DESENVOLVIMENTO DE UM SISTEMA DE VISÃO COMPUTACIONAL PARA MONITORAMENTO AUTOMATIZADO DE VEÍCULOS

Tamanho: px
Começar a partir da página:

Download "DESENVOLVIMENTO DE UM SISTEMA DE VISÃO COMPUTACIONAL PARA MONITORAMENTO AUTOMATIZADO DE VEÍCULOS"

Transcrição

1 DESENVOLVIMENTO DE UM SISTEMA DE VISÃO COMPUTACIONAL PARA MONITORAMENTO AUTOMATIZADO DE VEÍCULOS Daniel dos Santos, Dalton Solano dos Reis, Mauricio Edgar Stivanello, Paulo César Rodacki Gomes Departamento de Sistemas e Computação, FURB - Universidade Regional de Blumenau CAMPUS I / FURB, , Blumenau, SC, BRASIL Departamento de Automação e Sistemas, Universidade Federal de Santa Catarina DAS / CTC / UFSC, , Florianópolis, SC, BRASIL s: Abstract The use of traffic monitoring systems is increasing. In this context, studies have shown that operators of such systems have problems of attention for a long period of time, which have motivated the development of automated monitoring systems. This paper presents the development of a monitoring system for vehicles using computer vision. Through a combination of different techniques of image processing for segmentation, shape description using Fourier descriptors, and classification by an Artificial Neural Network has achieved a monitoring system robust to environment changes and different types of scenarios. Keywords Monitoring Artificial Neural Networks, Computer Vision, Fourier Descriptors, NHD, Segmentation, Traffic Resumo Sistemas de monitoramento de tráfego são cada vez mais utilizados. Neste contexto, estudos têm demonstrado que os operadores deste tipo de sistema enfrentam dificuldade em manter a atenção por um longo período de tempo, o que têm motivado o surgimento de sistemas automatizados de monitoramento. Neste trabalho é apresentado o desenvolvimento de um sistema de monitoramento de veículos empregando visão computacional. Através de uma combinação de diferentes técnicas de processamento de imagens para segmentação, descrição de forma através dos descritores de Fourier e classificação através de uma Rede Neural Artificial foi alcançado um sistema de monitoramento robusto a variações no ambiente e a diferentes tipos de cenários. Palavras-chave Descritores de Fourier, Monitoramento de Tráfego, NHD, Redes Neurais Artificiais, Segmentação, Visão Computacional 1 Introdução A demanda por sistemas de monitoramento de tráfego urbano tem sido impulsionada pelo constante crescimento da frota de veículos em circulação. Através de câmeras instaladas ao longo de vias, sinais de vídeo são capturados e utilizados para monitoramento e extração de estatísticas diversas associadas ao trânsito. O monitoramento, com exceção de alguns poucos sistemas automatizados, é geralmente realizado por operadores humanos. Esta tarefa mostra-se bastante dispendiosa por ser extremamente repetitiva e por exigir atenção por um longo período de tempo. Estudos comprovam que a efetividade deste tipo de monitoramento declina significativamente no decorrer da jornada de trabalho. Por estes motivos, são comuns problemas como a falta de monitoramento em todos os quadros, a falta de precisão nas estatísticas geradas e a alta rotatividade de operadores. No presente trabalho é apresentado o desenvolvimento de um sistema de monitoramento automático que procura contribuir para a melhoria na realização destas atividades. Especificamente, o sistema proposto foi desenvolvido com o objetivo de extrair estatísticas associadas ao número de automóveis que transitam pela via monitorada. Para este fim, os diferentes elementos que transitam pela cena monitorada são identificados, sua forma é apropriadamente descrita e, em seguida, é avaliada por uma rede neural artificial. Através de uma combinação de diferentes técnicas de processamento de imagens e inteligência artificial foi alcançado um sistema de monitoramento robusto a variações no ambiente e a diferentes tipos de cenários. Na seção 2 são discutidos alguns dos diferentes tipos de sistemas de monitoramento e inspeção automatizados existentes. Na seção 3 é descrita a metodologia utilizada no desenvolvimento do sistema apresentado. Na seção 4 são expostos os resultados experimentais obtidos pelo emprego do sistema. Finalmente, na seção 5, são apresentadas as conclusões e sugestões para trabalhos futuros. 2 Inspeção e Monitoramento Automatizados Sistemas de inspeção e monitoramento automatizados estão sendo cada vez mais utilizados. Esta realidade surge do fato da crescente demanda por qualidade de produtos, controle e segurança, e também pela acessibilidade dos dispositivos empregados na construção destes sistemas. A necessidade de um controle rígido de qua-

2 lidade motivou a utilização inicial deste tipo de sistema na inspeção de produtos industrializados. Como descrito por Stivanello e Gomes (2006), neste tipo de aplicação um sistema de inspeção automatizado é implantado de forma integrada à linha de produção. Um sistema de aquisição captura uma ou mais imagens de cada peça que transita pela linha. A imagem é transmitida ao sistema de processamento, onde é analisada a fim verificar a existência de algum defeito na peça. Em caso afirmativo, o sistema de processamento deve enviar um comando para um sistema de descarte, que por meio de algum mecanismo retira a peça defeituosa da linha. Os crescentes índices de violência, por sua vez, motivaram o surgimento de sistemas de monitoramento inteligentes (Nair e Clark, 2002). Empregados em diferentes ambientes, podem ser utilizados com o objetivo de identificar ações suspeitas de pessoas, acesso a ambientes não autorizados, transporte de mercadorias indevidas, dentre outras situações. No caso específico de controle de tráfego urbano, a utilização destes sistemas vai da leitura automática de placas de veículos ao levantamento de estatísticas de trânsito como número de pessoas e automóveis (Denman et al., 2006). Informações como estas são valiosas, uma vez que permitem soluções baseadas na condição momentânea do trânsito. Na Figura 1 são apresentadas imagens do sistema de monitoramento automático de trânsito MIVSS (Denman et al., 2006) e do sistema de inspeção de produtos industrializados VISMIN (Stivanello e Gomes, 2006). Figura 1: Exemplos de sistemas automatizados Como descrito, sistemas de monitoramento antes utilizados apenas para armazenar ou apresentar imagens são capazes de extrair informações sem a necessidade de intervenção humana. Isso é possível graças aos avanços na área de processamento de imagens e inteligência artificial. Na seção seguinte é descrita a metodologia utilizada no desenvolvimento de um sistema como este, onde técnicas de ambas as áreas são utilizadas. 3 Metodologia Empregada Este trabalho foi desenvolvido considerando como requisito funcional principal o levantamento do número de veículos que transitam pela pista monitorada. Este tipo de informação é extremamente relevante visto que possibilita, por exemplo, o ajuste em tempo real de semáforos com base na situação momentânea do trânsito. O fluxograma das principais etapas que descrevem o processamento presente no sistema desenvolvido é apresentado na Figura 2. Definir parâmetros Capturar imagens Segmentar elementos Descrever elementos Identificar elementos Registrar informações Parâmetros Figura 2: Fluxo de monitoramento No fluxograma apresentado, além da etapa inicial de preparação do sistema, podem ser facilmente identificadas etapas clássicas de processamento de imagens muito comuns a sistemas de inspeção e monitoramento automatizados (Gonzalez e Woods, 2000). Uma vez configurados os parâmetros do sistema, é iniciado um ciclo de processamento com o objetivo de identificar veículos dentre os elementos presentes na cena observada. Neste sentido, para cada imagem capturada, são identificados componentes conexos relevantes através de uma etapa de segmentação. Estes elementos são descritos adequadamente com base em sua forma geral. A forma dos elementos é então avaliada através de uma técnica de inteligência artificial com o objetivo de classificá-los como sendo ou não veículos. Finalmente, com base nesta classificação, são contabilizadas as estatísticas desejadas. Na seqüência, as abordagens utilizadas para cada uma destas etapas são apresentadas. 3.1 Aquisição e Pré-Processamento Na aquisição de imagens são obtidos os sinais que descrevem a cena ou objeto em avaliação. Para o caso específico de sistemas de monitoramento de tráfego, consiste em distribuir os sinais provenientes de sensores posicionados em locais específicos, para um ou mais pontos de monitoramento como centrais de controle. Os sinais obtidos são codificados em diferentes formatos de vídeo. Estes vídeos são obtidos empregando diferentes tecnologias. De modo geral, sistemas analógicos têm sido

3 substituídos por sistemas digitais empregando câmeras IP, que reduzem a quantidade de cabos e equipamentos necessários e geram vídeos de melhor qualidade menos suscetíveis à presença de ruído. Adicionalmente, nesta etapa é realizado um pré-processamento que tem como objetivo melhorar a qualidade da imagem adquirida e, desta forma, torná-la mais adequada ao processamento subseqüente. Dentre processamentos comumente empregados nesta etapa podem ser citados os filtros de realce e restauração. O emprego destes filtros, implementados no domínio da freqüência ou espaço, têm como objetivo eliminar ruídos introduzidos durante a aquisição das imagens, bem como destacar características de interesse. 3.2 Segmentação de Elementos da Imagem Na etapa de segmentação procura-se reproduzir o processo da visão humana, onde são efetuados agrupamentos dos pontos presentes na imagem percebida. Este agrupamento, que pode ser baseado em proximidade, similaridade e continuidade, tem como objetivo isolar os diferentes elementos presentes na cena observada. A segmentação de imagens é muitas vezes o maior desafio de um sistema de processamento de imagens. O problema é ainda maior quando são tratados cenários dinâmicos, onde variações no ambiente devem ser consideradas. Muitas das técnicas de segmentação existentes são baseadas nas informações presentes em uma única imagem, como é o caso da limiarização ou extração de contornos. Entretanto, em sistemas que utilizam vídeo é comum a utilização de técnicas de segmentação específicas para seqüência de imagens, cujos resultados tendem a ser superiores. Para o caso do sistema desenvolvido, estamos considerando o monitoramento de uma cena dinâmica, onde desejamos classificar os diferentes elementos que transitam pela mesma. Com base nesta situação e necessidade, dois métodos de segmentação foram selecionados e implementados para uma posterior comparação. Um primeiro método, mais simples e bastante empregado, é baseado na subtração de fundo da cena. Esta abordagem mostra-se adequada para situações onde é desejado descriminar um objeto em movimento onde existe a presença de um fundo estático. O procedimento geral é realizar uma operação de subtração de intensidades entre a imagem correntemente avaliada e outra imagem de referência que contenha apenas o fundo da cena, construída a partir de uma seqüência de imagens durante um período de treinamento. Desta operação é obtida uma imagem onde a intensidade dos pontos pertencentes aos elementos dinâmicos de interesse estarão destacados. Uma limiarização global é suficiente para se obter uma imagem binária contendo os elementos de interesse. Este método pode ser implementado de modo a considerar imagens monocromáticas. Entretanto, na posse de imagens coloridas a informação cromática pode ser utilizada para obter resultados superiores. Como os vídeos utilizados são coloridos, foi implementado o algoritmo de subtração de fundo descrito por Gonzalez e Woods (2000) que utiliza a informação de cor e que tem como vantagem não incluir na segmentação as sombras dos objetos. Este algoritmo é baseado em um modelo que avalia separadamente a distorção da cor e a distorção da luminosidade, a partir de uma imagem de referência e da atual. Na Figura 3 é ilustrado este modelo, onde i é o índice de um pixel nas imagens, O é o ponto de origem, onde as coordenadas para R, G e B são iguais a zero, E i = [E R(i), E G(i), E B(i) ] representa o conjunto de valores RGB esperados para o pixel na imagem de referência, I i = [I R(i), I G(i), I B(i) ] representa o conjunto de valores RGB do pixel na imagem atual da qual se deseja subtrair o fundo, e a linha OE i, que passa pelos pontos O e E i, é a linha cromática esperada composta por pontos que representam o fundo da cena com ou sem a aplicação de luz e sombra. B G O OE i CD i Figura 3: Modelo de subtração de fundo Apesar da simplicidade e desempenho do algoritmo de subtração de fundo, ele não se mostra robusto a variações de foco e iluminação, comumente presentes nos vídeos obtidos para o monitoramento de tráfego urbano. Por este motivo, foi considerada a implementação de um segundo algoritmo de segmentação, baseado no modelo descrito por Butler e Sridharan (2003), que se adapta a novas condições de aquisição. Neste algoritmo de segmentação de fundo adaptativo (NHD) os componentes de cor e luminosidade de cada pixel são modelados como grupos de clusters, provendo uma distribuição multimodal para cada pixel. Neste procedimento são utilizadas imagens no formato de cor YCbCr, com compressão 4:2:2. Os pixels são correspondidos como ilustrado na Figura 4 (Denman et al., 2007). Quando uma E i I i R

4 correspondência é feita, o centróide do cluster correspondido e os pesos de todos os clusters nos agrupamentos de pontos são adaptados para incorporar a informação do pixel atual. Se não é realizada a correspondência, então o cluster com menor peso é substituído por um novo cluster contendo o valor do pixel atual, e este é classificado como sendo em movimento. Y, Cb Y, Cr Y, Cb Y, Cr Y, Cb Y, Cr Y, Cb Y, Cr Cluster (Y1, Y2) (Cb, Cr) Comparação de clusters Diferença lum.: y1-y1 + y2 - Y2 Diferença cor: cb-cb + cr-cr Cluster (Y1, Y2) (Cb, Cr) peso Cluster (Y1, Y2) (Cb, Cr) peso Modelo de fundo Aplicar limiar Cluster (Y1, Y2) (Cb, Cr) peso Figura 4: Modelo NHD baseado em clusters Seguindo este procedimento, os clusters e seus pesos são alterados gradualmente na medida que novos quadros são processados, permitindo que o resultado da segmentação seja adaptado a mudanças de fundo. Novos objetos podem então ser adicionados à cena, e ao longo do tempo eles podem ser incorporados ao modelo de fundo. O algoritmo de subtração de fundo e o algoritmo NHD retornam imagens binárias contendo os elementos em movimento na cena. Estas imagens são processadas por filtros morfológicos para eliminar a presença de pequenos elementos, derivados de ruído gaussiano ou outros artefatos presentes nas imagens adquiridas. 3.3 Representação e Descrição Na etapa de segmentação, independente do método utilizado, são obtidos agrupamentos de pixels que representam os elementos dinâmicos da imagem a serem analisados. Estes elementos precisam ser descritos de maneira mais apropriada, já que uma análise direta sobre os pixels não é eficiente. Diferentes descritores podem ser utilizados, como área, centro de massa, esqueleto, proximidade a uma forma geométrica qualquer, dentre outras. Uma abordagem comum é utilizar um conjunto de descritores simples na tentativa de caracterizar os elementos da cena. Para o caso exposto, foi selecionada uma descrição baseada em forma, considerando-a adequada para distinção entre os elementos possivelmente presentes na cena observada, como pessoas e veículos de diferentes tipos. Uma descrição de forma pode ser baseada simplesmente pelas coordenadas xy dos pontos que a pertencem. Entretanto, uma descrição pode não ser adequada visto que a fronteira de um componente pode ser composta por muitos pontos. Assim sendo, foi adaptado o método utilizado por Stivanello e Gomes (2006) na inspeção de produtos industrializados com base em descritores de Fourier. Uma importante vantagem dos descritores de Fourier para aplicações de monitoramento é que sobre os mesmos podem ser aplicadas transformações simples com o objetivo de obter invariância quanto à rotação, translação e escala. Assim sendo, a classificação pode ser realizada sobre imagens obtidas em diferentes ambientes e condições de aquisição sem a necessidade de nova configuração do sistema. Uma sequência de passos é necessária para a obtenção dos descritores de Fourier dos elementos da cena. Inicialmente, todos os elementos das imagens segmentadas são identificados através de um algoritmo de rotulação de componentes conexos. Em seguida, para cada um dos componentes identificados é feita uma filtragem inicial, desconsiderando os componentes cujas áreas sejam menores que um limiar definido. Finalmente, os elementos restantes são descritos de maneira adequada para classificação com base nos contornos. Partindo de um ponto arbitrário, é utilizada uma função de perseguição de contorno para percorrer a fronteira de um componente conexo. Com isso, é obtida uma lista contendo as coordenadas (xi, yi) para cada um dos N pontos p i pertencente à fronteira do componente. Cada par pode ser tratado como número complexo como: s(k) = x(k) + jy(k) (1) Finalmente, os descritores de Fourier podem ser obtidos pela Equação 2, para u = 0, 1, 2,..., N 1, onde N é a quantidade de pontos que compõe a fronteira. a(u) = 1 N N 1 k=0 s(k)e j2πuk/n (2) Observe que podem ser obtidos tantos descritores quanto o número de pontos que compõe a fronteira no plano xy. Porém, não existiria vantagem em se descrever a forma pela mesma quantidade de pontos. A vantagem deste método de descrição encontra-se justamente na possibilidade de representar uma forma com uma pequena quantidade de descritores. De maneira geral, poucos coeficientes de baixa ordem são capazes de capturar a forma geral, e somente na definição das características mais marcantes, como cantos e retas é necessário um grande número de coeficientes. A propriedade de poucos coeficientes capturarem a essência geral de uma fronteira possui um grande valor, já que desta maneira podem ser usados para diferenciar formatos de fronteiras distintos.

5 3.4 Interpretação e Reconhecimento Na etapa de interpretação tem-se como objetivo classificar os elementos presentes na cena através de suas descrições obtidas pelas etapas anteriores. Este reconhecimento de padrões pode ser realizado por diferentes técnicas, de modelos simples baseados em distância mínima até modelos mais elaborados como o Modelo Oculto de Markov (Nair e Clark, 2002). Para o presente trabalho foi selecionada uma classificação baseada no emprego de redes neurais artificiais (Tafner, 1996), dados os resultados positivos obtidos por Stivanello e Gomes (2006) em seu uso combinado com os Descritores de Fourier. Uma rede neural artificial (RNA) é composta por várias unidades de processamento, ou neurônios, cujo funcionamento é descrito por um modelo matemático bastante simples. Essas unidades são conectadas por canais de comunicação que estão associados a determinado peso. As unidades fazem operações apenas sobre seus dados locais, que são entradas recebidas pelas suas conexões. O comportamento inteligente de uma RNA vem das interações entre as unidades de processamento da rede. As diferentes possibilidades de conexões entre neurônios podem gerar diversos tipos de estruturas, ou topologias. De modo geral, o emprego de uma RNA envolve 3 fases distintas: definição da rede, treinamento e utilização. Na fase de definição da RNA deve-se identificar as variáveis relacionadas ao problema que contém as informações necessárias à resolução do mesmo. Uma vez identificadas estas variáveis, é escolhido o modelo da RNA a ser utilizado. O treinamento, por sua vez, corresponde a um processo iterativo de ajustes aplicados aos seus pesos, através de amostras dos padrões a serem classificados. O treinamento é finalizado quando a RNA atinge uma solução generalizada para uma classe de problemas. Finalmente, a fase de utilização corresponde a apresentar uma entrada à rede e obter uma saída. No sistema desenvolvido foi utilizada uma RNA do tipo Perceptron Multi-camadas (MLP) com treinamento supervisionado Backpropagation. O número de neurônios da camada de entrada é igual ao número de descritores de Fourier definidos para a descrição dos elementos. É utilizada uma camada oculta com número igual de neurônios da camada de entrada. Finalmente, é utilizado 1 neurônio na camada de saída, suficiente para representar as duas classes possíveis de elementos: veículo e não veículos. Para o treinamento da rede, é utilizado um conjunto de pares de treinamento compostos por entradas e suas respectivas saídas. As entradas correspondem aos descritores de Fourier obtidos na etapa de descrição e que descrevem simplificadamente cada elemento da cena. Já as saídas associadas a cada entrada correspondem a uma classificação do tipo de elemento. Finalmente, durante a utilização da rede, elementos extraídos das imagens de treinamento são apresentados à entrada da rede, e a respectiva classificação é obtida na saída da mesma. 4 Resultados Experimentais Na avaliação do sistema foram utilizados vídeos de dimensão 320 X 240 pixels e 30 quadros por segundo. Estes vídeos foram obtidos por uma câmera digital semi-profissional, posicionada em uma rua de mão única com o auxilio de um tripé. Uma primeira avaliação foi feita em relação aos algoritmos de segmentação implementados. Na Tabela 1 é apresentada uma comparação de desempenho dos algoritmos, sob diferentes critérios. A máquina utilizada nos testes utiliza sistema operacional Windows Vista, processador Athlon 64 X2 Dual Core com 2GB de memória RAM. Tabela 1: Resultados dos testes com algoritmos de Segmentação Algoritmo FPS Memória (Kb) CPU Sub. fundo % NHD % Na Figura 5 são apresentados os resultados do algoritmo NHD para o caso onde um veículo, inicialmente em movimento, para na cena observada. Pela avaliação das segunda e terceira imagens, é possível observar como no decorrer do tempo o resultado da segmentação é adaptado de modo a incluir o elemento, agora estático, ao fundo. Figura 5: Teste de adaptação de fundo NHD Na Figura 6 é apresentada uma comparação entre os resultados dos algoritmos de segmentação quanto à variação de luminosidade. A primeira imagem apresenta a cena observada, no momento em que ocorre uma variação de iluminação. A segunda e a terceira imagem apresentam o resultado da segmentação com os algoritmos de Subtração de Fundo e NHD, respectivamente. É possível observar como o algoritmo NHD mostra-se mais robusto à alterações de iluminação. Após alguns segundos, o resultado é adaptado de modo a considerar esta alteração no ambiente. Já para o caso de subtração de fundo, o resultado mostra-se pouco robusto e a forma geral

6 Figura 6: Adaptação de alteração de luminosidade dos elementos de cena não são recuperados satisfatoriamente. Para a avaliação do resultado de classificação dos elementos da cena pelo sistema, foi realizado um treinamento com imagens contendo elementos correspondendo e elementos não correspondendo a veículos. Uma descrição baseada em 15 descritores de Fourier mostrou-se suficiente para a caracterização geral da forma dos elementos da cena. Na Figura 7 é apresentada uma ilustração correspondendo à descrição dos elementos de baixa frequência baseada em 15 descritores do contorno de um veículo segmentado (em verde). Em relação à segmentação, considera-se que a utilização do algoritmo NHD é bastante adequado para as condições consideradas, visto que mostrase robusto à variação das condições de iluminação do ambiente e mudanças no cenário observado. Uma classificação por Redes Neurais Artificiais empregando uma classificação de forma baseada em descritores de Fourier mostrou-se satisfatória. O fato dos descritores serem invariantes quanto a translação e a rotação dos veículos flexibiliza a implantação do sistema em vias e cruzamentos. Considera-se que uma taxa média de acerto de 84, 83% é suficiente para um grande número de aplicações. Como perspectivas futuras, considera-se a otimização da rotina de segmentação, visando reduzir o tempo demandado de processamento e viabilizando sua utilização em tempo real. Adicionalmente, pretende-se estender as funcionalidades do sistema incluindo rotinas de monitoramento mais avançadas como tratamento de colisão, classificação de categorias, monitoramento de velocidade e trajetória de veículos, dentre outras. Referências Butler, D. E. e Sridharan, S. S. (2003). Real-time adaptive background segmentation, Proceedings of the 2003 International Conference on Multimedia and Expo - Volume 3 (ICME 03), Vol. 3, p. 3. Figura 7: Descrição da forma de veículo Na Tabela 2 são apresentados os resultados de classificação obtidos para 4 cenários diferentes, caracterizados por diferentes condições de aquisição, tipo e número de elementos presentes. Tabela 2: Resultados de classificação Caso Nr. de Falsos Falsos Taxa de Elem. Posit. Negat. acerto (%) , , ,9 Como pode ser observado, uma média de 84, 83% foi obtida considerando diferentes condições de operação. 5 Conclusões e Perspectivas No presente trabalho foi apresentado o desenvolvimento de um sistema de monitoramento de tráfego, cujo objetivo principal é de classificar os elementos da via monitorada como sendo ou não veículos. Neste contexto, os principais desafios a serem vencidos foram a segmentação e a classificação dos elementos. Denman, S., Chandran, V. e Sridharan, S. (2007). An adaptive optical flow technique for person tracking systems, Pattern recognition letters 28(10): Denman, S., Fookes, C., Cook, J., Davoren, C., Mamic, A., Farquharson, G., Chen, D., Chen, B. e Sridharan, S. (2006). Multi-view intelligent vehicle surveillance system, IEEE International Conference on Video and Signal Based Surveillance, p. 26. Gonzalez, R. C. e Woods, R. E. (2000). Processamento de Imagens Digitais, 1 edn, Editora Edgard Blucher. Nair, V. e Clark, J. J. (2002). Automated visual surveillance using hidden markov models, VI02, p. 5. Stivanello, M. E. e Gomes, P. C. R. (2006). Inspeção visual industrial automatizada por análise de forma com descritores de fourier e redes neurais artificiais, Anais do XV Seminco, p. 11. Tafner, M. A. (1996). Redes neurais artificiais: introdução e princípios de neurocomputação, 1 edn, Editora da FURB.

7 DETECÇÃO DE FALHAS NO SISTEMA DE BOMBEIO MECÂNICO UTILIZANDO DESCRITORES DE FOURIER E FERRAMENTAS ESTATÍSTICAS Fábio Soares de Lima, Luiz Affonso H. Guedes, Diego R. Silva PETROBRAS Petróleo Brasileiro S.A. Aracaju, SE, Brasil UFRN Universidade Federal do Rio G. do Norte Natal, RN, Brazil IF-RN Instituto Federal de Educação Natal, RN, Brazil s: Abstract This paper presents a study of new proposal for down-hole dynamometer cards patterns for the automatic fault diagnosis of Sucker Rod Pumping System. The accurancy and quick identification of down-hole problems is essential to the risk decrease and production improvement of petroleum industry. The main idea is a card recognition through of digital image processing (Fourier Descriptors) and statistical (Pearson Correlation) tools. Successful results were reached when this proposal was applied in PETROBRAS real cards. Keywords Pearson Correlation, Fourier Descriptors, Fault Detection, Sucker Rod Pumping System. Resumo Este artigo apresenta um estudo de uma nova proposta para o diagnóstico automático de falhas do Bombeio Mecânico através de referências de cartas dinamométricas. A precisão e a rápida identificação de problemas de fundo do poço são essenciais para o aumento da produção na indústria do petróleo. A principal idéia é o reconhecimento da carta dinamométrica através de processamento de imagens (Descritores de Fourier) e ferramentas estatísticas (Correlação de Pearson). Esta proposta foi aplicada a cartas dos campos petrolíferos da PETROBRAS com sucesso. Palavras-chave Correlação de Pearson, Descritores de Fourier, Detecção de Falhas, Bombeio Mecânico. 1 Introdução O bombeio mecânico é a forma mais comum de elevação artificial (Schirmer and Toutain, 1991; Alegre et al., 1993). Estima-se que 90% da elevação artificial no mundo utilize o sistema de bombeio mecânico (Tripp, 1989; Nazi and Lea, 1994). No Brasil, 64% da produção total é obtida a partir do bombeio mecânico (de Oliveira Costa, 1994). Na prática, o acompanhamento do estado do sistema de bombeio mecânico é feito através da leitura de uma carta, chamada carta dinamométrica. Através dessa carta é possível saber as condições da bomba localizada no fundo de poço. A carta dinamométrica consiste de um gráfico que relaciona a carga e a posição e esse gráfico reflete as condições atuais de bombeio (Rogers et al., 1990; Barreto et al., 1996). Dessa forma, a carta pode assumir vários formatos durante a produção do poço podendo representar situações de funcionamento normal ou indicar alguma irregularidade no sistema de bombeio mecânico. O processo de identificação de situações de funcionamento anormal do sistema de bombeio mecânico se transforma, nesse caso, em um problema de interpretação de informações visuais (Dickinson and Jennings, 1990). Em todo caso, esta abordagem pode ser influenciada por vários fatores como o próprio comportamento complexo do sistema, diversidade de formas de cartas dinamométricas, além do conhecimento e experiência do engenheiro responsável pelo poço. Atualmente, o engenheiro de petróleo do campo de produção é responsável por mais de cem poços equipados com bombeio mecânico. Nesse caso, o processo tradicional de interpretação torna-se inviável em um prazo aceitável sobre as condições de fundo de poço. A precisão e eficiência na identificação de problemas no fundo do poço é essencial para a diminuição do risco e o aumento na produção na indústria do petróleo. Como o diagnóstico de falhas no sistema de bombeio mecânico é um processo de reconhecimento de referências de cartas dinamométricas, vários trabalhos usando redes neurais artificiais em reconhecimento e classificação tem sido propostos para melhorar a precisão e eficiência (Nazi and Lea, 1994) de sistemas de detecção e diagnóstico de falhas em sistemas de bombeio mecânico. O reconhecimento e a classificação de objetos baseada na similaridade visual é então a principal idéia nos atuais sistemas de imagens industriais. Com o grande crescimento das informações disponíveis no formato de imagens (cartas dinamométricas), uma poderosa ferramenta de recuperação também se torna necessária em aplicações de pro-

8 cessamento de imagens. Este trabalho propõe uma nova maneira de analisar e diagnosticar sistemas de bombeio mecânico baseando-se nos seguintes pontos: Um melhor modelo de descrição das cartas dinamométricas; Reconhecimento estatístico. Assim, a descrição precisa dos formatos é essencial em sistemas de recuperação. Os descritores de Fourier são provavelmente o melhor descritor de formas baseado nas bordas da figura. Foi provado que essa ferramenta supera a maioria das outras que se baseiam em bordas em termos de precisão e eficiência (Kunttu and Visa, 2005). Adicionalmente, o reconhecimento está sendo feito através de correlação, um simples princípio estatístico que sugere uma relação de causa e efeito entre duas variáveis, neste caso, a relação entre a carta atual do poço e uma carta de referência. Este trabalho é dividido em cinco seções. Na próxima, o sistema de bombeio mecânico é descrito detalhadamente além de serem apresentadas algumas referências de cartas dinamométrica e seus respectivos significados. A terceira seção descreve os descritores baseados em bordas, enfatizando os descritores de Fourier. Além disso mostra-se também o princípio de correlação que é usado no processo de identificação do estado do poço. A solução proposta é descrita na quinta seção, juntamente com alguns resultados obtidos. Finalmente, as conclusões são apresentadas na última seção. 2 Bombeio Mecâncio Historicamente, o primeiro método de elevação artificial que surgiu na indústria do petróleo foi o bombeio mecânico (Sucker-rod Pumping), surgindo logo após o nascimento da indústria do petróleo. Sua importância se reflete no número de instalações existentes, o que lhe dá a posição de método mais utilizado no mundo. A Figura 1 apresenta uma instalação de bombeio mecânico. O bombeio mecânico tem sua popularidade relacionada ao baixo custo com investimentos e manutenção, flexibilidade de vazão e profundidade, boa eficiência energética e a possibilidade de operar com fluidos de diferentes composições e viscosidades em uma larga faixa de temperatura. As principais vantagens do BM são: a simplicidade de operação, manutenção e projeto de novas instalações. A partir de condições normais pode ser utilizado até o fim da vida produtiva de um poço e a capacidade de bombeio pode ser modificada, em função das mudanças de comportamento do poço. Porém, a principal vantagem deste método diz respeito ao menor custo/produção ao longo da vida produtiva do poço. Figura 1: Unidade de Bombeio Mecânico 2.1 Componenentes do Bombeio Mecânico Bomba de Fundo A bomba de fundo é do tipo deslocamento positivo, ou seja, na teoria o fluido que entra na sucção não volta. Seu desempenho é baseado no volume de fluido deslocado. Graças à eficiência volumétrica, a vazão na superfície geralmente é menor que o deslocamento volumétrico. A eficiência volumétrica sempre é menor que 100% devido a problemas, como: escorregamento do fluido através do pistão, presença de gás livre na bomba, fator de volume de formação (Bo) e desgastes mecânicos nas válvulas. Valores entre 70% e 80% para a eficiência volumétrica são considerados normais. Pode-se definir a eficiência volumétrica (Ev) como sendo a relação entre a vazão bruta de líquido (Qb) e o deslocamento volumétrico, menos possíveis desgastes e/ou vazamentos no sistema. Existe basicamente dois tipos de bomba, sendo que a diferença entre elas está na forma como são instaladas no poço. São elas: as bombas tubulares (tubing pump) e as bombas insertáveis (insert pump). Bombas Tubulares: São instaladas no poço com a coluna de produção, sendo a camisa da bomba parte integrante da coluna de produção. O pistão e a válvula de passeio são enroscados na extremidade da coluna de hastes, já a válvula de pé pode ser descida junto com a coluna de produção ou descida com o pistão, desde que o pistão seja apropriado para tal tarefa. Este tipo de bomba apresenta uma maior capacidade de bombeio para um dado diâmetro de tubulação. A sua principal limitação está relacionada à necessidade de se manobrar toda a coluna de produção, caso haja danos na camisa da bomba.

9 Bombas Insertáveis: Possuem todas as suas partes conectadas junto à coluna de hastes e necessitam apenas de um mecanismo que prenda a parte estacionária da bomba (camisa) a coluna de produção. Sua principal vantagem é a possibilidade de ser completamente substituída através de uma simples manobra de coluna de hastes Coluna de Hastes A coluna de hastes é considerada a parte vital e crítica do sistema de BM. Ela é a responsável por transmitir energia da superfície para a bomba de fundo. As hastes estão sujeitas a cargas cíclicas e trabalham em ambientes abrasivos e corrosivos. O comportamento das hastes tem um impacto fundamental na eficiência de elevação dos fluidos. Assim, um bom projeto de dimensionamento das hastes pode evitar grandes prejuízos. As hastes de bombeio possuem uma composição de mais de 90% de ferro. A adição de outros elementos permite a formação de diversos tipos de aço, os quais são designados pela norma (API SPEC 11B) em função de sua resistência mecânica Unidade de Bombeio A unidade de bombeio (UB) converte o movimento de rotação do motor em movimento alternado requerido pela haste polida, ao mesmo tempo em que a caixa de redução reduz a velocidade de rotação do motor para velocidades de bombeio fisicamente possíveis. A unidade de bombeio geralmente é instalada sobre uma base de concreto ou sobre perfis de aço. A base permite o alinhamento dos componentes da unidade, principalmente, o tripé, a caixa de redução e o motor. O tripé (sampson post) pode ter três ou quatro pernas e deve suportar grandes cargas na haste polida. O mancal de sela, logo acima do tripé, é o ponto pivô para a viga, ou seja, o movimento da viga é em torno deste eixo. A cabeça da UB (horse head) permite através do cabresto (bridle) movimentar a haste polida. Sua forma estrutural permite uma curvatura que realize o movimento requerido pela bomba de fundo. As manivelas estão localizadas nos dois lados da caixa de redução e giram a baixas velocidades, transmitindo através das bielas o movimento para a viga. A distância do eixo da manivela ao mancal da biela ou mancal de cauda define o curso da haste polida. Este curso pode ser modificado em função da posição de fixação da biela. Os contrapesos (counterweights) estão fixados nas manivelas, tendo como função balancear a unidade de bombeio, minimizando-se esforços no motor. No curso ascendente o motor é bastante solicitado para elevar os fluidos acima do pistão. Já no curso descendente, a força da gravidade é responsável pelo movimento das hastes. Assim, o motor funcionaria de forma cíclica, o que prejudica sua vida útil. A fim de minimizar este tipo de problema são utilizados os contrapesos na manivela ou na viga Carta Dinamomêtrica Uma carta dinamométrica é nada mais do que um gráfico representando os efeitos gerados pela carga atuante na bomba, durante um ciclo de bombeio. A abscissa deste gráfico representa a posição da haste polida e a coordenada representa o torque aplicado no sistema. Existem dois tipos de cartas dinamométricas, a carta de superfície e a de fundo. As cargas são registradas na superfície através de dinamômetros e no fundo do poço através de dispositivos especiais ou através de modelos matemáticos. As cartas dinamométricas estão entre as principais ferramentas de análise e avaliação das condições de bombeio, registrando as cargas na haste polida ou no fundo em função do curso das hastes. É possível observar diversas condições de bombeio através da carta dinamométrica. As mais importantes informações extraídas da análise de cartas dinamométricas são: 1. Determinação das cargas que atuam na unidade de bombeio e na haste polida; 2. Determinação da potência requerida para a unidade de bombeio; 3. Ajuste do contrabalanço da unidade de bombeio; 4. Verificação das condições de bombeio da bomba e válvulas; 5. Detecção de condições de falha. 2.2 Cartas Dinamométricas de Referências Nesta seção, algumas referências de cartas dinamométricas são apresentadas. A escolha das referências apresentadas foi baseada nos principais problemas de campos de petróleo e estes também podem ser encontrados em trabalhos anteriores (dos Santos Côrrea, 1995). Estas cartas são algumas referências utilizadas no modelo proposto mais a frente Operação Normal A operação normal é representada pela forma na Figura 2, se a coluna de hastes estiver ou não ancorada. Esta referência está associada as seguintes características: Alta eficiência volumétrica; Baixa influência de gás;

10 Figura 2: Referências Normais Figura 4: Referências de Vazamento de Válvulas Figura 3: Referências de Pancada de Fluido Pressão de sucção baixa ou média Pancada de Fluido Esta referência é apresentada na Figura 3 e está associada as seguintes características: Pressão de sucção baixa; Baixa interferência de gás; Bomba de sucção travada Vazamento das Válvulas A Figura 4 apresenta as referências que acontecem quando existe vazamento nas válvulas de fundo de poço Batidas na Bomba de Fundo Alguns problemas na bomba de fundo são apresentados através da Figura 5. Estes batidas na bomba de fundo podem ser na parte superior ou inferior da camisa do inserto. Figura 5: Referências de Batidas de Bomba 3 Fundamentação Teórica 3.1 Descritores de Forma Os descritores de forma são métodos matemáticos que representam um objeto ou uma região de uma figura. Os descritores são separados em duas categorias (Gonzalez et al., 2003): Descritores baseados em contorno (bordas); Descritores de região. Os primeiros descrevem a forma do objeto baseado em seu contorno. Os descritores de região servem para descrever o interior dos objetos. O descritor ideal deve apresentar as seguintes características invariantes. Translação; Rotação; Scala; Ponto inicial. Neste trabalho, foi usado um descritor de formas chamado descritor de Fourier Descritores de Fourier Além de boa performance na classificação e recuperação, suas principais vantagens consistem

11 em um algoritmo compacto e leve em sua execução. Eles são simples de se implementar, sua correspondência é direta e apresenta baixa sensibilidade a ruído. Considere (x k, y k ), onde k = 0, 1, 2,..., N 1 representam as coordenadas das bordas do objeto, onde N é o tamanho da borda. Uma função de coordenadas complexas z(k) expressa os pontos do contorno em um sistema de coordenadas centralizado no objeto: z(k) = (x k x c ) + j(y k y c )(1), onde (x c, y c ) é o centróide do objeto. Neste trabalho, x representa a posição da haste polida e y, o torque aplicado no sistema. Descritores de Fourier podem ser formados para a função de contornos z(k) usando a Transformada Discreta de Fourier (DFT): F n = 1 N N 1 k=0 z(k)e j2πnk N (2) para n = 0, 1, 2,..., N 1 e F n são os coeficientes de transformação de z(k). Os descritores podem ser invariantes à rotação usando as magnitudes dos coeficientes de transformação, F n. A escala pode ser normalizada dividindo-se as magnitudes dos coeficientes por F Análise por Correlação Em probabilidade e processos estocásticos, a correlação mostra o grau de força e a direção de relação linear entre duas variáveis aleatórias. No uso estatístico em geral, correlação se refere ao grau de independência de duas variáveis aleatórias. Nesse aspecto existem vários coeficientes que medem o grau de correlação, adaptadas à natureza dos dados (Papoulis, 2002). Uma variedade de coeficientes são usados em várias situações. A mais conhecida é o coeficiente de correlação de Pearson, ou simplesmente, correlação de Pearson que é obtido dividindo-se a covariância das duas variáveis pelo produto de seus desvios padrão Correlação de Pearson A correlação de Pearson (ou coeficiente de correlação produto-momento, ou ainda r de Pearson ) mede o grau de correlação e direção entre duas variáveis de escala métrica. Esse coeficiente é representado por r e pode estar entre 1 e 1. Dessa forma, r pode ser analisado da seguinte forma: +1: Significa a correlação perfeita e as variáveis estão na mesma direção; 1: Significa também uma perfeita correlação, porém, nesse caso, as variáveis estão em direções opostas. 0: Nesse caso, as variáveis não tem uma dependência linear. Mesmo assim, pode existir uma dependência não linear. Nesse caso, o resultado pode ser analisado por outros métodos. Em outras palavras, o sinal de correlação resultante mostra se a correlação é positiva ou negativa e a variável de proporção mostra a força da correlação. O coeficiente da correlação de Pearson é calculado de acordo com a seguinte fórmula: ρ Rn,A = cov(r n, A) σ Rn σ A = E((R n µ Rn )(A µ A )) σ Rn σ A, Onde E é o operador de valor esperado, cov significa covariância, R n a carta referência utilizada e A a carta analisada. Essa equação pode ser escrita da seguinte maneira: n i=1 r = (x i x) (y i ȳ) n i=1 (x i x) 2 n i=1 (y i ȳ) 2 Onde x 1, x 2,..., x n e y 1, y 2,..., y n são valores medidos das variáveis. Além disso, x n pode ser assim escrito: E y n pode ser: x = 1 n ȳ = 1 n n i=1 n i=1 Essas variáveis (x n and y n ) são médias aritméticas das variáveis x (carta de referência) e y (carta analisada) respectivamente. 4 Solução Proposta e Resultados A solução proposta usa ferramentas de processamento de imagens para reconhecer padrões. Neste artigo, tais ferramentas são usadas para fins de detecção de falhas em equipamentos utilizados na indústria do petróleo. 4.1 Solução Proposta A solução proposta é baseada na correlação das frequências das imagens. Cartas padrão (ou referências) de falhas são selecionadas e processadas, gerando os descritores de Fourier para cada possível situação, ou, para cada carta padrão. Este processo é então repetido com as cartas provenientes do campo e, por último, calcula-se a correlação entre os descritores das duas cartas. O resultado de cada correlação é comparado em uma função de máximo. O valor mais alto é ligado à referência mais próxima à carta proveniente de campo. A Figura 6 mostra o fluxo de informação na solução proposta. x i y i

12 Figura 8: Exemplo do Descritor de Fourier da Figura 7 Figura 6: Fluxo do Modelo Proposto Figura 7: Exemplo Real de uma Carta Dinamométrica de Fundo Aquisição de Dados Os dados são obtidos através do software SISAL (Souza et al., 2006). A SISAL é o software da companhia que supervisiona a maioria dos poços da PETROBRAS. O software supervisório reúne as variáveis de campo, como: corrente, força, posição da cabeça do cavalo, pressão da cabeça, pressão de fundo de poço, entre outros. As cartas dinamométricas são gráficos bidimensionais de força (eixo das ordenadas) versus posição da cabeça do cavalo (eixo das abiscissas). A carta consiste de cem pontos como pode ser visto na Figura Seleção das Referências As cartas de referência são selecionadas por um engenheiro especialista. Depois disso, as cartas são disponibilizadas para processamento do sistema. A partir daí, o tratamento é similar para as cartas que chegam do campo. Sendo, estas últimas, comparadas a todas as cartas de referências, previamente selecionadas, e assumidas como a referência das possíveis situações que um poço pode se encontrar Geradores dos Descritores de Fourier Depois da aquisição dos dados e seleção das referências, as cartas são processadas usando as ferramentas matemáticas descritas na Seção Na Figura 8 são apresentadas as frequências processadas e o comportamento das frequências que compõe a figura observada. Dessa forma, cada figura que chega do campo pode ser correlacionada com uma carta padrão de referência que tem sua própria identidade Análise por Correlação Usando a correlação de Pearson é possível comparar os descritores de Fourier da carta que vem do campo com os descritores de Fourier das cartas de referência. Dessa maneira, em cada correlação de uma carta que vem do campo com uma carta de referência, obtém-se um valor que representa o grau de proximidade entre elas. Ao final da análise, uma tabela de coeficientes é gerada para cada correlação calculada Classificador de Máximo e Diagnóstico de Falhas Foi necessário usar um classificador para reconhecer qual padrão está mais próximo a cada carta que vem do campo. Neste trabalho, um classificador simples, que consiste apenas de uma função de máximo, foi usado. Esta função é aplicada à tabela descrita na Seção Após isso, a correlação que teve o maior valor representa a situação do poço. Caso o mesmo esteja com alguma falha, espera-se que a maior correlação seja a correspondente à carta de referência que represente a respectiva falha. 4.2 Resultados A solução proposta foi aplicada à cento e duas cartas dinamométricas provenientes do sistema de bombeio mecânico da PETROBRAS. A solução

13 proposta, atualmente, se encontra com seis cartas de referências. Quando comparado com outros trabalhos utilizando técnicas com redes neurais (Schirmer and Toutain, 1991; Dickinson and Jennings, 1990; Nazi and Lea, 1994; dos Santos Côrrea, 1995; Rogers et al., 1990), os resultados foram considerados bastante satisfatórios e obtiveram 89% de diagnósticos corretos em situações reais. Alguns testes usando diferentes condições de normalização de descritores de Fourier foram realizados, porém foi observado que o percentual de acertos se manteve com o valor citado anteriormente. 5 Conclusões e Trabalhos Futuros Atualmente, a quantidade de poços em terra usando sistemas de bombeio mecânico é alta, dificultando o trabalho do engenheiro de campo. Além disso, a dificuldade de reconhecer um formato específico de carta dinamométrica aumenta de acordo com o ruído, principalmente em função da profundidade do poço. Este trabalho usa ferramentas de processamento de imagens juntamente com correlação mostrando uma solução viável para a construção de sistemas de detecção de falhas em poços que usam bombeio mecânico e ajuda a interpretar condições enfrentadas em fundo de poço com rapidez e precisão. A solução proposota apresenta alta eficiência em processar cartas que chegam do poço além de mostrar bastante robustez no que diz respeito a problemas inerentes quando se trata imagens, como: rotação, traslação e escala das figuras. Futuramente, deseja-se testar outras correlações e desenvolver um passo intermediário capaz de filtrar as freqüências principais das cartas. Para isso, pretende-se utilizar outras ferramentas matemáticas como Análise de Componentes Principais (PCA), para simplificar e diminuir os dados a serem processados nos próximos passos. Dessa forma, seria ainda possível desenvolver uma ferramenta de predição para falhas em sistemas de bombeio mecânico, baseada nas análises de frequências de cada carta de referência. Consequentemente, espera-se poder prever e planejar a manutenção dos equipamentos envolvidos, dessa forma, o engenheiro de campo poderia gerenciar melhor os equipamentos sob sua responsabilidade. Barreto, F., Tygel, M., Rocha, A. and Morooka, C. (1996). Automatic downhole card generation and classification, SPE Annual Technical Conference pp de Oliveira Costa, R. (1994). Curso de Bombeio Mecânico, november/1995 edn, PETRO- BRAS - Petróleo Brasileiro S.A. Dickinson, R. and Jennings, J. (1990). Use of pattern-recognition techniques in analyzing downhole dynamometer cards, SPE Production Engineering pp dos Santos Côrrea, J. F. (1995). Sistema inteligente para aplicações de soluções em bombeamento mecânico, Master s thesis, Mecanic Engineering School - Campinas University (UNICAMP). Gonzalez, R. C., Woods, R. E. and Eddins, S. L. (2003). Digital Image Processing Using Matlab, Prentice Hall. Kunttu, I. and Visa, L. L. A. (2005). Efficient fourier shape descriptor for industrial defect images using wavelets, Society of Photo- Optical Instrumentation Engineers. Nazi, G. and Lea, J. (1994). Application of artificial neural network to pump card diagnosis, SPE Computer Application pp Papoulis, A. (2002). Probability, Random Variables and Stochastic Processes, fourth edition edn, McGraw-Hill Higher Education. Rogers, J., Guffey, C. and Oldham, W. (1990). Artificial neural networks for identification of beam pump dynamometer load cards, SPE - 65th Annual Technical Conference pp Schirmer, G. P. and Toutain, J. C. P. (1991). Use of advanced pattern recognition and knowledge-based system in analyzing dynamometer cards, SPE Computer Application pp Souza, R. B., Medeiros, A. A., Nascimento, J. a. M., Maitelli, A. L. and Gomes, H. P. (2006). Sisal - a system for supervising oil artificial lift processes, Rio Oil and Gas Expo Conference. Tripp, H. (1989). A review: analyzing beampumped wells, JPT pp Referências Alegre, L., Morooka, C. and da Rocha, A. (1993). Intelligent diagnosis of rod pumping problems, SPE - 68th Annual Technical Conference III:

14 SISTEMA A BASE DE REGRAS PARA A DETECÇÃO DE EPISÓDIOS ISQUÊMICOS GABRIEL T. ZAGO, BRUNO N. AMIGO, RODRIGO V. ANDREÃO Coordenadoria de Eletrotécnica, Instituto Federal do Espírito Santo Av. Vitória, 1729 Jucutuquara, Vitória-ES, CEP s: Abstract This work presents an intelligent system for the detection of ischemic episodes from ambulatory electrocardiogram records. The system implements two main stages: a beat detection stage and an ischemic episode detection stage. The originality of the ischemic detection stage is in its conception to work independently of the beat detection stage. The system was assessed through the European ST-T Database, which is the gold standard to evaluation ischemic algorithms. The results obtained validate the proposed algorithm, whose performance is comparable to the state of the art. The algorithm is characterized by its simplicity and robustness, since it doesn t require a noise beat removal stage. Keywords Electrocardiogram; Ischemia detection. Resumo Este trabalho apresenta um sistema inteligente voltado para a detecção de episódios de isquemia do coração a partir da análise automática do sinal de eletrocardiograma ambulatorial. O sistema implementa dois estágios principais: estágio de detecção do batimento cardíaco e estágio de detecção de episódios isquêmicos. A originalidade do estágio de detecção de isquemia está na sua concepção de operar independentemente do estágio de detecção do batimento. O sistema foi avaliado com o auxílio da base de registros de ECG ambulatorial European ST-T. Os resultados obtidos validam o sistema proposto, o qual atingiu resultados comparáveis ao estado da arte no assunto. O algoritmo se destaca por sua simplicidade e robutez, visto que ele não requer uma estratégia de remoção de batimentos ruidosos. Palavras-chave Eletrocardiograma; Detection de isquemia. 1 Introdução As doenças cardiovasculares são uma das principais causas de morte no Brasil. Entre as doenças conhecidas, a isquemia do miocardio merece atenção especial. Trata-se de um acometimento que pode ou não ser seguido de dor toraxica, e cuja manifestação requer normalmente um atendimento rápido. Isto porque a principal consequência da isquemia é o infarto, que consiste na morte de parte do músculo cardíaco com consequente perda de funcionalidade. Os minutos que decorrem do início da isquemia são fundamentais pois um tratamento adequado pode minimizar as consquências da mesma e salvar a vida da pessoa. A ocorrência de um espisódio de isquemia do coração pode ser observada a partir do registro da atividade elétrica do coração, normalmente obtido com o auxílio de um eletrocardiógrafo (ECG). Por se tratar de uma alteração no padrão da atividade elétrica do coração ao longo do tempo, a identificação da isquemia requer longos registros, que são normalmente realizados durante o teste de esforço, através do aparelho portátil Holter, responsável pelo registro ambulatorial do ECG ou ainda a partir da monitorização do paciente internado no hospital ou sendo removido por uma ambulância. Neste contexto, este trabalho propõe um sistema inteligente capaz de analisar automaticamente o sinal elétrico do coração a fim de identificar a ocorrência de episódios isquêmicos. A identificação automática auxilia o trabalho do médico cardiologista pois podese sinalizar ao mesmo a ocorrência da isquemia de maneira imediata, agilizando o tratamento e aumentando a sua eficácia. As abordagens apresentadas na literatura para resolver esse problema possuem algumas características em comum (Taddei 1995),(Vila 1997),(Jagger 1998),(Andreão 2004): a) identificação automática de cada batimento cardíaco; b) supressão de batimentos anormais e sob influência do ruído; c) cálculo automático da amplitude do segmento ST de cada batimento. Por outro lado, a forma como as informações acima são obtidas depende da tecnologia implementada. Em (Andreão 2008), foi apresentada uma abordagem original de deteção de espisódios isquêmicos, baseado no uso combinado de modelos ocultos de Markov (HMM) e modelo a base de regras heurísticas. O presente trabalho é uma continuidade do que foi feito em (Andreão 2008), diferindo particularmente na estratégia de detecção do batimento cardíaco e da obtenção automática da amplitude do segmento ST. Dessa forma, a originalidade desse trabalho é a proposição de um sistema a base de regras para deteção de episódios isquêmicos baseado apenas no resultado da detecção do batimento cardíaco, ou seja, a abordagem proposta funciona independentemente do algoritmo usado para detecção do batimen-

15 Figura 1. Ilustração de um batimento cardíaco normal observado em um eletrocardiograma. to. Para a avaliação do desempenho, utilizou-se a base de dados Européia ST-T, que é o padrão para avaliação de algoritmos de detecção de isquemia. Os resultados obtidos são comparados com outros trabalhos considerados o estado da arte em deteção de espisódios isquêmicos. Este trabalho está organizado da seguinte forma: seção 2 descreve o problema da deteção dos episódios isquêmicos; seção 3 apresenta o sistema inteligente de detecção de isquêmia; a seção 4 apresenta os experimentos, seguida da conclusão e perspectivas de trabalhos futuros. 2 O problema da Detecção de Episódios Isquêmicos 2.1 O Eletrocardiograma O eletrocardiograma é o registro dos fenômenos elétricos que se originam no decorrer da atividade cardíaca. O eletrocardiograma possibilita a avaliação de atividade elétrica do músculo cardíaco a partir de alterações na forma e no ritmo em relação ao padrão normal. Normalmente o ECG é composto por três ondas periódicas (ver Figura 1): Onda P, Complexo QRS e Onda T. As ondas são separadas por segmentos, denominados segmento PQ e segmento ST. 2.2 O Segmento ST e a Análise da Isquemia Um episódio isquêmico pode ser detectado analisando-se o segmento ST. A grandeza utilizada nessa análise é a amplitude da região ST. Sabendo-se que o sinal sofre normalmente um deslocamento de sua linha de base, faz-se a comparação desse segmento com o segmento PQ. Desta forma, obtêm-se uma medida mais estável da amplitude de ST. O grande problema na análise de isquemia é a contaminação do sinal por ruído, visto que a amplitude da região ST é pequena, portanto, a análise de episódios isquêmicos é bastante sensível ao ruído. Figura 2. Diagrama blocos do sistema de detecção de episódios isquêmicos. 2.3 O ruído no ECG Ambulatorial Um grande problema na análise de ECGs é o ruído contido no sinal. O ruído pode dificultar a interpretação correta do sinal seja escondendo anomalias presentes seja indicando anomalias não existentes. Os ruídos, também chamados de artefatos, mais comumente encontrados num ECG são (Rangayyan 2002): - Interferência da alimentação: o ruído causado pela alimentação (50 ou 60 Hz dependendo do sistema utilizado no país) é um ruído simples de ser retirado, visto que sua frequência fundamental está em um faixa que não leva informação significativa do ECG. - Mudança na linha de base: este ruído pode ter origem no movimento do paciente, na mudança de impedância entre o sensor e a pele ou causado pela respiração do paciente. Possui um conteúdo espectral de baixa frequência (menor do que 0,8Hz), e normalmente interfere com as variações lentas do sinal, o que é o caso do segmento ST. - Eletromiograma: causado pela contração muscular, este artefato possui normalmente o mesmo conteúdo espectral do batimento cardíaco. - Ruídos causados por equipamentos eletrônicos: estes ruídos podem ser de diferentes formas e ter diferentes frequências, visto que podem provir de diferentes equipamentos eletrônicos. 3 Sistema Automático de Detecção de Isquemia 3.1 Detecção do Batimento Cardíaco O algoritmo de análise de isquemia pressupõe a localização do batimento cardíaco ao longo do sinal de ECG (Figura 2). Normalmente, considera-se o complexo QRS como referência para a localização do batimento cardíaco. O algoritmo que realiza a detecção do batimento é baseado no trabalho desenvolvido por (Hamilton 2002). Tal algoritmo é resultado da combinação de estágios de filtragem do sinal com regras heurísticas para identificar o complexo QRS. A Figura 3 representa o diagrama de blocos do algoritmo de detecção do complexo QRS

16 Sinal ECG Filtro Passa-banda (8-16Hz) Filtro derivada Média móvel (80ms) Regras de detecção Figura 3. Diagrama blocos do algoritmo de detecção do complexo QRS. O filtro passa-faixa é um filtro devidamente construído para eliminar as freqüências que não compõem o complexo QRS. O segundo estágio diz respeito a um filtro usado para atenuar mudanças lentas no sinal, reforçando assim as componentes de mais alta frequência, as quais estão normalmente presentes no complexo QRS. O terceiro estágio consiste no cálculo da média móvel, a qual busca construir uma envoltória do sinal processado, facilitando a localização do QRS. A detecção do pico do complexo QRS acontece logo em seguida aos estágios de filtragem. Um pico detectado define um batimento. O algoritmo de detecção considera um pico os pontos de máximo do sinal processado que superam em 30% o valor médio dos últimos picos detectados. Um novo pico é definido somente após a amplitude do sinal processado cair abaixo da metade da altura do último valor máximo detectado. Esta abordagem elimina múltiplas detecções de picos na vizinhança. A estratégia de detecção é composta por cinco regras básicas, garantindo a eliminação de muitos falsos positivos nas detecções de pico, são elas: i. Eliminação de todos os picos distantes até 150 ms de um grande pico; ii. Quando ocorrer a detecção de um pico, verificar as condições do sinal ECG, caso o sinal não conter declives positivos e negativos o pico deve ser eliminado; iii. Qualquer pico que ocorra no intervalo de 360ms e tenha amplitude menor que a metade do ultimo pico detectado é considerado uma onda T; iv. Se o pico é maior que um determinado limiar, considera-se o pico um QRS; v. Se um pico não ocorrer em 1,5 R-R (R-R é media do tempo do intervalo entre duas ondas R consecutivas, considerando as últimas oito ondas R detectadas) o limiar (calculado dês dos últimos oito QRS detectados) deve ser reduzido pela metade. Assim, o pico que estiver acima do limiar deve ser considerado QRS. 3.2 Cálculo da Amplitude do Segmento ST Para realizar a análise de episódios isquêmicos, utiliza-se o desvio de amplitude entre o segmento ST e o segmento PQ (Andreão 2008). A amplitude do segmento PQ é obtida a partir da média de 5 valores em torno de 60 ms antes de cada pico detectado. De forma semelhante, a amplitude do segmento ST é calculada a partir da média de 5 valores ao redor do ponto localizado a 120 ms após o pico detectado. Portanto, para cada batimento, tem-se a amplitude dos segmentos PQ e ST, conforme ilustra a Figura 4. A partir da diferença entre essas amplitudes, tem-se um vetor com os desvios de ST para cada batimento do ECG. 3.3 Processamento das Amplitudes do Segmento ST A série de desvios de ST obtida a partir do procedimento descrito anteriormente ainda não está pronta para a análise da ocorrência de episódios isquêmicos. Figura 4. Obtenção do desvio do segmento ST a partir de cada batimento detectado.

17 De fato, o cálculo do desvio de ST é normalmente influenciado pelo do ruído. Até o mesmo o emprego de um estágio de eliminação de batimentos ruidosos e filtragem do sinal não são suficientes (Taddei 1995),(Vila 1997),(Jagger 1998),(Andreão 2008). Desta forma, alguns estágios de pósprocessamento da série de desvios de ST são implementados: - Filtro mediana: filtragem mediana de comprimento 3 é aplicado sobre a série de forma a reduzir o efeito do ruído impulsivo; - Média móvel: aplicação de filtragem através do cáculo da média móvel considerndo uma constante de tempo de 20 s. A partir da série filtrada, passa-se então para o sistema a base de regras reponsável pela classificação dos episódios. Considerando um registro de ECG ambulatorial composto de dois canais, é necessário combinar a contribuição de cada canal na decisão como se segue (Andreão 2008): ST 2 [ n] ( ST [ n] REF ) + ( ST [ n] REF ) 2 = (1) onde ST[ n] ST C1 [ n] e [ n] C1 C1 C2 C2 é o desvio de ST depois da fusão, ST C2 correspondem ao desvio de ST do canal 1 e 2 respectivamente. As variáveis REF C1 e REFC 2 são a referência sobre o qual o desvio é avaliado. Estas variáveis são atualizadas ao longo da série de desvio de forma a levar em conta as flutuações da referência (Andreao 2008). A lógica de detecção dos episódios isquêmicos consiste em buscar ao longo do vetor ST [ n] trechos onde o valor do desvio de ST é maior que 0,1 mv e cuja duração supera 30 s (Taddei 1990). Além disso, deve haver um intervalo de menos 120 s entre episódios consecutivos para considerá-los distintos (Andreao 2008). A Figura 5 ilustra o resultado do algoritmo detecção de episódios isquêmicos sobre o vetor ST n. [ ] 4 Experimentos O algoritmo proposto foi avaliado em um subconjunto de 48 registros da base de dados ST-T European Database (Taddei 1990). Cada registro da base tem Figura 5. Gráfico do desvio do segmento ST obtido de um registro de ECG. Os episódios isquêmicos detectados estão sendo identificados pela onda quadrada sobreposta ao gráfico do desvio de ST. Tabela 1. Desempenho do algoritmo de detecção de episódios isquêmicos considerando intervalo de confiança de 95%. Algoritmo Se (%) PP (%) Este trabalho 80±7 73 (Andreão 2004) 78±7 79 (Taddei 1995) 81±5 76 (Vila 1997) 81±6 68 (Jagger 1998) 85±4 86 duração de 2 h e é composto de dois canais de ECG amostrados em 250 Hz. Todos os registros possuem anotações quanto à ocorrência de episódios isquêmicos devido ao desvio do segmento ST, totalizando 120 episódios (Andreão 2008). Para a avaliação do desempenho, dois critérios são empregados: sensibilidade e valor preditivo positivo. A sensibilidade (Se) está relacionada à fração de eventos verdadeiros detectados, ou seja, VP Se = (2) VP + FN onde VP (verdadeiro positivo) é o número de episódios detectados e que coincidem com os anotados na base e FN (falso positivo) é o número de episódios não detectados mas que estão anotados na base. O valor preditivo positivo (PP) retorna a probabilidade de um evento detectado ser verdadeiro, ou seja, VP PP = (3) VP + FP onde FP (falso positivo) é o número de eventos detectados pelo algoritmo e que não estão anotados na base. O critério usado para a comparação dos episódios detectados automaticamente com aqueles anotados pela especialista segue o seguinte protocolo (Jagger 1991): os episódios correspondem um com outro quando há uma sobreposição temporal entre ambas as anotações de pelo menos 50% do comprimento do episódio anotado pelo cardiologista ou quando a sobreposição temporal inclui o ponto onde o desvio de ST atinge valor máximo para aquele episódio. Os resultados são apresentados na Tabela 1 na forma desempenho global sobre todos os registros, e o intervalo de confiança considerado é de 95%. Os resultados são comparados com os trabalhos de (Taddei 1995), (Vila 1997), (Jagger 1998) e (Andreão 2004). Vale ressaltar que tanto este trabalho quanto (Andreão 2004) buscaram seguir as regras de detecção de episódios sugeridas na base ST-T. Por outro lado, o trabalho de (Taddei 1995) empregou dois limiares para identificação dos episódios, (Vila 1997) aplicou lógica fuzzy no lugar de limiar simples, e (Jagger 1998) implementou um conjunto complexo de regras e limiares de decisão.

18 Diferentemente dos trabalhos citados, neste trabalho não foi empregada estratégia de eliminação de batimentos ruidosos, o que pode ter influenciado negativamente no valor de PP(%). De uma maneira geral, os resultados alcançados estão próximos dos obtidos por aqueles considerados o estado da arte na base Européia ST-T. Vale destacar que o estágio de detecção dos episódios isquêmicos do sistema proposto requer somente a informação referente ao ponto de máximo do complexo QRS. Desta forma, não é necessário fazer a segmentação do batimento cardíaco em suas ondas elementares e intervalos, reduzindo significativamente a complexidade do algoritmo. 5 Conclusão Este trabalho apresentou uma abordagem para a detecção de episódios isquêmicos que pode ser facilmente combinada a qualquer algoritmo de detecção de batimentos cardíaco. A abordagem da proposta foi validada a partir da base Européia ST-T, considerada o padrão ouro na avaliação de algoritmos de detecção de isquemia. Uma particularidade do algoritmo implementado está na sua simplicidade e na ausência de uma estratégia de remoção de batimentos ruidosos. Na verdade, a estratégia de detecção de isquemia possui alguns estágios de processamento que reduzem o impacto da instabilidade das medidas de desvio de ST. Como trabalho futuro, deseja-se avaliar a influência do ruído de linha de base no desempenho do algoritmo de detecção de isquemia visto que o mesmo influencia diretamente o cálculo do desvio de ST Para isso, uma estratégia de filtragem do sinal ECG será implementada e o resultado comparado com o obtido neste trabalho. ischemic ST segment changes, in Computers in Cardiology, Venice, Italy, pp Jager, F., Mark, R.G. e Moody, G.B. (1998). Analysis of Transient ST Segment Changes During Ambulatory Monitoring, Comput Biomed. Res., 31(5): Rangayyan, R. M. (2002). Biomedical Signal Analysis A Case-Study Approach, IEEE Press Series in Biomedical Engineering Taddei, A., Biagini, A., et al. (1990). The European ST-T database : development, distribution, and use, in Computers in Cardiology, Chicago, IL, EUA, pp Taddei, A., Constantino, G., et al. (1995). A system for the detection of ischemic episodes in ambulatory ECG, in Computers in Cardiology, Viena, Austria, pp Vila, J., Presedo, J., et al. (1997). SUTIL: intelligent ischemia monitoring system, Int J Med Inf, 47(3): Agradecimentos Os autores agradecem ao CNPq pelo financiamento das bolsas de iniciação científica. Referências Bibliográficas Andreão, R.V. (2004). Segmentation des Batements ECG par approche markovienne: Application à la détection d ischémies, Tese de Doutorado, INT, Evry, França. Andreão, R.V., Muller, S. M. T., et al. (2008). Incremental HMM trainning applied to ECG signal analysis, Computers in Biology and Medicine, 38(6): Hamilton, P. (2002). Open Source ECG Analysis, in Computers in Cardiology, 29: Jager F., Moody G.B. et al. (1991), Performance measures for algorithms to detect transient

19 IMPLEMENTAÇÃO DE SENSOR VIRTUAL DE OXIGÊNIO USANDO REDES NEURAIS ARTIFICIAIS THIAGO RICHTER 1, AMAURY F. OLIVEIRA 2 E IVAN N. DA SILVA 1 1 Departamento de Engenharia Elétrica, Universidade de São Paulo, São Carlos, Brasil 2 Centro de Engenharia Automotiva, Universidade de São Paulo, São Paulo, Brasil s: Abstract The Engine Management System is the system responsible for controlling the combustion in an automotive engine that is a very complex system with various sensors and actuators involved. This paper presents the use of artificial neural networks to estimate values of the oxygen sensor, which is one of the main sensors used by the Engine Management System and is directly related to the control of combustion and emissions. Together with the costs reduction, the control of emissions has received great focus by the automotive industry, where one of the reasons is actually the environmental issue. Keywords Virtual Sensing, Virtual Oxygen Sensor, Artificial Neural Networks. Resumo O Sistema de Gerenciamento de Motor é o sistema responsável pelo controle de combustão de um motor automotivo, um sistema muito complexo, com diversos sensores e atuadores envolvidos. Este trabalho propõe o uso de redes neurais artificiais para estimar os valores do sensor de oxigênio, sendo um dos principais sensores usados pelo Sistema de Gerenciamento de Motor e que está diretamente relacionado ao controle de combustão e emissões. Juntamente com a redução de custos, o controle de emissões tem recebido grande foco pela indústria atualmente, sendo uma das motivações a questão ambiental. Palavras-chave Sensoriamento Virtual, Sensor de Oxigênio Virtual, Redes Neurais Artificiais. 1 Introdução A indústria automobilística é um dos mais importantes setores da economia no Brasil e em todo o mundo, tendo um faturamento líquido de mais de US$ 52 bilhões apenas na produção brasileira de veículos de 2007, considerando somente as montadoras a participação da indústria automobilística no PIB industrial brasileiro corresponde a 18% (ANFAVEA, 2008). Nos últimos anos a indústria automobilística viuse praticamente obrigada a melhorar o desempenho de seus veículos produzidos e reduzir seus custos. Um dos marcos desta transformação foi o desenvolvimento do sensor de oxigênio. Com o mesmo foi possível desenvolver os Sistemas Gerenciadores de Motor que possibilitam, entre suas diversas funções, controlar a combustão e conseqüentemente as emissões de um veículo. O desenvolvimento deste trabalho é motivado pela busca constante da indústria automobilística por redução de custos e avanços tecnológicos, assim como pelo crescente progresso no uso de sistemas inteligentes na indústria automotiva, incluindo o desenvolvimento de sensores virtuais para diversas finalidades (Howlett, Amato et. al., 2005 e Kamat et. al., 2006). Este trabalho propõe o uso de arquiteturas de sistemas inteligentes para sensoriamento virtual de oxigênio de veículos, podendo assim, substituir um sensor físico por um sensor virtual, estimando a leitura do sensor de oxigênio, criando, portanto, um sensor de oxigênio virtual, utilizando Redes Neurais Artificiais supervisionadas, que depois de treinadas poderão ser inseridas no sistema gerenciador de motor. Neste artigo serão apresentados conceitos de redes neurais artificiais, sistema de gerenciamento de motor e sensores de oxigênio. Logo após, apresentase o sistema inteligente desenvolvido. Finalmente os resultados alcançados e a conclusão a respeito do trabalho são destacados na última seção. 2 Redes Neurais Artificiais Redes Neurais Artificiais (RNA) são modelos computacionais inspirados no cérebro humano e possuem a capacidade de aquisição e manutenção da informação. As RNA podem também ser definidas como um conjunto de unidades de processamento (neurônios) que são interligados por um grande número de sinapses (Haykin, 1999 e Kovács, 1996). Na Fig. 1 é apresentado o modelo geral do neurônio artificial de Mc- Culloch, onde x são as entradas da RNA, w são seus pesos, θ é o limiar de ativação, f é a função de ativação e y a saída do neurônio. Figura 1. Modelo geral de neurônio artificial. As RNA tem como características principais a capacidade de adaptar ou aprender, inclusive aprender através de exemplos, capacidade de generalizar, agrupar ou organizar dados, auto-organizar, tolerar

20 falhas e de não necessitar da modelagem matemática do processo. Diversas são suas áreas de aplicação [5]: reconhecimento de padrões, aproximação de funções, previsão/estimação, otimização de funções, categorização/clustering, memórias associativas e controle de sistemas. Diversas são as topologias usadas em RNA, dentre elas destaca-se a topologia Perceptron Multicamadas (PMC). A PMC possui arquitetura feedforward e é constituída de uma camada de entrada (x 1, x 2,...,x n ), uma ou mais camadas neurais escondidas (CNE), uma camada neural de saída (CS) e a saída (y), conforme apresentado na Fig. 2. Uma das principais aplicações do PMC é a aproximação universal de funções. O aproximador universal de funções, baseado em redes neurais artificiais, é capaz de realizar mapeamento não linear (Golden, 1996), relacionando as entradas com as saídas. 4 Sensor de Oxigênio A taxa Ar-Combustível (taxa A/F Air/Fuel) referese à proporção de ar e combustível usado durante a combustão e é freqüentemente definida como sendo um fator de excesso de ar (BOSCH, 2005). Esta proporção ideal é chamada de taxa estequiométrica. Já o fator Lambda, é definido como um coeficiente de unidade que corresponde a uma razão de 14,7 litros de ar por 1 litro de combustível, ou seja, 14,7:1 (A/F), para motores a gasolina, em temperatura e pressão normais (DELPHI, 2005). Estes sensores também são chamados de sensores lambda. Fig. 2. Modelo de arquitetura de uma rede MLP. 3 Sistema de Gerenciamento de Motor Sistemas de controle automotivo são sistemas dinâmicos que consistem na interação de componentes discretos e contínuos e são chamados de sistemas híbridos. O Sistema de Gerenciamento de Motor (EMS Engine Management System) é um típico exemplo de sistema híbrido, visto que é um sistema de tempo real (DELPHI, 2001). Um EMS controla as combustões internas do motor, que representam um problema de controle altamente complexo (Howlett, 1998), onde o motor contém muitos elementos que são caracterizados pela intensa integração de funções não-lineares. Pode-se ter como entrada diversos sensores, como por exemplo, os sensores de oxigênio, sensores de temperatura, de pressão, de altitude e sensores de diagnóstico diversos, entre outros, usando estas informações para controlar o sistema de ignição. O uso de EMS possibilita melhor controle, melhor sensibilidade, maior eficiência dos combustíveis e menores níveis de poluição. Sistemas modernos podem controlar outros componentes ou sistemas automotivos, como por exemplo, o turbo ou a exaustão, e se comunicam com outros sistemas, como por exemplo, o sistema de transmissão, refrigeração, etc. (BOSCH, 2005). Devido a complexidade dos EMS, um dos maiores desafios em sua implementação é o longo tempo necessário para efetuar as calibrações do sistema, sendo de suma importância o conhecimento do especialista. Fig. 3. Sonda Lambda [9]. Uma quantidade maior de gasolina resulta em lambda menor que um, chamado mistura rica, enquanto uma porção maior de ar resulta num lambda maior que um, denominado de mistura fraca ou pobre (Fig. 3). A potência máxima é obtida quando lambda é aproximadamente 0.9 e o consumo mínimo de combustível ocorre quando lambda é aproximadamente 1.1, sendo o resultado 1.0 o esperado para se ter maior torque com menor consumo e o erro aceitável do sensor de oxigênio é de 0,2% (DELPHI, 2005 e BOSCH, 1999). De acordo com (BOSCH, 1999), diversos são os fatores para que a combustão não seja ótima e resultem em reduzidas emissões de gases nocivos; porém pode-se destacar a taxa A/F como uma das principais razões. Para obter a conversão mais eficiente dos gases CO, HC e NOx (Fig. 4) em um conversor catalítico de três vias a mistura ideal de ar/combustível deve ter lambda igual a 1. Fig. 4. Emissões de Gases [9].

21 Atualmente, tem sido grande o número de legislações ambientais que padronizam e limitam as emissões que as indústrias automobilísticas devem obter para atender os mercados, alguns exemplos são (DELPHI, 2006): Legislações: PROCONVE, Euro IV e Euro V, U.S. Environmental Protection Agency (EPA). Padrões: Tier 2 (EPA), LEV (Low Emission Vehicle), ULEV II (Ultra Low Emission Vehicle) e SULEV (Super Ultra Low Emission Vehicle). No Brasil a resolução 18/86 é que regulamenta as emissões de veículos automotores (Brasil, 1986). 5 Desenvolvimento Visando desenvolver um sensor de oxigênio virtual, o sistema inteligente implementado baseia-se nos conceitos de redes neurais artificiais apresentados anteriormente, visto que os dados disponíveis são quantitativos e em grande quantidade, a aplicação de RNA é indicada para estudos. Estes dados são oriundos de leituras de diversas variáveis disponíveis nos EMS, coletadas de um veículo 1.8 cm 3 com 8 válvulas por meio de dinamômetros do Centro de Tecnologia da DELPHI, sem o motor estar em regime especial de funcionamento e no teste final realizado pela área de calibragem de motores da DELPHI, ou seja, os motores já estarão calibrados e não será fixada nenhuma variável, tornando o teste no dinamômetro o mais próximo possível do que poderá ocorrer com os condutores. No trabalho serão usadas 42 variáveis. Para o desenvolvimento do trabalho foi utilizado o toolbox Neural Networks do Matlab e dois métodos de treinamento foram utilizados, método Levenberg- Marquardt (trainlm) e Levenberg-Marquardt com regularização Bayesiana (trainbr). A metodologia utilizada para treinar o sistema desenvolvido foi a técnica Cross Validation (Validação Cruzada), adotando 75% dos dados disponíveis para efetuar os treinamentos, sendo 75% destes dados utilizados para treinar e 25% para validar, e 25% para verificar se a rede está generalizando satisfatoriamente após o treinamento. Todas as topologias candidatas foram treinadas com os mesmos conjuntos de dados, assim como todos os testes usaram os mesmos dados. A fim de simular o atraso na realimentação do sistema (EMS), onde o valor de lambda atual é conseqüência de todas as outras variáveis, o tempo de lambda em relação às outras variáveis foi deslocado para t+1. Nas Fig. 5, 6 e 7, são apresentados gráficos de variáveis coletadas, as quais foram usadas nos treinamentos. Cada variável foi normalizada com valores entre 0 e 1 usando seus valores mínimos e máximos. A Fig. 5 apresenta de forma ampliada apenas a variável contendo o valor de lambda, sendo este o valor desejado para a saída da rede neural desenvolvida. Com a ampliação pode-se observar o comportamento típico do sensor de oxigênio de um veículo calibrado e em regime estável, onde ocorre apenas a comutação dos valores baseado na constante tentativa do EMS em equilibrar a taxa A/F na combustão. Fig. 5. Detalhe de Saída desejada. A Fig. 6 mostra todo o universo de dados disponível da saída desejada da RNA. Como os mapas de dados são extensos, mais de 85 mil linhas, houve a necessidade de discretizar estes dados para efetuar os treinamentos e testes. Duas abordagens foram utilizadas, na primeira abordagem discretiza-se todo o universo de dados disponível dado um percentual de dados desejado. A segunda é realizada em conjuntos reduzidos do universo de dados, definidos pelo usuário e utilizando-se também de um percentual de registros em relação a este conjunto Valor de Lambda (normalizado) segundos Fig. 6. Saída desejada do mapa de dados 1.

22 segundos Lambda_Word PfTORQ_M_DsrdFastFlywheelTorq CalculatedBasePulseWidth SfAIRF_Pct_ThrotPstnMax VfTORQ_ActualSlowIMEP MainSparkAdvance AirFlowRate Hi_Res_Engine_Speed_Var VfVIOS_Pct_ETCThrottlePosition SparkAdvanceTopDeadCenter Fuel_Integrator SystemVoltage_B DeliveredBasePulseWidth NVFilteredFuelLevel MAP_AD VfVIOS_PedalLoad AirFuelRatioVar PfTORQ_DesGrossIndicatedSlowTorq Enviroment Charge Exhaust Converter Fig. 7. Gráfico de algumas das variáveis usadas (normalizadas). As variáveis utilizadas nos treinamentos e testes foram divididas em três conjuntos. O primeiro conjunto utilizou todas as variáveis disponíveis, sendo que o segundo conjunto utilizou as variáveis mais não-lineares, observando-se graficamente, algumas destas variáveis são mostradas na Fig. 7. O terceiro conjunto baseou-se no conhecimento especialista de engenheiros de calibração de veículos. O Sistema desenvolvido permite criar um laço de treinamento e testes, utilizando-se de variáveis que permitem escolher as entradas e características da rede. Algumas das configurações permitidas são: definição de quais mapas de dados se devem utilizar, tipo e percentual de discretização, a escolha das variáveis de entrada, meta da rede, quantidade de neurônios na camada neural escondida, tipo de treinamento, limite de épocas, funções de ativação e métodos de treinamento. 6 Resultados A análise dos resultados levou em consideração, primeiramente o valor referente ao desempenho dos testes realizados e depois, visando evitar os efeitos overfitting e underfitting, observaram-se os resultados gráficos dos testes, permitindo validar os melhores modelos. Ao todo foram geradas mais de redes neurais, variando-se suas entradas e características, como descrito na Seção 5. A seguir são analisadas as duas formas de discretizações. Primeiramente foram realizados treinamentos e testes usando todo o espectro de dados. Em seguida, os treinamentos e testes envolveram faixas dos dados disponíveis. Os melhores resultados foram alcançados utilizando-se as variáveis apresentadas na Tabela 1. Tabela 1: Variáveis dos melhores resultados 1 Sensor de oxigênio 26 Voltagem do sistema 2 Torque 27 Larg. de pulso distribuído 6 Larg. de pulso da injeção 28 Nível de combustível 7 Fluxo de Ar no throttle 30 Pressão abs. do manifold 8 Pressão Méd. Efetiva Indic 31 Força do pedal 9 Avanço da fagul. principal 32 Taxa A/F 10 Fluxo da massa ar 34 Indicador de Torque baixo 12 Velocidade do motor 37 Temp. ambiente 13 Posição do Throttle body 40 Carga 14 Avanço da fagulha 41 Temp. exaustão 15 Integrador de combustível 42 Temp. conversor catalítico A Tabela 2 mostra os dois melhores desempenhos para cada tipo de discretização (faixa de dados) e mapa de dados, assim como seus erros relativos e algumas características, onde Var significa a quantidade de variáveis usadas na camada de entrada, Train significa o método de treinamento e CNE o número de neurônios na camada neural de entrada. Valor de Lambda (normalizado) File Nbr: 1; Select Type: 1; Select Qty: 0.05; Goal: 1e-005; CNE: 10 Select Vars: [ ] Erro Relativo Médio (%): Target Reached Segundos Fig. 8. Exemplo de resultado validado usando treinamentos completos usando mapa de dados 1.

23 Tabela 2: Melhores Desempenhos de cada tipo de discretização e mapa. Nº Top. Faixa Dados Características da rede Erro Rel Mapa 1 Faixa: [9 888]; Trein.: trainbr; 1,9801% Completa CNE: 10; Var: Mapa 1 Faixa: [9 888]; Trein.: trainbr; 2,0904% Completa CNE: 10; Var: Mapa 2 Faixa: [9 888]; Trein.: trainlm; 0,3400% Completa CNE: 15; Var: Mapa 2 Faixa: [9 888]; Trein.: trainlm; 0,3439% Completa CNE: 20; Var: Mapa 1 Faixa: [ ]; Trein.: Segmentada trainlm; CNE: 20; Var: 22 0,2062% Mapa 1 Faixa: [ ]; Trein.: Segmentada trainlm; CNE: 13; Var: 22 0,2063% Mapa 2 Faixa: [ ]; Trein.: Segmentada trainlm; CNE: 25; Var: 22 0,1518% Mapa 2 Faixa: [ ]; Trein.: Segmentada trainlm; CNE: 55; Var: 22 0,1583% 6.1 Treinamento Usando Todo Universo de Dados. Considerando que o teste utiliza todo o universo de dados disponíveis, pode-se concluir que o resultado apresentado na Fig. 8 foi satisfatório para o mapa de dados 1, obtendo um erro relativo médio ( e r ) de 2,0904%. A Fig. 9 mostra uma ampliação de outro resultado para o mesmo mapa apresentado na Fig. 8, permitindo visualizar maiores detalhes do resultado. A Fig. 10 apresenta os erros absolutos, onde o valor corresponde à diferença entre o valor desejado e o alcançado. 320 File Nbr: 1; Select Type: 1; Select Qty: 0.05; Goal: 1e-006; CNE: 10 Select Vars: [ ] Erro Relativo Médio (%): Target 0.8 Reached Valor de Lambda (normalizado) Erro Absoluto Segundos Fig. 9. Detalhes dos resultados apresentados na Fig. 9. Erro Relativo Médio (%): A Fig. 11 mostra o resultado do teste onde foi utilizado treinamento completo com mapa de dados 2, onde o er foi de 0,3439%, e a Fig. 12 os erros relativos. 718 File Nbr: 2; Select Type: 1; Select Qty: 0.05; Goal: 1e-006; CNE: 20 Select Vars: [ ] Erro Relativo Médio (%): Target 0.55 Reached Erro Absoluto Valor de Lambda (normalizado) Segundos Fig. 11. Detalhes dos resultados usando mapa de dados 2 e trein. completo. Erro Relativo Médio (%): Segundos Fig. 12. Erros absolutos referente à Fig Treinamento Usando Subconjuntos do Universo de Dados. Na Fig. 13 é apresentado um resultado satisfatório, com erro relativo médio de 0,45%, onde o valor real de lambda é irregular e o sistema conseguiu aproximar usando o mapa de dados 1, com erros relativos abaixo de 1%. Valor de Lambda (normalizado) File Nbr: 1; Select Type: [ ]; Select Qty: 0.05; Goal: ; CNE: 60 Select Vars: [ ] Erro Relativo Médio (%): Segundos 0.05 Fig. 13. Exemplo de resultados usando mapa de dados 1 e trein. segmentados. Erro Relativo Médio (%): Target Reached Segundos Fig. 10. Erros absolutos referente à Fig. 10. Erro Absoluto Segundos Fig. 14. Erros absolutos referente à Fig. 14.

