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.creator | Santos, Paulo Henrique dos | - |
Autor(es): dc.creator | Santos, Valéria de Carvalho | - |
Autor(es): dc.creator | Luz, Eduardo José da Silva | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:42:13Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:42:13Z | - |
Data de envio: dc.date.issued | 2025-08-13 | - |
Data de envio: dc.date.issued | 2023 | - |
Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/20834 | - |
Fonte completa do material: dc.identifier | https://www.sciencedirect.com/science/article/pii/S0952197624018827 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1016/j.engappai.2024.109724 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1022009 | - |
Descrição: dc.description | The classification of ferrous scrap materials is a well-explored problem in the literature, recognized for its significance in the steel production industry. While deep learning models are effective for this task, their deployment in industrial settings requires addressing model uncertainties and ensuring proper calibration. This study proposes adapting split conformal prediction to quantify uncertainties and facilitate model calibration. The results indicate that the Hierarchical Vision Transformer using Shifted Windows (Swin) models, particularly Swin V2, serves as the most reliable backbone for this task. Although the performance of Swin models is comparable to other evaluated models, Swin V2 demonstrates superior confidence, achieving 95.51% accuracy and the lowest conformal prediction threshold. The method is rigorously evaluated on a real-world dataset comprising 8,147 images across nine classes of ferrous scrap widely used in the Brazilian steel industry. Explainability methods corroborate the results of conformal prediction, enhancing transparency and trust in model predictions, and thereby facilitating industrial adoption. This approach bridges the gap between advanced deep learning and practical application in ferrous scrap classification, underscoring the importance of model calibration in industrial deployment. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | restrito | - |
Palavras-chave: dc.subject | Scrap classification | - |
Palavras-chave: dc.subject | Conformal prediction | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Explainable artificial intelligence | - |
Palavras-chave: dc.subject | Uncertainty quantification | - |
Título: dc.title | Towards robust ferrous scrap material classification with deep learning and conformal prediction. | - |
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: