Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/37283
Title: | Desenvolvimento de um sistema de classificação de peças em ambiente industrial utilizando visão computacional e a arquitetura YOLO. |
Other Titles: | Development of a parts classification system in an industrial environment using computer vision and the YOLO architecture. |
???metadata.dc.creator???: | PEREIRA, Lucas Dantas. |
???metadata.dc.contributor.advisor1???: | BARROS, Péricles Rezende. |
???metadata.dc.contributor.referee1???: | LIMA, Rafael Bezerra Correia. |
Keywords: | Visão Computacional;YOLO;Redes Neurais Convolucionais;Detecção de Objetos;Sensores;Ambiente Industrial;Python;Aprendizado de Máquina;Algoritmos de Detecção;Processamento de Imagens;Automação Industrial;Análise de Imagens;Inteligência Artificial;Transferência de Conhecimento;Redes Neurais Profundas;Computer Vision;Convolutional Neural Networks;Object Detection;Sensors;Industrial Environment;Machine Learning;Detection Algorithms;Image Processing;Industrial Automation;Image Analysis;Artificial Intelligence;Knowledge Transfer;Deep Neural Networks |
Issue Date: | 5-Jun-2024 |
Publisher: | Universidade Federal de Campina Grande |
Citation: | PEREIRA, Lucas Dantas. Desenvolvimento de um sistema de classificação de peças em ambiente industrial utilizando visão computacional e a arquitetura YOLO. 40 f. Monografia (Bacharelado em Engenharia Elétrica) - Universidade Federal de Campina Grande, Centro de Engenharia Elétrica e Informática, Campina Grande, Paraíba, Brasil, 2024. Disponível em: |
???metadata.dc.description.resumo???: | O presente trabalho tem como objetivo fornecer uma alternativa para a detec-ção de peças, substituindo os sensores convencionais e, em algumas situações, oferecendo uma solução viável quando os sensores tradicionais não são eficientes. Para alcançar esse objetivo, o estudo foi desenvolvido com base no Sistema Modular de Produção, que simula um ambiente industrial em escala laboratorial. Utilizou-se o modelo de rede neural pré-treinado YOLO (You Only Look Once) para a identificação das peças, ajustando-o especificamente para essa tarefa. A implementação do algoritmo foi realizada em Python, devido à sua ampla gama de bibliotecas de aprendizado de máquina e facilidade de integração com ferramentas de visão computacional. A rede neural convolucional profunda demonstrou uma precisão de 98,9%, recall de 100% e F1-score de 99,3%, indicando um desempenho promissor do modelo. |
Abstract: | This work aims to provide an alternative for part detection, replacing conventio-nal sensors and, in some situations, offering a viable solution when traditional sensors are not efficient. To achieve this goal, the study was developed based on the Modular Production System, which simulates an industrial environment on a laboratory scale. The pre-trained neural network model YOLO (You Only Look Once) was used to identify the parts, adjusting it specifically for this task. The implementation of the algorithm was carried out in Python, due to its wide range of machine learning libraries and ease of integration with computer vision tools. The deep convolutional neural network demonstrated an accuracy of 98.9%, recall of 100% and F1-score of 99.3%, indicating a promising performance of the model. |
Keywords: | Visão Computacional YOLO Redes Neurais Convolucionais Detecção de Objetos Sensores Ambiente Industrial Python Aprendizado de Máquina Algoritmos de Detecção Processamento de Imagens Automação Industrial Análise de Imagens Inteligência Artificial Transferência de Conhecimento Redes Neurais Profundas Computer Vision Convolutional Neural Networks Object Detection Sensors Industrial Environment Machine Learning Detection Algorithms Image Processing Industrial Automation Image Analysis Artificial Intelligence Knowledge Transfer Deep Neural Networks |
???metadata.dc.subject.cnpq???: | Engenharia Elétrica |
URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/37283 |
Appears in Collections: | Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
LUCAS DANTAS PEREIRA-MONOGRAFIA-CEEI-ENGENHARIA ELÉTRICA (2024).pdf | 3.4 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.