SISTEMA DE VISÃO COMPUTACIONAL APLICADO À INSPEÇÃO INDUSTRIAL

Resumo

Este estudo de caso apresenta a elaboração e teste de um sistema de visão computacional capaz de classificar objetos com base em características visuais. O sistema tem como principal objetivo a aplicação em etapas de inspeção de qualidade em diferentes setores produtivos, como indústrias de manufatura, alimentícia e agronegócio. O sistema foi elaborado para ser adaptável a diferentes necessidades, permitindo que o próprio usuário colete imagens do objeto a ser identificado, defina categorias e treine o modelo utilizando uma interface visual amigável em uma aplicação web baseada em Python Flask. Dois estudos de caso foram conduzidos para validar sua aplicabilidade: o primeiro consistiu na classificação de maçãs entre vermelhas e verdes, e o segundo na identificação de prendedores de madeiras, entre inteiros e incompletos. A solução utiliza processamento de imagens, redes neurais convolucionais (CNN) e transfer learning baseado na arquitetura MobileNetV2. Durante os testes, o sistema foi avaliado com conjuntos de imagens de diferentes quantidades e imagens capturadas por câmeras de telefone celular e em diferentes resoluções, a fim de verificar o impacto do volume de dados e da resolução de imagem no desempenho do sistema. Os resultados demonstram que o sistema é eficiente e versátil, com potencial para ser utilizado em diferentes contextos que demandem inspeção visual automatizada de baixo custo e alta flexibilidade.