Sistema de inteligência artificial para identificação de irregularidades em ambientes confinados utilizando robô quadrúpede

O presente Trabalho de Conclusão de Curso propõe o desenvolvimento de um sistema inteligente de inspeção para espaços confinados, baseado em um robô quadrúpede Unitree Go2 Edu U2 equipado com câmera de profundidade Intel RealSense D435i e módulo de processamento NVIDIA Jetson Orin NX 16 GB. A pesquisa visa integrar robótica móvel, visão computacional e inteligência artificial (IA) para automatizar a identificação de anomalias estruturais como fissuras, trincas e corrosões em obras de engenharia e ambientes de risco. O sistema foi desenvolvido com base na documentação oficial do fabricante, envolvendo instalação física e elétrica, configuração de software via SDK e criação de uma interface de controle remoto e visualização em tempo real. As imagens capturadas são processadas localmente por redes neurais do tipo YOLOv8, treinadas com a distribuição Ultralytics e uma base de dados de imagens contendo corrosões e diferentes níveis de ferrugem. Os testes realizados em ambiente controlado demonstraram que o sistema é tecnicamente viável, apresentando média de precisão de aproximadamente 0,82 e latência operacional variando entre 120 e 180 ms, valores compatíveis com o uso em inspeções contínuas. Mesmo com a latência superior à prevista em simulação, o sistema manteve estabilidade, identificando irregularidades com consistência e sem comprometer a operação do robô.