Usar IA para a deteção e segmentação de fissuras

Quando olha para uma fissura 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 quanto a fissuras, e estas representam 90% de todos os danos em pontes todos os anos. Tradicionalmente, a inspeção de fissuras é feita manualmente e pode consumir muito tempo. A inteligência artificial (AI) pode intervir para simplificar a deteção de fissuras.

Para além das pontes, a deteção de fissuras com aprendizagem profunda é útil em muitos contextos industriais. Ajuda a garantir a integridade dos edifícios na construção, evita paragens dispendiosas na indústria e torna as inspeções de estradas e pavimentos mais seguras e eficazes. Neste artigo, vamos analisar mais detalhadamente como pode utilizar modelos de IA e visão computacional, como o Ultralytics YOLOv8, para detetar e segmentar fissuras de forma muito mais rápida e simples do que com métodos tradicionais.

O que é a segmentação de fissuras?#

Antes de abordarmos a segmentação de fissuras, vamos compreender a segmentação. A segmentação é uma tarefa de visão computacional que envolve dividir uma imagem em diferentes regiões ou segmentos. O objetivo é simplificar a imagem e facilitar a sua análise. A segmentação fornece uma compreensão ao nível dos píxeis, enquanto tarefas como a deteção de objetos utilizam caixas delimitadoras para identificar e localizar objetos.

Existem diferentes tipos de técnicas de segmentação:

• Segmentação semântica: consiste em atribuir a cada píxel de uma imagem uma classe específica, como «estrada», «edifício» ou «árvore». Todos os píxeis da mesma classe são tratados como uma única entidade.
• Segmentação de instâncias: ao contrário da segmentação semântica, distingue instâncias separadas da mesma classe, como diferentes carros numa imagem.
• Segmentação panótica: combina as abordagens de segmentação semântica e de instâncias para fornecer uma compreensão detalhada da categorização ao nível dos píxeis e das instâncias distintas de objetos numa imagem.

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

No que diz respeito à deteção de fissuras, a segmentação de instâncias é uma excelente opção. Ao segmentar cada fissura de forma única, podemos identificá-las e analisá-las individualmente. Por exemplo, podemos calcular a área de uma fissura contando o número de píxeis que ocupa na imagem.

Compreender como funciona a segmentação de fissuras#

O primeiro passo para implementar a segmentação de fissuras é considerar a configuração de câmara adequada, que pode variar consoante a aplicação. Se estiver a inspecionar uma estrutura maior, como um edifício, utilizar drones pode ser a melhor abordagem para captar imagens de alta resolução a partir de vários ângulos. Por outro lado, se estiver a inspecionar chapas metálicas após o fabrico, pode ser melhor utilizar câmaras fixas de alta resolução, posicionadas estrategicamente para captar imagens detalhadas das superfícies.

Depois de finalizar a configuração da câmara, pode treinar um modelo de visão computacional que suporte a segmentação de instâncias, como o YOLOv8. O Roboflow Universe Crack Segmentation Dataset contém imagens anotadas de fissuras e pode ser utilizado para treinar o seu modelo. Também pode criar o seu próprio conjunto de dados, captando e anotando imagens de fissuras específicas da sua aplicação.

O modelo aprende a segmentar fissuras através de aprendizagem supervisionada. Durante o treino, recebe imagens e etiquetas que mostram onde estão as fissuras. O modelo ajusta os seus parâmetros internos para minimizar a diferença entre as suas previsões e as etiquetas reais. Após o treino, pode ser utilizado para analisar novas imagens e segmentar individualmente cada fissura.

Fig. 2. Utilizar o Ultralytics YOLOv8 para a segmentação de fissuras.

Aplicações industriais da segmentação de fissuras#

A deteção e a segmentação de fissuras são extremamente úteis em várias aplicações industriais, desde a manutenção de infraestruturas até ao controlo de qualidade na indústria. Ao identificar e analisar fissuras com precisão, estas técnicas ajudam a promover a segurança, a durabilidade e a qualidade em muitos setores. Vejamos alguns exemplos.

Manutenção da qualidade de estradas e pavimentos#

As fissuras nas estradas são um problema comum causado pelas condições meteorológicas, pelo tráfego intenso e pelo desgaste natural. As alterações de temperatura podem fazer com que o pavimento se expanda e contraia, provocando fissuras. Os veículos pesados exercem pressão adicional sobre a superfície da estrada, e a água que se infiltra em pequenas fissuras pode alargá-las e aprofundá-las ao longo do tempo. Estas fissuras podem causar desgaste prematuro, falhas estruturais e um perigo acrescido para as pessoas que conduzem na estrada. A deteção precoce através da segmentação de fissuras pode ajudar a otimizar a manutenção das estradas.

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

As fissuras detetadas e segmentadas através de visão computacional podem ser classificadas em níveis de gravidade baixo, médio e alto com base no seu tamanho. Classificar as fissuras ajuda as equipas de manutenção a definir prioridades. Por exemplo, as fissuras de alta gravidade podem ser tratadas primeiro para evitar falhas críticas e melhorar a segurança rodoviária, enquanto as fissuras de gravidade média e baixa podem ser agendadas para reparações posteriores e verificações de rotina. Desta forma, a equipa de manutenção pode otimizar a utilização de recursos, reduzir os custos de manutenção e minimizar as perturbações para os utilizadores da estrada.

