Estudo de técnicas de classificação de imagens para controle de qualidade na produção de amortecedores veiculares

Abstract

Técnicas de visão computacional já são tradicionalmente aplicadas em inspeções para controle de qualidade em processos industriais, existindo diversos métodos já consolidados para reconhecer defeitos em componentes. Porém, uma das principais dificuldades nestes processos está exatamente na padronização do posicionamento destes componentes em relação a uma câmera fixa. esta condição limita ou dificulta bastante a aplicação de visão computacional em linhas de produção em série, onde os componentes estão em movimento e posicionados de forma não padronizada. O objetivo deste trabalho é testar e comparar três sistemas diferentes que utilizam técnicas de visão computacional para detecção e classificação de imagens de amortecedores, classificando automaticamente as peças com ausência da solda de fechamento. Dois destes sistemas foram desenvolvidos e testados no ambiente industrial, usados na entrada da linha de produção, buscando eliminar a necessidade de inspeção humana. Os resultados mostram que é possível a utilização de visão computacional para realizar com sucesso estas inspeções.

Computer vision techniques have traditionally been applied in inspections for quality control in industrial processes. There are several methods already established to recognize defects in components. However, a major difficulty in these cases is exactly the standardization of the components positioning in relation to a fixed camera. This condition represents a problem to apply computer vision in serial production lines where components are in motion and in a non-standardized position. The objective of this study is to test and compare three different systems using computer vision techniques to detect and classify shock absorbers welded and no welded, automatically sorting the no welded parts. Two of these systems were developed and tested in a production line, in an attempt to eliminate human inspection. The result shows that it is possible to use computer vision to successfully carry out these inspections.