DETECÇÃO DE ANOMALIAS EM PAVIMENTOS ASFÁLTICOS UTILIZANDO REDES NEURAIS PARA SEGMENTAÇÃO DE IMAGENS.

Neste estudo, foi desenvolvido um método automático baseado em processamento digital de imagem e deep learning para detecção de defeitos em rodovias. O método utiliza técnicas avançadas de segmentação de imagens, com a rede U-NET como base e um codificador EfficientNetV2 para extração eficiente de informações. Os resultados dos testes comparativos foram promissores, demonstrando a eficiência do método na detecção de anomalias nas superfícies das estradas. Destaca-se o baixo número de parâmetros utilizados pela rede, apenas 5,4 milhões, em comparação com outros modelos existentes. Isso mostra a capacidade do método de obter resultados satisfatórios com recursos computacionais reduzidos. Essa abordagem tem o potencial de aprimorar as estratégias de manutenção e intervenção em rodovias, permitindo uma alocação mais eficaz de recursos, redução de custos e melhoria na segurança rodoviária. A detecção automatizada de defeitos proporciona um processo mais rápido e eficiente em comparação com os métodos manuais convencionais.