A carregar...
Publicação
Embedded real-time vision-based control and inspection of an industrial process
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.87 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
This era is often called the age of data science. New sources of knowledge, technology,
and data sources frequently flood society’s daily life in all shapes and forms. At a time
when we have companies like Amazon that can accurately predict the products we want
to buy, or companies like Netflix that know which possible movies might interest us, we
find ourselves surrounded more and more by intelligent algorithms. Every day, we look
for more ways to improve these algorithms so that they can help humans with their tasks
and, in some cases, even replace them. In industry, more and more functions that in
the past were the sole responsibility of human labor are being taken over by machines.
Despite all the ethical and moral questions this may raise, the improvement in efficiency
and productivity is undeniable. Machines don’t get tired, sick or take lunch breaks. What’s
more, the margin for error is minimal.
All processing lines inevitably create defective products. These defective products
will travel down the assembly line, wasting money, time and resources, which presents
a problem for the industry. This work is based on studying a solution to this problem
by studying the use of Machine Learning in an industrial process, to carry out quality
inspection and controlling the system behaviour using vision-based systems. It will be a
vision module for computer vision tasks that will be integrated with the implementation
of a simulation kit. In this document, we will carry out a literature review on the most
relevant topics, and a short analysis of the challenges and problems while developing the
work. A suggested framework will also be presented, with all its advantages and analyses,
and a description will be given of the system’s implementation and the results obtained.
Esta era é frequentemente designada como a era da ciência dos dados. Novas fontes de conhecimento, tecnologia e fontes de dados inundam frequentemente o quotidiano da sociedade de todas as formas e feitios. Numa altura em que temos empresas como a Amazon que conseguem prever com precisão os produtos que queremos comprar, ou empresas como a Netflix que sabem quais os filmes que nos podem interessar, estamos cada vez mais rodeados de algoritmos inteligentes. Todos os dias, procuramos mais formas de melhorar estes algoritmos para que possam ajudar os humanos nas suas tarefas e, nalguns casos, até substituí-los. Na indústria, cada vez mais funções que no passado eram da exclusiva responsabilidade do trabalho humano estão a ser assumidas por máquinas. Apesar de todas as questões éticas e morais que este facto possa levantar, a melhoria da eficiência e da produtividade é inegável. As máquinas não se cansam, não adoecem, não fazem pausas para almoço. Para além disso, a margem de erro é mínima. Todas as linhas de processamento criam inevitavelmente produtos defeituosos. Estes produtos defeituosos percorrerão a linha de montagem, desperdiçando dinheiro, tempo e recursos, o que constitui um problema para a indústria. Este trabalho baseia-se no estudo de uma solução para este problema, estudando a utilização da Aprendizagem Automática num processo industrial, para realizar a inspeção da qualidade e controlar o comportamento do sistema utilizando sistemas baseados na visão. Será um módulo de visão para tarefas de visão computacional que será integrado com a implementação de um kit de simulação. Neste documento, faremos uma revisão da literatura sobre os tópicos mais relevantes, e uma breve análise dos desafios e problemas durante o desenvolvimento do trabalho. Será também apresentada uma estrutura sugerida, com todas as suas vantagens e análises, e será feita uma descrição da implementação do sistema e dos resultados obtidos.
Esta era é frequentemente designada como a era da ciência dos dados. Novas fontes de conhecimento, tecnologia e fontes de dados inundam frequentemente o quotidiano da sociedade de todas as formas e feitios. Numa altura em que temos empresas como a Amazon que conseguem prever com precisão os produtos que queremos comprar, ou empresas como a Netflix que sabem quais os filmes que nos podem interessar, estamos cada vez mais rodeados de algoritmos inteligentes. Todos os dias, procuramos mais formas de melhorar estes algoritmos para que possam ajudar os humanos nas suas tarefas e, nalguns casos, até substituí-los. Na indústria, cada vez mais funções que no passado eram da exclusiva responsabilidade do trabalho humano estão a ser assumidas por máquinas. Apesar de todas as questões éticas e morais que este facto possa levantar, a melhoria da eficiência e da produtividade é inegável. As máquinas não se cansam, não adoecem, não fazem pausas para almoço. Para além disso, a margem de erro é mínima. Todas as linhas de processamento criam inevitavelmente produtos defeituosos. Estes produtos defeituosos percorrerão a linha de montagem, desperdiçando dinheiro, tempo e recursos, o que constitui um problema para a indústria. Este trabalho baseia-se no estudo de uma solução para este problema, estudando a utilização da Aprendizagem Automática num processo industrial, para realizar a inspeção da qualidade e controlar o comportamento do sistema utilizando sistemas baseados na visão. Será um módulo de visão para tarefas de visão computacional que será integrado com a implementação de um kit de simulação. Neste documento, faremos uma revisão da literatura sobre os tópicos mais relevantes, e uma breve análise dos desafios e problemas durante o desenvolvimento do trabalho. Será também apresentada uma estrutura sugerida, com todas as suas vantagens e análises, e será feita uma descrição da implementação do sistema e dos resultados obtidos.
Descrição
Palavras-chave
Machine Learning Computer Vision Deep Learning Industry 4.0