Protótipo de Solução para Detetar e Sinalizar Defeitos em Pavimentos Rodoviários Baseado em Técnicas de Visão Computacional

Miguel Gonçalves; Tomás Marques; Pedro D. Gaspar; Vasco N.G.J Soares; João M.L.P. Caldeira

Ayuda

Protótipo de Solução para Detetar e Sinalizar Defeitos em Pavimentos Rodoviários Baseado em Técnicas de Visão Computacional

Miguel Gonçalves ^[1] ; Tomás Marques ^[4] ; Pedro D. Gaspar ^[2] ; Vasco N. G. J. Soares ^[3] ; João M. L. P. Caldeira ^[3]
1. [1] Instituto Politécnico de Castelo Branco
  
  Instituto Politécnico de Castelo Branco
  
  Castelo Branco, Portugal
2. [2] Universidade da Beira Interior
  
  Universidade da Beira Interior
  
  Covilhã (Conceição), Portugal
3. [3] Instituto de Telecomunicações
  
  Instituto de Telecomunicações
  
  Socorro, Portugal
4. [4] Universidade da Beira Interior,Covilhã, Portugal
Mostrar afiliaciones +
Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. 52, 2023, págs. 25-44
Idioma: portugués
Enlaces
- Texto completo (pdf)
Resumen
- English
  This article presents a functional prototype to evaluate and validate the use of computer vision techniques to identify road pavement defects in the context of a smart city. A study is carried out to evaluate the performance of three convolutional neural networks, YoloV4-Tiny, SSD MobileNet and RetinaNet, applied to this scenario. Based on the results observed, the proposal and implementation process of the prototype is described, which is based on a Raspberry Pi 4 platform. The prototype is subject to validation and functional tests. Compared to the method currently used by Infraestruturas de Portugal to identify pavement defects, this approach is more agile, effective, and efficient, contributing to their rapid detection and notification.
- português
  Este artigo apresenta um protótipo funcional para avaliar e validar a utilização de técnicas de visão computacional, na identificação de defeitos em pavimentos rodoviários, no contexto de uma cidade inteligente. É realizado um estudo de avaliação de desempenho de três redes neuronais convolucionais, YoloV4-Tiny, SSD MobileNet e RetinaNet, aplicadas a este cenário. Partindo dos resultados observados, descreve-se a proposta e o processo de implementação do protótipo, que tem por base uma plataforma Raspberry Pi 4. O protótipo é sujeito a validação e testes funcionais. Comparativamente ao método atualmente utilizado pela Infraestruturas de Portugal, para a identificação de defeitos em pavimentos, esta abordagem é mais ágil, eficaz e eficiente, contribuindo para uma rápida deteção e notificação dos mesmos.