Com o desenvolvimento dos carros auto ́nomos, o conceito dos carros auto ́nomos partilha- dos Shared Autonomous Vehicles (SAV) ganha uma grande relevaˆncia uma vez que possibilitam o transporte de uma forma fa ́cil, ra ́pida e econo ́mica. Para garantir que os SAV fornec ̧am todas as condic ̧o ̃es necessa ́rias para ser usados pelos utilizadores, e ́ necessa ́rio um sistema de monitorizac ̧a ̃o para averiguar o estado do interior do carro, nomeadamente para verificar a presenc ̧a de danos, sujidade ou manchas. Para a detec ̧a ̃o destas anomalias, me ́todos de computer vision podem ser desenvolvidos para detetar estas anomalias em imagens no interior de um ve ́ıculo.

Com o ra ́pido desenvolvimento da tecnologia no sector da conduc ̧a ̃o auto ́noma, a forma como atualmente conhecemos e interpretamos os meios de transporte pode mudar radical- mente. Segundo o Fagnant and Kockelman (2018), esta tecnologia deve estar comercialmente desenvolvida ate ́ ao fim da de ́cada. As vantagens que este transporte pode trazer parecem ser muitas, tal como, uma maior seguranc ̧a e um menor impacto ambiental segundo refere Littman and Paluck (2015). Em contra partida, na ̃o se pode desvalorizar o caminho que existe ate ́ este meio de transporte estar efectivamente concretizado.

Tettamanti et al. (2016), argumenta que o per ́ıodo de transic ̧a ̃o, no qual coexistem ve ́ıculos auto ́nomos e ve ́ıculos convencionais, e ́ bastante complexo, porque a gesta ̃o de comporta- mentos de navegac ̧a ̃o precisos, atrave ́s de computadores contra comportamentos irracionais, atrave ́s da conduc ̧a ̃o humana como se conhece hoje em dia, pode se tornar um grande problema por exemplo, na gesta ̃o do tra ́fego. Krueger et al. (2016) argumenta que tanto estudantes acade ́micos como profissionais declaram que a introduc ̧a ̃o de ve ́ıculos auto ́nomos compartilhados e ́ uma boa abordagem para que esta tecnologia ganhe popularidade, pois assim, e ́ poss ́ıvel fornecer a um alargado nu ́mero de pessoas mobilidade deste n ́ıvel a baixo prec ̧o. Estes servic ̧os ja ́ esta ̃o a ser pensados a' muito tempo, o que se retrata numa evoluc ̧a ̃o da sua designac ̧a ̃o, comec ̧ando por, robotaxis, self-driving taxis Fagnant and Kockelman (2015), aTaxis, por u ́ltimo o termo SAV e ́ a designac ̧a ̃o usada hoje em dia e que esta ́ em grande emersa ̃o, dada por Fagnant and Kockelman (2014).

Os servic ̧os SAV, permitem que o consumidor aceda a um conjunto de ve ́ıculos auto ́nomos pertencentes a um proprieta ́rio em troca de uma taxa de uso Cohen and Kietzmann (2014). Por exemplo Volkswagen e a Ford pretendem lanc ̧ar esse servic ̧o ate ́ 2021 segundo Fagnant

ii

and Kockelman (2014). A ideia e ́ aceder a estes servic ̧os atrave ́s de aplicac ̧o ̃es de telemo ́vel, em vez de ter que procurar ou caminhar longas distaˆncias ate ́ um ve ́ıculo dispon ́ıvel. Presume-se que estes SAV sejam totalmente auto ́nomos, sem necessidade de intervenc ̧a ̃o humana.

Este novo conceito de mobilidade origina um novo paradigma no fator humano. A auseˆncia de condutor no veiculo restringe a seguranc ̧a do mesmo e dos passageiros. Dessa forma surge a necessidade de desenvolver sistemas avanc ̧ados de monitorizac ̧a ̃o do interior do veiculo, podendo assim garantir a sua seguranc ̧a e a dos passageiros. Relativamente a' seguranc ̧a do veiculo, podem ser desenvolvidos sistemas de detec ̧a ̃o de danos e sujidade, garantindo assim a seguranc ̧a do veiculo bem como a qualidade do servic ̧o prestado.

Os trabalhos desenvolvidos nesta a ́rea possuem va ́rios objetivos, tais como: detec ̧a ̃o de danos em variados ambientes e nos mais diversos materiais, atrave ́s das mais diversas abordagens. O estudo que se tornou relevante para o desenvolvimento deste documento incidiu sobre detec ̧a ̃o de danos em tecido, classificac ̧a ̃o destes danos, e alguns destes estudos apresentam ainda, localizac ̧a ̃o espacial destes. Estes estudos ajudam e muito na inspec ̧a ̃o de erros que podem ocorrer em certos produtos, e podem mesmo chegar a substituir a intervenc ̧a ̃o humana neste problema transversal.

No que toca a's poss ́ıveis partes interessadas destaca-se a indu ́stria na generalidade, com foco na indu ́stria que vende produtos finais, como por exemplo industria teˆxtil ou indu ́stria do calc ̧ado. Em que qualquer erro que provoque um dano vis ́ıvel no produto, torna-o inu ́til para venda. Ou enta ̃o em outros casos, faz com que o prec ̧o caia de maneira a que pode ate ́ nem cobrir o valor gasto no material. Isto tudo e ́ um grande motivo de preocupac ̧a ̃o para as industrias, da ́ı a necessidade de estudar e investigar continuamente qual a maneira de corrigir ou prever danos o mais precocemente poss ́ıvel, de forma a se poder remediar o mais cedo poss ́ıvel.

Neste aˆmbito, o principal objetivo da presente tese de mestrado e ́ o desenvolvimento de me ́todos de processamento de imagem (orientados a machine learning) para detetar as anomalias em imagens de diversos sensores, nomeadamente em imagens IR e RGB. Para ale ́m da verificac ̧a ̃o das condic ̧o ̃es no interior do SAV, a detec ̧a ̃o deste tipo de anomalias pode ser tambe ́m utilizada para atestar responsabilidades no caso de um utilizador danificar o carro bem como para dar a informac ̧a ̃o que e ́ necessa ́rio atuar para tornar o SAV pass ́ıvel de ser novamente utilizado.