Detecção automatizada de defeitos em madeira serrada empregando redes neurais convolucionais

Abstract

Este trabalho propõe a elaboração e avaliação de um algoritmo para a classificação de madeira serrada empregando o aprendizado de máquinas com foco em utilizar redes neurais convolucionais para a detecção de defeitos. Para exposição do conteúdo foi realizada uma contextualização para o setor madeireiro, descrevendo os defeitos encontrados, bem como a importância de uma classificação dos mesmos. Também serão abordados conceitos de redes neurais artificiais e suas funcionalidades. Para a elaboração do algoritmo foi utilizado a biblioteca FastAI juntamente com a linguagem de programação Python para realizar os treinamentos do modelo, devido a ampla documentação disponível para estudo. Por fim foram expostos e avaliados os resultados obtidos após a implementação do modelo e uma possível continuação para trabalhos futuros.

This project proposes the elaboration and evaluation of an algorithm for the classification of lumber using machine learning focused on using convolutional neural networks for the detection of defects. To expose the content, a contextualization was carried out for the timber sector, describing the defects found, as well as the importance of classifying them. Concepts of artificial neural networks and their functionalities will also be addressed. For the elaboration of the algorithm, was used the FastAI library for Python programming language to carry out the training of the model, due to the extensive documentation availible for study. Finally, the results obtained after the implementation of the model and a possible continuation for future work were exposend and evaluated.