Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Luz, Eduardo José da Silva | - |
Autor(es): dc.contributor | Luz, Eduardo José da Silva | - |
Autor(es): dc.contributor | Santos, Valéria de Carvalho Santos | - |
Autor(es): dc.contributor | Oliveira, Luciano Rebouças de | - |
Autor(es): dc.creator | Santos, Paulo Henrique dos | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:05:17Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:05:17Z | - |
Data de envio: dc.date.issued | 2024-11-12 | - |
Data de envio: dc.date.issued | 2024-11-12 | - |
Data de envio: dc.date.issued | 2023 | - |
Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/18964 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1002195 | - |
Descrição: dc.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. | - |
Descrição: dc.description | 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. | - |
Descrição: dc.description | 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. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | aberto | - |
Direitos: dc.rights | Attribution-NonCommercial-ShareAlike 3.0 United States | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/3.0/us/ | - |
Direitos: dc.rights | 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. | - |
Palavras-chave: dc.subject | Aprendizado profundo | - |
Palavras-chave: dc.subject | Sucata de metais - classificação | - |
Palavras-chave: dc.subject | Visão por computador | - |
Título: dc.title | Towards explainable and reliable ferrous scrap classification with deep learning. | - |
Título: dc.title | Rumo à classificação explícavel e confiável de sucatas ferrosas com aprendizado profundo. | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: