UEMA Repositório
O UEMA Repositório preserva e provê acesso fácil e aberto a todos os tipos de objetos digitais, incluindo: textos, imagens, vídeos e conjuntos de dados.
Use este identificador para citar ou linkar para este item:
https://repositorio.uema.br/jspui/handle/123456789/3726| Título: | Uma rede neural convolucional para segmentação de imagens de minério de ferro |
| Título(s) alternativo(s): | A convolutional neural network for iron ore image segmentation |
| Autor(es): | Silva, Ada Cristina França da |
| Orientador: | Cortes , Omar Andres Carmona |
| Membro da Banca: | Ishii, Renato Porfírio |
| Membro da Banca: | Lobato , Fábio Manuel França |
| Data do documento: | 2022 |
| Editor: | Universidade Estadual do Maranhão |
| 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 |
| Resumo: | 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 |
| Palavras-chave: | Minério de Ferro Segmentação Redes Neurais CNN Visão Computacional UNet Iron Ore Neural Networks Computer Vision Segmentation |
| 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.