A inspeção visual automática é uma tarefa importante para a produtividade industrial. Ela pode ser aplicada em controle de qualidade para substituir operadores humanos em trabalhos perigosos ou repetitivos. O estágio de classificação em controle de qualidade da produção industrial é freqüentemente baseado no conhecimento humano. Portanto, torna-se importante alimentar um sistema visual automático com dados nebulosos ou ambíguos. Um sistema \"neuro-fuzy\" é uma forma adequada de implementar isto. O trabalho contribui na área tecnológica de inspeção visual com o desenvolvimento de uma nova abordagem para avaliação da qualidade de placas de madeira utilizadas na fabricação de lápis. Outra contribuição foi a divisão do vetor de características, fazendo com que cada característica específica seja tratada em uma rede neural própria. O método é baseado em duas redes neurais, cada uma tratando com apenas uma característica de entrada. Os resultados das redes neurais são combinados através de lógica nebulosa (\"fuzzy) fornecendo um sistema com maior poder discriminante do que aqueles que utilizam métodos tradicionais. O sistema se caracteriza por ser ágil, repetitivo, com um padrão de classificação definido e por possuir baixo custo. / Automatic visual inspection is an important task for industrial productivity. It could be applied for quality control or for replacing manual work under dangerous or repetitive activity. The classification stage in quality control of the industrial production is often based on the human knowledge. It seems, therefore, to be a great concern to supply an automated visual inspection system with fuzzy or ambiguous data. The Neuro-Fuzzy system is a good way to do this. The objective of this work is to develop a new approach for the classification of wooden plates used in the pencil production. This new method is based on two neural networks, each one working with just an input feature. The results of neural networks are combined through fuzzy logic giving the system a greater discriminating power than those that use traditional methods. The proposed method is characterized by being agile, repetitive, with a defined classification pattern and having low cost.

A inspeção visual automática é uma tarefa importante para a produtividade industrial. Ela pode ser aplicada em controle de qualidade para substituir operadores humanos em trabalhos perigosos ou repetitivos. O estágio de classificação em controle de qualidade da produção industrial é freqüentemente baseado no conhecimento humano. Portanto, torna-se importante alimentar um sistema visual automático com dados nebulosos ou ambíguos. Um sistema \"neuro-fuzy\" é uma forma adequada de implementar isto. O trabalho contribui na área tecnológica de inspeção visual com o desenvolvimento de uma nova abordagem para avaliação da qualidade de placas de madeira utilizadas na fabricação de lápis. Outra contribuição foi a divisão do vetor de características, fazendo com que cada característica específica seja tratada em uma rede neural própria. O método é baseado em duas redes neurais, cada uma tratando com apenas uma característica de entrada. Os resultados das redes neurais são combinados através de lógica nebulosa (\"fuzzy) fornecendo um sistema com maior poder discriminante do que aqueles que utilizam métodos tradicionais. O sistema se caracteriza por ser ágil, repetitivo, com um padrão de classificação definido e por possuir baixo custo. / Automatic visual inspection is an important task for industrial productivity. It could be applied for quality control or for replacing manual work under dangerous or repetitive activity. The classification stage in quality control of the industrial production is often based on the human knowledge. It seems, therefore, to be a great concern to supply an automated visual inspection system with fuzzy or ambiguous data. The Neuro-Fuzzy system is a good way to do this. The objective of this work is to develop a new approach for the classification of wooden plates used in the pencil production. This new method is based on two neural networks, each one working with just an input feature. The results of neural networks are combined through fuzzy logic giving the system a greater discriminating power than those that use traditional methods. The proposed method is characterized by being agile, repetitive, with a defined classification pattern and having low cost.