PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOAO PEDRO GOMES DE SOUZA
DATA: 22/09/2025
HORA: 08:00
LOCAL: NCA
TÍTULO: Detecção de Fissuras em Micro Tomografia de Concreto Reforçado Por FibrasUtilizando Redes Neurais Profundas
PALAVRAS-CHAVES: Concreto, Fissuras, Micro-CT, Aprendizado Profundo.
PÁGINAS: 56
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Processamento Gráfico (Graphics)
RESUMO: O concreto reforçado por fibras é um material crucial para construção civil e monitorar sua condição é uma tarefa importante para sua preservação e prevenção de acidentes e perdas financeiras. Dentre os vários métodos não destrutivos de monitoramento da condição do concreto, destaca-se a análise por imagens de Microtomografia Computadorizada (Micro-CT), por se tratar de um método barato e livre de ruídos e de interferências externas. Contudo, a identificação manual de fissuras em imagens de Micro-CT é subjetiva e requer um esforço humano significante. Algoritmos de aprendizado profundo vem sendo utilizados constantemente para a detecção automática de fissuras em concreto, porém apenas em regiões superficiais. Detectar fissuras em toda a estrutura do concreto reforçado por fibras, incluindo a parte interna, como em volumes de Micro-CT de alta resolução, permanece um desafio. Este estudo, portanto, propõe um método automático para detecção de fissuras especificamente para imagens de Micro-CT de concreto reforçado por fibra, integrando técnica de pré-processamento utilizando super-resolução, Detection Transformers (DETR) e pós-processamento baseadas em comitê para aprimorar a precisão e confiabilidade das detecções de fissuras. O modelo foi treinado e validado usando uma base de dados criada e publicada a partir de imagens Micro-CT de experimentos de tração fibra/matriz denominada FIRECON Dataset, composta de 4,064 imagens anotadas por especialistas. alcançando métricas de 86,098% de Interseção sobre União(IoU), 89,37% de Precisão, 83,26% de Recall, 84,99% de F1-Score e 44,69% de Precisão Média (AP). Este método portanto reduz significativamente o tempo de análise, esforço humano e melhora a consistência dos resultados em comparação com uma inspeção visual. O método proposto mostra o potencial do aprendizado profundo no auxílio do monitoramento da condição e compreensão dos mecanismos de fissuração do concreto reforçado por fibras e oferece uma ferramenta valiosa para o desenvolvimento de materiais de engenharia duráveis e de alto desempenho.
MEMBROS DA BANCA:
Presidente - 1225010 - ARISTOFANES CORREA SILVA
Interno - 407686 - ANSELMO CARDOSO DE PAIVA
Externo à Instituição - AURA CONCI - UFF
Co-orientador externo à instituição - ANTÓNIO MANUEL TRIGUEIROS DA SILVA CUNHA - UTAD