Navegando por Assunto "Visão computacional"

Agora exibindo 1 - 7 de 7

Análise de sistemas de visão computacional para inspeção automática de linhas de produção
(2024-10-02T03:00:00Z) Menezes, Daíres Macedo Félix de; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/8485755067358122
O uso de sensores inteligentes se aplica em diversas áreas, como o controle de nível, para evitar transbordamentos de líquidos, e no monitoramento de vibrações, para indicar quando máquinas precisam de manutenção. Na visão computacional, os problemas da indústria que são solucionados giram em torno da inspeção de qualidade e classificação. Por exemplo, a indústria de embalagens precisa garantir uniformidade de tamanhos e formatos, a indústria automotiva busca garantir a uniformidade de pneus, enquanto a eletrônica enfrenta desafios com soldas, que podem ser inspecionadas com sistemas de visão. No setor logístico, a leitura de códigos de barras permite uma separação de itens mais rápida e automática. Este trabalho aborda o uso de sistemas de visão computacional para a inspeção automática de linhas de produção, com foco na aplicação no ramo alimentício. Foi explorado um vasto material bibliográfico sobre os conceitos fundamentais de processamento de imagem, destacando as diferenças entre análise de imagem e visão computacional. Elementos como cores, texturas, iluminação, contraste e brilho foram analisados por sua importância na qualidade das imagens digitais. Foram discutidas também as principais técnicas de análise de imagem, operações lógicas e aritméticas, além da presença de ruídos e métodos eficazes para sua remoção ou redução por meio de filtros. O estudo comparou as tecnologias 2D e 3D existentes, explicando seus princípios ópticos e funcionais. Além disso, foi apresentado o software da SICK Sensor Intelligence, utilizado no estudo de caso de inspeção 3D de caixas empacotadoras de 50 pacotes do produto lámen. O sistema foi aplicado para garantir a conformidade na quantidade e organização dos pacotes na linha de produção, com o objetivo de automatizar o processo e reduzir as reclamações dos clientes, que impactavam negativamente tanto a credibilidade da empresa quanto suas métricas de satisfação. Nesse estudo, o uso da triangulação a laser foi aplicado, devido à sua baixa interferência causada por diferentes cores (refletividade) do material inspecionado e pela necessidade de analisar as discrepâncias em três dimensões, já que as ocorrências de erro no empacotamento exigiam uma análise precisa. O estudo demonstrou que o uso da tecnologia 3D para inspeção foi extremamente eficaz, atingindo uma eficiência superior a 95%, mostrando-se uma solução bem-sucedida para o controle de qualidade e automação industrial.
Avaliação de plataformas para o reconhecimento de placas veiculares brasileiras
(2021-12-14T03:00:00Z) Amaral, Carlos Ivan Santos do; Garrozi, Cícero; http://lattes.cnpq.br/0488054917286587; http://lattes.cnpq.br/8099840025648951
Com a crescente quantidade de veículos particulares no Brasil se faz cada vez mais necessário melhores métodos de gestão e ﬁscalização da frota veicular. As placas veiculares (PV) são objetos únicos e obrigatórios com o objetivo de identiﬁcar o veículo assim como seu proprietário. É recomendável que a coleta eﬁciente das informações presentes nas placas veiculares sejam realizadas por meio de sistemas automatizados para a detecção e reconhecimento de PV. Estes sistemas são fundamentais para se realizar a ﬁscalização e a gestão de diferentes atividades relacionadas ao tráfego de veículos. Neste sentido, este trabalho apresenta um estudo que identiﬁca métodos de detecção e reconhecimento de PV com algoritmos baseados em aprendizagem de máquina. Para a produção desse experimento, sucedeu a coleta de um banco de imagens de veículos em praças de pedágio que estão localizadas no município de Cabo de Santo Agostinho - PE e fazem acesso ao Complexo Industrial Portuário Governador Eraldo Gueiros - SUAPE. O objetivo desse trabalho foi prover uma comparação entre o serviço de visão computacional da Microsoft Azure para detecção de objetos PV em conjunto com os serviços de Reconhecimento Óptico de Caracteres (Optical Character Recognition - OCR) da Google Vision com o algoritmo de Aprendizagem Profunda YOLO v4. O resultado do experimento expôs que em condições semelhantes de conﬁgurações em ambos dos modelos estudados, o YOLO v4 apresentou melhor desempenho, obtendo uma taxa de 92% de precisão na detecção e reconhecimento de placas veiculares.
Comparação de algoritmos de reconhecimento de gestos aplicados à sinais estáticos de Libras
(2019-07-12T03:00:00Z) Cruz, Lisandra Sousa da; Cordeiro, Filipe Rolim; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/4807739914511076; http://lattes.cnpq.br/2111589326272463
A Língua Brasileira de Sinais (Libras) foi criada a fim de suprir uma necessidade de comunicação não-verbal para os surdos, que durante muito tempo foram doutrinados à ter o português como sua primeira língua. Atualmente, a Libras é a segunda língua oficial do Brasil e primeira língua dos surdos, assim como o português é para o ouvinte. Entretanto, mesmo com tamanho reconhecimento, a segunda língua oficial do Brasil não é conhecida pela maior parte da população brasileira. O processo de inclusão visa proporcionar igualdade aos deficientes, de forma que a deficiência não seja um fator impeditivo à convivência em sociedade. Com o advento da tecnologia e avanços da Inteligência Artificial (IA), foram criados artifícios tecnológicos visando propiciar inclusão. Na IA, o reconhecimento de padrões é um dos subtemas mais abordados na atualidade, sendo bastante aplicada para a classificação de gestos de diversas línguas de sinais na literatura. Essa pesquisa tem como principal tarefa identificar as mãos que formam um determinado sinal de Libras e em seguida reconhecer a que classe pertence, classificando-o. Baseado na classificação da Língua de Sinais Americana, a Feature Fusion-based Convolutional Neural Network (FFCNN), uma rede estendida da Convolutional Neural Network (CNN), obteve a melhor acurácia em comparação a outras redes, dentre elas a Visual Geometry Group (VGG). Diante desse cenário, esse trabalho aplica a FFCNN à gestos estáticos de Libras a fim de verificar se a FFCNN obtém a melhor acurácia assim como obteve na Língua de Sinais Americana. Para alcançar esse objetivo são comparados três classificadores: VGG com uma variação da CNN com 13 e 16 camadas; FFCNN e uma rede Multi Layer Perceptron (MLP) usada no reconhecimento de gestos estáticos de Libras na literatura. Os algoritmos foram aplicados em um dataset de Libras que contém 9.600 imagens de 40 sinais. Os resultados demonstram que a rede VGG com 16 camadas obteve a maior acurácia dentre modelos descritos neste trabalho, com valor de 99,45%.
Construção de modelo de visão computacional para classificação automatizada de canjica de milho
(2022) Fernandes, Tiago Braga; Mendonça, Ana Paula Medeiros dos Santos Rodrigues; http://lattes.cnpq.br/9147805649299722; http://lattes.cnpq.br/8086201236190701
O estágio supervisionado obrigatório foi realizado em modelo Home Office, pela empresa Stepps. O estágio foi baseado no desenvolvimento de uma solução de visão computacional que através de um algoritmo de inteligência artificial e machine learning fosse capaz de detectar os defeitos de qualidade pós-beneficiamento do milho para canjica. Durante toda a jornada de aprendizado e estágio foram vistos diversos conceitos de desenvolvimento de software e linguagens de programação, estudos e classificação agronômica do milho para canjica e seus respectivos defeitos de qualidade, treinamento do modelo de algoritmo de inteligência artificial, revisão de literatura e acompanhamento técnico dos profissionais de desenvolvimento para que a construção do software fosse o mais alinhado possível e obtivesse resultados robustos. No total foram mais de 15000 grãos que foram classificados individualmente como forma de treinamento do modelo, gerando resultados com um excelente nível de confiabilidade.
