Neste artigo avaliado o potencial de Redes Neurais Convolucionais (RNC) como ferramenta automatizada para deteco de trincas em superfcies de pavimentos. Foram utilizadas fotografias da superfcie de diferentes segmentos de um pavimento do tipo Cheapseal, obtidas a partir de cmeras fotogrficas montadas em veculos. As imagens foram avaliadas a partir da proposta do uso de duas arquiteturas de redes neurais convolutionais e implementadas com o auxlio da biblioteca de aprendizado de mquina PyTorch, o qual possui cdigo aberto e disponvel na forma de script em linguagem Python. As imagens foram processadas com o uso de trs tcnicas diferentes, com o intuito de avaliar a influncia da complexidade dos algoritmos propostos. Para anlise da performance da rede neural, foram utilizadas como mtricas de avaliao a acurcia, a preciso, o recall e o F1 score. Os resultados apontaram que a arquitetura da rede neural escolhida apresentou desempenho satisfatrio na deteco de trincas, bem como indicam que a complexidade da rede um dos fatores a ser considerado durante o processo de classificao das imagens.
