Detecção de erosão em taludes baseada em deep learning

As recentes catástrofes desencadeadas pelo rompimento das barragens de Fundão e Córrego do Feijão causaram cerca de 300 mortes e inúmeros danos socioambientais irreparáveis. Visto que a utilização de sistemas de monitoramento mais precisos e a realização adequada de manutenções preventivas e corretivas permitiriam identificar, e até amenizar, os danos causados à sociedade, pode-se constatar que há necessidade de maior investimento e incentivo à criação de soluções de Monitoramento da Integridade Estrutural (SHM) capazes de diagnosticar ocorrências que comprometem as principais estruturas civis, como pontes, barragens e taludes. As técnicas de Inteligência Artificial (IA) de alto desempenho têm sido capazes de resolver estes problemas de análise estrutural e apresentado resultados superiores às soluções anteriores, sua utilização têm aumentado drasticamente nos mais diversos cenários de SHM. Quando se trata de soluções de análise e classificação de imagens, a Rede Neural Convolucional (CNN) é o tipo de rede neural que apresenta os melhores resultados. Logo, esta dissertação irá descrever o processo de desenvolvimento de uma CNN com três camadas de convolução que combina a utilização das tecnologias mais consolidadas no atual cenário de visão computacional, tais como o otimizador Adam e a normalização em lotes. A CNN proposta foi treinada com uma base de dados montada especificamente para esta dissertação, sendo composta por imagens de relatórios públicos de obras do governo brasileiro, portifólios de empresas que trabalham com construção e manutenção de taludes e reportagens sobre deslizamentos e/ou catástrofes. Estas imagens foram rotuladas, de acordo com o contexto de cada uma delas, como taludes estáveis ou não. Os resultados obtidos foram bastante satisfatórios, apresentando uma acurácia de 96,67% e provando que esta solução é capaz de identificar de maneira precisa e aprimorada os indicadores de instabilidade apresentados pelos taludes analisados, permitindo um planejamento mais adequado das manutenções para cada caso, na prevenção de possíveis desastres, gestão mais eficiente da mão de obra, redução de custos, maior segurança e saúde estrutural para garantir sua integridade a longo prazo.