Software 2.0 na classificação de sucata metálica

Detalhes bibliográficos
Autor(a) principal: Robalinho, Manuel Joaquim da Silva
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/11328/2960
Resumo: O software 2.0 e sua abordagem para o processamento de imagens multi-espectrais, ajudando a realizar uma classificação automática de sucata metálica, é o tema desta pesquisa. O uso de ferramentas de Machine Learning e Deep Learning contribuem para o desenvolvimento de sistemas inteligentes, permitindo obter resultados relevantes na classificação de imagens, principalmente de sucatas metálicas. Neste mestrado, os testes serão realizados com uma câmara multi-espectral para obter imagens de alumínio, ferro, cobre, latão, aço inoxidável, simulando um ambiente de sucata metálica. O objetivo é obter a classificação destes metais através do desenvolvimento de software e realizar uma análise multi-espectral das imagens obtidas. Testes preliminares foram feitos em um ambiente controlado, com uma pequena amostra desses materiais. Estudos para implementar um protótipo em uma indústria siderúrgica brasileira se seguirão.
id RCAP_1e6c42fa5b444ce0a4ad1775e7e35b33
oai_identifier_str oai:repositorio.uportu.pt:11328/2960
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str
spelling Software 2.0 na classificação de sucata metálicaSoftware 2.0Scrap metal classificationSpectral imagesSoftware 2.0Scrap metal classificationSpectral imagesO software 2.0 e sua abordagem para o processamento de imagens multi-espectrais, ajudando a realizar uma classificação automática de sucata metálica, é o tema desta pesquisa. O uso de ferramentas de Machine Learning e Deep Learning contribuem para o desenvolvimento de sistemas inteligentes, permitindo obter resultados relevantes na classificação de imagens, principalmente de sucatas metálicas. Neste mestrado, os testes serão realizados com uma câmara multi-espectral para obter imagens de alumínio, ferro, cobre, latão, aço inoxidável, simulando um ambiente de sucata metálica. O objetivo é obter a classificação destes metais através do desenvolvimento de software e realizar uma análise multi-espectral das imagens obtidas. Testes preliminares foram feitos em um ambiente controlado, com uma pequena amostra desses materiais. Estudos para implementar um protótipo em uma indústria siderúrgica brasileira se seguirão.Software 2.0 and its approach to the processing of multi-spectral images helping to perform an automatic classification of metal scrap is the subject of this research. The use of Machine Learning and Deep Learning tools contribute to the development of intelligent systems, allowing to achieve relevant results in the classification of images, particularly of metal scrap. In this Master research, tests will be performed with a multi-spectral chamber to obtain images of aluminum, iron, copper, brass, stainless steel, simulating an environment of metal scrap. The aim is to obtain the classification of these metals through the development of software and to perform a multi-spectral analysis of the obtained images. Preliminary tests were made in a controlled environment, with a small sample of these materials. Studies to implement a prototype in a Brazilian steel industry will follow.2019-12-05T14:56:13Z2019-11-15T00:00:00Z2019-11-152019info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11328/2960TID:202322572porRobalinho, Manuel Joaquim da Silvainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-06-15T02:11:23ZPortal AgregadorONG
dc.title.none.fl_str_mv Software 2.0 na classificação de sucata metálica
title Software 2.0 na classificação de sucata metálica
spellingShingle Software 2.0 na classificação de sucata metálica
Robalinho, Manuel Joaquim da Silva
Software 2.0
Scrap metal classification
Spectral images
Software 2.0
Scrap metal classification
Spectral images
title_short Software 2.0 na classificação de sucata metálica
title_full Software 2.0 na classificação de sucata metálica
title_fullStr Software 2.0 na classificação de sucata metálica
title_full_unstemmed Software 2.0 na classificação de sucata metálica
title_sort Software 2.0 na classificação de sucata metálica
author Robalinho, Manuel Joaquim da Silva
author_facet Robalinho, Manuel Joaquim da Silva
author_role author
dc.contributor.author.fl_str_mv Robalinho, Manuel Joaquim da Silva
dc.subject.por.fl_str_mv Software 2.0
Scrap metal classification
Spectral images
Software 2.0
Scrap metal classification
Spectral images
topic Software 2.0
Scrap metal classification
Spectral images
Software 2.0
Scrap metal classification
Spectral images
description O software 2.0 e sua abordagem para o processamento de imagens multi-espectrais, ajudando a realizar uma classificação automática de sucata metálica, é o tema desta pesquisa. O uso de ferramentas de Machine Learning e Deep Learning contribuem para o desenvolvimento de sistemas inteligentes, permitindo obter resultados relevantes na classificação de imagens, principalmente de sucatas metálicas. Neste mestrado, os testes serão realizados com uma câmara multi-espectral para obter imagens de alumínio, ferro, cobre, latão, aço inoxidável, simulando um ambiente de sucata metálica. O objetivo é obter a classificação destes metais através do desenvolvimento de software e realizar uma análise multi-espectral das imagens obtidas. Testes preliminares foram feitos em um ambiente controlado, com uma pequena amostra desses materiais. Estudos para implementar um protótipo em uma indústria siderúrgica brasileira se seguirão.
publishDate 2019
dc.date.none.fl_str_mv 2019-12-05T14:56:13Z
2019-11-15T00:00:00Z
2019-11-15
2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11328/2960
TID:202322572
url http://hdl.handle.net/11328/2960
identifier_str_mv TID:202322572
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1777302554228555776

Registros relacionados