ISSN 2594-5327
79º Congresso Anual da ABM - Internacional — Vol. 79 , num. 79 (2026)
Título
Autoria
DOI
Downloads
Resumo
A avaliação de patologias em materiais cimentícios tem sido progressivamente aprimorada por técnicas de visão computacional, processamento digital de imagens e aprendizado de máquina. Entre essas patologias, a carbonatação destaca-se por reduzir a alcalinidade da matriz cimentícia e comprometer a passivação das armaduras, sendo tradicionalmente analisada por leitura visual após aplicação de fenolftaleína. Este artigo apresenta uma revisão bibliográfica narrativa sobre métodos computacionais aplicados à detecção, classificação, segmentação e quantificação da carbonatação em materiais cimentícios. A seleção dos estudos ocorreu de forma intencional e crítica, a partir de um corpus-base fornecido pelos autores e de referências complementares relacionadas ao tema. Foram discutidas abordagens clássicas, baseadas em canais de cor, limiarização e morfologia matemática, além de métodos recentes fundamentados em redes neurais convolucionais, Mask R-CNN, clustering, superpixels e análise multimodal. Os estudos analisados indicam que a visão computacional pode reduzir a subjetividade das interpretações visuais, aumentar a rastreabilidade dos ensaios e permitir avaliações mais padronizadas. Entretanto, persistem desafios relacionados à escassez de bases públicas, à ausência de métricas padronizadas e à limitada validação em condições reais de campo.
The assessment of pathologies in cementitious materials has been progressively improved through computer vision, digital image processing, and machine learning techniques. Among these pathologies, carbonation stands out due to its ability to reduce the alkalinity of the cementitious matrix and compromise the passivation of steel reinforcement, traditionally being evaluated through visual inspection after phenolphthalein application. This article presents a narrative literature review on computational methods applied to the detection, classification, segmentation, and quantification of carbonation in cementitious materials. The studies were selected through an intentional and critical approach based on a core corpus provided by the authors and complementary references related to the topic. Classical approaches based on color channels, thresholding, and mathematical morphology were discussed, as well as recent methods supported by convolutional neural networks, Mask R-CNN, clustering, superpixels, and multimodal analysis. The analyzed studies indicate that computer vision can reduce the subjectivity of visual interpretations, improve test traceability, and enable more standardized assessments. However, challenges remain regarding the scarcity of public databases, the lack of standardized metrics, and the limited validation under real field conditions..
Palavras-chave
Visão Computacional, Materiais Cimentícios, Carbonatação, Fenolftaleína
Computer Vision, Cementitious Materials, Carbonation, Phenolphthalein
Como citar
Pereira, Rita de Kassia Gonçalves; Pereira, Iully da Silva Amaral; Cabral, Juam Carlos Pierott; Pierott, Rodrigo Moulin Ribeiro; Azevedo, Afonso Rangel Garcez de; Marvila, Markssuel Teixeira.
Visão computacional aplicada à avaliação de patologias em materiais cimentícios: Uma revisão bibliográfica narrativa com ênfase na carbonatação,
p. 435-446.
In: 79º Congresso Anual da ABM - Internacional,
São Paulo, SP - Brasil,
2026.
ISSN: 2594-5327, DOI 10.5151/2594-5327-43113
