Competências
Responsável: José Santos
O Laboratório de Sistemas Flexíveis de Produção(LSFP) dedica-se ao desenvolvimento de soluções avançadas para automação industrial, inspeção de qualidade em tempo real e sistemas inteligentes para micromobilidade elétrica. A investigação combina visão computacional, inteligência artificial e eletrónica embarcada, criando protótipos prontos para integração em linhas de produção e produtos inovadores.
Principais competências
i) Inspeção visual automatizada com método de deflectometria, projetando padrões sobre superfícies para revelar deformações associadas a defeitos;
ii) Aquisição e processamento de imagem em tempo real, com algoritmos de deteção e classificação baseados em deep learning (YOLO), implementados em Python/OpenCV;
iii) Decisão automática (“aceite/rejeitado”) segundo parâmetros pré-definidos, com interface HMI e geração de relatórios;
iv) Desenvolvimento de controladores inteligentes para e‑bikes, integrando sensores de pedal, travão e velocidade com microcontroladores ESP32 e drivers BLDC;
v) Gestão avançada de energia via BMS (monitorização de tensão, temperatura e corrente), com algoritmos para otimização da autonomia e segurança;
vi) Manutenção preditiva de equipamentos com recurso a machine learning.
Exemplos de aplicação
1) Matutenção preditiva de centros de maquinagem e ferramentas de corte
O LSFP desenvolve sistemas automáticos para inspeção de peças pintadas, eliminando limitações ergonómicas da inspeção manual e reduzindo erros humanos. O processo segue um fluxo estruturado:
Projeção de padrão (deflectometria) sobre a superfície;
Aquisição de imagem com câmara;
Processamento com algoritmos YOLO para deteção e classificação de defeitos (riscos, amolgadelas, falhas/excesso de tinta);
Decisão automática (“OK/NOT OK”) baseada em critérios definidos.
Tecnologias: Python, OpenCV, redes neuronais convolucionais.
2) Controlador inteligente para e‑bikes
O laboratório desenvolve controladores que ajustam a assistência elétrica com base em sensores (pedal, travão, velocidade) e dados do BMS. A arquitetura inclui ESP32, BLDC driver e comunicação com dispositivos móveis para testes. Algoritmos integrados reduzem temperatura operacional, aumentam autonomia e prolongam a vida útil da bateria, garantindo segurança do utilizador.
Tecnologias-chave:
Visão computacional: deflectometria, YOLO, Python, OpenCV.
Eletrónica embarcada: ESP32, BLDC drivers, integração com BMS.
Algoritmos para melhoria da previsão da Vida Útil Remanescente.