FE - DEM | Dissertações de Mestrado e Teses de Doutoramento
Permanent URI for this collection
Browse
Browsing FE - DEM | Dissertações de Mestrado e Teses de Doutoramento by advisor "Aguiar, Martim Lima de"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
- Visão computacional como ferramenta de apoio ao controlo de qualidade e manipulação robotizada de frutasPublication . Filho, Estevão Farias Vale; Gaspar, Pedro Miguel de Figueiredo Dinis Oliveira; Aguiar, Martim Lima deO paradigma da utilização de novas tecnologias na agricultura e na indústria alimentar conduz a um aumento da produção e a uma potencial diminuição das perdas ao longo da cadeia de abastecimento. Porém, novos desafios surgem na modelação desta indústria, de modo a criar ambientes fiáveis com estas novas ferramentas. Esta dissertação tem como objetivo estudar e aplicar duas dessas novas tecnologias, a visão computacional em conjunto com a robótica colaborativa, de modo a criar um sistema não destrutivo, ou seja, sem danificar o fruto, de fácil implementação e economicamente favorável para atuação em linhas de processamento de frutos e vegetais, auxiliando de maneira direta na deteção de falhas e controlo de qualidade. Foi desenvolvido um sistema utilizando um Raspberry Pi 5 para captura de imagens dos frutos por meio de uma PiCamera módulo 3. As imagens foram enviadas a um braço robótico UR3e da Universal Robots via cabo Ethernet utilizando um código Python que integra funções desenvolvidas pela própria empresa e funções próprias desenvolvidas especificamente para esta dissertação. Foram desenvolvidos quatro modelos de deteção de objetos utilizando o TensorFlow Object Detection API, convertendo-os posteriormente em TensorFlow Lite para detetar dois tipos de fruta (laranja e tomate) fazendo uso de técnicas de aprendizagem profunda. Cada fruto teve dois tipos de modelo, com variação de classes no modelo de tomate, porém com a mesma base de dados e com duas bases de imagens e número de classes diferentes para o modelo de laranja, o de laranja com 2 classes obteve 69,85% mAP, laranja 4 classes 46,37% mAP, tomate quatro classe 78,69% mAP e tomate duas classes 81,43% mAP para uma IoU de 0,5. Por fim, criou-se uma área de trabalho retangular fiável para atuação do braço robótico em conjunto com a visão computacional. Após a realização de 640 testes de manipulação, obteve-se uma área fiável de 262 x 250 mm.