RESUMO Este trabalho se insere no contexto de análise de imagens, visando a extração automática de informações complexas com alta precisão. Este estudo teve como objetivo avaliar o desempenho de redes neurais convolucionais na classificação de imagens de concreto em duas classes: (a) não fissuradas e (b) fissuradas. Para tanto, foram empregadas as redes profundas VGG16, VGG19 e ResNet50 com aprendizagem por transferência por meio de ajuste fino. As redes foram treinadas novamente e testadas usando um banco de dados de 40.000 imagens. Após o treinamento, as redes foram testadas, alcançando uma precisão impressionante entre 99,27% e 99,78%. Este alto nível de precisão inspira confiança no uso destes modelos preditivos. Para avaliar a robustez dos modelos, foram gerados gradientes visuais dos pontos focais de atenção das redes nas imagens, mostrando que os modelos focam e capturam aspectos das fotos que realmente caracterizam as fissuras. Com base nos resultados, pode-se concluir que as redes neurais convolucionais são eficazes na classificação de problemas envolvendo concreto e podem ser aplicadas em inspeções precisas para auxiliar engenheiros com alta confiabilidade quanto aos resultados. classes (a b (b tanto VGG16 VGG VGG1 ResNet ResNet5 fino 40000 40 000 40.00 treinamento 9927 99 27 99,27 9978 78 99,78% preditivos fissuras resultados podese pode 4000 4 00 40.0 992 9 2 99,2 997 7 99,78 400 0 40. 99, 99,7

ABSTRACT This paper is inserted in the context of image analysis, aiming at the automatic extraction of complex information with high precision. This study aimed to evaluate the performance of convolutional neural networks in classifying concrete images into two classes: (a) non-cracked and (b) cracked. For this purpose, VGG16, VGG19, and ResNet50 deep networks were employed with transfer learning through fine-tuning. The networks were re-trained and tested using a database of 40,000 images. After training, the networks were tested, achieving an impressive accuracy between 99.27% and 99.78%. This high accuracy level inspires confidence in using these predictive models. To assess the robustness of the models, visual gradients of the networksʼ attention focal points on the images were generated, showing that the models focus on and capture aspects of the photos that truly characterize the cracks. Based on the results, it can be concluded that convolutional neural networks are effective in classification problems involving concrete and can be applied in accurate inspections to assist engineers with high reliability regarding the results. analysis precision classes (a noncracked non cracked b (b purpose VGG16 VGG VGG19 ResNet ResNet5 finetuning. finetuning fine tuning. tuning fine-tuning retrained re trained 40000 40 000 40,00 training 9927 99 27 99.27 9978 78 99.78% generated cracks results VGG1 4000 4 00 40,0 992 9 2 99.2 997 7 99.78 400 0 40, 99. 99.7

RESUMO Este estudo investiga os saberes históricos propostos no Plano de Formação ou de Curso para a 4ª série do Ensino Médio Técnico Profissionalizante, do ano de 2023, da Escola Família Agrícola de Olivânia-ES. Analisa a noção de consciência histórica a partir das categorias: temporalidade, narrativa e pluralidade histórica. A leitura indiciária do documento curricular revela que, embora o seu conteúdo geral evidencie elementos de uma educação emancipadora, o dispositivo textual referente à disciplina de história apresenta contradições e fragilidades. Assim, a formação do aprendizado histórico e, posteriormente, da consciência histórica, é uma meta a ser alcançada por meio de um trabalho articulado e permanente; enquanto os arranjos curriculares necessitam de constantes reflexões, revisões e reformulações, tomando como referência a realidade dos sujeitos envolvidos no processo, o projeto de nação que se pretende forjar e os conhecimentos historicamente produzidos; estes, ao serem materializados e significados pelos estudantes e pelos professores, permitirão um posicionamento crítico diante da vida e diante do mundo. ª Profissionalizante 2023 OlivâniaES. OlivâniaES Olivânia ES. ES Olivânia-ES categorias temporalidade emancipadora fragilidades Assim posteriormente permanente reflexões reformulações processo produzidos estes professores mundo 202 20 2

ABSTRACT This article investigates the historical knowledge proposed in the Training and/or Course Plan, more specifically for the 4th grade of the Technical Education High School of 2023, at the Família Agrícola de Olivânia School in the state of Espírito Santo, Brazil. It analyzes the notion of historical consciousness based on the categories: temporality, narrative, and Plurality from historical experience. The indicative reading of the curriculum document reveals that, although its overall content shows elements pointing towards an emancipatory education, the textual device concerning the History discipline reveals contradictions and weaknesses. Thus, the formation of historical learning and, subsequently, of the historical consciousness is a goal to be achieved through articulated and ongoing work, and curriculum arrangements require constant reflection, revision, and reformulation, taking into account the reality of the individuals involved in the process, the nation project that is intended to forged and the historically produced knowledge, which, when materialized and given meaning by students and teachers, will allow a critical stance towards life and the world. andor or Plan th 2023 Santo Brazil categories temporality narrative experience education weaknesses Thus subsequently work reflection revision reformulation process which teachers world 202 20 2