Inteligência artificial e termografia ativa: a pesquisa da Subiter que conquistou o congresso internacional em Nápoles

A validação da integridade estrutural na indústria aeroespacial exige o nível mais alto de rigor técnico existente no mercado mundial. O uso massivo de materiais compósitos nas aeronaves modernas comerciais, executivas e de defesa, cuja aplicação já ultrapassa 50% da massa estrutural dos aviões, transformou a engenharia diagnóstica. Métodos tradicionais e manuais de inspeção dão lugar a processos automatizados, objetivos e altamente confiáveis.

É exatamente nessa vanguarda que a Subiter consolida sua liderança em termografia ativa no Brasil. Nosso colaborador, o pesquisador Renan Garcia, teve um artigo científico de alto impacto selecionado para a 18ª Conferência de Termografia Infravermelha Quantitativa (QIRT 2026), realizada em Nápoles, na Itália. O trabalho conta com a mentoria e coautoria do professor Henrique Fernandes, palestrante (speaker) no evento internacional e consultor estratégico da Subiter. Essa conquista chancela a nossa missão de valorizar profissionais de ponta e produzir ciência aplicada de nível global.

O desafio dos materiais compósitos avançados na aviação

Fabricar componentes para jatos ou aeronaves militares envolve a consolidação de materiais compósitos de alta performance, como os polímeros reforçados com fibra de carbono (CFRP) curados em autoclave de alta pressão. Embora esses materiais ofereçam excelente relação entre peso e resistência, a análise de sua integridade estrutural interna enfrenta barreiras físicas complexas.

Em ambientes industriais convencionais, as sequências de imagens geradas por ensaios térmicos costumam ser interpretadas de forma manual. Isso torna o processo subjetivo, lento e excessivamente dependente da experiência do inspetor. Além disso, em materiais muito densos e compactados, a difusividade térmica é baixa e a atenuação do sinal é severa. Diferenciar uma variação térmica natural do material de uma descontinuidade real (como uma delaminação ou a inclusão acidental de corpos estranhos durante a fabricação) representa um dos maiores gargalos da Indústria 4.0.

A inovação do artigo: reconhecimento automatizado de defeitos (ADR)

A pesquisa desenvolvida por Renan Garcia e a equipe da Subiter resolve essa dor de mercado de forma definitiva. O estudo desenvolveu um sistema de Reconhecimento Automatizado de Defeitos (ADR, do inglês Automated Defect Recognition) utilizando inteligência artificial de última geração.

O cérebro por trás da esteira diagnóstica baseia-se em uma arquitetura de rede neural convolucional avançada chamada Residual U-Net. Essa rede combina a estrutura simétrica de segmentação de imagem da clássica U-Net com blocos de aprendizado residual. Essa otimização crucial resolve o problema do desvanecimento de gradientes em modelos de Deep Learning, permitindo extrair feições minúsculas e definir as bordas difusas que as assinaturas térmicas de defeitos ocultos costumam apresentar.

[Amostra Aeroespacial] ➔ [Inspeção por Termografia Ativa] ➔ [Processamento via Residual U-Net] ➔ [Ação Automatizada / Laudo de IA]

Metodologia rigorosa e calibração multimodal

Para que o algoritmo de Deep Learning aprendesse com precisão de perito, a Subiter fabricou corpos de prova aeroespaciais (CDPs) sob rígidos padrões internacionais, incluindo as normas técnicas ASTM D3171 (para teor de constituintes) e ASTM D2734 (para determinação de vazios). Foram reproduzidos cenários reais com inclusões de objetos estranhos e rebaixos usinados com precisão milimétrica por controle numérico computadorizado (CNC) em diferentes profundidades. Os testes cobriram arquiteturas de fibra de carbono pura, estruturas híbridas com fibra de vidro e até malhas de cobre voltadas para proteção contra descargas atmosféricas (raios).

O grande diferencial metodológico da pesquisa, que chamou a atenção da banca avaliadora internacional da QIRT, foi a otimização do processo de anotação dos dados de treinamento da IA. Para superar a atenuação do sinal térmico, o contraste de defeitos e a Razão Sinal-Ruído (SNR) foram refinados e calibrados utilizando o ensaio de ultrassom C-scan das mesmas peças como uma linha de base de alta resolução. O modelo foi treinado e validado em um banco de dados especializado com 3.000 imagens termográficas, submetidas a rotações e ajustes industriais simulados via processador NVIDIA Tesla T4.

Resultados surpreendentes e chancela internacional

Os resultados quantitativos obtidos nos testes comprovaram a robustez absoluta do sistema da Subiter frente aos modelos tradicionais de visão computacional de mercado, como a EfficientNet:

• Acurácia Espacial (IoU): O modelo Residual U-Net alcançou um índice de Interseção sobre União (IoU) global de 96,15%, demonstrando precisão cirúrgica na delimitação das bordas dos defeitos ocultos.

• Sensibilidade (Recall): A taxa de detecção atingiu 97,5%, o que significa que o sistema elimina o risco de falsos negativos estruturais e garante que nenhuma falha crítica passe despercebida.

• Consistência em Estruturas Complexas: Em laminados espessos de 22 camadas de fibra de carbono (Série E), a IA manteve uma performance impressionante de 98,06% de IoU e pontuação F1 de 99,02%. Mesmo nas peças híbridas com malha de cobre e fibra de vidro, o índice manteve-se estável em 93,98%.

O resultado prático desse sistema é uma sobreposição visual automática de máscaras digitais (contornos vermelhos) diretamente na sequência de termografia ativa. A inteligência artificial isola com precisão científica as perturbações térmicas provocadas por descontinuidades, ignorando as texturas naturais do próprio material compósito.

Conclusão: a liderança nacional em engenharia diagnóstica

O sucesso do trabalho de Renan Garcia e do professor Henrique Fernandes na Itália reforça que a Subiter não é apenas uma prestadora de serviços, mas uma desenvolvedora de tecnologia pioneira no Brasil. Unir a termografia ativa à inteligência artificial de borda elimina a subjetividade humana da análise técnica , elevando o nível de segurança jurídica e operacional de ativos bilionários dos setores de defesa, aeroespacial e náutico de luxo.

A produção científica contínua e a presença nos maiores congressos globais demonstram que possuímos a equipe técnica mais qualificada do país para transformar dados físicos em decisões estratégicas de alta confiabilidade.

Quer conhecer a tecnologia brasileira que é referência internacional em engenharia estrutural?

Fale com o time de especialistas da Subiter e saiba como aplicar a inteligência de dados à sua operação.

Referências técnicas e normativas da pesquisa (E-E-A-T):

• ASTM D3171-22: Standard Test Methods for Constituent Content of Composite Materials.

• ASTM D2734-16: Standard Test Methods for Void Content of Reinforced Plastics.

• Metodologia Subiter ADR-Composite: Sistema proprietário de segmentação semântica via Residual U-Net para ensaios não destrutivos avançados.

Artigo baseado na publicação oficial aceita para a QIRT 2026 Conference, Nápoles, Itália.