ANÁLISE BIBLIOMÉTRICA E SISTEMÁTICA ACERCA DO USO DE MACHINE LEARNING PARA QUANTIFICAÇÃO DE DEFEITOS EM PAVIMENTOS

A detecção e classificação de defeitos no pavimento são insuficientes sem a identificação precisa da localização, dimensões e tendência de desenvolvimento, fundamentais para um eficaz Sistema de Gerência de Pavimentos (SGP). Este estudo realiza uma análise bibliométrica utilizando o VOSViewer, seguida de uma revisão sistemática da literatura, através de artigos da base de dados Scopus, sobre uso Machine Learning para quantificação de defeitos nos pavimentos. Foi verificado que a aplicação teve início em 2021 e 87,5% dos artigos aplicaram redes neurais do tipo CNNs, sendo: 50% ResNet, 12,5% U-Net, 12,5% Mask R-CNN e 25% YOLO. Apenas um artigo (12,5%) usou CNNs para quantificar defeitos com base na severidade, sem considerar dimensões. Embora essas técnicas de Machine Learning tenham alcançado bons resultados na quantificação de defeitos em pavimentos, alguns defeitos como as deformações permanentes, ainda não são corretamente quantificados, tornando a melhoria dessas técnicas um desafio contínuo.