Show simple item record

dc.contributor.advisorBalen, Tiago Robertopt_BR
dc.contributor.authorLameira, Lucas Meurerpt_BR
dc.date.accessioned2021-01-19T04:10:31Zpt_BR
dc.date.issued2020pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/217436pt_BR
dc.description.abstractA inspeção de qualidade de produtos na Indústria Brasileira ainda é manual ou pouco automatizada. Através da automatização dessa tarefa, é possível aumentar a produtividade e a qualidade do produto final. Com esse intuito, este trabalho visa desenvolver uma solução de inspeção automática visual de placas de circuito impresso. Através de imagens capturadas de placas de circuito impresso e de técnicas de processamento digital de imagens, é proposto o desenvolvimento de um modelo de aprendizagem de máquina capaz de classificar determinados componentes ou a ausência deles em placas de circuito impresso SMD (Surface-Mount Device). Além da classificação, o sistema é capaz de inspecionar o posicionamento do componente, gerando um alerta para componentes rotacionados e deslocados. As SVMs (Máquinas de Vetores de Suporte) consistem na técnica de aprendizado de máquina utilizada na implementação do classificador. O modelo recebe como entrada um vetor de características que representa a forma, textura e cor das imagens dos componentes. As características de forma e textura são obtidas pelo HOG (Histograma de Gradientes Orientados) e a cor é caracterizada pelo histograma da imagem no espaço HSV (Hue, Saturation, Value). O modelo de classificação implementado alcançou uma acurácia de 98,7% nas imagens testadas.pt_BR
dc.description.abstractThe quality inspection of final products in the Brazilian Industry is still manual or very little automated. Through the automation of this task, it is possible to increase productivity and product quality. To this end, this work aims to develop a printed circuit board automated inspection system. Therefore, a machine learning model capable of classifying SMD (Surface-Mount Device) components is proposed. In addition to the image classification, the system is able to inspect the component’s position, generating an alert for rotated and displaced components. SVMs (Support Vector Machines) are the machine learning technique used in the implementation of the classifier. The model receives as input a feature vector that contains information describing the shape, texture and color of the images. The shape and texture features are computed using HOG (Histogram of Oriented Gradients) and the color descriptor is created by calculating the histogram of the image in the HSV (Hue, Saturation and Value) color space. The model achieved an accuracy of 98.7% on the test images.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectComputer visionen
dc.subjectVisão computacionalpt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectDigital image processingen
dc.subjectAutomatic optical inspectionen
dc.subjectPlaca de circuito impressopt_BR
dc.subjectPrinted circuit boarden
dc.titleSistema de inspeção visual de placas de circuito impressopt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001120788pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentEscola de Engenhariapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2020pt_BR
dc.degree.graduationEngenharia Elétricapt_BR
dc.degree.levelgraduaçãopt_BR


Files in this item

Thumbnail
   

This item is licensed under a Creative Commons License

Show simple item record