Detecção de trincas e rachaduras em concreto com o auxílio de Inteligência artificial explicável (XAI)

Resumo

Atualmente, grandes problemas em nosso dia a dia têm sido solucionados com Visão Computacional, dentre eles, podemos citar carros autônomos, detecção e reconhecimento facial, análise de imagens médicas e outros. Sabendo disso, esse trabalho visa utilizar Visão Computacional para detecção de trincas e rachaduras em concreto. Em primeiro momento foi realizado o Transfer Learning com 3 arquiteturas diferentes: ResNet50, VGGNet e MobileNet, dentre elas, a que mais se destacou foi a arquitetura MobileNet, com 80% de acurácia. Em um segundo momento, foi realizada também a polda dessas arquiteturas utilizando Explainable AI como auxílio para visualizar quais camadas da rede estavam realizando uma maior ativação. Com essa abordagem, foi possível sair de 74% de acurácia para 79% na arquitetura da VGGNet, não sendo isso refletido na arquitetura da MobileNet. Uma futura abordagem tem como objetivo utilizar valores ponderados dos pixels da imagem, extraídos por técnicas de Explainable AI, como informações importantes para o aumento de dados de treinamento.