| dc.description.abstract |
No Brasil, dentre todas as etapas do processo de produção de objetos cerâmicos, a inspeção de qualidade é a que ainda possui muita dependência humana, uma vez que é feita, em geral, de forma manual. Um teste comumente realizado para verificar a integridade de materiais cerâmicos é a análise do som emitido pelo objeto quando sujeito a uma pancada não-destrutiva. Por ser uma tarefa muito repetitiva, a análise destes sons, quando feita por seres humanos, está sujeita a possíveis falhas de julgamento, haja vista o caráter exaustivo da mesma. Desta forma, este trabalho propõe uma abordagem computacional para se identificar falhas estruturais em telhas cerâmicas, a partir do uso de processamento digital de sinais em conjunto com técnicas de aprendizado de máquina. Foram extraídas diversas características dos sinais de áudio, selecionado as mais importantes e treinado/avaliado três classificadores diferentes (\textit{SVM - Support Vector Machine}, \textit{LDA - Linear Discriminant Analysis} e \textit{KNN - K-Nearest Neighbors}). Os três algoritmos de classificação testados apresentaram métricas de performance relativamente altas, com destaque para o LDA, que apresentou a melhor taxa de acerto. Os resultados deixaram claro a viabilidade técnica de se fazer a caracterização de telhas cerâmicas a partir do uso de aprendizado de máquina. |
pt_BR |
