Inteligência artificial na revisão de tecidos planos

Abstract

A monografia “Inteligência Artificial na Revisão de Tecidos Planos” explora a aplicação de técnicas de inteligência artificial na qualidade da indústria têxtil, focando na classificação de tecidos planos e detecção de defeitos. Após uma introdução à IA destacando seu impacto na sociedade, a pesquisa aborda as redes neurais convolucionais como eficazes na análise de imagens, utilizando MNIST para exemplificar a classificação de imagens. Em seguida, a monografia se concentra no uso da base de dados DAGM para detecção de defeitos, descrevendo o pré-processamento das imagens e a arquitetura da rede. Os resultados revelam desafios iniciais na identificação de defeitos em alguns tipos de tecidos, com ênfase na necessidade de melhorias para superar o overfitting. Propõe-se a aplicação de data augmentation em classes como amostras escassas, resultando em melhorias nas taxas de acerto. Os resultados detalhados incluem matrizes de confusão e taxas de acerto por classe, evidenciando a eficácia do data augmentation.

The monograph "Artificial Intelligence in Flat Fabric Inspection" explores the application of artificial intelligence techniques in the textile industry's quality control, with a focus on the classification of flat fabrics and defect detection. After an introduction to AI, highlighting its societal impact, the research delves into convolutional neural networks as effective tools for image analysis, using the MNIST dataset to exemplify image classification. Subsequently, the monograph focuses on utilizing the DAGM dataset for defect detection, describing image preprocessing and network architecture. The results reveal initial challenges in identifying defects in certain fabric types, emphasizing the need for improvements to overcome overfitting. The proposal includes the application of data augmentation in classes with limited samples, resulting in improved accuracy rates. Detailed outcomes comprise confusion matrices and accuracy rates per class, highlighting the effectiveness of data augmentation.