Pesquisa da UFRB desenvolve sistema com IA para modernizar o monitoramento de rodovias

Foto: reprodução

Uma pesquisa da Universidade Federal do Recôncavo da Bahia (UFRB) está unindo Inteligência Artificial e Engenharia para monitoramento automatizado de veículos pesados em rodovias. O estudo é conduzido pelo mestrando em Engenharia Elétrica e Computação, Brenner Araújo, e propõe a aplicação de técnicas computacionais para detectar, classificar e rastrear caminhões conforme as categorias do Manual de Tráfego do Departamento Nacional de Infraestrutura de Transportes (DNIT). A partir dessa classificação, é possível estimar com mais precisão a carga imposta ao pavimento — uma variável fundamental para compreender o desgaste das vias e planejar manutenções mais eficazes.

Inteligência artificial aplicada ao reconhecimento de veículos

Para alcançar esses resultados, a pesquisa utiliza redes neurais convolucionais — um modelo de inteligência artificial voltado à análise de imagens — treinado para identificar padrões visuais em caminhões a partir de milhares de registros capturados em vídeo.

As imagens, obtidas por uma câmera instalada na BR-110, em Olindina (BA), são processadas com o apoio de um modelo pré-treinado que extrai automaticamente cenas com presença de veículos. Em seguida, essas imagens são organizadas por classe, anotadas manualmente com caixas delimitadoras (bounding boxes) e preparadas para o treinamento da rede neural. O sistema aprende a diferenciar os tipos de veículos, reconhecendo-os automaticamente em novas imagens.

“Nosso objetivo é tornar o monitoramento do tráfego mais inteligente e eficiente, oferecendo uma ferramenta que alie automação, precisão e aplicabilidade prática”, destaca Brenner Araújo.

Um dos grandes desafios enfrentados pela equipe, segundo Brenner, é a construção de um dataset robusto. São necessárias ao menos 200 imagens por categoria, totalizando 32 tipos de caminhões diferentes, o que exige coleta, triagem e organização rigorosa dos dados.

Avaliação e impacto na infraestrutura viária

Com o modelo treinado, os resultados são avaliados por meio de métricas como precisão (precision), revocação (recall) e função de perda (loss) — indicadores que validam a eficácia do sistema. A expectativa é que esse tipo de monitoramento automatizado possibilite diagnósticos mais rápidos e precisos sobre o estado das rodovias, embasando estratégias de manutenção preventiva e decisões de gestão pública com base em dados confiáveis.

“Montar esse conjunto de dados exige um trabalho intenso de coleta, seleção e organização das imagens em um formato que o modelo de IA consiga entender. Esse é o maior desafio para preparar o formato que o modelo vai usar para aprender”, explica o pesquisador.

A pesquisa está em desenvolvimento há dois anos e teve início ainda na graduação de Brenner, no curso de Bacharelado em Ciências Exatas e Tecnológicas na UFRB. O projeto conta com a orientação do professor Acbal Achy e a coorientação dos professores Tiago Pagano (da área de Computação), Mário Sérgio Almeida e Weiner Costa (de Engenharia Civil – Pavimentação).

PaveLab_UFRB

Acompanhe essa e outras pesquisas realizadas no Laboratório de Pavimentação (PaveLab_UFRB), localizado no Centro de Ciências Exatas e Tecnológicas (CETEC), no perfil @pavelab_ufrb.

Fonte: UFRB