XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: CRACK DETECTION FROM IMAGES USING MACHINE LEARNING Autor: MAURILIO GOMES DONIN DE SOUZA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
HELON VICENTE HULTMANN AYALA - ADVISOR
WALISSON CHAVES FERREIRA PINTO - CO-ADVISOR
Nº do Conteudo: 65661
Catalogação: 21/12/2023 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: SENIOR PROJECT
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=65661@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=65661@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.65661
Resumo:
Título: CRACK DETECTION FROM IMAGES USING MACHINE LEARNING Autor: MAURILIO GOMES DONIN DE SOUZA
WALISSON CHAVES FERREIRA PINTO - CO-ADVISOR
Nº do Conteudo: 65661
Catalogação: 21/12/2023 Idioma(s): PORTUGUESE - BRAZIL
Tipo: TEXT Subtipo: SENIOR PROJECT
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=65661@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=65661@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.65661
Resumo:
Crack detection poses a common challenge in structural health monitoring (SHM). Often
conducted manually, this process is prone to errors. The use of images offers significant
advantages by eliminating the need for direct contact with the structure and providing
more comprehensive coverage. Furthermore, machine learning techniques have
demonstrated effectiveness in image classification, identifying the presence or absence
of damage. This study implements a machine learning pipeline consisting of
preprocessing, feature extraction using Principal Component Analysis, model creation
for Support Vector Machine, Decision Tree, and K-nearest neighbors, hyperparameter
optimization, and results analysis in the task of classifying images of concrete with and
without cracks. The best performance achieved in this study was using the SVM model,
which exhibited an accuracy of 98.18%, precision of 98.70%, recall of 97.60%, and F1-
Score of 98.15%.
Descrição | Arquivo |
COMPLETE |