Classificação e identificação de falhas de produtos em linha produtiva com redes neurais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Outros Autores: | , , |
Tipo de documento: | Artigo de conferência |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do UFSM |
Texto Completo: | http://repositorio.ufsm.br/handle/1/30589 |
Resumo: | A crescente demanda por aplicações de Inteligência Artificial na engenharia está em crescimento constante, viabilizando a resolução de problemas complexos e a execução de tarefas antes consideradas inimagináveis. Nesse contexto, este trabalho apresenta uma metodologia para reconhecimento de imagem baseada em redes neurais para identificação automatizada de objetos danificados em processos industriais, além de classificação pelas categorias quadrado, triângulo ou círculo. O modelo de inteligência artificial alcançou uma acurácia de 95,59%, superando a estimativa para o desempenho humano na tarefa de classificação de imagens, e demonstrando resultados comparáveis ou superiores a trabalhos similares. A utilização de técnicas de pré-processamento e a geração automática de figuras danificadas foram cruciais para aprimorar esse desempenho. Esses resultados enfatizam o potencial do Deep Learning como uma ferramenta poderosa para aprimorar a automação industrial e a qualidade dos produtos. https://doi.org/10.53316/sepoc2023.023 |
id |
UFSM_e9f96983b3164dcad9735aed1c410adc |
---|---|
oai_identifier_str |
oai:repositorio.ufsm.br:1/30589 |
network_acronym_str |
UFSM |
network_name_str |
Biblioteca Digital de Teses e Dissertações do UFSM |
repository_id_str |
|
spelling |
2023-11-21T14:09:14Z2023-11-21T14:09:14Z2023http://repositorio.ufsm.br/handle/1/30589por15TH SEMINAR ON POWER ELECTRONICS AND CONTROL (SEPOC 2023)300400000007600425e6e39-2504-4ce2-b183-11ed9f54ee64f837e521-a140-4f4d-8d1b-8480ce5f53361acb16be-a6e8-42d0-ad9c-a7ac30d0a1f95b268b59-4dd1-47eb-96a9-f012d4682826Inteligência artificialredes neuraisautomação industrialengenharia elétricaCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAClassificação e identificação de falhas de produtos em linha produtiva com redes neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectA crescente demanda por aplicações de Inteligência Artificial na engenharia está em crescimento constante, viabilizando a resolução de problemas complexos e a execução de tarefas antes consideradas inimagináveis. Nesse contexto, este trabalho apresenta uma metodologia para reconhecimento de imagem baseada em redes neurais para identificação automatizada de objetos danificados em processos industriais, além de classificação pelas categorias quadrado, triângulo ou círculo. O modelo de inteligência artificial alcançou uma acurácia de 95,59%, superando a estimativa para o desempenho humano na tarefa de classificação de imagens, e demonstrando resultados comparáveis ou superiores a trabalhos similares. A utilização de técnicas de pré-processamento e a geração automática de figuras danificadas foram cruciais para aprimorar esse desempenho. Esses resultados enfatizam o potencial do Deep Learning como uma ferramenta poderosa para aprimorar a automação industrial e a qualidade dos produtos. https://doi.org/10.53316/sepoc2023.023Silveira, Luan WilligLuz, Paulo César VargasSantos, Laura Lisiane Callai dosNeto, Nelson KnakBrasilinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações do UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSMORIGINALFinal_81.pdfFinal_81.pdfTrabalho Publicado em Eventoapplication/pdf4047955http://repositorio.ufsm.br/bitstream/1/30589/1/Final_81.pdf94f8b66e4345490e289d70289cbbdef9MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81956http://repositorio.ufsm.br/bitstream/1/30589/2/license.txt2f0571ecee68693bd5cd3f17c1e075dfMD521/305892023-11-21 11:09:15.071oai:repositorio.ufsm.br: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 Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/ONGhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.comopendoar:2023-11-21T14:09:15Biblioteca Digital de Teses e Dissertações do UFSM - Universidade Federal de Santa Maria (UFSM)false |
