Estudo comparativo das versões da YOLO 11 visando a automatização de inspeções de telhados para fins de manutenção

Resumo

O principal problema abordado neste artigo é a carência de estudos focados na aplicação de algoritmos avançados de detecção de objetos, como o YOLOv11, para inspeções automatizadas de telhados e coberturas de edificações, especialmente em cenários com características visuais complexas. Nesse contexto, a Construção 4.0 (C4.0) tem revolucionado os processos construtivos, com destaque para as inspeções automatizadas, que substituem métodos manuais por tecnologias como drones e Inteligência Artificial (IA). No entanto, há uma falta de análises detalhadas sobre a eficiência de variantes de arquiteturas de IA, como a YOLOv11, nesse cenário. O objetivo deste trabalho é avaliar comparativamente o desempenho dos modelos variantes da YOLOv11 (11n, 11s, 11m, 11l e 11x) na detecção e classificação de defeitos em telhados e coberturas. Para isso, foram criados cinco modelos baseados na YOLOv11, treinados com imagens coletadas por drones em 25 edificações públicas. Os resultados indicam que, ao ponderar desempenho e complexidade, a variante m da YOLOv11 apresenta melhor performance com 53,44% de mAP50 na validação. Conclui-se que a escolha da variante ideal não depende diretamente do indicador de desempenho, mas sim da capacidade de generalização do modelo associado à sua necessidade de recurso computacional devido a robustez.