Exportação concluída — 

Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Pereira, Weverson da Silva
Orientador(a): Bergamasco, L. C. C.
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Estimativade Pose 6D
YOLO
Realidade aumentada
RGB
Aprendizado profundo
CNN
6D pose estimation
Augmented reality
Deep learning
Object detection
Link de acesso: https://repositorio.fei.edu.br/handle/FEI/5845
https://doi.org/10.31414/EE.2025.D.132227
Resumo: montagemdeequipamentoséumprocessodeproduçãofrequentementerealizado em ambientesindustriais,consistindonauniãodecomponentesoupeçasindividuaisparacriar produtos queatendamàsespecificaçõesexigidasesatisfaçamospadrõesdequalidade.Embora outros processosindustriaistenhamsidoamplamenteautomatizados,amontagemaindaépredo- minantemente manual,exigindooperadoresexperientesetreinados,queseapoiamemmanuais ou treinamentoscomespecialistas.Entretanto,comoavançodaIndústria4.0,tecnologiascomo a realidadeaumentadavêmsendoincorporadasparafacilitartarefascomplexas,permitindo,por meio dasobreposiçãodemalhas3Dnacenareal,guiarooperadorduranteoprocesso.Nesse contexto,aaplicaçãodetécnicasdeaprendizadoprofundotemganhadodestaque,especialmente com redesconvolucionaisparadetecçãodeobjetoseredesrecorrentesparavalidaçãodeetapas. No entanto,aestimativadepose6Daindaenfrentagrandesdesafiosquandoaplicadaaambien- tes industriaisreais,quesãoaltamentedinâmicos,nãoestruturados,comoclusõesfrequentes, iluminação variável,superfíciesreflexivasemúltiplosobjetoscomgeometriascomplexas.Além disso, destaca-seaescassezdebasesdedadospúblicasoupadronizadasvoltadasespecificamente para cenáriosindustriais,oquedificultaotreinamentoeavalidaçãodemodelosemcontextos realistas. Diantedisso,estetrabalhopropõeumametodologiaparaavaliartécnicasdedetecção e estimativadeposeemumambientefabrilreal,utilizandodadossintéticosgeradosapartir de modelosCADparatreinarmodelosbaseadosemYOLO,MaskR-CNNeSurfEmb,além de validarvisualmenteosresultadosemvídeosreaisdamontagemdeumapinçaautomotiva. Como principaisresultados,observou-sequeomodeloYOLOobteveomelhordesempenhona tarefadedetecção,commAPde91%,superandooMaskR-CNNem7,4%,enquantooSurfEmb demonstrou maioracurácianaestimativadepose6D,alcançando94,23%namétricaADD(-S)e superando ométodobaseadoemYOLOem23,91%,evidenciandoaviabilidadedaabordagem propostaparaaplicaçõesindustriaiscomapoioderealidadeaumentadaguiadaporinteligência artificial
id FEI_65d84d9f90828fcc523e34ec7ffb6a53
oai_identifier_str oai:repositorio.fei.edu.br:FEI/5845
network_acronym_str FEI
network_name_str Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
repository_id_str
spelling Pereira, Weverson da SilvaBergamasco, L. C. C.2025-11-10T19:05:22Z2025PEREIRA, Weverson da Silva. <b> Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris.</b> São Bernardo do Campo, 2025. 64 f. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2025. Disponível em: https://doi.org/10.31414/EE.2025.D.132227.https://repositorio.fei.edu.br/handle/FEI/5845https://doi.org/10.31414/EE.2025.D.132227montagemdeequipamentoséumprocessodeproduçãofrequentementerealizado em ambientesindustriais,consistindonauniãodecomponentesoupeçasindividuaisparacriar produtos queatendamàsespecificaçõesexigidasesatisfaçamospadrõesdequalidade.Embora outros processosindustriaistenhamsidoamplamenteautomatizados,amontagemaindaépredo- minantemente manual,exigindooperadoresexperientesetreinados,queseapoiamemmanuais ou treinamentoscomespecialistas.Entretanto,comoavançodaIndústria4.0,tecnologiascomo a realidadeaumentadavêmsendoincorporadasparafacilitartarefascomplexas,permitindo,por meio dasobreposiçãodemalhas3Dnacenareal,guiarooperadorduranteoprocesso.Nesse contexto,aaplicaçãodetécnicasdeaprendizadoprofundotemganhadodestaque,especialmente com redesconvolucionaisparadetecçãodeobjetoseredesrecorrentesparavalidaçãodeetapas. No entanto,aestimativadepose6Daindaenfrentagrandesdesafiosquandoaplicadaaambien- tes industriaisreais,quesãoaltamentedinâmicos,nãoestruturados,comoclusõesfrequentes, iluminação variável,superfíciesreflexivasemúltiplosobjetoscomgeometriascomplexas.Além disso, destaca-seaescassezdebasesdedadospúblicasoupadronizadasvoltadasespecificamente para cenáriosindustriais,oquedificultaotreinamentoeavalidaçãodemodelosemcontextos realistas. Diantedisso,estetrabalhopropõeumametodologiaparaavaliartécnicasdedetecção e estimativadeposeemumambientefabrilreal,utilizandodadossintéticosgeradosapartir de modelosCADparatreinarmodelosbaseadosemYOLO,MaskR-CNNeSurfEmb,além de validarvisualmenteosresultadosemvídeosreaisdamontagemdeumapinçaautomotiva. Como