Automatização do controlo da presença de identificação numérica em peças de apoio da cambota
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10773/40316 |
Resumo: | O surgimento da Industria 4.0 tem levado à automação de práticas industriais via inteligência artificial, robótica e Internet das Coisas, resultando em sistemas industriais mais autónomos e independentes. A Renault Cacia encontra-se numa fase de transformação digital, o que inspirou o tema deste estágio, focado nas peças de apoio da cambota de um motor de combustão interna. Estas peças encontram-se numeradas de 1 a 5 ou 1 a 4 consoante se trate do modelo H5 ou H4 respetivamente. No final da linha de produção, as peças estão separadas em conjuntos e são colocadas pelo operador dentro do contentor com uma ordem e uma orientação específicas. Atualmente não existe nenhum controlo automático para inspecionar as peças colocadas no contentor, pelo que este controlo é feito pelo operador. Posto isto, pretende-se desenvolver um sistema automático para verificação da conformidade dos conjuntos armazenados no contentor. Neste trabalho, foi criada uma prova de conceito para a deteção dos números gravados nas peças de um conjunto e verificação da ordem e orientação das peças. De modo a detetar os números gravados nas peças foi usado um sistema de deteção de objetos criado com recurso ao algoritmo YOLO (You Only Look Once). Foram desenvolvidos dois modelos distintos, um para a deteção do conjunto e o outro para deteção dos números. Foi criado também um servidor Flask para envio dos dados de deteção para uma base de dados PostgreSQL e visualização numa interface gráfica HTML. O modelos obtidos apresentam ambos um mAP (mean Average Precision) de 100%, o que pode ter acontecido devido ao uso de um dataset com pouca variação nas imagens. |
id |
RCAP_4d201d7e68ba727749a90bade5e1ecfa |
---|---|
oai_identifier_str |
oai:ria.ua.pt:10773/40316 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambotaVisão por computadorMachine learningDeep learningDeteção de objetosRedes neuronais concolucionaisYoloO surgimento da Industria 4.0 tem levado à automação de práticas industriais via inteligência artificial, robótica e Internet das Coisas, resultando em sistemas industriais mais autónomos e independentes. A Renault Cacia encontra-se numa fase de transformação digital, o que inspirou o tema deste estágio, focado nas peças de apoio da cambota de um motor de combustão interna. Estas peças encontram-se numeradas de 1 a 5 ou 1 a 4 consoante se trate do modelo H5 ou H4 respetivamente. No final da linha de produção, as peças estão separadas em conjuntos e são colocadas pelo operador dentro do contentor com uma ordem e uma orientação específicas. Atualmente não existe nenhum controlo automático para inspecionar as peças colocadas no contentor, pelo que este controlo é feito pelo operador. Posto isto, pretende-se desenvolver um sistema automático para verificação da conformidade dos conjuntos armazenados no contentor. Neste trabalho, foi criada uma prova de conceito para a deteção dos números gravados nas peças de um conjunto e verificação da ordem e orientação das peças. De modo a detetar os números gravados nas peças foi usado um sistema de deteção de objetos criado com recurso ao algoritmo YOLO (You Only Look Once). Foram desenvolvidos dois modelos distintos, um para a deteção do conjunto e o outro para deteção dos números. Foi criado também um servidor Flask para envio dos dados de deteção para uma base de dados PostgreSQL e visualização numa interface gráfica HTML. O modelos obtidos apresentam ambos um mAP (mean Average Precision) de 100%, o que pode ter acontecido devido ao uso de um dataset com pouca variação nas imagens.The emergence of Industry 4.0 has led to the automation of industrial practices via artificial intelligence, robotics and the Internet of Things, resulting in more autonomous and independent industrial systems. Renault Cacia is in a phase of digital transformation, which inspired the theme of this internship, focused on the support parts of the crankshaft of an internal combustion engine. These parts are numbered from 1 to 5 or 1 to 4 depending on whether they are the H5 or H4 model respectively. At the end of the production line, the parts are separated into sets and placed by the operator into the container in a specific order and orientation. There is currently no automatic control to inspect the parts placed in the container, so this control is done by the operator. With this in mind, the aim is to develop an automatic system to check the conformity of the sets stored in the container. In this work, a proof of concept was created for detecting the numbers engraved on the parts of a set and checking the order and orientation of the parts. In order to detect the numbers engraved on the pieces, an object detection system was created using the YOLO (You Only Look Once) algorithm. Two different models were developed, one for detecting the set and the other for detecting the numbers. A Flask server was also created to send the detection data to a PostgreSQL database and display it in an HTML graphic interface. The models obtained both a mAP (mean Average Precision) of 100%, which may have been due to the use of a dataset with little variation in the images.2024-01-29T10:29:57Z2023-12-14T00:00:00Z2023-12-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/40316porDias, Ricardo Manuel 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:RCAAP2024-02-22T12:19:01Zoai:ria.ua.pt:10773/40316Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:10:23.431415Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
title |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
spellingShingle |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota Dias, Ricardo Manuel Silva Visão por computador Machine learning Deep learning Deteção de objetos Redes neuronais concolucionais Yolo |
title_short |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
title_full |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
title_fullStr |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
title_full_unstemmed |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
title_sort |
Automatização do controlo da presença de identificação numérica em peças de apoio da cambota |
author |
Dias, Ricardo Manuel Silva |
author_facet |
Dias, Ricardo Manuel Silva |
author_role |
author |
dc.contributor.author.fl_str_mv |
Dias, Ricardo Manuel Silva |
dc.subject.por.fl_str_mv |
Visão por computador Machine learning Deep learning Deteção de objetos Redes neuronais concolucionais Yolo |
topic |
Visão por computador Machine learning Deep learning Deteção de objetos Redes neuronais concolucionais Yolo |
description |
O surgimento da Industria 4.0 tem levado à automação de práticas industriais via inteligência artificial, robótica e Internet das Coisas, resultando em sistemas industriais mais autónomos e independentes. A Renault Cacia encontra-se numa fase de transformação digital, o que inspirou o tema deste estágio, focado nas peças de apoio da cambota de um motor de combustão interna. Estas peças encontram-se numeradas de 1 a 5 ou 1 a 4 consoante se trate do modelo H5 ou H4 respetivamente. No final da linha de produção, as peças estão separadas em conjuntos e são colocadas pelo operador dentro do contentor com uma ordem e uma orientação específicas. Atualmente não existe nenhum controlo automático para inspecionar as peças colocadas no contentor, pelo que este controlo é feito pelo operador. Posto isto, pretende-se desenvolver um sistema automático para verificação da conformidade dos conjuntos armazenados no contentor. Neste trabalho, foi criada uma prova de conceito para a deteção dos números gravados nas peças de um conjunto e verificação da ordem e orientação das peças. De modo a detetar os números gravados nas peças foi usado um sistema de deteção de objetos criado com recurso ao algoritmo YOLO (You Only Look Once). Foram desenvolvidos dois modelos distintos, um para a deteção do conjunto e o outro para deteção dos números. Foi criado também um servidor Flask para envio dos dados de deteção para uma base de dados PostgreSQL e visualização numa interface gráfica HTML. O modelos obtidos apresentam ambos um mAP (mean Average Precision) de 100%, o que pode ter acontecido devido ao uso de um dataset com pouca variação nas imagens. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-14T00:00:00Z 2023-12-14 2024-01-29T10:29:57Z |
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/10773/40316 |
url |
http://hdl.handle.net/10773/40316 |
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 |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137754620100608 |