Detalhes bibliográficos
| Ano de defesa: |
2025 |
| Autor(a) principal: |
Diógenes Neto, Paulo César Holanda |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/591391
|
Resumo: |
As transformações e evoluções oriundas da inserção tecnológica da Indústria 4.0, nos meios de produção em indústrias globais, representam um novo marco histórico da sociedade. A nova era industrial tem por objetivo flexibilizar a produção e transformar sistemas produtivos simples em colaborativos, além de trazer um conjunto de mudanças em diversos âmbitos e em suas relações com os stakeholders. O presente trabalho estuda o uso de redes neurais convolucionais (CNNs) na classificação de objetos em um ambiente industrial, contribuindo para a evolução dos processos na Indústria 4.0. Foram usados alguns conjuntos de dados, compostos por imagens capturadas pelo autor e imagens retiradas da internet, para treinar diferentes arquiteturas de CNNs, incluindo VGG16, EfficientNet-B4, ResNet50, Inception V3 e Xception. Para melhorar a precisão e a generalização dos modelos, foram aplicadas técnicas de data augmentation. O desenvolvimento do projeto envolveu uma interface de usuário em C#, permitindo a integração com câmeras IP e uma API desenvolvida em Python. Os resultados demonstraram que o uso das CNNs proporcionou uma alta taxa de acurácia na classificação dos objetos, destacando a eficácia das técnicas aplicadas. Além disso, o sistema proposto mostrou-se viável para uso em ambientes industriais simulados, como demonstrado pela integração bem-sucedida com o Totally Integrated Automation, mais conhecido como TIA, Factory I/O e as demais interfaces. O trabalho contribui significativamente para a Indústria 4.0 ao aumentar a eficiência e a precisão dos processos de manufatura através do uso de redes neurais e visão computacional. Os resultados apontam para futuras melhorias nos modelos e na velocidade de processamento, sugerindo áreas para pesquisas adicionais e aplicações mais abrangentes. Palavras-chaves: visão computacional, redes neurais convolucionais, indústria 4.0 |
