Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Silva, Ricardo Dutra da | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8002-8411 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8512085741397097 | - |
Autor(es): dc.contributor | Minetto, Rodrigo | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2277-4632 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8366112479020867 | - |
Autor(es): dc.contributor | Azevedo, Bruno Avena de | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8223524437491781 | - |
Autor(es): dc.contributor | Delgado, Myriam Regattieri de Biase da Silva | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-2791-174X | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/4166922845507601 | - |
Autor(es): dc.contributor | Silva, Ricardo Dutra da | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8002-8411 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/8512085741397097 | - |
Autor(es): dc.creator | Polli, Arthur Jose Antocevicz | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:29:41Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:29:41Z | - |
Data de envio: dc.date.issued | 2025-05-27 | - |
Data de envio: dc.date.issued | 4999 | - |
Data de envio: dc.date.issued | 2025-05-27 | - |
Data de envio: dc.date.issued | 2025-04-02 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/36954 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1096388 | - |
Descrição: dc.description | The monitoring and maintenance of Brazilian highways represent a significant challenge due to their vast extent and the varied conditions of lighting and pavement. Automating this process through object detection models can make it more efficient and standardized. Previous studies have explored the identification of pavement defects using images and inertial sensors, such as accelerometers. This study investigates the hypothesis that a multimodal model, combining images and inertial sensor data, can enhance the detection of pavement failures, specifically potholes, patches, cracks, and wear. To this end, the YOLOv8n-Detect (unimodal) and YOLOv8nMultiDetect (multimodal) models were compared, achieving overall mAP@0.20 averages of 0.759 and 0.809, respectively, and mAP@0.20:0.65 averages of 0.726 and 0.780. These results indicate that feature fusion improves not only object detection but also their localization, as demonstrated by superior performance in both mAP@0.20 and mAP@0.20:0.65, highlighting the potential of multimodal models to optimize the identification of pavement issues on highways. | - |
Descrição: dc.description | O monitoramento e a manutenção das rodovias brasileiras representam um grande desafio, dada sua extensão e as variadas condições de iluminação e pavimentação. A automação desse processo por meio de modelos de detecção de objetos pode torná-lo mais eficiente e padronizado. Estudos anteriores exploram a identificação de defeitos em pavimentos utilizando imagens e sensores inerciais, como acelerômetros. Este trabalho investiga a hipótese de que um modelo multimodal, combinando imagens e dados de sensores inerciais, pode aprimorar a detecção de falhas no pavimento, especificamente buracos, remendos, trincas e desgastes. Para isso, foram comparados os modelos YOLOv8n-Detect (unimodal) e YOLOv8n-MultiDetect (multimodal), que alcançaram médias gerais de mAP@0.20 de 0.759 e 0.809, respectivamente, e de mAP@0.20:0.65 de 0.726 e 0.780. Esses resultados indicam que a fusão de características melhora não apenas a detecção dos objetos, mas também sua localização ao analisarmos um desempenho superior tanto em mAP@0.20 quanto mAP@0.20:0.65, demonstrando o potencial dos modelos multimodais para otimizar a identificação de problemas no pavimento rodoviário. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Computação Aplicada | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | embargoedAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Pavimentos - Defeitos | - |
Palavras-chave: dc.subject | Processamento de imagens | - |
Palavras-chave: dc.subject | Detectores | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Pavements - Defects | - |
Palavras-chave: dc.subject | Image processing | - |
Palavras-chave: dc.subject | Detectors | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Palavras-chave: dc.subject | Ciência da Computação | - |
Título: dc.title | Detecção de defeitos de pavimento usando uma estratégia multimodal baseada em imagens e dados de sensor inercial | - |
Título: dc.title | Detection of pavement defects using a multimodal strategy based on images and data from inertial sensor | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: