Identificação de deformidades em grãos de chips de resina PET com o uso de inteligência artificial

Visualizar/ Abrir
Data
2024-10-31Autor
Lins, Gleidson Santos
https://lattes.cnpq.br/4533581385822322
Metadata
Mostrar registro completoResumo
Este artigo aborda o uso do aprendizado de máquina na detecção de anomalias
visuais em chips de resina PET (polietileno tereftalato), que podem ser causados por
problemas de fabricação, armazenamento ou transporte. Possui explicações sobre o
que é aprendizado de máquina, resina PET e anomalias visuais. Em seguida, discute
como o aprendizado de máquina é usado na indústria e quais são as técnicas mais
comuns, como regressão linear, regressão logística, árvores de decisão, redes
neurais e algoritmos de agrupamento. O artigo então apresenta uma metodologia para
o uso do aprendizado de máquina na detecção de anomalias visuais em chips de
resina PET, que envolve a criação de um modelo de aprendizado de máquina treinado
em imagens de chips normais e anormais apresentando uma acurácia de 97,53%. O
modelo pode então ser usado para escanear imagens de chips em tempo real e alertar
os operadores para investigação adicional, melhorando a qualidade do processo de
fabricação e reduzindo o número de chips com defeito produzidos.
Os arquivos de licença a seguir estão associados a este item: