Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/2220
Título: Sistema de visão computacional para a classificação e medida da posição angular de objetos metálicos
Autor(es): Friesen, Telmo
Orientador(es): Borba, Gustavo Benvenutti
Palavras-chave: Metalurgia
Automação
Projetos de desenvolvimento industrial
Metallurgy
Automation
Industrial development projects
Data do documento: 20-Fev-2014
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Curitiba
Referência: FRIESEN, Telmo. Sistema de visão computacional para a classificação e medida da posição angular de objetos metálicos. 2013. 69 f. Trabalho de Conclusão de Curso (Graduação) – Universidade Tecnológica Federal do Paraná, Curitiba, 2013.
Resumo: Técnicas de visão computacional podem ser ferramentas úteis para a automação de linhas de produção em tarefas como, por exemplo, a fabricação de componentes eletrônicos, a inspeção do acabamento em objetos metálicos, a produção de circuitos impressos, entre outros. Muitas vezes, existem etapas da produção em indústrias metalúrgicas, nas quais se necessita identificar objetos metálicos e sua respectiva orientação angular, seja para análise, separação ou mesmo somente para classificação desses objetos. O desenvolvimento deste projeto é motivado pela posterior aplicação em uma linha de produção real. A utilização do projeto deve reduzir os custos operacionais da linha, diminuindo a margem de erro e aumentando a velocidade da produção. O objetivo deste trabalho é desenvolver um sistema capaz de classificar objetos metálicos e medir seu respectivo ângulo de rotação com relação ao eixo x do plano cartesiano, sendo os objetos previamente conhecidos pelo sistema utilizando-se técnicas de aprendizagem de máquina. O desenvolvimento do projeto é dividido em três etapas. A primeira etapa consiste no estudo de técnicas de segmentação de imagem e implementação no software MATLAB. A segunda etapa consiste no estudo de técnicas de descrição de imagens e também implementação no MATLAB. Finalmente, na terceira etapa é implementado no MATLAB um sistema de redes neurais capazes de classificar objetos e medir seu ângulo. Para cada etapa do desenvolvimento do projeto adota-se a metodologia de desenvolvimento em espiral, onde a cada ciclo de desenvolvimento são agregadas novas funcionalidades ao sistema. Para o teste e a validação do sistema é desenvolvido um ambiente de testes, onde objetos especificamente selecionados são posicionados de forma automática, possibilitando a captura de imagens do objeto em diversas posições angulares. O sistema é dividido em três módulos: segmentação, descrição e classificação dos objetos. Após a aquisição da imagem do objeto a ser classificado o módulo de segmentação seleciona a área de interesse da imagem. No módulo de descrição são extraídas características da área de interesse da imagem, formando um descritor que é fornecido ao terceiro módulo do sistema que classifica o objeto e mede a sua respectiva orientação angular. Portanto, o resultado do trabalho é um sistema capaz de classificar corretamente 100% dos objetos testados e medir o ângulo desses objetos com precisão de +/-4,5o no pior caso, utilizando para isso técnicas de processamento de imagens e aprendizado de máquina.
Abstract: Computer vision techniques can be useful tools for production line automation in tasks such as the manufacture of electronic components, inspection of finished metal objects, production of printed circuit boards, among others. Often, there are production stages in metallurgical industries in which the identification of metallic objects, and their respective angular orientation, is needed either for analysis, separation or even only to classify these objects. The development of this project is motivated by the subsequent application in a real production line. The project use should reduce the line operating costs, reducing the error margin and increasing the production speed. The objective of this work is to develop a system capable of classifying metallic objects and measure their respective angle of rotation with respect to the x axis of the Cartesian plane. The objects are previously known by the system using machine learning techniques. The project development is divided into three steps. The first step is the study of techniques for image segmentation and implementation in MATLAB software. The second step is the study of techniques for image description and also implementation in MATLAB. Finally, in the third step a set of neural networks capable of classifying objects and measuring their angle is implemented using MATLAB. For each step in the project development a spiral development methodology is adopted. In each cycle of the methodology new features are aggregated to the system. In order to test the system a test environment is developed, where specifically selected objects are placed automatically, allowing the capture of images of the object in different angular positions. The system is divided into three modules: segmentation, description, and classification of objects. After capturing an image of the object being classified, the segmentation module selects the region of interest from the image. In the description module features are extracted from the region of interest, forming a descriptor that is provided to the third module. The third module then classifies the object and measures its angular orientation. Therefore, the result of the work is a system able to correctly classify 100% of the tested objects and measure the angle of these objects with accuracy of _4:5o in the worst case, using for that image processing and machine learning techniques.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/2220
Aparece nas coleções:CT - Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
CT_ENGCOMP_2013_2_04.pdf7,71 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.