Machine learning aprimora inspeções em superfícies aeronáuticas
São Paulo — InkDesign News —
A utilização de machine learning e inteligência artificial (AI) em inspeções de superfícies de aeronaves está ganhando destaque em pesquisa acadêmica, prometendo aumentar a segurança e reduzir custos. Um projeto em andamento está focado em melhorar a performance das inspeções por meio de técnicas inovadoras.
Contexto da pesquisa
As inspeções de superfícies de aeronaves são essenciais para garantir a segurança e a manutenção adequada. O projeto, liderado pelo professor da Universidade de Gestão de Singapura (SMU), Pang Guansong, aborda os desafios persistentes da detecção de falhas, principalmente em ambientes abertos, utilizando modelos de aprendizado de máquina.
Método proposto
O projeto “Leveraging Foundation Models for Aircraft Surface Inspection in Open Environments” busca desenvolver modelos de aprendizado de máquina, especificamente LLM (Large Language Models), que são adaptados para reconhecer defeitos sem a necessidade de muitos exemplos de falhas prévias. A abordagem consiste em treinar o modelo com bases de dados limitadas e aprimorar sua capacidade de identificar padrões normais comparados a imagens com defeitos.
“As técnicas serão capazes de se adaptar a condições variáveis, como diferentes iluminação ou tipos de câmeras.”
(“The techniques will also be able to adapt to changing conditions, that is, if the inspection conditions change—like different lighting or new camera types—the system adjusts itself so it still works well without retraining everything.”)— Pang Guansong, Professor Assistente, SMU
Resultados e impacto
A pesquisa é dividida em três partes: primeiro, treinar os LLMs para reconhecer falhas ainda não vistas; segundo, entender padrões de imagens normais para evitar falsas classificações; e terceiro, adaptar instantaneamente as imagens às condições de manutenção do ambiente. A esperança é de um impacto significativo na segurança da aviação, com o mercado de inspeção de superfícies aéreas projetado para crescer de US$4 bilhões em 2023 para US$8 bilhões em 2032.
“O foco está em construir modelos que suportem o controle de qualidade não apenas na manutenção de aeronaves, mas em uma ampla gama de outros produtos.”
(“We look forward to building foundation models that can support quality control in not only aircraft maintenance but also a broad range of other objects/materials/products.”)— Pang Guansong, Professor Assistente, SMU
Os próximos passos incluem a integração de diferentes modalidades de entrada nas análises, ampliando ainda mais a acurácia das detecções. As inovações apresentadas neste projeto podem revolucionar práticas de inspeção em uma indústrias vital para a segurança pública.
Fonte: (TechXplore – Machine Learning & AI)
