Uma Estrutura Integrada para Aquisição, Processamento e Análise de Imagens para Avaliação Automática de Danos em Superfícies de Concreto

Fissuras em superfícies de concreto servem como indicadores precoces de potenciais ameaças estruturais. A inspeção visual, uma técnica de avaliação de condição do concreto comumente utilizada e versátil, é empregada para avaliar a degradação do concreto observando sinais de dano no nível da superfície. No entanto, o método tende a ser qualitativo e precisa ser mais abrangente na oferta de informações precisas sobre a extensão do dano e sua evolução, independentemente de sua natureza que consome tempo e é sensível ao ambiente. Assim, a integração de técnicas de análise de imagem com inteligência artificial (IA) tem se mostrado cada vez mais eficiente como ferramenta para capturar sinais de dano em superfícies de concreto. No entanto, para melhorar o desempenho da detecção automática de fissuras, é imperativo treinar intensamente um modelo de aprendizado de máquina, e permanecem questões sobre a qualidade da imagem requerida e a metodologia de coleta de imagens necessárias para garantir a precisão e confiabilidade do modelo na análise quantitativa de danos. Este estudo visa estabelecer um procedimento para aquisição e processamento de imagens através da aplicação de uma abordagem de medição baseada em imagem para explorar as capacidades de diagnóstico de danos em superfícies de concreto. A digitalização das medições de intensidade de fissuras mostrou-se viável; no entanto, conjuntos de dados maiores são necessários. Devido ao comportamento anisotrópico do dano, a capacidade do modelo de capturar a direcionalidade das fissuras foi desenvolvida, apresentando diferenças não estatisticamente significativas entre os valores observados e previstos utilizados neste estudo com coeficientes de correlação de 0,79 e 0,82.