RECONHECIMENTO AUTOMÁTICO DE COMPONENTES DA REDE ELÉTRICA DE FERROVIAS UTILIZANDO REDES NEURAIS CONVOLUCIONAIS

LUIZ HENRIQUE AUGUSTO ZILLMANN DA SILVA; VINICIUS  FERREIRA VIDAL; AUGUSTO  SANTIAGO CERQUEIRA; LEONARDO  DE MELLO HONÓRIO; MATHAUS  FERREIRA DA SILVA; MURILLO FERREIRA DOS SANTOS; ALEXANDRE  LIMA DE CARVALHO

doi:10.20906/CBA2022/905

LUIZ HENRIQUE AUGUSTO ZILLMANN DA SILVA Universidade Federal de Juiz de Fora
VINICIUS FERREIRA VIDAL Universidade Federal de Juiz de Fora
AUGUSTO SANTIAGO CERQUEIRA Universidade Federal de Juiz de Fora
LEONARDO DE MELLO HONÓRIO Universidade Federal de Juiz de Fora
MATHAUS FERREIRA DA SILVA mathaus.silva@engenharia.ufjf.br
MURILLO FERREIRA DOS SANTOS CEFET-MG
ALEXANDRE LIMA DE CARVALHO Universidade Federal de Juiz de Fora

DOI: https://doi.org/10.20906/CBA2022/905

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

Abstract

Devido às proporções extensas da malha ferroviária no Brasil, existe demanda por meios de diagnosticar problemas técnicos de forma remota e automática. Este trabalho propõe uma solução para reconhecimento de características da rede de energia da ferrovia através de imagens, utilizando aprendizado profundo, mais especificamente Redes Neurais Convolucionais (RNC), para distinguir postes, os quais contêm vários componentes da rede de distribuição para serem inspecionados. Vídeos foram gravados ao longo de uma ferrovia e os dados divididos e processados para treinamento e teste da rede. Uma rede com arquitetura VGG serviu como ponto de partida para a proposta e também para comparação dos resultados. Duas topologias de RNC são apresentadas e comparadas em testes em campo. Os resultados evidenciaram mais de 93 % de eficiência para ambas as topologias avaliadas no trabalho.