Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/48883
Arquivos associados a este item:
Arquivo TamanhoFormato 
RodrigoOtavioValenteRibeiroDaSilva_DISSERT.pdf6,75 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorCarvalho, Michele Tereza Marquespt_BR
dc.contributor.authorSilva, Rodrigo Otávio Valente Ribeiro dapt_BR
dc.date.accessioned2024-07-15T20:58:48Z-
dc.date.available2024-07-15T20:58:48Z-
dc.date.issued2024-07-15-
dc.date.submitted2023-03-31-
dc.identifier.citationSILVA, Rodrigo Otávio Valente Ribeiro da. Visão computacional e inteligência artificial aplicadas à avaliação do progresso de construções em simulações BIM 4D. 2023. 148 f., il. Dissertação (Mestrado em Estruturas e Construção Civil) — Universidade De Brasília, Brasília, 2023.pt_BR
dc.identifier.urihttp://repositorio2.unb.br/jspui/handle/10482/48883-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2023.pt_BR
dc.description.abstractA indústria da construção civil é notadamente conhecida pelo seu baixo grau de inovação tecnológica. Entretanto, essa realidade tem se alterado com o uso do Building Information Modelling, da inteligência artificial e da visão computacional em diversos campos dessa indústria, sendo que essas tecnologias estão sendo utilizadas tanto de forma independente como integradas. Nesse contexto, tem-se que o monitoramento e acompanhamento de construções é uma área que está se beneficiando constantemente dessas mudanças. O controle de obras, nesse sentido, se trata de uma área de fundamental importância para o êxito de um projeto, uma vez que permite acompanhar se o que está sendo executado em campo está compatível com o que foi planejado, de forma a identificar desvios e tomar decisões acertadas para mitigar atrasos. A visão computacional, o BIM 4D, o aprendizado de máquina e a Internet das Coisas são exemplos de tecnologias que estão sendo utilizadas para auxiliar os gestores de obras nessa etapa do processo construtivo. Entretanto, tem-se que, para que esses recursos sejam utilizados de forma adequada no acompanhamento de obras, são necessários estudos e pesquisas sobre cada um deles, bem como sobre sua integração. Dessa forma, essa dissertação propõe um uso da visão computacional e da inteligência artificial aplicadas à avaliação do progresso de obras em uma simulação BIM 4D. Para tanto, foi criado um banco de dados de imagens de simulações de uma construção, cada uma com o respectivo progresso da construção. Em seguida, essas imagens foram utilizadas para treinar 3 redes neurais convolucionais com o objetivo de obter o progresso da construção em cada imagem. Os modelos de aprendizado de máquina treinados foram então avaliados estatisticamente, de forma que foi possível analisar se o algoritmo foi capaz de identificar as principais características das imagens, além de avaliar a ocorrência de underfitting e de overfitting nos modelos. Posteriormente, foi feita uma análise dos feature maps gerados pelas redes neurais convolucionais, de forma a buscar compreender melhor os resultados do modelo. Como contribuição científica, essa dissertação explora a integração entre o BIM e as redes neurais convolucionais, mostrando que estas podem ser treinadas com imagens de modelos BIM e fornecer resultados precisos. Além disso, este estudo utiliza as redes neurais convolucionais para problemas de regressão, algo pouco explorado na literatura científica.pt_BR
dc.language.isoPortuguêspt_BR
dc.rightsAcesso Abertopt_BR
dc.titleVisão computacional e inteligência artificial aplicadas à avaliação do progresso de construções em simulações BIM 4Dpt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordModelagem de Informação da Construção (BIM)pt_BR
dc.subject.keywordInteligência Artificial Explicável (XAI)pt_BR
dc.subject.keywordRedes Neurais Convolucionaispt_BR
dc.subject.keywordVisão computacionalpt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.pt_BR
dc.description.abstract1The construction industry is notoriously known for its low degree of technological innovation. However, this reality has changed with the use of Building Information Modelling, artificial intelligence and computer vision in several fields of this industry, and these technologies are being used both independently and integrated. In this context, construction monitoring is one area that is constantly benefiting from these changes. Construction control, in this sense, is an area of fundamental importance for the success of a project, since it allows the monitoring of whether what is being executed in the field is compatible with what was planned, in order to identify deviations and make the right decisions to mitigate delays. Computer vision, 4D BIM, machine learning and the Internet of Things are examples of technologies that are being used to help construction managers at this stage of the building process. However, for these resources to be used properly in construction monitoring, studies and research are needed on each of them, as well as on their integration. Thus, this dissertation proposes the use of computer vision and artificial intelligence applied to the evaluation of construction progress in a 4D BIM simulation. To this end, a database of images of simulations of a construction was created, each with its respective construction progress. Then, these images were used to train 3 convolutional neural networks with the objective of obtaining the construction progress in each image. The trained machine learning models were then statistically evaluated, so that it was possible to analyze whether the algorithm was able to identify the main characteristics of the images, and analyze the occurrence of underfitting and overfitting in the models. Subsequently, an analysis of the feature maps generated by the convolutional neural networks was performed in order to better understand the model results. As a scientific contribution, this dissertation explores the integration between BIM and convolutional neural networks, showing that these networks can be trained with BIM model images and provide accurate results. In addition, this study uses convolutional neural networks for regression problems, something little explored in the scientific literature.pt_BR
dc.description.unidadeFaculdade de Tecnologia (FT)pt_BR
dc.description.unidadeDepartamento de Engenharia Civil e Ambiental (FT ENC)pt_BR
dc.description.ppgPrograma de Pós-Graduação em Estruturas e Construção Civilpt_BR
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.