais de 93 % de sucesso no processo de treinamento para das classes, e o tempo de execução em testes práticos foi considerado satisfatório