Detecção e Classificação Automática de Interferências no Subsolo com GPR Utilizando Redes Neurais Artificiais: Estudo no SCGR do IAG/USP

Esta pesquisa foi uma continuidade dos estudos que estão sendo desenvolvidos no âmbito do Projeto de Pesquisa, já concluído, e apoiados pela FAPESP intitulado “Caracterização geofísica de alvos rasos com aplicações no planejamento urbano, meio ambiente e arqueologia: estudo sobre o sítio controlado do IAG/USP”. A presente pesquisa visa aprimorar a detecção de alvos no subsolo, determinando o tipo de material, a fim de reduzir as ambiguidades na interpretação geofísica de duas importantes famílias de alvos encontrados no ambiente urbano: os alvos resistores (manilhas de concreto, tubos e tambores de plástico) e os alvos condutores (tambores e tubulações metálicas). Esses alvos foram estudados em um ambiente controlado, no SCGR – Sítio Controlado de Geofísica Rasa do IAG/USP, através do uso do método GPR – Ground Penetrating Radar onde foram realizados perfis 2D sobre as linhas contendo estes alvos. Sobre esses dados foi aplicado um algoritmo, desenvolvido nesta pesquisa, que utilizando Redes Neurais Artificiais (RNAs) detectou automaticamente os alvos segundo os tipos de materiais encontrados em subsuperfície. A princípio foram determinadas as características utilizadas como parâmetros de entrada do algoritmo de RNAs, usando todos os alvos do SCGR (plásticos, metálicos e de concreto). Em seguida, tais características foram aplicadas no reconhecimento e classificação das difrações hiperbólicas. O algoritmo de treinamento baseia-se no aprendizado supervisionado por correção de erros ou backpropagation. Após a verificação dos resultados sob condições controladas, a rotina de RNA foi utilizada para reconhecer e classificar hipérboles em uma situação real de campo, em locais que existam alvos de plástico, metal ou concreto, sendo que estes estudos foram feitos dentro do campus da USP em São Paulo e em Pirassununga. Os resultados obtidos, em condições controladas e não controladas, apresentaram um acerto na classificação dos alvos de aproximadamente 80% e contribuíram na melhoria da interpretação de dados geofísicos e terão aplicações diretas nas áreas de planejamento urbano, infraestrutura e estudos ambientais em áreas urbanas.