Use este identificador para citar ou linkar para este item:
https://repositorio.uema.br/jspui/handle/123456789/3726
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Silva, Ada Cristina França da | - |
dc.date.accessioned | 2024-12-02T17:02:25Z | - |
dc.date.available | 2024-11-02 | - |
dc.date.available | 2024-12-02T17:02:25Z | - |
dc.date.issued | 2022 | - |
dc.identifier.citation | SILVA, Ada Cristina França da. Uma rede neural convolucional para segmentação de imagens de minério de ferro. 2022. 65f. Dissertação (Mestrado Profissional em Engenharia de Computação e Sistemas) - Centro de Ciências e Tecnologias, Universidade Estadual do Maranhão, São Luís - MA, 2022. Disponível em:https://repositorio.uema.br/jspui/handle/123456789/3726 | pt_BR |
dc.identifier.uri | https://repositorio.uema.br/jspui/handle/123456789/3726 | - |
dc.description.abstract | This work presents a mechanism used to search a Convolutional Neural Network (CNN) based on the architecture of a network called UNet. The main aim is to segment Ąne iron ore regions in an image to facilitate the iron ore production process in a plant. The images were collected from an iron ore plant in a screening step. It was possible to obtain a dataset composed of 688 images and their label segmentation. The results of the optimized architecture shows that the found architecture of CNN achieved value of 80% of Intersect Over Union(IoU) and the other comparison networks: UNet without optimization and DeepLabV3+, which achieved 75% and 78%, respectively. In general, the results found were considered promising and the optimized CNN solution was able to detect the Ąne ore regions | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Estadual do Maranhão | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Minério de Ferro | pt_BR |
dc.subject | Segmentação | pt_BR |
dc.subject | Redes Neurais | pt_BR |
dc.subject | CNN | pt_BR |
dc.subject | Visão Computacional | pt_BR |
dc.subject | UNet | pt_BR |
dc.subject | Iron Ore | pt_BR |
dc.subject | Neural Networks | pt_BR |
dc.subject | Computer Vision | pt_BR |
dc.subject | Segmentation | pt_BR |
dc.title | Uma rede neural convolucional para segmentação de imagens de minério de ferro | pt_BR |
dc.title.alternative | A convolutional neural network for iron ore image segmentation | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisor1 | Cortes , Omar Andres Carmona | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/5523293886612004 | pt_BR |
dc.contributor.referee1 | Ishii, Renato Porfírio | - |
dc.contributor.referee1ID | https://orcid.org/0000-0003-0825-8420 | pt_BR |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/8992362063539452 | pt_BR |
dc.contributor.referee2 | Lobato , Fábio Manuel França | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/8320014491229434 | pt_BR |
dc.description.resumo | Esse trabalho apresenta um mecanismo de busca que possui como objetivo encontrar uma Rede Neural Convolucional (CNN) eĄciente com base na arquitetura de uma rede chamada de UNet. O objetivo principal é segmentar regiões de minério Ąno em uma imagem para facilitar o processo de produção de minério de ferro em uma usina. As imagens foram coletadas a partir de instrumentação localizada em uma usina de minério de ferro em uma etapa de peneiramento. Foi possível obter um dataset composto de 688 imagens e suas segmentações. Os resultados da CNN otimizada mostram que a arquitetura encontrada alcançou um valor de 80% de Intersect Over Union(IoU) em comparação as outras redes analisadas: UNet sem otimização e DeepLabV3+, que alcançaram 75% e 78%, respectivamente. De modo geral, os resultados encontrados foram considerados promissores e a solução da CNN otimizada foi capaz de detectar as regiões de minério Ąno, com a utilização em um ambiente industrial | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Campus São Luis Centro de Ciências Tecnológicas – CCT | pt_BR |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA COMPUTAÇÃO E SISTEMAS - PECS | pt_BR |
dc.publisher.initials | UEMA | pt_BR |
dc.subject.cnpq | Engenharias | pt_BR |
Aparece nas coleções: | Mestrado Profissional em Engenharia da Computação e Sistemas - CCT - Dissertações |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
DISSERTAÇÃO - Ada Cristina França da Silva - PECS - UEMA 2022.pdf | 954.55 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.