Resumo: Os edifícios considerados de relevância histórica são cada dia mais numerosos nas cidades do Brasil e do mundo e os desafios para seu registro, manutenção, preservação e restauro são complexos, exigindo o emprego de novas tecnologias para alcançar maior rapidez e eficiência. A plataforma HBIM (modelagem da informação da construção dedicada ao campo do patrimônio arquitetônico histórico) combinada com o levantamento digital do patrimônio utilizando escâner à laser e fotogrametria (com câmeras manuais e/ou embarcadas em aeronaves remotamente pilotadas) são ferramentas inteligentes e precisas para alcançar esse objetivo. O objetivo desta pesquisa é propor um fluxo de trabalho para automatizar o reconhecimento de patologias de alvenaria utilizando aprendizado profundo de máquinas, podendo assim criar o mapa de danos do patrimônio. Para a detecção das patologias foi empregada uma rede convolucional capaz de realizar detecção de objetos, que no caso seriam as diversas patologias encontradas no estudo de caso. A definição e treinamento da Rede Convolucional foi desenvolvida em uma pesquisa paralela na área específica de tecnologia da informação. A metodologia adotada partiu de uma revisão sistemática da literatura para levantamento do estado da arte de automação de levantamentos de patologias e seu mapeamento em sistemas BIM, assim como do levantamento de dados históricos do edifício escolhido como estudo de caso, o Antigo Colégio Jesuíta São Luís em Itu, SP, levantamento da condição as-is deste conjunto edificado empregando-se escaneamento a laser e fotogrametria, e desenvolvimento de uma ferramenta de reconhecimento automatizado das patologias em alvenaria de tijolos de barro artesanais presentes nas fachadas do edifício. Essa ferramenta será muito útil para que os modelos HBIM possam se tornar de fato um gêmeo digital do edifício histórico, contemplando seu estado atual, com as patologias e deformidades decorrentes da sua história, constituindo uma documentação fundamental e necessária para futuros trabalhos de restauro Ver menos

Abstract: Buildings considered to be of historical relevance are becoming more numerous every day in cities in Brazil and around the world and the challenges for their registration, maintenance, preservation and restoration are complex, requiring the use of new technologies to achieve greater speed and efficiency. The HBIM platform (building information modeling dedicated to the field of historical architectural heritage) combined with the digital heritage survey using laser scanning and photogrammetry (with manual cameras and/or onboard remotely piloted aircraft) are intelligent and precise tools to achieve that goal. The objective of this research is to propose a workflow to automate the recognition of masonry pathologies using deep machine learning, thus being able to create the heritage damage map. For the detection of pathologies, a convolutional network capable of performing object detection was used, which in this case would be the different pathologies found in the case study. The definition and training of the Convolutional Network was developed in a parallel research in the specific area of information technology. The methodology adopted was based on a systematic review of the literature to survey the state of the art of pathology survey automation and its mapping in BIM systems, as well as the survey of historical data of the building chosen as a case study, the Antigo Colégio Jesuíta São Luís in Itu, SP, survey of the as-is condition of this building using laser scanning and photogrammetry, and development of a tool for automated recognition of pathologies in masonry of handmade clay bricks present on the facades of the building. This tool will be very useful so that the HBIM models can in fact become a digital twin of the historic building, contemplating its current state, with the pathologies and deformities resulting from its history, constituting a fundamental and necessary documentation for future restoration works Ver menos