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 | Klippel, Emerson | - |
Autor(es): dc.creator | Oliveira, Ricardo Augusto Rabelo | - |
Autor(es): dc.creator | Maslov, Dmitry | - |
Autor(es): dc.creator | Bianchi, Andrea Gomes Campos | - |
Autor(es): dc.creator | Silva, Saul Emanuel Delabrida | - |
Autor(es): dc.creator | Garrocho, Charles Tim Batista | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:00:23Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:00:23Z | - |
Data de envio: dc.date.issued | 2023-07-21 | - |
Data de envio: dc.date.issued | 2023-07-21 | - |
Data de envio: dc.date.issued | 2021 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/17028 | - |
Fonte completa do material: dc.identifier | https://link.springer.com/article/10.1007/s42979-022-01169-y | - |
Fonte completa do material: dc.identifier | https://doi.org/10.1007/s42979-022-01169-y | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1029805 | - |
Descrição: dc.description | The use of deep learning on edge AI to detect failures in conveyor belts solves a complex problem of iron ore benefciation plants. Losses in the order of thousands of dollars are caused by failures in these assets. The existing fault detection systems currently do not have the necessary efciency and complete loss of belts is common. Correct fault detection is necessary to reduce fnancial losses and unnecessary risk exposure by maintenance personnel. This problem is addressed by the present work with the training of a deep learning model for detecting images of failures of the conveyor belt. The resulted model is converted and executed in an edge device located near the conveyor belt to stop it in case a failure is detected. A prototype built and tested in the feld obtained satisfactory results and is shown as the feasibility of using deep learning and edge arti- fcial intelligence in industrial mining environments. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Direitos: dc.rights | restrito | - |
Palavras-chave: dc.subject | Deep neural network | - |
Palavras-chave: dc.subject | Device edge | - |
Título: dc.title | Embedded edge artifcial intelligence for longitudinal rip detection in conveyor belt applied at the industrial mining environment. | - |
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: