Barros, Prof. Dr. GuilhermeOliveira, TiagoOliveira, DaniloMenezes, Gabrielda Silva, MateusRusso, Pedro2022-06-282022-06-282022-06-02https://repositorio.animaeducacao.com.br/handle/ANIMA/23020Nanofibras poliméricas são filamentos utilizados em aplicações como filtragem de ar e água, catálise de reações, produção e armazenamento energético, como painéis solares e baterias. Em biomedicina podem ser utilizadas no auxílio da reconstrução de tecidos, aplicação de medicamentos através de curativos sob a derme e na indústria como filamentos de impressoras 3D. Porém, sua morfologia pode interferir nas aplicações, onde as imperfeições chamadas beads devem ser analisadas para evitar problemas de compatibilidade. Utilizando a Inteligência Artificial é possível identificar essas falhas morfológicas. Para isso, é feito o treinamento da inteligência artificial utilizando imagens obtidas através de Microscopia Eletrônica de Varredura (MEV) para criar um banco de dados de áreas da imagem onde se encontram as anomalias (beads). O algoritmo de detecção de objetos (YOLOv4) em linguagem python compara esse banco de imagens treinado com um segundo banco de imagens procurando partes semelhantes. Assim, cria-se uma relação entre a quantidade de anomalias encontradas (por material ou processo de fabricação), estabelecendo parâmetros para determinar aplicações ou processos de fabricação dependendo da usabilidade do material que será obtido a partir das nanofibras. Este trabalho tem por objetivo demonstrar o uso da Inteligência Artificial para a identificação dos erros morfológicos das nanofibras, quantificando as anomalias e procurando observar o que influencia na assertividade desta Inteligência. Obteve-se através do treinamento e testes realizados (feito em duas etapas) a acurácia de 62,61%, no primeiro teste que utilizou 141 imagens no treinamento e 62,79% no segundo teste que utilizou o total de 284 imagens no treinamento (incluindo 141 novas imagens as 141 do primeiro treinamento). Neste segundo teste (com 284 imagens), em 45,3% das imagens analisadas, os beads identificados pela IA correspondiam aos mesmos identificados de forma manual. Já em 71,79% das análises do segundo teste a IA conseguiu identificar ausência total ou a presença parcial de beads nas imagens. Quanto ao tempo total de predição (abertura da imagem, identificação e demonstração das falhas) houve uma redução significativa comparando os testes 1 e 2 de 9,233 segundos o que para o funcionamento da IA é um valor considerável uma vez que ela processa as imagens na casa de milissegundos.5 fptAtribuição-NãoComercial-SemDerivados 3.0 BrasilAtribuição-NãoComercial-CompartilhaIgual 3.0 Brasilnanotecnologia.nanomateriais.nanofibras.inteligência artificialArtigo Científico