Monitoramento da qualidade de pintura industrial a partir de processamento de imagens no contexto de digitalização

Resumo

O monitoramento da qualidade da pintura industrial é de grande importância para evitar futuros desgastes na pintura como também para aumentar a qualidade do acabamento final. Entretanto, tal monitoramento usualmente requer o uso sensores e outros elementos de alto custo, sendo assim, seu uso é descartado por não ser uma opção viável financeiramente. Nesse sentido, no presente estudo será avaliada a possibilidade de utilização de componentes de baixo custo, como uma câmera e uma placa Raspberry Pi, para desempenhar a função de sensores mais caros. Dessa forma, com o uso dos componentes mencionados será feita a análise em corpos de prova com a pintura defeituosa e também com a pintura sem defeitos, para que posteriormente seja feita a comparação entre ambos. As imagens obtidas serão processadas através de um algoritmo em Python, o qual irá aplicar um método de identificação de arestas chamado Local Binary Pattern. Feito esse processamento, serão calculadas métricas sobre o(s) defeito(s) encontrado(s) como proporção, espessura, área, entre outras. Para determinar o defeito encontrado e também verificar se existe diferença significativa entre as imagens de corpos de prova com defeito e sem defeito, será empregado um método estatístico, obtendo a média e o desvio padrão, e feito posteriormente um teste de hipótese. Por fim, será feito o upload dos resultados obtidos para um servidor do Thing Speak através de técnicas de IoT, e com os dados obtidos, será construído um banco de dados em SQL para armazenar e organizar todo resultado da pesquisa. (AU)