A Transfer Learning Approach for Brake Fluid Leakage Detection in Gondola Wagons
Nome: JORDANA LUCIA REIS
Data de publicação: 27/06/2024
Banca:
Nome |
Papel |
|---|---|
| FLAVIO MIGUEL VAREJAO | Presidente |
| FRANCISCO DE ASSIS BOLDT | Examinador Externo |
| LUIS ANTONIO DE SOUZA JUNIOR | Examinador Interno |
Resumo: Este trabalho apresenta uma abordagem para detecção de vazamentos em fluidos de freios
de vagão gôndola utilizando sinal acústico. Vagões gôndola, também conhecidos como
veículos ferroviários gôndola, carro gôndola e vagão aberto são tipicamente usados para
transporte de carga seca e dependem de sistemas de freios pneumáticos que, por sua
vez, dependem de componentes de ar comprimido para uma frenagem efetiva. O método
proposto aplica transferência de aprendizado profundo para identificar vazamentos de ar
comprimido baseado em emissões sonoras, espelhando o processo desempenhado pelos
profissionais de inspeção de vagão. Os dados para o modelo de treinamento são sinais
acústicos capturados em arquivos waveform durante o procedimento de inspeção de vagões.
No modelo proposto, o arquivo de áudio é processado no domínio tempo-frequência para
obter o espectrograma na escala de melodia. Esses espectrogramas são então utilizados como
dado de entrada para redes neurais convolucionais pré-treinadas, incluindo ResNet50V2,
ResNet152V2, Xception e InceptionResNetV2. Os resultados demonstram performance
consistente, alcançando acurácia acima de 94% e a Xception desempenhando em 96.98%
de acurácia. Esta evidência corrobora a capacidade do modelo de efetivamente identificar
sons associados a vazamento de ar em sistemas de freios de vagões gôndola.
