dc.contributor |
Universidade Federal de Santa Catarina. |
pt_BR |
dc.contributor.advisor |
Antonelo, Eric Aislan |
|
dc.contributor.author |
Arake, Fernando Kendy Marciniak |
|
dc.date.accessioned |
2024-06-14T14:10:11Z |
|
dc.date.available |
2024-06-14T14:10:11Z |
|
dc.date.issued |
2024-02-26 |
|
dc.identifier.uri |
https://repositorio.ufsc.br/handle/123456789/255349 |
|
dc.description |
TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia de Controle e Automação. |
pt_BR |
dc.description.abstract |
Com o advento da Indústria 4.0, empresas iniciaram a transformação digital dos seus ativos e
processos. A Internet das Coisas (IoT) desempenha um papel importante nesta transformação,
conectando dispositivos e máquinas, levando a um melhor controle da produção e fornecendo
dados valiosos. A Visão Computacional (CV) é outra área que está aproveitando a digitalização
industrial. Fazendo bom uso de câmeras e das imagens por elas adquiridas junto a técnicas de CV
baseadas em modelos Aprendizado de Máquina (ML), é possível montar um sistema baseado
em CV para detecção de defeitos, garantindo qualidade na produção. A principal motivação
a cerca desse projeto era o planejamento e desenvolvimento de um sistema piloto que possa
ser reutilizado futuramente em diferentes casos de uso, tanto o sistema todo quanto como uma
referência inicial. O foco desse projeto é o desenvolvimento completo de um demonstrador para
detecção de defeitos. Partindo da seleção de hardware, a montagem do hardware (fisicamente e
conexão a uma cloud específica), definição de um servidor baseado em sockets, desenvolvimento
de um serviço de backend em um aplicação web existente, seleção e treinamento de um modelo
de CV, e a implantação do sistema fazendo uso de containers. Um modelo simples de frontend
foi utilizado visto que não era um objetivo do projeto. O caso de uso selecionado foi baseado
no MVTec Anomaly Detection Dataset, especificamente para a detecção de defeitos em cabos.
O objetivo foi alcançado e o sistema como um todo funcionou bem, desde a aquisição de
dados até o deployment final. |
pt_BR |
dc.description.abstract |
With the Industry 4.0 advent, companies started the digital transformation of their assets and
processes. The Internet of Things (IoT) plays a big part in this transformation, connecting
devices and machines, leading to better production control, and providing valuable procedure
data. Computer Vision (CV) is another area that is taking advantage of industrial digitization.
Making good use of cameras and the images they acquire together with CV techniques based on
Machine Learning (ML) models, it is possible to setup a CV based system for defect detection,
ensuring production quality. The main motivation surrounding the project was the planning
and development of a pilot system which can be further reused by different use cases, either
as a whole or as a first reference. The focus of this work was the End-to-End development
of a demonstrator for defect detection. It started with the hardware selection, hardware setup
(physically and connection to a specific cloud), establishment of a socket-based server, setup of
a backend service in an existing web application, selection and training of a CV model, and the
deployment making use of containers. A simple mockup was used for the frontend, as it was
not a goal of the project. The selected use case was based on the MVTec Anomaly Detection
Dataset, specifically for defect detection in cables. The goal was achieved and the whole system
worked well, from data acquisition to the final deployment. |
pt_BR |
dc.format.extent |
70 f. |
pt_BR |
dc.language.iso |
en |
pt_BR |
dc.publisher |
Aachen, DE. |
pt_BR |
dc.rights |
Open Access. |
en |
dc.subject |
Detecção de defeitos |
pt_BR |
dc.subject |
Internet das Coisas |
pt_BR |
dc.subject |
Visão computacional |
pt_BR |
dc.title |
End-to-end development of a demonstrator for defect detection |
pt_BR |
dc.type |
TCCgrad |
pt_BR |
dc.contributor.advisor-co |
Heymann, Henrik |
|