As transformações e evoluções oriundas da inserção tecnológica da Indústria 4.0, nos meios de produção em indústrias globais, representam um novo marco histórico da sociedade. A nova era industrial tem por objetivo flexibilizar a produção e transformar sistemas produtivos simples em colaborativos, além de trazer um conjunto de mudanças em diversos âmbitos e em suas relações com os stakeholders. O presente trabalho estuda o uso de redes neurais convolucionais (CNNs) na classificação de objetos em um ambiente industrial, contribuindo para a evolução dos processos na Indústria 4.0. Foram usados alguns conjuntos de dados, compostos por imagens capturadas pelo autor e imagens retiradas da internet, para treinar diferentes arquiteturas de CNNs, incluindo VGG16, EfficientNet-B4, ResNet50, Inception V3 e Xception. Para melhorar a precisão e a generalização dos modelos, foram aplicadas técnicas de data augmentation. O desenvolvimento do projeto envolveu uma interface de usuário em C#, permitindo a integração com câmeras IP e uma API desenvolvida em Python. Os resultados demonstraram que o uso das CNNs proporcionou uma alta taxa de acurácia na classificação dos objetos, destacando a eficácia das técnicas aplicadas. Além disso, o sistema proposto mostrou-se viável para uso em ambientes industriais simulados, como demonstrado pela integração bem-sucedida com o Totally Integrated Automation, mais conhecido como TIA, Factory I/O e as demais interfaces. O trabalho contribui significativamente para a Indústria 4.0 ao aumentar a eficiência e a precisão dos processos de manufatura através do uso de redes neurais e visão computacional. Os resultados apontam para futuras melhorias nos modelos e na velocidade de processamento, sugerindo áreas para pesquisas adicionais e aplicações mais abrangentes.

Palavras-chaves: visão computacional, redes neurais convolucionais, indústria 4.0 Ver menos

The transformations and evolutions arising from the technological insertion of industry 4.0, in the means of production in global industries, represent a new historical milestone for society. The new industrial era aims to make production more flexible and transform simple production systems into collaborative ones, in addition to bringing a set of changes in different areas and in their relationships with stakeholders. The present work studies the use of convolutional neural networks (CNNs) in the classification of objects in an industrial environment, contributing to the evolution of processes in Industry 4.0. Some datasets, composed of images captured by the author and images taken from the internet, were used to train different CNN architectures, including VGG16, EfficientNet-B4, ResNet50, Inception V3 and Xception. To improve the accuracy and generalization of the models, data augmentation techniques were applied. The development of the project involved a user interface in C#, allowing integration with IP cameras and an API developed in Python. The results demonstrated that the use of CNNs provided a high accuracy rate in classifying objects, highlighting the effectiveness of the techniques applied. Furthermore, the proposed system proved to be viable for use in simulated industrial environments, as demonstrated by the successful integration with Totally Integrated Automation, better known as TIA, Factory I/O and other interfaces. The work contributes significantly to Industry 4.0 by increasing the efficiency and accuracy of manufacturing processes through the use of neural networks and computer vision. The results point to future improvements in models and processing speed, suggesting areas for additional research and broader applications.

Keywords: computer vision, convolutional neural networks, industry 4.0 Ver menos