principaisresultados,observou-sequeomodeloYOLOobteveomelhordesempenhona tarefadedetecção,commAPde91%,superandooMaskR-CNNem7,4%,enquantooSurfEmb demonstrou maioracurácianaestimativadepose6D,alcançando94,23%namétricaADD(-S)e superando ométodobaseadoemYOLOem23,91%,evidenciandoaviabilidadedaabordagem propostaparaaplicaçõesindustriaiscomapoioderealidadeaumentadaguiadaporinteligência artificialThe assemblyofequipmentisacoremanufacturingprocessinindustrialsettings,invol- ving theintegrationofindividualcomponentsintofinalproductsthatmeetpredefinedspecifi- cations andqualitystandards.Whilevariousindustrialoperationshaveundergonesignificant automation, assemblytasksremainlargelymanual,requiringskilledoperatorswhorelyon training sessionsorprintedmanualsforguidance.WiththeadvancementofIndustry4.0,techno- logies suchasAugmentedReality(AR)areincreasinglyadoptedtosupportcomplexprocedures by overlayingvirtual3Dmeshesontotherealenvironment,therebyassistingoperatorsinreal time. Inthiscontext,deeplearningtechniqueshavegainedprominence—particularlyconvoluti- onal neuralnetworks(CNNs)forobjectdetectionandrecurrentnetworksforstagevalidation. However,applying6Dposeestimationinreal-worldindustrialscenariosremainschallenging due tounstructuredanddynamicconditions,frequentocclusions,varyinglighting,reflective surfaces,andmultipleobjectswithcomplexgeometries.Thesedifficultiesarecompoundedby the limitedavailabilityofpublicorstandardizeddatasetstailoredforindustrialenvironments, which hindersthetrainingandvalidationofrobustmodelsunderrealisticconstraints.Toaddress these challenges,thisworkproposesamethodologytoevaluateobjectdetectionand6Dpose estimation techniquesinanactualautomotivemanufacturingsetting.Syntheticdatasetsaregene- rated fromCADmodelstotraindeeplearningarchitectures,includingYOLO,MaskR-CNN,and SurfEmb.Theevaluationalsoincludesqualitativevalidationusingrealvideosequencesofthe caliper assemblyprocess.ExperimentalresultsshowthatYOLOachievedthebestperformance in objectdetection,withameanAveragePrecision(mAP)of91%,outperformingMaskR-CNN by 7.4%.For6Dposeestimation,SurfEmbdeliveredthehighestaccuracy,reaching94.23%in the ADD(-S)metric,surpassingtheYOLO-basedapproachby23.91%.Thesefindingsconfirm the feasibilityoftheproposedapproachforAR-assistedindustrialassemblyguidedbyartificial intelligenceporpt_BRCentro Universitário FEI, São Bernardo do CampoEstimativade Pose 6DYOLORealidade aumentadaRGBAprendizado profundoCNN6D pose estimationAugmented realityDeep learningObject detectionVisão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabrisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)instname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccessORIGINALfulltext.pdfapplication/pdf15294503https://repositorio.fei.edu.br/bitstreams/64276417-969b-42f6-93ab-058f624eed08/downloadb3f5b804d9446fdfdcdf2570a33c9038MD51trueAnonymousREADTEXTfulltext.pdf.txtfulltext.pdf.txtExtracted texttext/plain102969https://repositorio.fei.edu.br/bitstreams/c83df700-ffd8-4ad2-8237-1469080a5967/downloadbe72bf776d205cef201ce7cf5d03f950MD52falseAnonymousREADTHUMBNAILfulltext.pdf.jpgfulltext.pdf.jpgGenerated Thumbnailimage/jpeg2277https://repositorio.fei.edu.br/bitstreams/5a3d3a48-6a3b-47e8-8ad3-2adb4fb94300/downloadc27b2965d7d404b968db5d2df3a30a71MD53falseAnonymousREADFEI/58452025-11-14 00:29:41.809open.accessoai:repositorio.fei.edu.br:FEI/5845https://repositorio.fei.edu.brBiblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRIhttps://repositorio-api.fei.edu.br/server/oai/requestcfernandes@fei.edu.bropendoar:2025-11-14T00:29:41Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI) - Centro Universitário da Fundação Educacional Inaciana (FEI)false
dc.title.pt_BR.fl_str_mv Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
title Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
spellingShingle Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
Pereira, Weverson da Silva
Estimativade Pose 6D
YOLO
Realidade aumentada
RGB
Aprendizado profundo
CNN
6D pose estimation
Augmented reality
Deep learning
Object detection
title_short Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
title_full Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
title_fullStr Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
title_full_unstemmed Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
title_sort Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris
author Pereira, Weverson da Silva
author_facet Pereira, Weverson da Silva
author_role author
dc.contributor.author.fl_str_mv Pereira, Weverson da Silva
dc.contributor.advisor1.fl_str_mv Bergamasco, L. C. C.
