Análise de Parâmetros de Redes Neurais com Foco em Estabilidade: Estudo de Caso de Classificação de Defeitos em Chapas de Aço Através de Imagens

  • Alexandre R. Mundim Pontifícia Universidade Católica de Minas Gerais
  • Flávia M. F. Ferreira Pontifícia Universidade Católica de Minas Gerais
Keywords: Visão computacional, Aprendizado profundo, Redes neurais convolucionais, Processamento de imagens, Detecção de defeitos, Metalurgia

Abstract

O aço inox é um dos materiais mais importantes da indústria. Suas propriedades permitem que seja utilizado em diversas aplicações, estando presente em uma série de produtos utilizados em nosso dia-a-dia. Chapas de aço inox se apresentam como uma das configurações básicas do material, se destacando pela sua versatilidade. Assim, melhorias em sua fabricação são de extrema relevância para garantia de seu fornecimento com agilidade e qualidade.
Nesse contexto, algoritmos de inteligência artificial - a exemplo de redes neurais - podem contribuir significativamente para o aperfeiçoamento de seus processos de produção, por serem capazes de fornecer elevada eficiência e assertividade nas tarefas às quais são submetidos. Partindo desse pressuposto, utilizamos redes neurais convolucionais para diagnóstico de defeitos em chapas de aço através de imagens. Ainda que esses algoritmos possam apresentar elevada performance nesse tipo de tarefa, seu melhor desempenho é obtido mediante a exploração de um extenso espaço de parâmetros e aplicação de técnicas de regularização. Em cenários com dados reduzidos, esses desafios são ampliados. Dessa forma, o artigo apresenta considerações a respeito da influência de diferentes ajustes na configuração das redes com foco em estabilidade para a tarefa de diagnóstico de defeitos em chapas de aço através de imagens.

Published
2020-12-07
Section
Articles