Melhoria da Segmentação de Imagens em Condições Adversas no Monitoramento de Infraestrutura Costeira

• Pedro V. Rubinstein UFRJ http://orcid.org/0009-0008-4376-383X
• Ricardo L. Kauer UFRJ http://orcid.org/0009-0002-4289-2345
• Alexandre G. Cardeman COR
• Marcelo Abelheira COR
• Pedro Cruz UFRJ https://orcid.org/0000-0002-2019-133X
• Rodrigo S. Couto UFRJ https://orcid.org/0000-0002-6921-7756
• Luís Henrique M. K. Costa UFRJ https://orcid.org/0000-0002-7789-3359

DOI: https://doi.org/10.5753/courb.2025.9518

Resumo

Cidades inteligentes dependem cada vez mais de soluções baseadas em inteligência artificial. Em áreas costeiras, como o Rio de Janeiro, riscos marítimos são críticos, exemplificados pelo colapso da Ciclovia Tim Maia em 2016. Este artigo propõe um método para monitorar a infraestrutura costeira usando um modelo de segmentação baseado no YOLO, reduzindo a necessidade de supervisão humana. No entanto, o posicionamento externo das câmeras traz desafios, dificultando a segmentação. Investigamos os efeitos de técnicas de aumento de dados no desempenho do modelo de IA. Como caso de estudo, aplica-se o método para desenvolver um sistema para monitorar a Ciclovia Tim Maia, com modelos alcançando 98% de mAP50-95 ao longo do dia inteiro.

Palavras-chave: Cidades Inteligentes, Computação Urbana para Proteção e Segurança Pública, Detecção de Anomalias e Descoberta de Eventos em Áreas Urbanas, Proteção do Meio Ambiente com Computação Urbana

Referências

Alam, M. J., Hasan, M. Z., Rahman, M. M., Rahman, M. A., Sarker, N. H., Azad, S., Islam, T. N., Paul, B., Anjum, T., Halder, B., & Fattah, S. A. (2025). An optimized YOLOv5 based approach for real-time vehicle detection at road intersections using fisheye cameras.

CVAT.ai Corporation. (2023). Computer Vision Annotation Tool (CVAT).

Herath, H., & Mittal, M. (2022). Adoption of artificial intelligence in smart cities: A comprehensive review. International Journal of Information Management Data Insights, 2(1), 100076.

Jocher, G., Qiu, J., & Chaurasia, A. (2023). Ultralytics YOLO.

Kaur, R., Roul, R. K., & Batra, S. (2023). A hybrid deep learning CNN-ELM approach for parking space detection in smart cities. Neural Computing and Applications, 35(18), 13665–13683.

Liu, X. (2024). The application of CNN in smart city management and supervision under the background of smart city. Measurement: Sensors, 33, 101227.

Martinho, L., Neto, O., Calvalcanti, J., Pio, J., & Oliveira, F. (2023). An approach for fish detection in underwater images. In Anais do XVIII Workshop de Visão Computacional (pp. 6–11). Porto Alegre, RS, Brasil: SBC.

Midigudla, R. S., Dichpally, T., Vallabhaneni, U., Wutla, Y., Sundaram, D. M., & Jayachandran, S. (2025). A comparative analysis of deep learning models for waste segregation: YOLOv8, EfficientDet, and Detectron 2. Multimedia Tools and Applications.

Muhadi, N. A., Abdullah, A. F., Bejo, S. K., Mahadi, M. R., & Mijic, A. (2021). Deep learning semantic segmentation for water level estimation using surveillance camera. Applied Sciences, 11(20).

Onufriichuk, O. (2025). Aiogram.

Pachouly, J., Ahirrao, S., Kotecha, K., Selvachandran, G., & Abraham, A. (2022). A systematic literature review on software defect prediction using artificial intelligence: Datasets, data validation methods, approaches, and tools. Engineering Applications of Artificial Intelligence, 111, 104773.

Rio, G. (2016). Parte da ciclovia desaba em São Conrado, zona sul do Rio.

Scardino, G., Scicchitano, G., Chirivì, M., Costa, P. J. M., Luparelli, A., & Mastronuzzi, G. (2022). Convolutional neural network and optical flow for the assessment of wave and tide parameters from video analysis (Leucotea): An innovative tool for coastal monitoring. Remote Sensing, 14(13).

Talaat, F. M., & ZainEldin, H. (2023). An improved fire detection approach based on YOLOv8 for smart cities. Neural Computing and Applications, 35(28), 20939–20954.

Telegram. (2025). Telegram.

Wang, J., & Zhao, H. (2024). Improved YOLOv8 algorithm for water surface object detection. Sensors, 24(15).

Yuldashev, Y., Mukhiddinov, M., Abdusalomov, A. B., Nasimov, R., & Cho, J. (2023). Parking lot occupancy detection with improved MobileNetV3. Sensors, 23(17).

Zaib Ullah, F., Al-Turjman, L. M., & Gagliardi, R. (2020). Applications of artificial intelligence and machine learning in smart cities. Computer Communications, 154, 313-323.