BANCO DE DADOS DE RISERS SUBMARINOS PARA DETECÇÃO DE ANOMALIAS EXTERNAS
Este trabalho teve como objetivo principal o desenvolvimento de um banco de dados específico para inspeção visual de risers submarinos, com foco na detecção automática de anomalias externas. A base inicial, composta por 800 imagens oriundas de registros reais fornecidos por empresas do setor offshore, foi significativamente ampliada por meio de um algoritmo de aumento de dados. Esse algoritmo aplicou transformações sistemáticas em brilho, contraste, saturação, nitidez, ruído, distorção óptica e compressão digital, simulando condições adversas frequentemente encontradas em inspeções subaquáticas. Como resultado, o banco de dados alcançou um total de 20.092 imagens rotuladas no formato YOLO, utilizando a ferramenta CVAT para garantir a padronização das anotações.
A etapa de validação, conduzida com um modelo YOLOv11n, teve como finalidade verificar se o volume e a diversidade das imagens eram suficientes para treinamento eficaz. Foram testadas 27 imagens inéditas, com desempenho satisfatório nas detecções, especialmente em ambientes com baixa luminosidade e ruído. Além disso, o modelo foi avaliado em diferentes ciclos de treinamento (50 a 300 épocas), apresentando estabilidade das métricas e boa capacidade de generalização.
Os resultados obtidos validam a qualidade e aplicabilidade do banco de dados proposto, demonstrando seu potencial como base de referência para o desenvolvimento de soluções de visão computacional voltadas à inspeção subaquática assistida por inteligência artificial.