Portal de Eventos Científicos da UTFPR (EVIN), XXV Seminário de Iniciação Científica e Tecnológica da UTFPR

Tamanho da fonte: 
Filtragem de dados em aprendizado profundo: inspeção de juntas soldadas
Rafael Rosa da Silva, Myriam Regattieri De Biase da Silva Delgado, Fernando Moreira Suyama, Ricardo Dutra da Silva

Última alteração: 2020-11-05

Resumo


A inspeção de radiografias de soldas é uma tarefa essencial para a prevenção de vazamentos em tubulações da indústria petrolífera. A inspeção automática é importante para auxiliar os especialistas em uma tarefa que pode ser influenciada pela fadiga, acuidade visual e experiência. Uma dificuldade da inspeção automática é a disponibilidade de imagens laudadas que possam ser utilizadas para o treinamento de classificadores. O uso de aumento de dados auxilia nesta tarefa mas pode produzir imagens com pouco impacto ou mesmo impacto negativo no treinamento de um classificador. Neste artigo apresenta-se uma método para filtragem de imagens, de forma a favorecer o reaprendizado do classificador, processo este que se dá pela eliminação de imagens com baixo desempenho na base de treino e posterior retreinamento, com impacto positivo para a generalização do modelo de segmentação. Os resultados experimentais do método mostram que a filtragem dos dados acelera o processo de aprendizado e produz uma melhora no desempenho da segmentação.

Palavras-chave


Aprendizado de Máquina; Redes U-net; Treinamento e Retreinamento do modelo profundo; Indústria do Petróleo