• Wiki
  • Engenharia
  • Inspeção de Equipamentos
  • Estudo de caso de visão de máquina de rede U-net para corrosão superficial e segmentação de imagens de sujeira em estruturas de aço industrial revestido

Wikis de Inspeção de Equipamentos > Estudo de caso de visão de máquina de rede U-net para corrosão superficial e segmentação de imagens de sujeira em estruturas de aço industrial revestido

  • Fadiga

  • Tanque

  • Aço Ixon

Estudo de caso de visão de máquina de rede U-net para corrosão superficial e segmentação de imagens de sujeira em estruturas de aço industrial revestido

Atualizado em: 01 de March de 2024
Tags:

A detecção de corrosão em ativos industriais e componentes é um problema amplo e importante nas indústrias, pois permite o rastreamento temporal de possíveis problemas e a execução de ações de manutenção preventiva, como revestimento protetor. No entanto, resolver esse problema usando métodos modernos de aprendizado de máquina geralmente exige um projeto cuidadoso de ferramentas de inteligência artificial, como redes neurais, altos recursos computacionais para treinamento e inferência e um grande e adequado conjunto de dados. Neste trabalho investigamos a aplicação de redes neurais convolucionais profundas ao problema de segmentação semântica de imagens de corrosão superficial e sujeira presente em ativos industriais de mineração, utilizando um conjunto de imagens coletadas no local por inspetores de corrosão e rotuladas manualmente por uma equipe de dados. Comparamos duas redes com base no popular modelo U-Net, em que uma delas usa os recursos transferidos de um modelo de classificação de imagem VGG16 pré-treinado. Nossa principal contribuição é fornecer insights sobre a aplicação de redes neurais profundas neste domínio particular, principalmente em relação ao tamanho e qualidade do conjunto de dados construído, as restrições de recursos computacionais existentes e os benefícios observados do uso de um modelo pré-treinado, também como discutir alguns resultados preliminares de segmentação obtidos. https://biblioteca.ibp.org.br/scripts/bnmapi.exe?router=upload/34941&token={E998F15D-5D2D-46BC-B465-DF94782A9E3F}

Back