Bolsa 16/23410-8 - Visão computacional, Aprendizado computacional - BV FAPESP
Busca avançada
Ano de início
Entree

Metodologia adaptativa de inspeção visual para sistemas de alto rendimento

Processo: 16/23410-8
Modalidade de apoio:Bolsas no Exterior - Pesquisa
Data de Início da vigência: 15 de fevereiro de 2017
Data de Término da vigência: 14 de fevereiro de 2018
Área de conhecimento:Engenharias - Engenharia Elétrica - Eletrônica Industrial, Sistemas e Controles Eletrônicos
Pesquisador responsável:Carlos de Oliveira Affonso
Beneficiário:Carlos de Oliveira Affonso
Pesquisador Anfitrião: Olli Johannes Silven
Instituição Sede: Universidade Estadual Paulista (UNESP). Campus Experimental de Itapeva. Itapeva , SP, Brasil
Instituição Anfitriã: University of Oulu, Finlândia  
Vinculado ao auxílio:13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria, AP.CEPID
Assunto(s):Visão computacional   Aprendizado computacional   Reconhecimento de padrões
Palavra(s)-Chave do Pesquisador:Agrupamento | Aprendizagem de Maquina | inspeção visual | Reconhecimento de Padrões | Visão Computacional | Visão computacional

Resumo

Aplicações industriais com potencial para agregar valor ao produto final inicialmente motivaram para o desenvolvimento de sistemas de inspeção visual industrial, os quais utilizam metodologias rígidas. Essas soluções funcionam com metas de controle bem definidas e quando as mudanças nos processos de fabricação são conhecidas, como modificações na montagem mecânica. Os desafios de inspeção de materiais naturais, desde a seleção de produtos alimentícios até tábuas de madeira e painéis laminados, tendem a ser muito mais difíceis. As divergências encontradas entre defeitos e material aprovado, bem como as diferenças entre classes de defeitos, podem ser difíceis de detectar e discriminar por inspetores humanos. Muitos materiais fabricados encontram-se entre esses tipos, por exemplo, produtos à base de tecidos, aços, superfícies de estradas, etc., produzidos em fluxo contínuo e supostamente com aparência uniforme ou variações controladas. As metodologias de visão por computador foram desenvolvidas para fornecer modelos bastante ineficazes para resolver esses tipos mais gerais de desafios. Até mesmo os recentes avanços nos métodos de aprendizado de máquina apresentam apenas uma solução parcial. Desta forma, propomos a criação de metodologia de inspeção visual industrial para materiais cuja aparência pode variar entre lotes, ou (2) têm variações que para um ser humano são difíceis de classificar de forma consistente. As justificações são: (1) em caso de mudanças materiais, os métodos de livros didáticos exigem uma coleta e reciclagem intensiva de mão-de-obra; E (2) o envolvimento humano está propenso a erros e tem um impacto negativo na precisão da inspeção. A metodologia de base e os princípios de projeto foram propostos para alcançar o potencial de alta precisão do treinamento supervisionado e classificadores avançados, a flexibilidade das abordagens de ajuste de parâmetros e a velocidade de metodologias simples, proporcionando fácil utilização e baixo custo. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
AFFONSO, CARLOS; DEBIASO ROSSI, ANDRE LUIS; ANTUNES VIEIRA, FABIO HENRIQUE; DE LEON FERREIRA DE CARVALHO, ANDRE CARLOS PONCE. Deep learning for biological image classification. EXPERT SYSTEMS WITH APPLICATIONS, v. 85, p. 114-122, . (13/07375-0, 16/23410-8)