Pesquisadores da Universidade Técnica Estatal de Novosibirsk, na Rússia, desenvolveram um sistema de controle de qualidade com inteligência artificial para a indústria. A ferramenta, baseada em redes neurais, reconhece automaticamente fissuras, deformações e sinais de ferrugem em componentes de aço usando imagens de câmeras comuns. Segundo a universidade, a nova solução alcança mais de 87% de precisão na identificação de problemas.
Diferente das abordagens convencionais, que exigem grandes conjuntos de dados, este método precisa de poucas amostras para aprender. Apenas algumas fotos de cada falha são suficientes para a análise, mesmo quando tiradas com iluminação ruim ou em tamanhos diferentes. Isso torna a ferramenta uma boa opção para empresas onde conseguir muitas imagens de defeitos é difícil ou caro.
A principal inovação está na capacidade de se adaptar rapidamente a novos tipos de defeitos, sem precisar de ajustes complexos no banco de informações.
“Usamos uma arquitetura que aprende a ‘entender’ a natureza do defeito, não só a decorar as imagens”, explicou o coordenador do projeto, Egor Antoniants, assistente do Departamento de Sistemas de Controle Automatizados da instituição.
A tecnologia foi criada para ser usada em processos de garantia de qualidade e manutenção preventiva em fábricas, principalmente nos setores metalúrgico e mecânico. Ela também pode ser adaptada para inspecionar pontes, dutos e outras estruturas onde a operação contínua é essencial. Testes já comprovaram a eficácia do sistema, que mostrou um desempenho preciso na detecção de anomalias.
