Defesa de Mestrado – Yessica Maria Valencia Lemos – 16/6/2021

07/06/2021 14:40
Defesa de Dissertação de Mestrado
Aluna Yessica Maria Valencia Lemos
Orientador

Coorientador

Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC

Prof. Maurício Edgar Stivanello, Dr. – IFSC

Data 16/6/2021 (quarta-feira) – 14h

Videoconferência (https://meet.google.com/gmj-zuqi-yig)

Banca Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC (presidente);

Prof. Mario Lucio Roloff, Dr. – IFC;

Prof. Eric Aislan Antonelo, Dr. – DAS/UFSC;

Prof. Jomi Fred Hübner, Dr. – DAS/UFSC.

Título Inspeção Automática de Defeitos em Ovos Comerciais usando Visão Computacional
Resumo: A produção de ovos em linhas industriais cresceu consideravelmente ao longo dos anos. Essa produção alcança valores superiores a 15.000 ovos por hora, tornando cada vez mais difícil a utilização de operadores humanos para a tarefa de identificação visual e detecção de defeitos. Nesse cenário, as indústrias avícolas, com o objetivo de garantir e aumentar a eficácia e eficiência do processo de controle de qualidade, têm investido em novas soluções tecnológicas. Neste trabalho propõe-se comparar três soluções baseadas em processamento de imagens para realizar a inspeção automática de ovos comerciais, a fim de determinar a solução com o melhor equilíbrio em termos de precisão e velocidade. As abordagens propostas são executadas em um sistema de inspeção visual de ovos com simulação real de linhas de produção avícola. A primeira abordagem consiste na aplicação de técnicas clássicas de processamento de imagens e a segunda e terceira abordagens usam técnicas de aprendizagem profunda: classificação de imagens e segmentação semântica para a classificação do ovo em quatro categorias: normal, sujo, geometricamente anormal e ovos fissurados. Essas abordagens foram validadas com sucesso, alcançando uma acurácia média de 81 %, 85 % e 87 % e um tempo médio de processamento de 0,04 ms, 0,11 ms e 1,35 ms para as abordagens clássicas, classificação de imagens e segmentação semântica, respectivamente. Considerando os critérios de avaliação definidos para este projeto, obteve-se que as abordagens baseadas em técnicas clássicas apresentam um melhor equilíbrio nas métricas de avaliação, permitindo a detecção de várias características dos ovos como cor, formato e defeitos na superfície da casca.