Metalsync: ferramenta de análise da conformidade de padrão de estampa em chapas metálicas por meio de redes neurais convolucionais
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Federal de Educação, Ciência e Tecnologia do Piauí
Resumo
A crescente demanda por qualidade e eficiência na indústria metalúrgica impulsiona a adoção de tecnologias inteligentes para inspeção automatizada. Neste contexto, este trabalho apresenta uma solução baseada em visão computacional para a detecção de não conformidades em chapas metálicas estampadas, utilizando redes neurais convolucionais (CNNs). A pesquisa foi realizada com imagens reais de peças metálicas obtidas na empresa Só Aço Industrial Ltda., envolvendo etapas de pré-processamento, organização dos dados em conjuntos de treino, validação e teste, além da aplicação de técnicas de aumento de dados para ampliar a robustez do modelo. O classificador CNN foi otimizado para identificar padrões visuais de conformidade nas estampas e avaliado por métricas como acurácia, precisão, recall e F1-score. Os resultados demonstraram desempenho expressivo, alcançando acurácia global de 95,24%, precisão de 98,33%, recall de 90,31% e F1-score de 94,14%. Em especial, para peças fora do padrão, o modelo obteve recall de 100%, evidenciando sua eficácia na detecção de falhas com elevada confiabilidade. A proposta mostrou viabilidade técnica para aplicações industriais em tempo real, ao reduzir a subjetividade da inspeção manual e permitir integração com fluxos operacionais por meio de um aplicativo móvel com interface intuitiva. Este estudo representa um avanço na inspeção automatizada de peças estampadas, contribuindo para a modernização da indústria com foco em qualidade, rastreabilidade e produtividade.
Description
Keywords
Indústria metalúrgica, Inspeção automatizada, Não conformidades, Redes neurais convolucionais, Aplicativo móvel
Citation
MELO, Rejanne Alves de. Metalsync: ferramenta de análise da conformidade de padrão de estampa em chapas metálicas por meio de redes neurais convolucionais. Orientador: Otílio Paulo da Silva Neto. 2025. 110 f. Dissertação (Mestrado em Engenharia de Materiais e Processos Industriais) - Instituto Federal do Piauí, Campus Teresina Central, Teresina, 2025.