Implementação de um framework de visão computacional para inspeção de qualidade no assoalho de automóveis

Página do item simplificado
dc.contributor.advisorCoelho, Regina Celia [UNIFESP]
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2162574207370950pt_BR
dc.contributor.authorSakuma, Decio Tomio [UNIFESP]
dc.contributor.authorLatteshttp://lattes.cnpq.br/0848021270948436pt_BR
dc.coverage.spatialSão José dos Campos, SP
dc.date.accessioned2024-03-20T17:41:38Z
dc.date.available2024-03-20T17:41:38Z
dc.date.issued2023-12-15
dc.description.abstractInspeção de Qualidade é um tema de interesse no meio industrial. O processo de inspeção para detecção de defeitos na linha de produção é essencial para o controle da qualidade do produto final, sendo alocado estrategicamente em diversos setores da Fábrica para garantir os requisitos de qualidade do produto e satisfação do cliente. Os operadores de inspeção, mesmo que sejam bem treinados, não evitam que os defeitos sigam adiante na linha de produção. Dentro deste contexto, este trabalho visa a implementação de um framework de visão computacional para inspeção automática de qualidade no assoalho de automóveis. O trabalho inicia-se com uma revisão de literatura avaliando sistemas de visão computacional comumente aplicadas para detecção de defeitos de qualidade na indústria automotiva. Em seguida, avaliamos uma estrutura apropriada para instalação de hardware para aquisição e pré-processamento de imagens. O próximo passo foi analisar as arquiteturas de deep learnings usando dados sintéticos e dados reais extraídos do sistema de aquisição montados na linha de produção. A eficiência do framework de visão computacional está baseada na comparação do método de inspeção manual com o método de inspeção automática. Os resultados demonstram que a metodologia aplicada para validação deste framework para inspeção de peças no assoalho dos automóveis são consistentes e eficazes para uma verificação automática. Isto pode ser comprovado considerando que o modelo de Inteligência Artificial usado obteve acurácia superior à 95% e nos testes realizados na linha de produção alcançou uma eficácia de 100%, enquanto que no método manual o resultado foi de 74%.pt_BR
dc.description.abstractQuality Inspection is a topic of interest in the industrial environment. The inspection process for detecting defects in the production pipeline is essential to control the quality of the finished product, being strategically allocated in diversified manufacturing sectors to ensure the product´s quality requirements and customer satisfaction. Inspection operators, even well-trained, do not prevent defects in the production pipeline. In this context, this paper aims to implement a computer vision framework for quality inspection in vehicle underbody. The work begins with a literature review evaluating vision systems commonly applied to detect quality defects in the automotive industry. After that, we assessed an appropriate structure for installing hardware for image acquisition and pre-processing. The next step was to analyze deep learning architectures using synthetic and real data extracted from the acquisition system assembled on the production line. The efficiency of the computer vision framework is based on comparing the automatic and manual inspection methods. The results show that the methodology applied to validate this framework for inspecting of parts in the vehicle´s underbody is consistent and effective for automatic checks. This fact can be proven considering that the Artificial Intelligence model used obtained accuracy greater than 95%, and in the tests carried out on the production line, it attained an efficiency of 100%, while manual method, the result was 74%.pt_BR
dc.description.sponsorshipNão recebi financiamentopt_BR
dc.emailadvisor.customrccoelho@unifesp.brpt_BR
dc.format.extent88 f.pt_BR
dc.identifier.urihttps://hdl.handle.net/11600/70877
dc.languageporpt_BR
dc.publisherUniversidade Federal de São Paulopt_BR
dc.rightsinfo:eu-repo/semantics/openAccesspt_BR
dc.subjectInspeção de Qualidadept_BR
dc.subjectSistema de Visão Computacionalpt_BR
dc.subjectDeep Learningpt_BR
dc.subjectIndústria Automotivapt_BR
dc.titleImplementação de um framework de visão computacional para inspeção de qualidade no assoalho de automóveispt_BR
dc.typeinfo:eu-repo/semantics/masterThesispt_BR
unifesp.campusInstituto de Ciência e Tecnologia (ICT)pt_BR
unifesp.graduateProgramMestrado Profissional Interdisciplinar em Inovação Tecnológicapt_BR
unifesp.knowledgeAreaInovação Tecnológicapt_BR
unifesp.researchAreaSistema de Visão Computacionalpt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
MPIT Decio T Sakuma - Dissertação Final.pdf
Tamanho:
1.38 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
5.72 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Mestrado Profissional Interdisciplinar em Inovação Tecnológica