Abordagens de classificação e interpretação em análise de imagens para controle de qualidade

• Ano de defesa: 2021
• Autor(a) principal: Puglia, Fabio do Prado
• Orientador(a): Anzanello, Michel José
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Processamento de imagens; Controle de qualidade; Aprendizado de máquina
• Palavras-chave em Inglês: Image analysis; Supervised learning; Classification; Interpretability
• Link de acesso: http://hdl.handle.net/10183/221043

A presente dissertação propõe métodos para classificação e interpretação em análise de imagens no contexto de controle de qualidade e autenticidade de produtos. O trabalho é composto por três artigos. Inicialmente, uma revisão bibliográfica sobre métodos de seleção de variáveis em análises de imagens fornece uma visão inicial sobre o assunto. No segundo artigo, propõe-se uma sistemática para detecção de medicamentos falsificados com base em imagens de comprimidos, bem como para identificação das regiões dos comprimidos mais relevantes para a tarefa de classificação. A aplicação do método em dois bancos de dados resultou em desempenhos de classificação de 100% na porção de teste, e a comparação com um método reportado na literatura como referência na interpretação de imagens mostrou que a abordagem proposta é superior em termos de robustez. O terceiro artigo propõe uma abordagem hierárquica para classificação de qualidade de carne a partir de imagens de contrafilé bovino. O método combina dois classificadores em uma abordagem de natureza hierárquica na qual a ordem de utilização dos classificadores é determinada pela acurácia dos mesmos. A sistemática foi validada em seis diferentes conjuntos de dados com acurácia de 90% ou mais elevada, e desempenho superior ao gerado pela abordagem de referência ao avaliarem-se métricas de desempenho de classificação como acurácia, sensibilidade e especificidade.