Desenvolvimento de um sistema de controlo de qualidade através de visão por computador para a indústria de cablagem automóvel

Abstract

O presente trabalho de projeto teve como objetivo o desenvolvimento do WireVision, um sistema de controlo de qualidade baseado em visão por computador, aplicado a várias fases do processo de construção de cabos na indústria de cablagem automóvel. O trabalho foi desenvolvido em articulação com a Versigent, sob orientação científica do Instituto Politécnico de Castelo Branco. O sistema assenta num pipeline sequencial de três fases: deteção da existência dos fios vermelho e preto, verificação da correta separação entre os dois fios, prevenindo curto-circuitos originados por ligações incorretas, e verificação do isolamento dos fios de acordo com as normas de segurança da empresa. Cada fase utiliza um modelo YOLO, tendo o sistema evoluído do YOLOv5x, passando pelo YOLOv8x, até à arquitetura final YOLO26m, adotada nas três fases pela sua eficiência computacional superior, particularmente relevante num sistema executado inteiramente em CPU, no Raspberry Pi 5. A construção do dataset envolveu a seleção manual de aproximadamente 400 imagens por fase, com exclusão criteriosa de imagens comprometidas por fios não visíveis, sombras e borrões de movimento, seguida da anotação com LabelImg. A inferência dos modelos é isolada em subprocessos independentes, comunicando via HTTP. Os resultados de validação, obtidos contra imagens de fábrica reservadas e nunca vistas em treino, confirmam a fiabilidade do sistema: as fases de deteção do estado do conector atingem precisão próxima de 98,5% e mAP50 de aproximadamente 99%, enquanto a deteção de cor dos fios, mais suscetível a variações de iluminação, apresenta 88,5% de precisão, identificando-se uma oportunidade de melhoria futura. O sistema encontra-se implementado e testado em ambiente de produção com Docker e systemd, permitindo arranque e recuperação automática do serviço. Os testes evidenciaram, contudo, limitações térmicas do Raspberry Pi 5 sob carga computacional prolongada, identificadas como uma área prioritária de melhoria, e demonstram que é possível implementar sistemas de inspeção visual eficientes em hardware de baixo custo Abstract: This project work aimed to develop WireVision, a computer vision-based quality control system applied to several stages of the wire harness manufacturing process in the automotive cabling industry. The work was carried out in collaboration with Versigent, under the scientific supervision of the Polytechnic Institute of Castelo Branco. The system is built around a sequential three-stage pipeline: detection of the presence of the red and black wires, verification of correct separation between the two wires, preventing short circuits caused by incorrect connections, and verification of wire insulation according to the company’s safety standards. Each stage relies on a YOLO model, with the system evolving from YOLOv5x, through YOLOv8x, to the final YOLO26m architecture, adopted across all three stages for its superior computational efficiency, particularly relevant for a system running entirely on CPU on a Raspberry Pi 5. Building the dataset involved manually selecting approximately 400 images per stage, carefully excluding images compromised by non-visible wires, shadows, and motion blur, followed by annotation using LabelImg. Model inference is isolated in independent subprocesses, communicating via HTTP. Validation results, obtained against reserved factory images never seen during training, confirm the system’s reliability: the connector-state detection stages achieve precision close to 98.5% and mAP50 of approximately 99%, while wire-color detection, more susceptible to lighting variations, achieves 88.5% precision, identifying an opportunity for future improvement. The system is deployed and tested in production using Docker and systemd, enabling automatic startup and recovery of the service. Testing revealed, however, thermal limitations of the Raspberry Pi 5 under prolonged computational load, identified as a priority area for improvement, and demonstrate that efficientvisual inspection systems can be implemented on low-cost hardware