USO DA INTELIGÊNCIA ARTIFICIAL NA IDENTIFICAÇÃO DE PRODUTOS AUTOMOTIVOS
O processo da Visão Computacional tem apresentado um enorme desenvolvimento nos últimos anos. Isso ocorreu graças ao desenvolvimento no campo das Redes Neurais Artificiais, especialmente as Redes Neurais Convolucionais. Estas redes são capazes de realizarem treinamentos para identificar padrões em um grande conjunto de imagens, para posteriormente identificar estes mesmos padrões em outras imagens. Uma arquitetura muito comumente utilizada atualmente, devido à sua grande acurácia, é a Mask R-CNN. Esta arquitetura não apenas classifica e identifica objetos, mas também realiza sua segmentação pixel a pixel. Neste trabalho, a Mask R-CNN foi utilizada para a segmentação de produtos automotivos (parabrisas, faróis, lanternas, parachoques e retrovisores) em uma empresa do ramo de reposição automotiva. Em sua avaliação, o algoritmo apresentou precisão e acurácia significantemente altas – verificadas por meio de uma Matriz de Confusão, atingindo um val_loss de 2.413, demonstrando um resultado satisfatório para suas aplicações propostas: um filtro em sistema para prevenção de erros humanos e a premissa de trabalhos futuros para a identificação de objetos dos produtos aqui mencionados.
USO DA INTELIGÊNCIA ARTIFICIAL NA IDENTIFICAÇÃO DE PRODUTOS AUTOMOTIVOS
-
DOI: 10.22533/at.ed.84921180827
-
Palavras-chave: Produtos automotivos, visão computacional, Mask R-CNN, inteligência artificial
-
Keywords: Automotive products, computational vision, Mask R-CNN, artificial intelligence.
-
Abstract:
The Computational Vision process has been presenting a huge development in the recent years. This is occurring thanks to the development in the field of Artificial Neural Networks, specially the Convolutional Neural Networks. These networks are capable of training to identify patterns in a large set of images, for latter identifying these same patterns in other images. A very common architecture used nowadays, due to its high accuracy, is the Mask R-CNN. This architecture not only classifies and identifies objects, but also realizes its segmentation pixel by pixel. In this present work, Mask R-CNN was used for segmentation of automotive products (windshields, headlights, tail lights, bumpers and rearview mirrors) in an aftermarket organization. In its evaluation, the algorithm presented a significantly high mAP and accuracy – checked through a confusion matrix, even reaching a val_loss of 2.413, demonstrating a satisfactory result for its proposed applications: a system filter for preventing human error and a premise for future works of identifying defects in the mentioned products.
-
Número de páginas: 13
- Gustavo Maia de Almeida
- Leandro Moreira Gonzaga
