Desenvolvimento de uma inteligência artificial para gestão eficiente do ruído em canteiros de obras: aprimorando a qualidade dos dados ambientais e o modelo de classificação de fontes sonoras

• Processo: 25/07077-6
• Modalidade de apoio: Bolsas no Brasil - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 31 de janeiro de 2026
• Área de conhecimento: Interdisciplinar
• Pesquisador responsável: Carolina Rodrigues Alves Monteiro
• Beneficiário: Carolina Rodrigues Alves Monteiro
• Empresa: OTOH LTDA
• CNAE: Desenvolvimento de programas de computador sob encomenda ; Desenvolvimento e licenciamento de programas de computador não-customizáveis ; Testes e análises técnicas
• Vinculado ao auxílio: 24/18391-0 - Desenvolvimento de uma Inteligência Artificial para Gestão Eficiente do Ruído em Canteiros de Obras: Aprimorando a Qualidade dos Dados Ambientais e o Modelo de Classificação de Fontes Sonoras, AP.PIPE
• Assunto(s): Acústica Construção civil Controle de ruídos Poluição sonora Ruído urbano Canteiro de obras Internet das coisas Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Construção Civil | Gestão de Ruído | Inteligência Artificial (IA) | Internet das Coisas (IoT) | Monitoramento sonoro | Engenharia Acústica e Inteligência Artificial (IA)

Resumo

Atualmente, a OTOH - empresa de monitoramento sonoro com sensoriamento e acesso remoto aos dados - utiliza inteligência artificial (IA) embarcada (edge AI) para identificação de fontes sonoras urbanas. Desenvolvida com redes neurais e base de dados de áudio open source, a IA reconhece alguns aspectos genéricos da paisagem sonora, como tráfego aéreo e terrestre, animais e sons humanos. No entanto, a ausência de contextualização e baixa amostragem de sons de construção civil causa erros nas análises acústicas. Quanto ao acesso aos dados, é preciso aperfeiçoar a forma de interação do usuário para além da visualização convencional de dados (com gráficos e tabelas), acelerando a interpretação dos resultados e viabilizando ações mais assertivas em canteiro de obra em relação à gestão do ruído.Para solucionar esses problemas, propomos otimizar a coleta e classificação de amostras de áudio in loco e o desenvolvimento de um agente de IA generativa que fornecerá sugestões de gerenciamento de ruído (insights). Seu treinamento será feito com informações estáticas relevantes para o contexto (fine-tuning), como legislações que abordam questões sobre ruído ambiental estabelecendo limites de níveis sonoros de acordo com horários e/ou zoneamento urbano, cronograma de obras da construção civil, diretrizes/indicadores relevantes para saúde pública, e terá acesso a informações dinâmicas (RAG) fornecidas em tempo real pelo sistema OTOH IoT.Para alcançar o objetivo, as seguintes ações serão necessárias: ampliar a base de dados de áudio com foco em fontes sonoras de canteiros de obras para melhorar a precisão do modelo de identificação de fontes; sintetizar um conjunto de parâmetros suficientes para contextualizar a paisagem sonora de um canteiro de obra e, com isso, automatizar a coleta de informações relevantes para treinar um modelo LLM e criar agentes especializados por projeto. Ao final do projeto de pesquisa, espera-se que o algoritmo de IA desenvolvido seja capaz de gerar sugestões relevantes para a gestão de ruído em obra, reduzindo assim o impacto da poluição sonora na paisagem urbana.