Classificação de Scrap de Capply com recurso a metodologias Deep Learning

• Autor(a) principal: Castro, Filipe Manuel Pereira
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/20872
• topic: Controlo de Qualidade; Inteligência Artificial; Machine Learning; Deep Learning; Visão Computacional; Indústria 4.0; Classificação; CNN; Quality Control; Artificial Intelligence; Computer Vision; Industry 4.0; Classification

A nível industrial, o processo de controlo de qualidade de produtos é realizado com diferentes técnicas e especificações, adequadas a cada processo. No entanto, por vezes, as técnicas utilizadas têm falhas que se traduzem num prejuízo para as empresas. Os avanços tecnológicos seguem num ritmo acelerado e o mercado tem vindo a absorver as inovações nos seus mais diversos setores. Numa procura pela transformação digital, as empresas passaram a investir mais em soluções que gerem um diferencial competitivo frente à concorrência. Nesse sentido, o conceito de Inteligência Artificial (IA) ganhou bastante importância. Nos últimos anos temos assistido a uma adoção acelerada do Machine Learning (ML) como parte integrante da Indústria 4.0, na qual a digitalização está refazendo a indústria. Essa última onda de iniciativas é marcada pela introdução de sistemas inteligentes e autónomos, alimentados por grandes quantidades de dados e por Deep Learning (DL). Uma poderosa geração de IA que promove a inspeção de qualidade no chão de fábrica. Este trabalho visa investigar e implementar técnicas supervisionadas de Deep Learning, aliadas à visão computacional, para a implementação de um sistema de classificação automático de imperfeições de Capply. Para esse efeito, inicialmente, foi realizada uma revisão bibliográfica sobre o estado da arte, passando de seguida à implementação e comparação do desempenho de várias arquiteturas utilizando as métricas adequadas. Para a execução desta tarefa foi necessário recolher e fazer um pré-processamento dos dados (imagens de bobines de capply). Foi ainda, desenvolvida uma aplicação Web que permite testar e avaliar os resultados e por último, foi também desenvolvido e implementado um sistema de classificação em contexto real. Resumidamente, os resultados deste trabalho demonstraram o grande potencial das metodologias de Deep Learning aplicadas ao controlo de qualidade na indústria.