Comparação de algoritmos de visão computacional tradicional e aprendizado de máquina aplicados na automatização de uma mesa de pinball

Página do item simplificado
dc.contributor.advisor1Ahlert, Edson Moacir
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2547339011790564
dc.contributor.referee1Borba, Fabricio Hartmann
dc.contributor.referee1Meyer, Vinicius
dc.creatorAssis, Lucas De
dc.date.accessioned2023-07-07T18:21:36Z
dc.date.available2023-07-07T18:21:36Z
dc.date.issued2023-06
dc.date.submitted2023-06-30
dc.description.abstractO aprendizado de máquina já é realidade a muito tempo na criação de ferramentas de visão computacional e recentemente tem se popularizado com a criação de carros autônomos que utilizam redes neurais convolucionais (RNC) para realizar a classificação e detecção de objetos em imagens, porém isso não necessariamente significa que as técnicas de visão computacional tradicionais se tornaram obsoletas e foram substituídas pelas RNC. Neste trabalho serão aplicados 5 métodos na tarefa de automatização de uma mesa de pinball, sendo 3 deles métodos tradicionais que são algoritmos matemáticos como transformada de Hough, diferença absoluta e segmentação por cor. E outros 2 métodos de aprendizado de máquina adaptados ao seu cenário de hardware com a biblioteca YOLO que utiliza RNC para ler e extrair informações de imagens com a proposta de ter alta velocidade de processamento sem abrir muita mão da precisão e da acurácia. Nos resultados deste trabalho é possível entender melhor as vantagens e desvantagens de cada abordagem por meio dos resultados de precisão, acurácia e tempo de processamento de cada solução.
dc.description.abstractMachine learning has been a reality for a long time in the creation of computer vision tools and has recently become popular with the creation of autonomous cars that use convolutional neural networks (CNN) to perform the classification and detection of objects in images, but this does not necessarily means that traditional computer vision techniques have become obsolete and have been replaced by CNN. In this work, 5 methods will be applied in the task of automating a pinball table, 3 of them being traditional methods that are mathematical algorithms such as Hough transform, absolute difference and color segmentation. And 2 other machine learning methods adapted to your hardware scenario with the YOLO library that uses RNC to read and extract information from images with the proposal to have high processing speed without giving up much precision and accuracy. In the results of this work it is possible to better understand the advantages and disadvantages of each approach through the results of precision, accuracy and processing time of each solution.
dc.identifier.citationASSIS, Lucas De. Comparação de algoritmos de visão computacional tradicional e aprendizado de máquina aplicados na automatização de uma mesa de pinball. 2023. Monografia (Graduação em Engenharia de Software) – Universidade do Vale do Taquari - Univates, Lajeado, 30 jun. 2023. Disponível em: http://hdl.handle.net/10737/3696. pt_BR
dc.identifier.urihttp://hdl.handle.net/10737/3696
dc.language.isopt_BR
dc.rightsAttribution-NonCommercial 3.0 Brazilen
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/br/
dc.subjectVisão computacional
dc.subjectAprendizado de máquina
dc.subjectMétodos tradicionais
dc.subjectComputer vision
dc.subjectMachine learning
dc.subjectTraditional methods
dc.subject.cnpqENG
dc.titleComparação de algoritmos de visão computacional tradicional e aprendizado de máquina aplicados na automatização de uma mesa de pinball
dc.typebachelorThesis
Arquivos
Pacote original
Agora exibindo 1 - 1 de 1
Imagem em miniatura
Nome:
COMPARAÇÃO DE ALGORITMOS DE VISÃO COMPUTACIONAL TRADICIONAL E APRENDIZADO DE MÁQUINA APLICADOS NA AUTOMATIZAÇÃO DE UMA MESA DE PINBALL.pdf
Tamanho:
7.12 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Pacote de licença
Agora exibindo 1 - 1 de 1
Imagem em miniatura
Nome:
license.txt
Tamanho:
1.06 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
Engenharia de Software