Classificação e identificação de falhas de produtos em linha produtiva com redes neurais
Visualizar/ Abrir
Autor
Silveira, Luan Willig
Luz, Paulo César Vargas
Santos, Laura Lisiane Callai dos
Neto, Nelson Knak
Metadata
Mostrar registro completoResumo
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