Inspeção e monitorização estrutural#

A deteção de fissuras também pode ser utilizada para manter a qualidade e a segurança de edifícios e outras estruturas. Tal como as estradas, os edifícios podem desenvolver fissuras devido a alterações meteorológicas, fadiga dos materiais e desgaste normal. As máquinas pesadas utilizadas durante a construção também podem exercer pressão adicional sobre as estruturas, provocando mais fissuras.

Fig. 4. Utilizar um telemóvel para tirar fotografias para a segmentação de fissuras.

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

Deteção de fissuras na indústria do petróleo e do gás#

Na indústria do petróleo e do gás, a deteção de fissuras é essencial para manter a segurança e a fiabilidade de oleodutos, gasodutos, tanques de armazenamento e outras infraestruturas vitais. Os oleodutos e gasodutos percorrem frequentemente longas distâncias e estão sujeitos a condições ambientais adversas que podem causar alterações de pressão e fadiga dos materiais, provocando fissuras. Tradicionalmente, a deteção de fissuras é feita utilizando medidores de inspeção de tubagens (pigs), testes ultrassónicos e radiografia. Se estas fissuras não forem detetadas e reparadas atempadamente, podem causar problemas graves, como fugas e explosões. As fissuras neste setor representam um enorme risco para o ambiente e para as pessoas.

Fig. 5. Trabalhadores a inspecionar tanques de gás num comboio. Fonte da imagem: Envato Elements

A segmentação de fissuras com visão computacional permite a monitorização contínua das condições dos oleodutos e gasodutos. As equipas de manutenção podem fazer reparações atempadas e prevenir potenciais desastres ao identificar fissuras numa fase inicial.

Inspeção automatizada de peças de fabrico#

A inspeção automatizada através da segmentação de fissuras está a transformar o controlo de qualidade na indústria. Anteriormente, a deteção de fissuras era feita através de inspeções visuais, inspeções com líquidos penetrantes e inspeções por partículas magnéticas. Ao integrar sistemas avançados de captura de imagem e visão computacional na linha de produção, os fabricantes podem detetar imediatamente até as fissuras e os defeitos mais pequenos nas peças, logo após o seu fabrico. Todos os componentes podem ser verificados e cumprir padrões de alta qualidade antes de chegarem aos clientes.

A inspeção automatizada melhora a precisão e a eficiência, fornecendo feedback em tempo real para que as equipas de produção possam corrigir rapidamente quaisquer problemas. Isto reduz os custos ao diminuir a necessidade de inspeções manuais e evitar recolhas dispendiosas. Além disso, estes sistemas recolhem dados valiosos sobre defeitos, ajudando a identificar padrões e a melhorar os processos de fabrico, o que resulta em produtos mais seguros e fiáveis.

Fig. 6. Deteção de fissuras em peças metálicas.

Vantagens e desvantagens da segmentação de fissuras#

A deteção de fissuras através de aprendizagem profunda oferece muitos benefícios, incluindo maior segurança e decisões baseadas em dados. Vamos explorar algumas das outras vantagens da utilização da deteção de fissuras em ambientes industriais:

• Práticas sustentáveis: apoia práticas sustentáveis de construção e manutenção ao reduzir a necessidade de reparações e substituições extensivas, poupando materiais e recursos.
• Perturbações minimizadas: agendar reparações de fissuras menos graves durante a manutenção de rotina ajuda a evitar grandes perturbações nas operações e na utilização.
• Conformidade com os regulamentos: ajuda a cumprir as normas do setor e os requisitos regulamentares ao garantir a inspeção e a manutenção regulares das infraestruturas.

Apesar das suas vantagens, a segmentação de fissuras também apresenta algumas desvantagens. Os elevados custos de infraestrutura iniciais podem ser preocupantes para organizações mais pequenas, e a complexidade do sistema exige formação e manutenção contínuas. Eis algumas das outras desvantagens da utilização da segmentação de fissuras em aplicações industriais:

• Falsos positivos e negativos: pode identificar fissuras incorretamente ou não detetar fissuras, levando a reparações desnecessárias ou não realizadas.
• Desafios de gestão de dados: gera grandes quantidades de dados que requerem ferramentas robustas de armazenamento e análise.
• Fatores ambientais: condições externas, como condições meteorológicas extremas ou humidade elevada, podem afetar a precisão e a fiabilidade dos sistemas de segmentação de fissuras.
• Integração com sistemas existentes: integrar a tecnologia de deteção de fissuras com infraestruturas e sistemas existentes pode ser um desafio e exigir modificações ou atualizações adicionais.

Principais conclusões#

A segmentação e a deteção de fissuras podem desempenhar um papel vital na manutenção da segurança e da durabilidade das nossas infraestruturas industriais. Ao utilizar tecnologias avançadas, como a aprendizagem profunda e a visão computacional, podemos identificar problemas estruturais numa fase inicial e corrigi-los antes que se tornem problemas significativos. Esta abordagem proativa poupa tempo e dinheiro, ao mesmo tempo que cumpre as normas de segurança e regulamentares. Além disso, apoia práticas sustentáveis ao minimizar a necessidade de reparações extensivas. Apesar de alguns desafios, como os custos iniciais elevados e a complexidade, os benefícios da segmentação de fissuras em vários setores fazem dela uma ferramenta valiosa para manter e melhorar a qualidade das infraestruturas.

Para saberes mais sobre IA, visita o nosso repositório no GitHub e participa na nossa comunidade. Explora aplicações de IA na indústria e na agricultura nas nossas páginas de soluções. 🚀