Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/799
Title: Técnicas de aprendizado de máquina aplicadas a classificação da qualidade de pavimentos asfálticos utilizando smartphones.
Authors: Neves, Samuel Antônio das
metadata.dc.contributor.advisor: Amorim, Vicente José Peixoto de
metadata.dc.contributor.referee: Amorim, Vicente José Peixoto de
Pereira, Igor Muzetti
Bianchi, Andrea Gomes Campos
Keywords: Aprendizagem de máquina
Inteligência artificial
Qualidade de pavimentos
Smartphones
Issue Date: 2018
Citation: NEVES, Samuel Antônio das. Técnicas de aprendizado de máquina aplicadas a classificação da qualidade de pavimentos asfálticos utilizando smartphones. 2018. 48 f. Monografia (Graduação em Engenharia de Computação) – Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2018.
Abstract: Os pavimentos rodoviários são de extrema importância para o escoamento de mercadorias, pessoas e serviços. No Brasil cerca de 61,1% do translado de carga são realizados pelas rodovias (CNT, 2017). Encontrar uma forma de identificar irregularidades nestes pavimentos é de grande importância, pois estudos afirmam que uma má conservação das estradas pode causar impacto na segurança das pessoas que trafegam por elas e até mesmo no consumo de combustível dos veículos(KLAUBERT, 2001). O RoadScan é um sistema desenvolvido por (LIMA et al., 2016) com o intuito de realizar a classificação da qualidade de pavimentos asfálticos e disponibilizá-los em um mapa. Na exibição do mesmo, são utilizadas técnicas de crowdsourcing para aprimorar a classificação. Este trabalho desenvolveu uma melhoria para o RoadScan, onde redes neurais foram utilizadas visando aumentar a confiabilidade e a adaptabilidade das classificações de qualidade dos pavimentos. Neste trabalho serão descritos os processos: de extração das características utilizadas na etapa de classificação, de coleta dos dados, de criação da base de dados final e do desenvolvimento de um aplicativo móvel que utiliza redes neurais para classificar a qualidade dos pavimentos. Ao final do trabalho será mostrado um mapa mostrando os resultados alcançados, inclusive em um outro tipo de veículo: motocicletas.
metadata.dc.description.abstracten: Road pavements are of great importance for the transport of goods, people, and services. In Brazil, about 61.1% of freight is carried out by the highways (CNT, 2017). Finding a way to identify irregularities in these pavements have great importance because studies say that a road in bad conservation can impact the safety of people who travel by them and even in the fuel consumption of vehicles (KLAUBERT, 2001). The RoadScan is a system developed by (LIMA et al., 2016) that classifies the quality of asphalt flooring and make them available on a map. To generate this map, crowdsourcing techniques are used to improve this classification. This work has developed an improvement for the RoadScan, where neural networks have been used aiming the increase of the floor quality classification reliability and adaptability. This work will describe the processes: of features extraction used in the step of classification, data collection, the final database creation and mobile application development that uses neural networks to classify the pavements quality. At the end of the work will be shown a map presenting the results achieved, including another type of vehicle: motorcycles.
URI: http://www.monografias.ufop.br/handle/35400000/799
metadata.dc.rights.license: Autorização concedida à Biblioteca Digital de TCC da UFOP pelo autor(a), 02/03/2018, com as seguintes condições: disponível sob Licença Creative Commons 4.0, que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante.
Appears in Collections:Engenharia de Computação JMV

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_TécnicasAprendizadoMáquina.pdf2,52 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons