2026-03-132026-03-132026-02-27SOUZA, Jhonatan Oliveira de. Estudo empírico de técnicas de aprendizagem de máquina na classificação e identificação de imagens de depressões em vias rodoviárias. Orientador: Otávio Noura Teixeira; Coorientadora: Ingrid Nery Mendes 2026. [16] f. Trabalho de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2026. Disponível em: https://bdm.ufpa.br/handle/prefix/9344. Acesso em:.https://bdm.ufpa.br/handle/prefix/9344This study presents an experimental comparative evaluation of machine learning techniques applied to the classification of road images with and without potholes. The algorithms K-Nearest Neighbors (KNN), Support Vector Machines (SVM), and Convolutional Neural Networks (CNN) were analyzed under the same standardized Dataset and experimental protocol. Each model was executed 50 times using different random seeds to ensure statistical robustness. Performance was assessed using Accuracy, Precision, Recall, and F1-Score metrics, along with computational cost analysis. The results indicate superior performance and greater stability of traditional classifiers (KNN and SVM) compared to CNN in the evaluated scenario, highlighting the impact of Dataset size and model complexity on learning effectiveness.Acesso AbertoAprendizado de máquinaVisão computacionalPavimentação asfálticaCNPQ::ENGENHARIASCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOTrabalho de Curso - Graduação - ArtigoAttribution-NonCommercial-NoDerivs 3.0 Brazil