Um estudo comparativo de redes neurais convolutivas para o problema da classificação da qualidade da madeira

• Processo: 19/07248-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2019
• Data de Término da vigência: 31 de maio de 2020
• Área de conhecimento: Engenharias - Engenharia de Produção
• Pesquisador responsável: André Luis Debiaso Rossi
• Beneficiário: Gustavo das Neves Ubeda
• Instituição Sede: Universidade Estadual Paulista (UNESP). Campus Experimental de Itapeva. Itapeva , SP, Brasil
• Assunto(s): Inteligência artificial Aprendizado computacional Indústria 4.0 Redes neurais convolucionais Imagem digital Qualidade do produto Madeira Estudo comparativo
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação da Qualidade | Industria 4 | Redes neurais convolutivas | 0 | Sistemas Inteligentes para Classificação da Qualidade de Produtos

Resumo

Cotidianamente empresas nacionais, incluindo o setor primário da economia, vêm buscado métodos eficientes para qualificar seus bens de produção e assim agregar valor aos mesmos. A classificação da qualidade dos produtos é de extrema importância para alcançar tal objetivo, porém, os agentes humanos que geralmente realizam essa tarefa estão naturalmente sujeitos à subjetividade e outros problemas advindos de um processo repetitivo. Embora principiante, as organizações estão buscando se adequar aos novos preceitos da Indústria 4.0 usando sistemas inteligentes, como as técnicas de Aprendizado de Máquina (AM). Na literatura, há diversos trabalhos que investigam essas técnicas para a inspeção visual da qualidade de produtos. Recentemente, algoritmos baseados em aprendizado profundo, como as Redes Neurais Convolutivas (CNNs), têm alcançado grande sucesso nesse contexto para diferentes tipos de materiais, como aço, tecido e madeira, superando o desempenho preditivo de outras técnicas de AM. Adicionalmente, essas redes são capazes de realizar a extração das características mais relevantes do problema automaticamente, ou seja, sem ser necessária uma etapa de pré-processamento dos dados para esse fim. Entretanto, alguns trabalhos que aplicaram as CNNs para a classificação da qualidade da madeira apresentaram resultados inferiores a outras técnicas de AM. Portanto, esse projeto de pesquisa tem como objetivo comparar as CNNs com técnicas tradicionais de AM para o problema da classificação da qualidade da madeira a partir de imagens digitais. A hipótese deste trabalho é de que gerando uma maior quantidade de imagens, as CNNs serão capazes de superar o desempenho preditivo dos outros algoritmos investigados.