“Inteligência Artificial: A Nova Fronteira da Ciência Brasileira”
19 a 24 de outubro de 2020
Trabalho 13993
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Engenharia mecânica |
| Setor | Departamento de Engenharia de Produção e Mecânica |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Ana Clara Monteiro Campos |
| Orientador | JOSEPH KALIL KHOURY JUNIOR |
| Outros membros | ELIENE OLIVEIRA LUCAS, GEICE PAULA VILLIBOR |
| Título | Classificação dos níveis de rugosidade média em superfícies usinadas por meio de imagens |
| Resumo | Medida da rugosidade de peças usinadas é obtida geralmente por processo mecânico ou laser. Porém o uso de medidas indiretas, como imagem da superfície usinada, podem ser utilizadas de maneira rápida para obter a rugosidade. Sistemas capazes de obter a rugosidade das superfícies utilizando textura da imagem têm sido estudados por vários pesquisadores e têm obtido acurácias satisfatórias comparadas a métodos padrões. Neste trabalho foi desenvolvido um programa computacional para determinar a rugosidade de peças por meio de processamento de imagens. Foi utilizada uma câmera microscópica para aquisição das imagens e técnicas de processamento de imagens. Todo o aparato, desde aquisição de imagem até a obtenção da classe de rugosidade foi desenvolvido na plataforma do MatLab. Características de textura de imagem por matriz de coocorrência e classificadores do tipo funções discriminantes com técnicas de componentes principais foram utilizadas para classificar imagens de quatro classes de rugosidade média (Ra). No desenvolvimento do programa extraíram quatorze características de cada imagem (energia, contraste, correlação, variância, homogeneidade, soma média, variação da soma, soma da entropia, entropia, variação da diferença, entropia de diferença, medida de informações de correlação I e II e coeficiente de correlação máxima), os valores das características foram uma média das informações contidas em quatro diferentes matrizes de coocorrência obtidas nas direções de 0º, 45º, 90º e 135º. Para obter amostras para desenvolver o classificador foram usinadas peças de aço 1020 e pastilha de metal duro, variando-se a velocidade de corte (Vc = 80 m/min e 120 m/min), com quatro avanços (f = 0,1; 0,15; 0,2 e 0,25), obtendo-se quatro classes de Ra que variaram 1,5μm à 4,2μm. Utilizando a técnica de validação por Leave-one-out, a acurácia do classificador foi de 83,3%, além disso o erro de 16,7 % aconteceram somente em classes de Ra imediatamente acima ou abaixo da classificação correta. |
| Palavras-chave | visão artificial, estatística multivariada, controle de qualidade |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|