Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/1763
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSantana, Adrielle de Carvalhopt_BR
dc.contributor.authorLonguinho, Oscar Felício Cândido-
dc.date.accessioned2019-06-06T10:27:48Z-
dc.date.available2019-06-06T10:27:48Z-
dc.date.issued2019-
dc.identifier.citationLONGUINHO, Oscar Felício Cândido. Aplicação de algoritmo supervisionado na classificação de peças. 2019. 89 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2019pt_BR
dc.identifier.urihttp://www.monografias.ufop.br/handle/35400000/1763-
dc.description.abstractEste trabalho estuda a utilização de uma rede neural na classificação de peças de acordo com sua cor e comprimento. Uma esteira transportadora foi desenvolvida para a execução do trabalho, nela está posicionado o sensor RGB, responsável pela obtenção dos dados das componentes vermelha, verde e azul da cor da peça e o sensor de barreira, responsável pela leitura do valor correspondente ao comprimento da peça. O controle da esteira e dos sensores é feito por meio de uma plataforma Arduino que é responsável também pelo controle do módulo de cartão SD onde são armazenados os dados de leitura dos sensores. Um conjunto de amostras é coletado e utilizado para o treinamento da rede, para isto, foi implementado um código utilizando o software MATLAB capaz de realizar o treinamento e execução de uma rede neural perceptron multicamadas. Foram realizados testes de validação cruzada para analisar qual estrutura da rede, ou seja, o numero de camadas e o numero de neurônios em cada camada, melhor se adaptava ao problema de classificação proposto. Em seguida os demais parâmetros da rede, tais como a taxa de aprendizagem e os critérios de parada para o treinamento, foram obtidos por meio de testes em que a eficiência da rede foi analisada, comparando o resultado de treinamentos realizados com parâmetros diferentes. Após a obtenção dos parâmetros da rede que melhor atendiam os requisitos do trabalho, foi realizado a coleta de dados para a validação da rede. Para o processo de validação foi desenvolvido um aplicativo classificador que recebe os dados de leitura dos sensores se comunicando com a plataforma Arduino por meio da porta serial de um computador. Este aplicativo executa a rede perceptron multicamadas utilizando os pesos sinápticos obtidos durante o treinamento realizado no MATLAB e exibe uma resposta visual com o resultado da classificação feita pela rede. Durante os testes realizados foi observada a necessidade de ajustes na estrutura física do trabalho para que a rede desenvolvida tivesse um desempenho adequado. Com os ajustes realizados a rede apresentou um resultado de classificação satisfatório com uma taxa de acertos de 81,6%, mostrando ser viável a utilização da rede perceptron multicamadas para a classificação das peças utilizando um sistema de baixo custo e com apenas duas características.pt_BR
dc.language.isopt_BRpt_BR
dc.rightsopen accesspt_BR
dc.subjectRedes neuraispt_BR
dc.subjectPerceptron multicamadaspt_BR
dc.titleAplicação de algoritmo supervisionado na classificação de peças.pt_BR
dc.typeTCC-Graduaçãopt_BR
dc.contributor.refereeSantana, Adrielle de Carvalhopt_BR
dc.contributor.refereeReis, Agnaldo José da Rochapt_BR
dc.contributor.refereeAlmeida, Sílvia Grasiella Moreirapt_BR
dc.description.abstractenThis work studies the use of a neural network in the classification of pieces according to their color and length. A conveyor belt was developed to execut this work, in it is positioned the RGB sensor, responsible for obtaining the data of the red, green and blue components of the part color and the barrier sensor, responsible for reading the value corresponding to the part length. The control of the conveyor belt and the sensors is done by means of an Arduino platform that is also responsible for the control of the SD card module where the data of the reading from the sensors are stored. A set of samples is collected and used for the training of the network, for this, a code was implemented using the MATLAB program capable of performing the training and execution of a multi-layer perceptron neural network. Cross validation tests were performed to analyze which network structure, i.e., the number of layers and the number of neurons in each layer, was better adapted to the proposed classification problem. Then, the other parameters of the network, such as the learning rate and the stopping criteria for the training, were obtained by means of tests in which the network efficiency was analyzed, comparing the results of training with different parameters. After obtaining the parameters of the network that best met the requirements of the work, the data was collected for the validation of the network. For the validation process was developed a classifier application that receives the reading data from the sensors communicating with the Arduino platform through the serial port of a computer. This application executes the multilayer perceptron network using the synaptic weights obtained during the training performed in the MATLAB and displays a visual response with the result of the classification made by the network. During the tests, it was observed the need for adjustments in the physical structure of the work so that the developed network had an adequate performance. With the adjustments made the network presented a satisfactory classification result with a rate of 81,6%, showing that the use of the multilayer perceptron network is feasible for the classification of the parts using a low cost system and with only two characteristicspt_BR
Appears in Collections:Engenharia de Controle e Automação

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_AplicaçãoAlgoritmoSupervisionado.pdf2,43 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons