METODOLOGIA DE DEEP LEARNING E RAY CASTING APLICADA À INSPEÇÃO REMOTA DE PONTES

João Fonseca; Tomás Jorge; Eduardo Soares; Pedro Oliveira; Rafael Cabral; Bernardino Lima; Eduardo Dias; Daniel Monteiro; Ricardo Santos; Diogo Ribeiro

doi:10.24840/978-972-752-358-0

METODOLOGIA DE DEEP LEARNING E RAY CASTING APLICADA À INSPEÇÃO REMOTA DE PONTES

Autores

João Fonseca, Quadrante Engenharia e Consultoria, S.A.; Tomás Jorge, iBuilt, Instituto Superior de Engenharia do Porto; Eduardo Soares, iBuilt, Instituto Superior de Engenharia do Porto; Pedro Oliveira, Vn2R - Engineering Innovation Consulting, LdA; Rafael Cabral, iBuilt, Instituto Superior de Engenharia do Porto; Bernardino Lima, TECHONIS Lda.; Eduardo Dias, TECHONIS Lda.; Daniel Monteiro, Câmara Municipal de Gondomar; Ricardo Santos, iBuilt, Instituto Superior de Engenharia do Porto; Diogo Ribeiro, Faculdade de Engenharia, Universidade do Porto

DOI: https://doi.org/10.24840/978-972-752-358-0_106

Sinopse

A crescente necessidade de metodologias de inspeção estrutural mais eficientes e objetivas tem impulsionado o desenvolvimento de abordagens baseadas em aquisição remota e processamento automatizado. Este trabalho apresenta uma metodologia integrada para a deteção e o mapeamento tridimensional de anomalias superficiais em pontes de betão armado, estabelecendo um pipeline completo desde a aquisição de dados até à extração de métricas geométricas. A abordagem combina imagens adquiridas por UAV, reconstrução tridimensional por Fotogrametria e Laser Scanning, segmentação por instâncias baseada em Deep Learning e projeção geométrica 3D das anomalias. Foi desenvolvido e ajustado um modelo de segmentação YOLO11-seg para a identificação de fissuras, eflorescências e armaduras expostas, que atingiu um desempenho de mAP@50 de 61%. A metodologia foi aplicada a um caso de estudo real, demonstrando a sua capacidade de integrar dados heterogéneos, assegurar coerência geométrica e produzir resultados interpretáveis para suporte a fluxos de inspeção semi-automatizados.