Exportação concluída — 

Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Klippel, Emerson
Orientador(a): Oliveira, Ricardo Augusto Rabelo
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:
Beneficiamento de minério
Correias transportadoras
Aprendizado de máquina - Deep Learning
Link de acesso: http://www.repositorio.ufop.br/jspui/handle/123456789/14778
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_9fc9239f218152e5ddbb83129a74c803
oai_identifier_str oai:repositorio.ufop.br:123456789/14778
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str
spelling Klippel, EmersonOliveira, Ricardo Augusto RabeloMatos, Edson Jorge deBianchi, Andrea Gomes CamposReis, Agnaldo José da RochaOliveira, Ricardo Augusto Rabelo2022-03-30T15:00:54Z2022-03-30T15:00:54Z2021KLIPPEl, Emerson. Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro. 2021. 77 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.http://www.repositorio.ufop.br/jspui/handle/123456789/14778Programa 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.Transportadores de correias estão entre os principais ativos utilizados em usinas de beneficiamento de minério de ferro, sua disponibilidade e confiabilidade impactam diretamente na performance global dessas plantas tanto em aspectos de saúde e segurança das pessoas como em financeiros. Entre os modos de falhas desses dispositivos são comuns os rasgos nas correias transportadoras de borracha vulcanizada devido a diversos agentes como materiais cortantes e perfurantes provenientes da mina e ou sucatas mecânicas diversas. Os sistemas atuais de detecção de rasgo baseados em dispositivos eletromecânicos, óticos, eletromagnéticos ou de eletrônica integrada as correias não possuem a confiabilidade, robustez e facilidade de manutenção necessárias aos ambientes de mineração. Sendo assim o presente trabalho apresenta a implementação de um sistema de sensoriamento utilizando captura de imagens com detecção em tempo real de rasgos e ou anomalias do tapete da correia através de modelos deep learning. A implementação do deep learning deverá atender a requisitos de baixa demanda computacional permitindo sua aplicação em computador de borda de baixo custo e sem conectividade externa para processamento das informações, alinhado aos preceitos de edge AI. Para o treinamento do modelo será construído dataset específico com imagens de situações de rasgo e normais de correias reais. Todo o processo de treinamento e conversão do modelo para uso com device edge será abordado na metodologia, bem como as estratégias de execução das coletas de imagens, construção de protótipos e testes de campo. Para os testes executados com a versão final do protótipo a precisão de detecção de rasgo foi de 98%, mostrando a viabilidade vi do uso de deep learning em conjunto com device edge para detecção de rasgos de correia transportadoras.Conveyor belts are one of the main assets used in iron ore facilities, their disponibility and reliability impacting directly on the overall performance of these plants in health and safety as well as financial aspects. One of the most common failures in these conveyor belts is mechanical tear due to sharp materials coming from the mine or scraps from machinery. Eletromechanical, optical, electromagnetic or electronic systems integrated in conveyor belts don´t have the realiability, robustness and ease of maintenance required in mining areas. Thus, this paper presents the implementation of a sensing system utilizing image capture with live tear or anomalies detection in theconveyor belts through deep learning. The implementation of deep learning must meet requirements of low computational demand, allowing its application in low-cost edge computers without external connectivity for information processing, in line with edge AI paradigms. For model training, a specific dataset will be built with images of longitudinal rips and normal situations of real belts. The entire process of training and converting the model for use with device edge will be covered in the methodology, as well as the execution strategies for image collection, prototype construction and field tests. For the tests performed with the final version of the prototype, the longitudinal rip detection precision was 98%, showing the feasibility of using deep learning in conjunction with device edge to detect conveyor belt tears.http://creativecommons.org/licenses/by-nc-sa/3.0/us/Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 15/10/2021 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/openAccessBeneficiamento de minérioCorreias transportadorasAprendizado de máquina - Deep LearningDeep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.Deep Learning and Device Edge in rip detector implementation for iron ore conveyor belt.