Usando IA para detectar e segmentar rachaduras

Quando observas uma rachadura numa superfície, ela pode parecer um problema pequeno, mas é um bom indicador precoce de danos estruturais graves. Por exemplo, as pontes são inspecionadas regularmente em busca de rachaduras, que representam 90% de todos os danos em pontes a cada ano. Tradicionalmente, a inspeção de rachaduras é feita manualmente e pode levar muito tempo. A inteligência artificial (AI) pode facilitar a detecção de rachaduras.

Além das pontes, a detecção de rachaduras com aprendizado profundo é útil em muitos contextos industriais. Ela ajuda a manter a integridade dos edifícios na construção, evita paralisações dispendiosas na manufatura e torna as inspeções de estradas e pavimentos mais seguras e eficazes. Neste artigo, vamos analisar mais de perto como você pode usar modelos de IA e visão computacional, como o Ultralytics YOLOv8, para detectar e segmentar rachaduras com muito mais rapidez e facilidade do que com métodos tradicionais.

O que é segmentação de rachaduras?#

Antes de nos aprofundarmos na segmentação de rachaduras, vamos entender o que é segmentação. A segmentação é uma tarefa de visão computacional que consiste em dividir uma imagem em diferentes regiões ou segmentos. O objetivo é simplificar a imagem e facilitar a análise. A segmentação oferece uma compreensão em nível de pixel, enquanto tarefas como a detecção de objetos usam caixas delimitadoras para identificar e localizar objetos.

Existem diferentes tipos de técnicas de segmentação:

• Segmentação semântica: consiste em rotular cada pixel de uma imagem com uma classe específica, como “estrada”, “edifício” ou “árvore”. Todos os pixels da mesma classe são tratados como uma única entidade.
• Segmentação de instâncias: ao contrário da segmentação semântica, ela diferencia instâncias distintas da mesma classe, como os vários carros em uma imagem.
• Segmentação panóptica: combina as abordagens de segmentação semântica e de instâncias para proporcionar uma compreensão detalhada da categorização em nível de pixel e das instâncias de objetos distintas em uma imagem.

Fig. 1. Diferenças entre técnicas de segmentação: imagem original (G), segmentação semântica (H), segmentação de instâncias (I) e segmentação panóptica (J).

Para detectar rachaduras, a segmentação de instâncias é uma ótima opção. Ao segmentar cada rachadura individualmente, podemos identificá-las e analisá-las uma a uma. Por exemplo, podemos calcular a área de uma rachadura contando o número de pixels que ela ocupa na imagem.

Entender como funciona a segmentação de rachaduras#

O primeiro passo para implementar a segmentação de rachaduras é considerar a configuração de câmera adequada, que pode variar conforme a aplicação. Se estiveres a inspecionar uma estrutura grande, como um edifício, usar drones pode ser a melhor opção para capturar imagens de alta resolução de vários ângulos. Por outro lado, se estiveres a inspecionar chapas metálicas após a fabricação, talvez seja melhor usar câmeras fixas de alta resolução, posicionadas estrategicamente para capturar imagens detalhadas das superfícies.

Depois de definires a configuração das câmeras, podes treinar um modelo de visão computacional com suporte à segmentação de instâncias, como o YOLOv8. O conjunto de dados Crack Segmentation do Roboflow Universe contém imagens anotadas de rachaduras e pode ser usado para treinar o teu modelo. Também podes criar o teu próprio conjunto de dados, capturando e anotando imagens de rachaduras específicas da tua aplicação.

O modelo aprende a segmentar rachaduras por meio da aprendizagem supervisionada. Durante o treinamento, recebe imagens e rótulos que mostram onde estão as rachaduras. O modelo ajusta os parâmetros internos para minimizar a diferença entre as previsões e os rótulos reais. Após o treinamento, pode ser usado para analisar novas imagens e segmentar cada rachadura individualmente.

Fig. 2. Usando o Ultralytics YOLOv8 para segmentar rachaduras.

Aplicações industriais da segmentação de rachaduras#

A detecção e a segmentação de rachaduras são muito úteis em diversas aplicações industriais, desde a manutenção de infraestrutura até o controle de qualidade na manufatura. Ao identificar e analisar rachaduras com precisão, essas técnicas ajudam a promover a segurança, a durabilidade e a qualidade em muitas áreas. Vamos ver alguns exemplos.

Manutenção da qualidade de estradas e pavimentos#

Rachaduras nas estradas são um problema comum causado pelas condições meteorológicas, pelo tráfego intenso e pelo desgaste natural. As mudanças de temperatura podem fazer o pavimento expandir e contrair, provocando rachaduras. Os veículos pesados aumentam a pressão sobre a superfície da estrada, e a água que penetra em pequenas rachaduras pode alargá-las e aprofundá-las com o tempo. Essas rachaduras podem causar desgaste prematuro, falhas estruturais e aumentar os riscos para quem circula na estrada. A detecção precoce com a segmentação de rachaduras pode ajudar a otimizar a manutenção viária.

Fig. 3. Uma rachadura numa estrada. Fonte da imagem: Envato Elements.

As rachaduras detectadas e segmentadas por visão computacional podem ser classificadas em níveis de gravidade baixo, médio e alto, com base no tamanho. Classificar as rachaduras ajuda as equipes de manutenção a definir prioridades. Por exemplo, as rachaduras de alta gravidade podem ser reparadas primeiro para evitar falhas críticas e melhorar a segurança rodoviária, enquanto as de gravidade média e baixa podem ser programadas para reparos posteriores e inspeções de rotina. Dessa forma, a equipe de manutenção pode otimizar o uso de recursos, reduzir os custos de manutenção e minimizar os transtornos para quem usa as estradas.

Inspeção e monitoramento estrutural#

A detecção de rachaduras também pode ser usada para manter a qualidade e a segurança de edifícios e outras estruturas. Assim como as estradas, os edifícios podem desenvolver rachaduras devido a mudanças meteorológicas, à fadiga dos materiais e ao desgaste normal. As máquinas pesadas usadas durante a construção também podem exercer pressão adicional sobre as estruturas e provocar mais rachaduras.

Fig. 4. Usando um telemóvel para tirar fotografias para a segmentação de rachaduras.

Ao identificar e reparar rachaduras com precisão, é possível prolongar significativamente a vida útil de edifícios e estruturas. Os dados recolhidos pelos sistemas de detecção de rachaduras também podem ser usados para melhorar os padrões e os regulamentos de construção. Ao analisar padrões e causas de rachaduras em diferentes projetos, os especialistas do setor podem desenvolver melhores práticas e materiais de construção.

Detecção de rachaduras no setor de petróleo e gás#

No setor de petróleo e gás, a detecção de rachaduras é essencial para manter a segurança e a confiabilidade de oleodutos, tanques de armazenamento e outras infraestruturas vitais. Os oleodutos costumam percorrer longas distâncias e estão sujeitos a condições ambientais adversas, que podem provocar mudanças de pressão e fadiga dos materiais, causando rachaduras. Tradicionalmente, a detecção de rachaduras é feita com dispositivos de inspeção de tubulações (PIGs), ensaios ultrassônicos e radiografia. Se essas rachaduras não forem detectadas e reparadas precocemente, podem causar problemas graves, como vazamentos e explosões. As rachaduras nesse setor representam um enorme risco para o meio ambiente e para as pessoas.

Fig. 5. Trabalhadores inspecionando tanques de gás em um trem. Fonte da imagem: Envato Elements.

A segmentação de rachaduras com visão computacional permite o monitoramento contínuo das condições dos oleodutos. Ao identificar rachaduras precocemente, as equipes de manutenção podem fazer reparos em tempo hábil e evitar possíveis desastres.

Inspeção automatizada de peças fabricadas#

A inspeção automatizada com segmentação de rachaduras está transformando o controle de qualidade na fabricação. Antes, a detecção de rachaduras era feita por inspeção visual, ensaio com líquido penetrante e inspeção por partículas magnéticas. Ao integrar sistemas avançados de captura de imagens e visão computacional à linha de produção, os fabricantes podem detectar até as menores rachaduras e defeitos nas peças logo após a fabricação. Cada componente pode ser inspecionado para garantir que atenda a padrões de alta qualidade antes de chegar aos clientes.

A inspeção automatizada melhora a precisão e a eficiência, fornecendo feedback em tempo real para que as equipes de produção possam corrigir rapidamente qualquer problema. Isso reduz os custos ao diminuir a necessidade de inspeções manuais e evitar recalls dispendiosos. Além disso, esses sistemas recolhem dados valiosos sobre defeitos, ajudando a identificar padrões e melhorar os processos de fabricação, o que resulta em produtos mais seguros e confiáveis.

Fig. 6. Detecção de rachaduras em peças metálicas.

Vantagens e desvantagens da segmentação de rachaduras#

A detecção de rachaduras com aprendizagem profunda oferece muitos benefícios, incluindo maior segurança e decisões baseadas em dados. Vamos explorar algumas outras vantagens da detecção de rachaduras em ambientes industriais:

• Práticas sustentáveis: contribui para práticas sustentáveis de construção e manutenção, reduzindo a necessidade de reparos e substituições extensos e economizando materiais e recursos.
• Menos transtornos: Programar reparos de rachaduras menos graves durante a manutenção de rotina ajuda a evitar grandes interrupções nas operações e no uso.
• Conformidade com os regulamentos: Ajuda a cumprir os padrões do setor e os requisitos regulatórios, garantindo a inspeção e a manutenção regulares das infraestruturas.

Apesar das vantagens, a segmentação de rachaduras também tem desvantagens. Os elevados custos de infraestrutura iniciais podem ser preocupantes para organizações menores, e a complexidade do sistema exige treinamento e manutenção contínuos. Veja algumas outras desvantagens do uso da segmentação de rachaduras em aplicações industriais:

• Falsos positivos e negativos: O sistema pode identificar rachaduras incorretamente ou não detectá-las, levando a reparos desnecessários ou não realizados.
• Desafios de gestão de dados: Gera grandes volumes de dados que exigem ferramentas robustas de armazenamento e análise.
• Fatores ambientais: Condições externas, como condições meteorológicas extremas ou alta umidade, podem afetar a precisão e a confiabilidade dos sistemas de segmentação de rachaduras.
• Integração com sistemas existentes: Integrar a tecnologia de detecção de rachaduras à infraestrutura e aos sistemas existentes pode ser difícil e exigir modificações ou atualizações adicionais.

Principais conclusões#

A segmentação e a detecção de rachaduras podem desempenhar um papel essencial para manter a infraestrutura industrial segura e durável. Com tecnologias avançadas, como aprendizagem profunda e visão computacional, podemos identificar problemas estruturais precocemente e corrigi-los antes que se tornem graves. Essa abordagem proativa economiza tempo e dinheiro e ajuda a cumprir os padrões de segurança e os regulamentos. Além disso, apoia práticas sustentáveis ao minimizar a necessidade de reparos extensos. Apesar de alguns desafios, como os custos iniciais elevados e a complexidade, os benefícios da segmentação de rachaduras em vários setores fazem dela uma ferramenta valiosa para manter e melhorar a qualidade das infraestruturas.

Para saber mais sobre IA, visita o nosso repositório do GitHub e participa na nossa comunidade. Explora aplicações de IA na indústria transformadora e na agricultura nas nossas páginas de soluções.