Título

SISTEMA DE INSPEÇÃO VISUAL AUTOMÁTICA APLICADO À DETECÇÃO DE DEFEITOS EM AÇOS LAMINADOS

AUTOMATED VISUAL INSPECTION SYSTEM APPLIED TO ROLLED STEEL DEFECTS DETECTION

Autoria

Martins, Luiz Alberto de Oliveira; Pádua, Flávio Luis Cardeal; Almeida, Paulo Eduardo Maciel de; Carone, Marco Aurélio Bueno

DOI

10.5151/2594-5335-17393

Downloads

Baixar Artigo 74 Downloads

Resumo

Este trabalho descreve o desenvolvimento de um sistema de inspeção visual automática para detecção de defeitos em aços laminados usando técnicas de Visão Computacional e Redes Neurais Artificiais. Diferentemente de muitas técnicas comuns que são frequentemente baseadas em estimações manuais e que lidam com tempo significante e restrições financeiras, é apresentado um sistema automático baseado em técnicas de análise de imagens para classificação dos defeitos com formas geométricas bem definidas e a combinação de uma técnica de extração de características com um modelo de Rede Neural Artificial para classificação dos defeitos com formas geométricas de maior complexidade. Para isto, foram consideradas imagens reais extraídas de filmagens realizadas em uma linha de laminação de aços da siderúrgica ArcelorMittal para detecção de seis tipos de defeitos: solda laminada, grampo, furo de identificação, esfoliação, oxidação e marca de ondulação ou repuxado. O sistema desenvolvido foi validado com sucesso, atingindo uma taxa média de acerto de 87% na classificação dos defeitos.

 

This work addresses the development of an automated visual inspection system for rolled steel defects detection, by using Computer Vision techniques and Artificial Neural Networks. Unlike most common techniques, which are frequently based on manual estimations that lead to significant time and financial constraints, it presents an automatic system based on image analysis techniques for classification of defects with well-defined geometric shapes and the combination of a feature extraction technique with an Artificial Neural Network model for classification of defects with geometric shapes more complex. So, images extracted from real-world video streams realized in a rolled mill line of ArcelorMittal industry were considered for detecting six types of defects: rolled welding, clamp, identification hole, exfoliation, oxidation and wave-form mark. The system was successfully validated, achieving overall classification accuracy of 87%.

Palavras-chave

Visão computacional; Redes neurais; Inspeção; Aço laminado.

Computer vision; Neural networks; Inspection; Rolled steel.