Towards explainable and reliable ferrous scrap classification with deep learning.

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Santos, Paulo Henrique dos
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado profundo
Sucata de metais - classificação
Visão por computador
Link de acesso: https://www.repositorio.ufop.br/handle/123456789/18964
Resumo: Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
id UFOP_204aa2a531a3ce0d058c537e7e5bb11c
oai_identifier_str oai:repositorio.ufop.br:123456789/18964
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Towards explainable and reliable ferrous scrap classification with deep learning.Rumo à classificação explícavel e confiável de sucatas ferrosas com aprendizado profundo.Aprendizado profundoSucata de metais - classificaçãoVisão por computadorPrograma de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.With the notable importance of the steel industry in global energy consumption and greenhouse gas emissions, efforts have been made to optimize the steel recycling process. In this regard, au- tomatic scrap classification plays a fundamental role, enhancing the efficiency of the recycling process. However, a scrap classifier that is understandable and reliable is essential for its deploy- ment in a production industrial environment. Therefore, the main objective of this work is to investigate deep learning techniques combining conformal prediction for uncertainty quantifi- cation and explainable artificial intelligence (XAI). The deep learning architectures ResNet-50, Vision Transformer (ViT), and Swin Transformer were trained on a dataset containing 8,147 images distributed across nine scrap classes. The trained models achieved an average accuracy above 95%, and the results of split conformal prediction indicate Swin as the most reliable model. Furthermore, among the tested explainability methods, Score-CAM in conjunction with the Swin model yielded the best results, revealing the main characteristics of the scrap used by the model.Com a notória importância da indústria do aço no consumo global de energia e na emis- são de gases do efeito estufa, busca-se otimizar o processo de reciclagem do aço. Neste sentido, a classificação automática de sucatas desempenha um papel fundamental, aumentando a eficiên- cia do processo de reciclagem. Entretanto, um classificador de sucatas que seja compreensível e confiável é essencial para sua implantação em um ambiente industrial em produção. Portanto, o objetivo principal deste trabalho é investigar técnicas de aprendizado profundo combinando Predição Conforme para a quantificação de incertezas das inferências e Inteligência Artifical Explicável (XAI). As arquiteturas de aprendizado profundo ResNet-50, Vision Transformer (ViT) e Swin Transformer foram treinadas com um conjunto de dados contendo 8147 ima- gens distribuídas em nove classes de sucata. Os modelos treinados alcançaram uma acurácia média superior a 95%, e os resultados da Predição Conforme Particionada apontam o Swin como o modelo mais confiável. Além disso, dentre os métodos de explicabilidade testados, o Score-CAM em conjunto com o modelo Swin, apresentou os melhores resultados, revelando as principais características das sucatas utilizadas pelo modelo.Luz, Eduardo José da SilvaLuz, Eduardo José da SilvaSantos, Valéria de Carvalho SantosOliveira, Luciano Rebouças deSantos, Paulo Henrique dos2024-11-13T20:28:54Z2024-11-13T20:28:54Z2024info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSANTOS, Paulo Henrique dos. Towards explainable and reliable ferrous scrap classification with deep learning. 2024. 64 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.https://www.repositorio.ufop.br/handle/123456789/18964ark:/61566/0013000000d4hAttribution-NonCommercial-ShareAlike 3.0 United Stateshttp://creativecommons.org/licenses/by-nc-sa/3.0/us/Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 20/05/2024 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOP2025-02-09T00:55:43Zoai:repositorio.ufop.br:123456789/18964Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332025-02-09T00:55:43Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.none.fl_str_mv Towards explainable and reliable ferrous scrap classification with deep learning.
Rumo à classificação explícavel e confiável de sucatas ferrosas com aprendizado profundo.
title Towards explainable and reliable ferrous scrap classification with deep learning.
spellingShingle Towards explainable and reliable ferrous scrap classification with deep learning.
Santos, Paulo Henrique dos
Aprendizado profundo
Sucata de metais - classificação
Visão por computador
title_short Towards explainable and reliable ferrous scrap classification with deep learning.
title_full Towards explainable and reliable ferrous scrap classification with deep learning.
title_fullStr Towards explainable and reliable ferrous scrap classification with deep learning.
title_full_unstemmed Towards explainable and reliable ferrous scrap classification with deep learning.
title_sort Towards explainable and reliable ferrous scrap classification with deep learning.
author Santos, Paulo Henrique dos
author_facet Santos, Paulo Henrique dos
author_role author
dc.contributor.none.fl_str_mv Luz, Eduardo José da Silva
Luz, Eduardo José da Silva
Santos, Valéria de Carvalho Santos
Oliveira, Luciano Rebouças de
dc.contributor.author.fl_str_mv Santos, Paulo Henrique dos
dc.subject.por.fl_str_mv Aprendizado profundo
Sucata de metais - classificação
Visão por computador
topic Aprendizado profundo
Sucata de metais - classificação
Visão por computador
description Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
publishDate 2024
dc.date.none.fl_str_mv 2024-11-13T20:28:54Z
2024-11-13T20:28:54Z
2024
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.uri.fl_str_mv SANTOS, Paulo Henrique dos. Towards explainable and reliable ferrous scrap classification with deep learning. 2024. 64 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.
https://www.repositorio.ufop.br/handle/123456789/18964
dc.identifier.dark.fl_str_mv ark:/61566/0013000000d4h
identifier_str_mv SANTOS, Paulo Henrique dos. Towards explainable and reliable ferrous scrap classification with deep learning. 2024. 64 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2024.
ark:/61566/0013000000d4h
url https://www.repositorio.ufop.br/handle/123456789/18964
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-ShareAlike 3.0 United States
http://creativecommons.org/licenses/by-nc-sa/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 3.0 United States
http://creativecommons.org/licenses/by-nc-sa/3.0/us/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1846632497970937856

Registros relacionados