Comparativo de desempenho entre metodologias de modelos de inteligência artificial supervisionada.
Nenhuma Miniatura disponível
Data
2022-12-10
Tipo de documento
Artigo Científico
Título da Revista
ISSN da Revista
Título de Volume
Área do conhecimento
Engenharias
Modalidade de acesso
Acesso aberto
Editora
Autores
AGUIAR, Bianca dos Santos
SANTOS, Gustavo Cruz de Jesus
Orientador
CAMPOS , Jorge
Coorientador
Resumo
A visão computacional tem sido bastante utilizada em soluções nas áreas engenharia, auxiliando na navegação de veículos autônomos, na medicina, identificando doenças a partir de exames imagem, na agronomia, identificando pragas baseada na análise de imagens aéreas, entre muitas outras áreas e aplicações.
Em vista disso, este estudo tem como objetivo facilitar a criação de dois modelos de inteligência artificial não supervisionada na detecção de objetos, que possa diferenciar peças de reposição e comparar a construção destes modelos. Foi utilizado o framework Tensorflow Object detection criando o modelo LB com precisão média de 62,4% entre as duas leituras e um tempo de 245s e o modelo SF obteve-se 93,78% de precisão em um tempo de 0,74s. Este trabalho busca comprovar a eficiência do modelo SF e as etapas necessárias para que ambos modelos sejam construídos, indicando alternativas para o aperfeiçoamento desta aplicação.
Palavras-chave
visão computacional, tensorflow, detecção de objetos, machine learning, redes neurais