Nossas Produções

A inspeção visual é essencial para garantir a estabilidade de barragens de terra e enrocamento. A avaliação visual periódica desse tipo de estrutura por meio da análise da cobertura vegetal constitui um método eficaz de monitoramento. Recentemente, dados de sensoriamento remoto multiespectral e técnicas de aprendizado de máquina têm sido aplicados no desenvolvimento de metodologias que possibilitam a análise automática da vegetação e a detecção de anomalias com base em visão computacional. Como primeiro passo rumo a essa automação, este estudo apresenta uma metodologia para segmentação da cobertura do solo em estruturas de barragens de aterro de terra e enrocamento no Complexo Hidrelétrico de Belo Monte, localizado no estado do Pará, na região Norte do Brasil. Modelos do tipo ensemble baseados em Random Forest (RF) foram treinados com dados anotados manualmente, capturados por um sensor multiespectral embarcado em um veículo aéreo não tripulado (VANT). Os principais objetivos deste estudo são avaliar o desempenho do algoritmo na segmentação de barragens de terra e enrocamento e analisar a contribuição dos dados de reflectância em bandas não visíveis para o desempenho global do modelo. É apresentada uma abordagem abrangente de engenharia e ranqueamento de atributos para selecionar as características mais descritivas que representam as quatro classes do conjunto de dados. O desempenho do modelo foi avaliado por meio de métricas clássicas derivadas da matriz de confusão, como acurácia, coeficiente Kappa, precisão, revocação (recall), F1-score e interseção sobre união (IoU). O modelo final de RF alcançou IoU médio de 90,9% para segmentação binária e 91,1% para segmentação multiclasse. Técnicas de pós-processamento foram aplicadas para refinar as máscaras preditas, elevando o IoU médio para 93,2% e 91,9%, respectivamente. A metodologia flexível apresentada neste trabalho pode ser aplicada a diferentes cenários quando utilizada como um framework para classificação pixel a pixel da cobertura do solo, constituindo um passo fundamental para a automação de processos de inspeção visual. A implementação de soluções automatizadas de monitoramento aprimora o processo de inspeção visual e contribui para mitigar as consequências catastróficas decorrentes de falhas em barragens.

A gestão eficiente de resíduos sólidos é crucial para tornar a cidade um ambiente limpo e sustentável. Este artigo apresenta uma metodologia composta por algoritmos bem estabelecidos para a estimativa de volume na gestão de resíduos sólidos urbanos usando imagens de visualização única. O sistema proposto foi feito a partir de algoritmos baseados em modelos de última geração, incluindo segmentação de instâncias, estimativa de profundidade e cálculo de volume baseado em nuvem de pontos. A metodologia demonstra a capacidade de estimar com precisão o volume de sacolas plásticas individuais e múltiplas, contendo resíduos sólidos urbanos. Avaliamos nossa abordagem utilizando dados do mundo real. Resultados numéricos mostraram que o sistema proposto é promissor mesmo em cenários complexos. Apesar dos desafios como reescalonamento manual de distância e conjuntos de dados limitados, nosso sistema possui um potencial considerável para refinamento e aprimoramento adicionais visando cenários tão complexos quanto cenários urbanos reais. A metodologia proposta contribui para o avanço das tecnologias de gestão em smart cities.