Análise de técnicas de data augmentation para aperfeiçoamento da detecção de sistemas de guarda-corpo e rodapés em canteiros de obras com inteligência artificial

Abstract

Apesar do avanço do uso de técnicas de aprendizado profundo (AP) (área da inteligência artificial) para inspeções de segurança em canteiro de obras, o desenvolvimento dessas tecnologias é muitas vezes limitado pela pequena quantidade disponível de imagens para treinamento dos algoritmos. A partir disso, tem-se observado o uso de técnicas de data augmentation (DA) que visam criar dados artificiais para treinamento, a partir dos dados de treinamento existentes. Nesse sentido, esse trabalho tem como objetivo avaliar o desempenho de algoritmo de AP na detecção de sistemas de guarda-corpo e rodapés (GcR) com uso de bancos de imagens de treinamento originais e artificiais (criadas a partir de diferentes técnicas de DA). As etapas da pesquisa envolveram coleta de imagens com uso de aeronaves remotamente pilotadas (RPA) em dois canteiros de obras, estruturação de banco de imagens originais e artificiais geradas por transformações geométricas do tipo zoom, rotação e cisalhamento, criação de quatro modelos no Custom Vision®, treinamento, teste e análise dos resultados dos modelos. O desempenho do algoritmo treinado com imagens artificiais foi superior àquele treinado com imagens originais, indicando que as imagens geradas por DA contribuíram substancialmente para o aperfeiçoamento do desempenho do sistema de detecção de GcR.