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOPORIGINALDISSERTAÇÃO_DeepLearningDevice.pdfDISSERTAÇÃO_DeepLearningDevice.pdfapplication/pdf32862000https://www.repositorio.ufop.br/bitstreams/f0d534ff-a49d-4c22-8e29-32368db4dd54/downloadf42866db8949471c3ac9759d8214d51eMD51trueAnonymousREADCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81037https://www.repositorio.ufop.br/bitstreams/03834201-cd0a-4ca5-aecf-ca781b21d2a4/download80294ba9ff4c5b4f07812ee200fbc42fMD52falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://www.repositorio.ufop.br/bitstreams/360d1178-311e-4931-a279-593901027f06/download8a4605be74aa9ea9d79846c1fba20a33MD53falseAnonymousREADTHUMBNAILDISSERTAÇÃO_DeepLearningDevice.pdf.jpgDISSERTAÇÃO_DeepLearningDevice.pdf.jpgGenerated Thumbnailimage/jpeg3389https://www.repositorio.ufop.br/bitstreams/a6bf4cad-5155-4d77-9029-fd5de65c9f8a/download12d355cc28bd38d84e454a2214de0aa8MD54falseAnonymousREAD123456789/147782024-11-10 12:18:28.398http://creativecommons.org/licenses/by-nc-sa/3.0/us/abertoopen.accessoai:repositorio.ufop.br:123456789/14778https://www.repositorio.ufop.brRepositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332024-11-10T15:18:28Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)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
dc.title.pt_BR.fl_str_mv Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
dc.title.alternative.pt_BR.fl_str_mv Deep Learning and Device Edge in rip detector implementation for iron ore conveyor belt.
title Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
spellingShingle Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
Klippel, Emerson
Beneficiamento de minério
Correias transportadoras
Aprendizado de máquina - Deep Learning
title_short Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
title_full Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
title_fullStr Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
title_full_unstemmed Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
title_sort Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro.
author Klippel, Emerson
author_facet Klippel, Emerson
author_role author
dc.contributor.referee.pt_BR.fl_str_mv Oliveira, Ricardo Augusto Rabelo
Matos, Edson Jorge de
Bianchi, Andrea Gomes Campos
Reis, Agnaldo José da Rocha
dc.contributor.author.fl_str_mv Klippel, Emerson
dc.contributor.advisor1.fl_str_mv Oliveira, Ricardo Augusto Rabelo
contributor_str_mv Oliveira, Ricardo Augusto Rabelo
dc.subject.por.fl_str_mv Beneficiamento de minério
Correias transportadoras
Aprendizado de máquina - Deep Learning
topic Beneficiamento de minério
Correias transportadoras
Aprendizado de máquina - Deep Learning
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 2021
dc.date.issued.fl_str_mv 2021
dc.date.accessioned.fl_str_mv 2022-03-30T15:00:54Z
dc.date.available.fl_str_mv 2022-03-30T15:00:54Z
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 KLIPPEl, Emerson. Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro. 2021. 77 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufop.br/jspui/handle/123456789/14778
identifier_str_mv KLIPPEl, Emerson. Deep Learning e Device Edge na implementação de detetor de rasgo de correia transportadora de minério de ferro. 2021. 77 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
url http://www.repositorio.ufop.br/jspui/handle/123456789/14778
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/us/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/us/
eu_rights_str_mv openAccess
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
bitstream.url.fl_str_mv https://www.repositorio.ufop.br/bitstreams/f0d534ff-a49d-4c22-8e29-32368db4dd54/download
https://www.repositorio.ufop.br/bitstreams/03834201-cd0a-4ca5-aecf-ca781b21d2a4/download
https://www.repositorio.ufop.br/bitstreams/360d1178-311e-4931-a279-593901027f06/download
https://www.repositorio.ufop.br/bitstreams/a6bf4cad-5155-4d77-9029-fd5de65c9f8a/download
bitstream.checksum.fl_str_mv f42866db8949471c3ac9759d8214d51e
80294ba9ff4c5b4f07812ee200fbc42f
8a4605be74aa9ea9d79846c1fba20a33
12d355cc28bd38d84e454a2214de0aa8
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
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_ 1862724399175565312

Registros relacionados