2025-04-142025-04-142020-04-27GONÇALVES, Camilo Lélis Assis. Detecção e rastreamento de componentes de vagões ferroviários utilizando redes neurais convolucionais e restrições geométricas. Orientador: Fabrício José Brito Barros. 2020. 68 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2020. Disponível em: https://repositorio.ufpa.br/jspui/handle/2011/17230. Acesso em:.https://repositorio.ufpa.br/jspui/handle/2011/17230A inspeção de componentes de trem que podem causar descarrilamento possui um papel importante na manutenção ferroviária. A fim de aumentar a produtividade e a segurança, empresas prestadoras de serviços procuram por soluções de inspeção automáticas e confiáveis. Apesar da inspeção automática baseada em visão computacional ser um conceito consolidado, tais aplicações desafiam a comunidade de desenvolvimento em razão de fatores ambientais e logísticos a serem considerados. Este trabalho propõe uma técnica de detecção e estimativa das posições das regiões de dreno presentes em vagões de trem. Nosso detector/rastreador consiste em uma rede neural convolucional e um conjunto de restrições geométricas, que levam em conta a trajetória ideal dos componentes de interesse dos vagões e as distâncias entre eles. Detalhamos os procedimentos de treinamento e validação, juntamente com as métricas utilizadas para aferir a performance do sistema proposto. Os resultados apresentados são comparados com outras duas técnicas, e exibem um bom custo‑benefício entre confiança e complexidade computacional para a detecção dos componentes de interesse.Acesso AbertoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/Visão computacionalDetecção e rastreamento de objetosAprendizagem profundaAprendizado de máquinaComputer visionObject trackingDeep learningMachine learningDissertaçãoCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAINTELIGÊNCIA COMPUTACIONALCOMPUTAÇÃO APLICADA