Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício
Considering the great competition among industries, one of the main factors that make companies market leaders is the quality of their products. However, the techniques applied to quality control are often faulty or inefficient, due to the great dependence on the human factor, which makes the applie...
| Autor principal: | Silva, Mardlla de Sousa |
|---|---|
| Formato: | Dissertação |
| Idioma: | Português |
| Publicado em: |
Universidade Tecnológica Federal do Paraná
2022
|
| Assuntos: | |
| Acesso em linha: |
http://repositorio.utfpr.edu.br/jspui/handle/1/30164 |
| Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
| id |
riut-1-30164 |
|---|---|
| recordtype |
dspace |
| spelling |
riut-1-301642022-11-24T06:05:29Z Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício Learning strategies towards improvements in classification and quality control processes for the food industry Silva, Mardlla de Sousa Saito, Priscila Tiemi Maeda https://orcid.org/0000-0002-4870-4766 http://lattes.cnpq.br/6652293216938994 Corrêa, Cléber Gimenez https://orcid.org/0000-0003-1065-9565 http://lattes.cnpq.br/0521761025000380 Silva, Marcelo Ponciano da http://lattes.cnpq.br/5460455448058206 Saito, Priscila Tiemi Maeda https://orcid.org/0000-0002-4870-4766 http://lattes.cnpq.br/6652293216938994 Aprendizado do computador Processamento de imagens Classificação Machine learning Image processing Classification CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação Considering the great competition among industries, one of the main factors that make companies market leaders is the quality of their products. However, the techniques applied to quality control are often faulty or inefficient, due to the great dependence on the human factor, which makes the applied procedures tiring and highly susceptible to errors. Moreover, in the context of industry 4.0, the use of technologies to improve the evaluation of these products becomes increasingly essential. Therefore, this work aims to learn the most appropriate descriptors and pattern classifiers for automatic product classification and quality control in food industries, more specifically regarding cookies. For this, an extensive experimental evaluation was performed, considering different learning approaches (traditional and based on convolutional neural networks). From the obtained results, it is possible to observe that the proposed methodology can provide a more effective quality control for the company, reaching accuracies of up to 99%. It is possible to avoid offering products that do not comply with the quality standards in the market, improving the credibility of the brand with the consumer, its profitability and consequently its competitiveness. Considerando a grande concorrência entre as indústrias, um dos principais fatores que tornam as empresas líderes de mercado e a qualidade de seus produtos. No entanto, as técnicas aplicadas ao controle de qualidade são muitas vezes falhas ou ineficientes, devido à grande dependência do fator humano, o que torna os procedimentos aplicados cansativos e altamente suscetíveis a erros. Além disso, no contexto da indústria 4.0, o uso de tecnologias para melhorar a avaliação destes produtos torna-se cada vez mais essencial. Portanto, este trabalho tem como objetivo o aprendizado de descritores e de classificadores de padrões mais adequados para a classificação automática de produtos e o controle de qualidade em indústrias do ramo alimentício, mais especificamente envolvendo biscoitos. Para tanto, uma avaliação experimental extensiva foi realizada considerando diferentes abordagens de aprendizado (tradicionais e baseadas em redes neurais convolucionais). A partir dos resultados obtidos, e possível observar que a metodologia proposta pode proporcionar um controle de qualidade mais efetivo para a empresa, atingindo acurácias de até 99%. Pode-se evitar o oferecimento de produtos em não conformidade aos padrões de qualidade no mercado, melhorando a credibilidade da marca junto ao consumidor, sua rentabilidade e consequentemente sua competitividade. 2022-11-24T00:44:12Z 2022-11-24T00:44:12Z 2020-08-13 masterThesis SILVA, Mardlla de Sousa. Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício. 2020. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020. http://repositorio.utfpr.edu.br/jspui/handle/1/30164 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Cornelio Procopio Brasil Programa de Pós-Graduação em Informática UTFPR |
| institution |
Universidade Tecnológica Federal do Paraná |
| collection |
RIUT |
| language |
Português |
| topic |
Aprendizado do computador Processamento de imagens Classificação Machine learning Image processing Classification CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação |
| spellingShingle |
Aprendizado do computador Processamento de imagens Classificação Machine learning Image processing Classification CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO Ciência da Computação Silva, Mardlla de Sousa Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| description |
Considering the great competition among industries, one of the main factors that make companies market leaders is the quality of their products. However, the techniques applied to quality control are often faulty or inefficient, due to the great dependence on the human factor, which makes the applied procedures tiring and highly susceptible to errors. Moreover, in the context of industry 4.0, the use of technologies to improve the evaluation of these products becomes increasingly essential. Therefore, this work aims to learn the most appropriate descriptors and pattern classifiers for automatic product classification and quality control in food industries, more specifically regarding cookies. For this, an extensive experimental evaluation was performed, considering different learning approaches (traditional and based on convolutional neural networks). From the obtained results, it is possible to observe that the proposed methodology can provide a more effective quality control for the company, reaching accuracies of up to 99%. It is possible to avoid offering products that do not comply with the quality standards in the market, improving the credibility of the brand with the consumer, its profitability and consequently its competitiveness. |
| format |
Dissertação |
| author |
Silva, Mardlla de Sousa |
| author_sort |
Silva, Mardlla de Sousa |
| title |
Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| title_short |
Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| title_full |
Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| title_fullStr |
Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| title_full_unstemmed |
Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| title_sort |
estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício |
| publisher |
Universidade Tecnológica Federal do Paraná |
| publishDate |
2022 |
| citation |
SILVA, Mardlla de Sousa. Estratégias de aprendizado visando melhorias nos processos de classificação e de controle de qualidade na indústria do ramo alimentício. 2020. Dissertação (Mestrado em Informática) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2020. |
| url |
http://repositorio.utfpr.edu.br/jspui/handle/1/30164 |
| _version_ |
1805304885748432896 |
| score |
10,814766 |