Navegando por Assunto "Convolutional neural networks"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Aplicação de rede neural convolucional na classificação de azulejos históricos da cidade de Belém do Pará(2021-04-09) SOUSA, Rafael Nascimento de; ARAÚJO, Tiago Davi Oliveira de; http://lattes.cnpq.br/0141236944098711; SANTOS, Carlos Gustavo Resque dos; http://lattes.cnpq.br/2948406243474342; https://orcid.org/0000-0002-2193-5783A herança cultural de uma cidade é de grande importância para a manutenção e valorização da sua história. Tecnologias inovadoras como Realidade Aumentada e Visão Computacional podem ser utilizadas para dar ênfase a essas heranças que a própria cidade carrega de forma atrativa e lúdica. Na cidade de Belém do Pará, os azulejos são um exemplo importante da herança cultural presente na cidade, que remonta momentos e características de sua fundação. O reconhecimento de imagens, por exemplo, pode facilitar a busca por informações históricas sobre um determinado azulejo de maneira mais rápida, uma vez que com apenas uma foto do azulejo suas informações seriam retornadas ao usuário, dessa forma facilitando a busca e o acesso a informações sobre os azulejos, além da identificação dos mesmos. Tendo em vista o que foi exposto, este Trabalho de Conclusão de Curso apresenta um protótipo que utiliza Redes Neurais Convolucionais (CNN) para classificar, através de imagens, os azulejos históricos de Belém. O treinamento da CNN utilizou três bases de imagens, sendo a primeira composta por imagens que continham azulejos e outros elementos do ambiente (paredes, portas, fachadas dos prédios, etc.), a segunda composta por imagens com foco nos padrões de azulejos e a terceira composta por fotos tiradas da tela do computador, a partir de imagens da segunda base, sendo que uma vez criadas as bases são combinadas em uma base final utilizada no treinamento do modelo. Foram utilizados 12 tipos diferentes de azulejos que representam as classes a serem reconhecidas pela CNN. Dessa forma, após o treinamento é gerado o modelo do tipo tflite (Tensorflow Lite) com as classes de azulejos, para ser utilizado na tarefa de classificação de imagem em dispositivo móvel. Com o modelo e as classes definidas, foi criado para este trabalho de conclusão de curso uma aplicação em que o usuário tira uma foto de um azulejo e são retornadas as quatro classes com as melhores acurácias e as informações históricas dos azulejos classificados. Para a tarefa de classificação de imagens, foi criado um módulo que reúne as funções necessárias para a tarefa de classificação de imagens e que pode ser reutilizado em outros projetos.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Rede neural convolucional para o diagnóstico de rolamentos em baixa rotação(2024-05-24) SILVA, Jonatas Cruz da; COSTA, Thiago Barroso; http://lattes.cnpq.br/2617134540357756; SOUSA, Walter dos Santos; http://lattes.cnpq.br/5903481928919040Este trabalho concentra-se na aplicação de redes neurais convolucionais (CNNs) no diagnóstico de falhas em rolamentos de baixa rotação, uma área crucial para garantir a segurança e a eficiência, principalmente na indústria de mineração. A utilização do sinal de vibração apresenta desafios devido ao fato de os rolamentos de baixa rotação funcionarem sob cargas consideráveis e, ocasionalmente, em condições não estacionárias. Além do mais, devido a energia associada ao sinal da falha no rolamento ser fraca, o seu monitoramento é dificultado pela presença de ruídos provenientes de outras fontes que pode mascarar o sinal da falha. Portanto, ferramentas de processamento de sinal e algoritmos de aprendizado de máquina foram propostos para lidar com essas questões. Dentre as técnicas de aprendizado de máquina, os modelos de diagnósticos baseados em aprendizagem profunda se popularizaram nos últimos anos, principalmente o modelo de rede neural convolucional devido ao seu desempenho. Assim, neste trabalho é proposto a elaboração de um modelo de diagnóstico em rolamentos de baixa rotação, baseado em uma rede neural convolucional, onde os dados de entrada são sinais de vibração que posteriormente são transformados em uma imagem na escala de cinza, denominada de imagem de vibração, e, por fim, utilizado para o treinamento do modelo. Para o treinamento e validação do modelo foram usados sinais de vibração de rolamento de um misturador de granéis que opera com rotação de 50 rpm, sendo estes sinais coletados com os rolamentos saudáveis e, posteriormente, com rolamentos defeituosos com diferentes graus de severidade e com diferentes níveis de carregamento do maquinário. Após o treinamento do modelo é analisado a acurácia para a avaliar o desempenho e precisão do modelo proposto. Portanto, este trabalho visa criar uma ferramenta de diagnóstico automatizada para falha em rolamentos de baixa rotação com um elevado nível de acurácia, assim facilitando o monitoramento de maquinário que utiliza esses tipos rolamentos garantido a eficiência e segurança nos setores industriais. Como resultado, obteve-se dois modelos de diagnóstico automatizado de falha, um multiclasses e outro binário, onde obtiveram excelentes resultados.