Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Detecção e representação multiclasse de danos e manifestações patológicas em concreto com inteligência artificial e escaneamento para modelagem BIM
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1119077
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Carvalho, Michele Tereza Marques | - |
| Autor(es): dc.creator | Santos, Paulo Alberto Sampaio | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T11:58:28Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T11:58:28Z | - |
| Data de envio: dc.date.issued | 2025-05-20 | - |
| Data de envio: dc.date.issued | 2025-05-20 | - |
| Data de envio: dc.date.issued | 2025-05-20 | - |
| Data de envio: dc.date.issued | 2024-11-27 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/52272 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1119077 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2024. | - |
| Descrição: dc.description | Tradicionalmente, inspeções estruturais são realizadas manualmente, mas o gerenciamento de ativos requer alto custo e recursos especializados, especialmente devido à falta de padronização e histórico documentado dos dados. Os avanços em visão computacional e aprendizado profundo têm melhorado o trabalho de inspeções, permitindo a detecção precisa de danos e a previsão de falhas potenciais. Essas tecnologias podem detectar danos com precisão, mas os métodos atuais ainda dependem de grandes conjuntos de dados de alta qualidade, que são caros e exigem especialização. Para superar essas limitações, propõe-se um fluxo de trabalho automatizado para inspeções estruturais com escaneamentos LiDAR. O processo inclui o uso de redes neurais convolucionais (CNN) refinadas para detectar e segmentar múltiplas classes de danos estruturais em imagens e nuvens de pontos, utilizando análises em ortoprojeções multiangulares. Esse método otimiza as etapas de projeto, operação e manutenção com o apoio da metodologia de Modelagem da Informação da Construção (BIM). Inicialmente, foi desenvolvido um modelo de detecção de objetos baseado na arquitetura You Only Look Once (YOLO) aprimorada, adaptada para cinco classes de manifestações patológicas (eflorescência, armadura exposta, manchas de corrosão, desplacamento de concreto e fissuras). O modelo atingiu valores de precisão (0,946), recall (0,916), mAP50 (0,951) e mAP50-95 (0,892), além de transferir a aprendizagem para o Segment Anything Model (SAM) para uma segmentação instanciada dos danos. Sequencialmente, o estudo avaliou cinco amostragens de escaneamentos em LiDAR, e validou um processo de modelagem automatizada do BIM das detecções, e seu posterior mapeamento pelo formato Industry Foundation Classes (IFC) 4.3, em linguagem de programação Python. Este trabalho contribui com um conjunto de 40 mil imagens e modelos de aprendizado profundo, estabelecendo uma base para inspeções estruturais e aprimoramento de modelos de visão computacional na construção civil. Apresenta um processo de variadas classes de danos e manifestações patológicas em uma só ferramenta, desde a identificação em nuvens de pontos até a criação automatizada de modelos BIM com dados IFC, facilitando as inspeções e o registro histórico. A pesquisa impulsiona a automação de processos como scanto-BIM e gêmeos digitais, apoiando a decisão do inspetor e contribuindo para a manutenção preditiva e gestão inteligente das estruturas ao longo de seu ciclo de vida. | - |
| Descrição: dc.description | Historically, structural inspections are conducted manually and periodically, but asset management requires significant costs and specialized resources, particularly due to the lack of standardization and documented data history. Advances in computer vision and deep learning have improved inspection work, enabling accurate damage detection and prediction of potential failures. These technologies can detect damage precisely, but current methods still rely on large, high-quality datasets, which are expensive and require specialized expertise. To overcome these limitations, an automated workflow is proposed for structural inspections using LiDAR scans. The process leverages refined convolutional neural networks (CNNs) to detect and segment multiple classes of structural damage in images and point clouds through multi-angular orthoprojection analyses. This approach optimizes the design, operation, and maintenance phases supported by the Building Information Modeling (BIM) methodology. Initially, an object detection model based on the enhanced YOLOv8 architecture was developed, adapted for five classes of pathological manifestations (efflorescence, exposed reinforcement, ruststrain, scalling). The model achieved precision (0.946), recall (0.916), mAP50 (0.951), and mAP50-95 (0.892) values, in addition to transferring learning to the Segment Anything Model (SAM) for instance segmentation of the damages. Sequentially, the study evaluated five LiDAR scan samples and validated an automated BIM modeling process for the detections, followed by their mapping in the Industry Foundation Classes (IFC) 4.3 format using Python programming language. This work contributes a dataset of 40,000 images and deep learning models, establishing a foundation for structural inspections and the enhancement of computer vision models in the construction industry. It presents a process for detecting various types of damage and pathological manifestations in a single tool, from identification in point clouds to the automated creation of BIM models with IFC data, facilitating inspections and historical record-keeping. The research drives the automation of processes such as scan-to-BIM and digital twins, supporting the inspector's decision-making and contributing to predictive maintenance and smart management of structures throughout their lifecycle. | - |
| Descrição: dc.description | Faculdade de Tecnologia (FT) | - |
| Descrição: dc.description | Departamento de Engenharia Civil e Ambiental (FT ENC) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Estruturas e Construção Civil | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Dano - estruturas | - |
| Palavras-chave: dc.subject | Modelagem de Informação da Construção (BIM) | - |
| Palavras-chave: dc.subject | Redes neurais convolucionais | - |
| Palavras-chave: dc.subject | Inteligência artificial (IA) | - |
| Título: dc.title | Detecção e representação multiclasse de danos e manifestações patológicas em concreto com inteligência artificial e escaneamento para modelagem BIM | - |
| Título: dc.title | Detection and multiclass representation of concrete damage and pathological manifestations using artificial intelligence and scanning for BIM modeling | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo