Rayson Laroca e David Menotti – Departamento de Informática, Universidade Federal do Paraná (UFPR)
Alessander Cidral Boslooper* – Especialização em Engenharia Industrial 4.0, Universidade Federal do Paraná (UFPR) raysonlaroca@gmail.com, alexcidral@hotmail.com, menottid@gmail.com
RESUMO: Neste trabalho, apresentamos uma solução eficiente para contagem e identificação de vagões ferroviários utilizando câmeras e inteligência artificial. Esta solução tem custo-benefício atraente e pode substituir soluções baseadas em identificação por radiofrequência (RFID). Primeiro, nós realizamos a coleta à 30 frames por segundo. Em seguida, empregamos uma metodologia baseada em deep learning, que é brevemente apresentada aqui por ser registrado pelo INPI pela UFPR, que obteve resultados impressionantes, isto é, contagem de vagões perfeita (100%) e taxa de identificação acima de 99,7% em cenários reais.
PALAVRAS-CHAVES: Identificação de Vagões, Deep Learning, Visão Computacional.
1. INTRODUÇÃO No transporte ferroviário, é cada vez mais comum o desenvolvimento de tecnologias ou sistemas que permitam a contagem e identificação automática de vagões durante a passagem de um trem por um ponto de controle, como uma estação ou depósito [9], [10], [13], [15], [16]. Dada a sua importância, este é um tema que vem sendo abordado na literatura científica desde os anos 90 [1], [2].
Atualmente, a maioria dos sistemas ferroviários utiliza a tecnologia de identificação por radiofrequência (RFID) [10]. Esse método fornece resultados rápidos e precisos, mas a instalação de hardware extra em cada vagão aumenta consideravelmente os custos [14]. Por exemplo, no contexto de identificação de containers (que é muito similar ao de identificação de vagões), Verma et al. [13] afirmaram que embora containers modernos tenham espaços reservados para a instalação de leitores RFID, tais leitores não são utilizados pelas maiores transportadoras devido aos altos custos (tanto de instalação quanto de manutenção).
Seja o primeiro a comentar