Reconhecimento Automático de Componentes da Rede Elétrica de Ferrovias Utilizando Redes Neurais Convolucionais
Luiz Augusto Zillmann da Silva1; Vinicius Ferreira Vidal1; Augusto Santiago Cerqueira1; Leonardo de Mello Honório1; Mathaus Ferreira da Silva1; Murillo Ferreira dos Santos2; Alexandre Lima de Carvalho1
1 Universidade Federal de Juiz de Fora; 2 CEFET-MG
Baixar PDF doi:10.20906/CPS/CBA2018-0693
Resumo
Devido às proporções extensas da malha ferroviária no Brasil, existe demanda por meios de diagnosticar problemas técnicos de forma remota e automática. Este trabalho propõe uma solução para reconhecimento de características da rede de energia da ferrovia através de imagens, utilizando aprendizado profundo, mais especificamente Redes Neurais Convolucionais (RNC), para distinguir postes, os quais contêm vários componentes da rede de distribuição para serem inspecionados. Vídeos foram gravados ao longo de uma ferrovia e os dados divididos e processados para treinamento e teste da rede. Uma rede com arquitetura VGG serviu como ponto de partida para a proposta e também para comparação dos resultados. Duas topologias de RNC são apresentadas e comparadas em testes em campo. Os resultados evidenciaram mais de 93 % de eficiência para ambas as topologias avaliadas no trabalho.
Palavras-chave: Deep Learning; Redes Neurais Convolucionais; Reconhecimento de Imagem; Reconhecimento de Padrões