Comparação entre abordagens baseadas em aprendizado de máquina e em visão computacional clássica na localização de rebites metálicos

Abstract

A necessidade por linhas de produção mais rápidas e eficientes em diversos setores da indústria, torna necessário a implementação de Sistemas de Visão, podendo estes serem responsáveis pela detecção ou classificação de tais produtos. Entretanto, apesar do baixo custo de implementação, abordagens clássicas que usufruem de métodos mais convencionais, podem não ser a solução mais viável se comparadas com a utilização de Aprendizado de Máquina e Aprendizado Profundo. Sendo assim, este trabalho adota uma abordagem utilizando Aprendizado de Máquina, mais especificamente Redes Neurais Convolucionais, realizando uma comparação com uma abordagem adotando a Visão Computacional Classica. Tal perspectiva de solução com machine learning procura contornar as deficiências encontradas na Visão Computacional Clássica que demanda da utilização de métodos mais complexos e demasiadamente sensíveis, suscetíveis a ruídos.

The need for faster and more efficient production lines in various sectors of the industry, makes it necessary to implement vision systems, which may be responsible for the detection or classification of such products. However, despite the low cost of implemen- tation, classic approaches that take advantage of more conventional methods may not be the most viable solution if detected using Machine Learning and Deep Learning. Therefore, this work adopts an approach using Machine Learning, more specifically Convolutional Neural Networks, performing a comparison with an approach adopting the Classical Computer Vision. The solution’s perspective with machine learning seeks to circumvent the shortcomings found in classical computational vision that demand the use of more complex and overly sensitive methods, susceptible to noise.