contributor_str_mv Bergamasco, L. C. C.
dc.subject.por.fl_str_mv Estimativade Pose 6D
YOLO
Realidade aumentada
RGB
Aprendizado profundo
CNN
6D pose estimation
Augmented reality
Deep learning
Object detection
topic Estimativade Pose 6D
YOLO
Realidade aumentada
RGB
Aprendizado profundo
CNN
6D pose estimation
Augmented reality
Deep learning
Object detection
description montagemdeequipamentoséumprocessodeproduçãofrequentementerealizado em ambientesindustriais,consistindonauniãodecomponentesoupeçasindividuaisparacriar produtos queatendamàsespecificaçõesexigidasesatisfaçamospadrõesdequalidade.Embora outros processosindustriaistenhamsidoamplamenteautomatizados,amontagemaindaépredo- minantemente manual,exigindooperadoresexperientesetreinados,queseapoiamemmanuais ou treinamentoscomespecialistas.Entretanto,comoavançodaIndústria4.0,tecnologiascomo a realidadeaumentadavêmsendoincorporadasparafacilitartarefascomplexas,permitindo,por meio dasobreposiçãodemalhas3Dnacenareal,guiarooperadorduranteoprocesso.Nesse contexto,aaplicaçãodetécnicasdeaprendizadoprofundotemganhadodestaque,especialmente com redesconvolucionaisparadetecçãodeobjetoseredesrecorrentesparavalidaçãodeetapas. No entanto,aestimativadepose6Daindaenfrentagrandesdesafiosquandoaplicadaaambien- tes industriaisreais,quesãoaltamentedinâmicos,nãoestruturados,comoclusõesfrequentes, iluminação variável,superfíciesreflexivasemúltiplosobjetoscomgeometriascomplexas.Além disso, destaca-seaescassezdebasesdedadospúblicasoupadronizadasvoltadasespecificamente para cenáriosindustriais,oquedificultaotreinamentoeavalidaçãodemodelosemcontextos realistas. Diantedisso,estetrabalhopropõeumametodologiaparaavaliartécnicasdedetecção e estimativadeposeemumambientefabrilreal,utilizandodadossintéticosgeradosapartir de modelosCADparatreinarmodelosbaseadosemYOLO,MaskR-CNNeSurfEmb,além de validarvisualmenteosresultadosemvídeosreaisdamontagemdeumapinçaautomotiva. Como principaisresultados,observou-sequeomodeloYOLOobteveomelhordesempenhona tarefadedetecção,commAPde91%,superandooMaskR-CNNem7,4%,enquantooSurfEmb demonstrou maioracurácianaestimativadepose6D,alcançando94,23%namétricaADD(-S)e superando ométodobaseadoemYOLOem23,91%,evidenciandoaviabilidadedaabordagem propostaparaaplicaçõesindustriaiscomapoioderealidadeaumentadaguiadaporinteligência artificial
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-11-10T19:05:22Z
dc.date.issued.fl_str_mv 2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PEREIRA, Weverson da Silva. <b> Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris.</b> São Bernardo do Campo, 2025. 64 f. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2025. Disponível em: https://doi.org/10.31414/EE.2025.D.132227.
dc.identifier.uri.fl_str_mv https://repositorio.fei.edu.br/handle/FEI/5845
dc.identifier.doi.none.fl_str_mv https://doi.org/10.31414/EE.2025.D.132227
identifier_str_mv PEREIRA, Weverson da Silva. <b> Visão computacional e aprendizado profundo para alinhamento de malhas 3d no auxílio a montagem em ambientes fabris.</b> São Bernardo do Campo, 2025. 64 f. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2025. Disponível em: https://doi.org/10.31414/EE.2025.D.132227.
url https://repositorio.fei.edu.br/handle/FEI/5845
https://doi.org/10.31414/EE.2025.D.132227
dc.language.iso.fl_str_mv por
pt_BR
language por
language_invalid_str_mv pt_BR
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
dc.source.none.fl_str_mv reponame:Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
instname:Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron:FEI
instname_str Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron_str FEI
institution FEI
reponame_str Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
collection Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI)
bitstream.url.fl_str_mv https://repositorio.fei.edu.br/bitstreams/64276417-969b-42f6-93ab-058f624eed08/download
https://repositorio.fei.edu.br/bitstreams/c83df700-ffd8-4ad2-8237-1469080a5967/download
https://repositorio.fei.edu.br/bitstreams/5a3d3a48-6a3b-47e8-8ad3-2adb4fb94300/download
bitstream.checksum.fl_str_mv b3f5b804d9446fdfdcdf2570a33c9038
be72bf776d205cef201ce7cf5d03f950
c27b2965d7d404b968db5d2df3a30a71
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório do Conhecimento Institucional do Centro Universitário da Fundação Educacional Inaciana (FEI) - Centro Universitário da Fundação Educacional Inaciana (FEI)
repository.mail.fl_str_mv cfernandes@fei.edu.br
_version_ 1856221265497423872

Registros relacionados