dc.title.por.fl_str_mv |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
title |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
spellingShingle |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais Silveira, Luan Willig Inteligência artificial redes neurais automação industrial engenharia elétrica CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
title_full |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
title_fullStr |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
title_full_unstemmed |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
title_sort |
Classificação e identificação de falhas de produtos em linha produtiva com redes neurais |
author |
Silveira, Luan Willig |
author_facet |
Silveira, Luan Willig Luz, Paulo César Vargas Santos, Laura Lisiane Callai dos Neto, Nelson Knak |
author_role |
author |
author2 |
Luz, Paulo César Vargas Santos, Laura Lisiane Callai dos Neto, Nelson Knak |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Silveira, Luan Willig Luz, Paulo César Vargas Santos, Laura Lisiane Callai dos Neto, Nelson Knak |
dc.subject.por.fl_str_mv |
Inteligência artificial redes neurais automação industrial engenharia elétrica |
topic |
Inteligência artificial redes neurais automação industrial engenharia elétrica CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
A crescente demanda por aplicações de Inteligência Artificial na engenharia está em crescimento constante, viabilizando a resolução de problemas complexos e a execução de tarefas antes consideradas inimagináveis. Nesse contexto, este trabalho apresenta uma metodologia para reconhecimento de imagem baseada em redes neurais para identificação automatizada de objetos danificados em processos industriais, além de classificação pelas categorias quadrado, triângulo ou círculo. O modelo de inteligência artificial alcançou uma acurácia de 95,59%, superando a estimativa para o desempenho humano na tarefa de classificação de imagens, e demonstrando resultados comparáveis ou superiores a trabalhos similares. A utilização de técnicas de pré-processamento e a geração automática de figuras danificadas foram cruciais para aprimorar esse desempenho. Esses resultados enfatizam o potencial do Deep Learning como uma ferramenta poderosa para aprimorar a automação industrial e a qualidade dos produtos. https://doi.org/10.53316/sepoc2023.023 |
publishDate |
2023 |
dc.date.submitted.none.fl_str_mv |
2023 |
dc.date.accessioned.fl_str_mv |
2023-11-21T14:09:14Z |
dc.date.available.fl_str_mv |
2023-11-21T14:09:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/conferenceObject |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositorio.ufsm.br/handle/1/30589 |
url |
http://repositorio.ufsm.br/handle/1/30589 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.cnpq.fl_str_mv |
300400000007 |
dc.relation.confidence.fl_str_mv |
600 |
dc.relation.authority.fl_str_mv |
425e6e39-2504-4ce2-b183-11ed9f54ee64 f837e521-a140-4f4d-8d1b-8480ce5f5336 1acb16be-a6e8-42d0-ad9c-a7ac30d0a1f9 5b268b59-4dd1-47eb-96a9-f012d4682826 |
dc.relation.ispartof.por.fl_str_mv |
15TH SEMINAR ON POWER ELECTRONICS AND CONTROL (SEPOC 2023) |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do UFSM instname:Universidade Federal de Santa Maria (UFSM) instacron:UFSM |
instname_str |
Universidade Federal de Santa Maria (UFSM) |
instacron_str |
UFSM |
institution |
UFSM |
reponame_str |
Biblioteca Digital de Teses e Dissertações do UFSM |
collection |
Biblioteca Digital de Teses e Dissertações do UFSM |
bitstream.url.fl_str_mv |
http://repositorio.ufsm.br/bitstream/1/30589/1/Final_81.pdf http://repositorio.ufsm.br/bitstream/1/30589/2/license.txt |
bitstream.checksum.fl_str_mv |
94f8b66e4345490e289d70289cbbdef9 2f0571ecee68693bd5cd3f17c1e075df |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do UFSM - Universidade Federal de Santa Maria (UFSM) |
repository.mail.fl_str_mv |
atendimento.sib@ufsm.br||tedebc@gmail.com |
_version_ |
1801485182167941120 |