Estudo de viabilidade de sistemas de detecção de armamentos em tempo real em linhas de ônibus urbanos
(2021-12-09T03:00:00Z) Lima Junior, Cícero Pereira de; Silva, Douglas Véras e; http://lattes.cnpq.br/2969243668455081; http://lattes.cnpq.br/9901763283774954
Sistemas de monitoramento são parte fundamental na prevenção de assaltos a mão armada dentro dos ônibus. Entretanto, a utilização desses sistemas demanda quantidade irreal de pessoas para que seja operado em tempo real. O uso de técnicas de visão computacional e aprendizagem profunda surgem como forma de automatizar partes ou até todo o processo de monitoramento, desde a detecção dos armamentos ao disparo de alarmes. Para que este processo seja realizado de maneira eficiente, permitindo ações efetivas por parte das autoridades, é preciso que o sistema seja capaz de atender em tempo real uma demanda crescente de câmeras de segurança. Desta forma, este trabalho teve como objetivo analisar a viabilidade de um sistema de detecção de armamentos em uma rede de ônibus. Através de simulação, avaliou-se o desempenho do algoritmo YOLO, em sua quarta versão, em um modelo cliente-servidor sob uma demanda crescente de câmeras de segurança. O servidor dispunha de uma GPU Tesla V80 com 12GB de memória, processador Intel Xeon dual core, 61GB de memória RAM e 200GB de espaço em disco. Por fim, a partir dos resultados obtidos, observou-se que a aplicação apresenta aumento no tempo de detecção após introduzir 16 usuários virtuais (câmeras) e seu tempo médio não pode ser considerado como tempo real, dentro do contexto de segurança de ônibus.
Representação virtual para segurança de espaços através de detecção de objetos, pessoas e suas relações
(2022-10-07T03:00:00Z) Torres, Lucas Amorim Vasconcelos; Simões, Francisco Paulo Magalhães; http://lattes.cnpq.br/4321649532287831; http://lattes.cnpq.br/8237338186784482
A detecção de situações de risco é algo que vem sendo melhorado a cada ano. Esse trabalho apresenta o protótipo de um sistema para monitoramento de risco de acidentes em ambientes industriais com base no rastreamento de objetos e pessoas a partir da visão computacional. Neste trabalho são utilizadas ferramentas de visualização em ambientes virtuais para detecção de colisões, verificando quando um objeto de grande porte está próximo a colidir com pessoas. A ideia central é fazer a análise espacial de um trator, ou algum objeto semelhante a esse tipo de veículo, e das pessoas que transitam naquele local. Através disto, é possível criar metódos de visualização para que o usuário final, seja um inspetor de segurança do trabalho ou um sistema da indústria 4.0 possa entender o que está acontecendo nos entornos do local e das relações entre os objetos. Além da visualização das distâncias, o protótipo permite alterar as distâncias consideradas seguras entre objetos e pessoas, fazendo com que seja possível também testar diferentes tipos de configuração da ferramenta.
Semantic segmentation for people detection on beach images
(2021-03-01T03:00:00Z) Monte, Leonardo de Araujo; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/0547792731866043
As câmeras de monitoramento estão sendo cada vez mais aperfeiçoadas com o uso de sistemas de visão computacional capazes de identificar situações de risco. Este trabalho faz parte de um sistema de rastreamento automático de monitoramento de praias na região metropolitana do Recife, com o objetivo de evitar que banhistas ultrapassem os limites seguros na região de banho de praia. A segmentação semântica tem ganhado força em diferentes tarefas de visão computacional. Geralmente a metaarquitetura de uma rede de segmentação semântica consiste em dois módulos: codificador (backbone) e decodificador. Este trabalho realiza um estudo combinando um conjunto de redes de segmentação semântica, Unet, Xnet, LinkNet e Unet++ com os backbones prétreinados VGG16 e VGG19, com o objetivo de detectar banhistas em imagens de praia. Nós utilizamos a nossa própria base de dados, constituída de diferentes imagens da praia de Boa Viagem, RecifeBrasil. Os algoritmos foram avaliados com a métrica MIoU utilizando toda a cena da imagem, e apenas a faixa de mar. O melhor resultado de MIoU com relação à imagem completa foi 80.87%, e foi obtido pela XNet com o backbone da VGG19. O melhor MIoU na detecção de banhistas na faixa de mar obteve 85.56% e foi alcançado com a LinkNet com os backbones da VGG16 e VGG19.