Inspeção de Componentes de Vagões Ferroviários Baseado em Visão Computacional e Aprendizagem Profunda

Acompanhar a saude dos ativos das ferrovias de carga sao essenciais para a garantia da seguranca e eficiencia destas operacoes logisticas. Atualmente atividades de inspecoes nas operacoes ferroviarias sao realizadas por pessoas de forma visual e presencial, sendo que muitas destas inspecoes ficam inviaveis por exigir emprego de grande quantidade de recurso ou expor as pessoas a riscos, comprometendo assim a qualidade dos processos de manutencao e operacao. Com o avanco de tecnologias de aquisicao de imagens e metodos de visao computacional no contexto atual da Industria 4.0, este trabalho ira propor o estudo de um metodo de localizacao e classificacao de componentes de vagoes ferroviarios, o que ira abrir espaco para futuras aplicacoes de processamento de imagens utilizando modelos de aprendizagem de maquina para identificacao de defeitos em componentes de vagoes. Assim, foi desenvolvida uma aplicacao utilizando o metodo de aprendizagem profunda atraves de redes neurais convolucionais baseadas em regioes, chamadas de R-CNN, e tambem a aplicacao de tecnicas de transferencia de aprendizagem para acelerar o processo de treinamento do modelo. Os resultados gerados por este experimento apresentou 59,37 % no indicador de media da precisao media (mAP) de deteccao de 8 objetos em uma vista lateral dos vagoes.