24 Valor de Lambda (normalizado) Erro Absoluto O exemplo seguinte (Fig. 15) ilustra o comportamento típico do sensor de oxigênio, observando-se que o comportamento foi mantido e com uma boa precisão, com er de 0,21% File Nbr: 1; Select Type: [ ]; Select Qty: 0.05; Goal: ; CNE: 40 Select Vars: [ ] Erro Relativo Médio (%): Target Reached Segundos Fig. 15. Detalhes de resultado usando mapa 1 e trein. segmentados. Nas Fig. 16 e 17 pode-se observar, respectivamente, os erros absolutos e os erros relativos referente à Fig Erro Relativo Médio (%): Segundos Erro Relativo (%) Fig. 16. Erros absolutos referente à Fig. 16. Erro Relativo Médio (%): Segundos Fig. 17. Erros relativos referente à Fig Conclusão O sensor virtual de oxigênio desenvolvido usando redes neurais MLP atingiu resultados satisfatórios dado a complexidade de um sistema motor, atingindo baixos erros relativos médios em centenas de topologias. Topologias de Redes Neurais usando a discretização de todo o universo de dados pode ser usada, embora usar subconjuntos do universo para treinar tiveram melhores resultados. Utilizando treinamentos com dados completos, quase 350 topologias entre 792 atingiram erros relativos médios menores que 1%. Já nos treinamentos segmentados, mais de 600 topologias de ambos os mapas atingiram e r menor que 0,5%. Como sugestão para trabalhos futuros propõe-se aplicar a rede neural em um sistema real de gerenciamento de motor. Agradecimentos Os autores gostariam de agradecer a todos que colaboraram com este trabalho, em especial Elisabete M. D. Oliveira e funcionários da DELPHI Automotive Systems (Fábio A. M. Fantinato e Orlando Volpato Filho). Referências Bibliográficas ANFAVEA (2008). Anuário da Indústria Automobilística Brasileira Associação Nacional dos Fabricantes de Veículos Automotores, São Paulo. Howlett, R. J. (1998). Monitoring and Control of an Internal Combustion Engine Air-Fuel Ratio using Neural and Fuzzy Techniques. Department of Electrical and Electronic Engineering, University of Brighton, UK. Amato, P.; Cesario, N.; Meglio, M. Di; Pirozzi, F. (2005). Realization of a Virtual Lambda Sensor on a Fixed Precision System. Proceedings of the Design, Automation and Test in Europe, IEEE, vol. 3, p Kamat, S.; Diwanji, V.; Smith, J.; Javaherian, H.; Madhavan, K.P. (2006). Virtual Sensing of SI Engines Using Recurrent Neural Networks SAE World Congress, Electronic Engine Controls, SAE. Haykin, S. (1999). Neural Networks. Prentice-Hall. Kovács, Z. L. (1996). Redes Neurais Artificiais: Fundamentos e Aplicações. Edição Acadêmica. Golden, R. M. (1996). Mathematical Methods for Neural Network Analysis and Design. MIT Press. DELPHI (2001). A model-based environment for production engine management system (EMS) development. SAE. BOSCH (2005). Manual de Tecnologia Automotiva. Edgard Blucher. BOSCH (1999). Gasoline-engine management. SAE. DELPHI (2005). Planar Oxygen Sensor: Application Manual. Delphi Automotive Systems, Piracicaba. DELPHI (2006). Delphi high function engine management system. Delphi Automotive Systems. BRASIL (1986). Resolução nº 18, de 6 de maio de Dispõe sobre Programa de controle da poluição do ar por veículos automotores PROCONVE. Diário Oficial da União. Brasília, 17 jun

25 ALGORITMOS EVOLUTIVOS HÍBRIDOS APLICADOS À SOLUÇÃO DO PROBLEMA DE CORTE BIDIMENSIONAL GUILHOTINADO MARIANA SILVA FALEIRO DE ANDRADE, SÉRGIO RICARDO DE SOUZA, ELIAS CARLOS CORRÊA TEMPONI Programa de Mestrado em Modelagem Matemática e Computacional Centro Federal de Educação Tecnológica de Minas Gerais Av. Amazonas, 7675, , Belo Horizonte, MG, Brasil MARCONE JAMÍLSON FREITAS SOUZA Departamento de Computação, Universidade Federal de Ouro Preto Campus Universitário Ouro Preto MG Brasil Abstract This paper deals with the guilhotined Open Dimensional Problem (ODP). Given a set of rectangular small items and a rectangular large object of fixed width and variable length, the problem consists of placing all the items within the large object, such that the overall length of the layout is minimised. Two versions of an Hybrid Evolutionary Algorithm are proposed to solve the problem. In the algorithms, we use the Multi-Start and Iterated local Search metaheuristics, to improve the quality of inicial population, as well the approximate algorithm First-Fit and Best-Fit, and a local search operator to solve it. Computational experiments realized with instances from the literature show that the proposed algorithm is able to reach the optimal solution in all of the small and medium instances (16 to 49 items) and yield small gaps in instances with 73 to 197 items. Keywords Open Dimensional Problem, Evolutionary Algorithms. Resumo Este trabalho trata do problema de corte com dimensão aberta guilhotinado. Dado um conjunto de peças menores (itens) e uma peça maior (objeto) com largura fixa e altura variável, o problema consiste em alocar todos os itens no objeto, de maneira que a altura utilizada seja minimizada. Propõe-se, para sua resolução, duas versões de um Algoritmo Evolutivo Híbrido (AEH). O que diferencia as versões é a utilização, na geração da população inicial do algoritmo evolutivo, das metaheurísticas Multi-Start e Iterated Local Search (ILS). Além disso, são utilizados e comparados os algoritmos aproximados First-Fit e Best- Fit para o encaixe dos itens. Também foram incorporados ao AEH, em diferentes etapas, operadores de busca local. Experimentos computacionais realizados sobre um conjunto de problemas-teste da literatura indicam que o algoritmo proposto alcança o valor ótimo na maioria dos problemas de pequenas e médias dimensões (16 a 49 itens) e, em problemas de dimensões maiores (73 a 197 itens), obtém desvios baixos em relação à solução encontrada por um método exato. Palavras-chave Problema de corte bidimensional, Algoritmos Evolutivos. 1. Introdução Em diversas atividades industriais é necessário cortar peças menores (itens), a partir de peças maiores (objetos). Nessa atividade, o objetivo é atender a demanda de itens, de maneira a minimizar os custos do processo. A variedade de situações práticas envolvendo este atividade e a necessidade de otimizá-la fizeram surgir uma classe de problemas de otimização combinatória, denominada Problemas de Corte e Empacotamento (PCE). Os PCE consistem em determinar o melhor arranjo de um conjunto de itens sobre um objeto, que precisa ser cortado ou empacotado. O melhor arranjo se refere àquele que melhor atende ao objetivo em questão (minimizar o desperdício, por exemplo). Dentre os PCE, encontra-se o problema de corte com dimensão aberta (ODP Open Dimensional Problem) (WÄSCHER et al., 2006). Como o próprio nome sugere, trata-se de um problema que possui dimensões variáveis, sendo, portanto, definido para duas ou mais dimensões. Este problema, usualmente, trata de um único objeto. Este trabalho trata, especificamente, do ODP bidimensional (ODP-2D). O problema consiste em determinar o arranjo de um conjunto de itens retangulares sobre um objeto que possui largura (W) fixa e altura (H) variável, tendo como objetivo minimizar a altura utilizada do objeto. Esse problema ocorre em fábricas que realizam o corte de bobinas ou rolos, como, por exemplo, as fábricas de papel, aço e tecidos. Por se tratar de um problema de corte bidimensional, são acrescidas outras classificações, devidas às restrições impostas pelos equipamentos e pelo processo de corte. Uma dessas restrições é com relação ao tipo de corte, que pode ser guilhotinado quando o corte se estende de um lado ao outro do

26 objeto, produzindo, a cada corte, dois retângulos ou não-guilhotinado, se o corte acompanhar o contorno do item, sem descaracterizar o objeto. O problema também pode considerar ou não rotação ortogonal dos itens. Além disso, pode haver limitação no número de estágios de corte. Cada estágio indica uma mudança na direção do corte. No caso de ocorrer apenas uma mudança na direção, tem-se um corte do tipo 2-estágios. Vários autores já mostraram que o ODP é um problema NP-Difícil (HOCHBAUM, 1985; LEUNG et al., 1990), fato que justifica a utilização de métodos heurísticos para solucioná-lo. Neste trabalho, para a resolução do ODP-2D, fez-se o uso de uma combinação das metaheurísticas Algoritmo Genético (AG) e Multi-Start e AG e ILS. Tal escolha se baseou no sucesso alcançado por algoritmos híbridos na solução de problemas altamente combinatórios. Na resolução do ODP-2D ainda são utilizados e comparados os algoritmos aproximados First-Fit e Best-Fit, usados como sub-rotinas do algoritmo proposto. Para validar resultados obtidos com o método heurístico proposto, utilizou-se o modelo de programação linear inteira (PLI) proposto por Lodi et al. (2004). Os resultados obtidos pelo algoritmo proposto são comparados com aqueles obtidos pela aplicação do otimizador CPLEX, versão 11.0, ao modelo de PLI. Este trabalho está organizado como segue. Na seção 2 são descritas as características do problema estudado, enquanto na seção 3 é apresentado o modelo de programação linear inteira para representar o mesmo. Na seção 4 são apresentadas as técnicas de encaixe utilizadas no trabalho, enquanto na seção 5 é desenvolvida a metodologia heurística de resolução do ODP-2D. Na seção 6 são apresentados e discutidos os resultados computacionais. A seção 7 conclui o trabalho. 2. Descrição do Problema Estudado O ODP-2D estudado neste trabalho possui as seguintes características: os itens são alocados ortogonalmente nos objetos; os itens têm orientação fixa; o corte é do tipo guilhotinado e feito em 2-estágios. Assim sendo, o ODP-2D pode ser descrito como segue. Seja S um objeto de largura W e altura grande o suficiente para alocar todos os itens ( altura infinita ) e uma lista de itens retangulares I = {r 1,..., r n }, onde cada item r i = (w i, h i ), tal que w i W, para i = 1,...,n, sendo w i a largura e h i a altura dos itens. O objetivo é cortar os itens de I em S com a menor altura possível. 3. Formulação Matemática A formulação apresentada a seguir para o ODP-2D foi proposta por Lodi et al. (2004), que assumiu as seguintes proposições para uma dada solução: a) O primeiro item alocado em cada faixa (mais à esquerda) é o de maior altura; b) A primeira faixa do objeto (mais baixa) é a mais alta; c) Os itens estão ordenados de forma decrescente em relação à altura, ou seja, h 1 h 2... h n. Como conseqüência de (c), tem-se que a altura de cada faixa corresponde à altura h i do item i que a inicializa (primeiro item alocado). Assim, sendo n o número de faixas formadas para alocar todos os itens demandados, pode-se definir a seguinte variável de decisão: y i 1 se o item i inicializa a faixa i (para i = 1,..., n) = 0 caso contrário Deve-se ressaltar ainda, que, devido às observações (a) e (c), somente os itens j, tal que j > i, podem ser alocados na faixa. Essa condição se deve ao fato de que, se um dado item j, tal que j = i, inicializa a faixa i, ele não pode ser atribuído novamente a essa faixa. Assim sendo, é definida a seguinte variável binária: x ij Min 1 se o item j está alocadona faixa i (para i = 1,..., n 1); j > i = 0 caso contrário n i= 1 h i. y i (3.1) j 1 s. a: x ij + y j = 1 j = 1,...,n; (3.2) i= 1 n j j= i+ 1 w x ( W w ) y ij x ij {0,1} y i {0,1} i i i = 1,...,(n 1); (3.3) i = 1,...,(n -1); j > i i = 1,...,n; (3.4) A função objetivo, representada pela equação (3.1), tem, como critério de otimização, a minimização da altura utilizada do objeto. As restrições (3.2) garantem que cada item é alocado apenas uma vez, ou seja, ou o item inicializa a faixa ou está numa faixa inicializada por outro item. As restrições (3.3) garantem que, em cada faixa, a largura do objeto não será ultrapassada. As restrições (3.4) definem o tipo das variáveis do problema. Para a resolução desta formulação matemática, fez-se uso do software CPLEX, versão 11.0, com o objetivo de encontrar a solução ótima para o ODP- 2D. Observa-se, entretanto, pela natureza combinatória do problema abordado, que tal método só consegue resolver, em tempos computacionais aceitáveis, problemas de pequenas e médias dimensões.

27 4. Técnicas de Encaixe Neste trabalho, a solução do problema é representada por uma seqüência de itens, que devem ser encaixados segundo essa ordem, sendo essa solução avaliada pela altura encontrada para essa disposição. Então, para o encaixe dos itens, foram utilizados e comparados, os algoritmos First-Fit e Best Fit. Nos dois algoritmos, a primeira faixa se forma com a inserção dos itens na ordem em que aparecem na solução, a partir do canto inferior esquerdo do objeto, até que a largura do objeto se torne insuficiente. No First-Fit, antes dos próximos itens serem inseridos, são pesquisadas as larguras disponíveis de cada faixa já formada, para avaliar a possibilidade de inseri-los. Caso não seja possível, é formada uma nova faixa. Assim, os itens são alocados na primeira faixa em que couberem, sem ultrapassar a largura W do objeto. No Best-Fit, antes de o próximo item ser inserido, são verificadas as áreas restantes de cada faixa já formada, sendo o item inserido naquela onde o espaço for mais bem utilizado, ou seja, onde a área restante após sua inserção seja menor. Se não for possível encaixá-lo, é formada uma nova faixa 5. Algoritmo Evolutivo aplicado ao ODP guilhotinado Os Algoritmos Genéticos (AG), apesar se seu sucesso na resolução de diversos problemas de otimização, em sua forma original não apresenta um desempenho satisfatório para muitos outros problemas. Em razão disto, diversos pesquisadores têm proposto modificações nos AG convencionais, incorporando a estes técnicas de busca local, ou incluindo conceitos de outras metaheurísticas. Assim foram geradas as versões conhecidas como Algoritmos Meméticos (MOSCATO, 1989), ou, simplesmente, Algoritmos Evolutivos (AE s). Os AE s têm as características básicas dos AG s, além de contarem com mecanismos adicionais de forma a torná-los mais especializado para determinadas aplicações. Neste trabalho, com o intuito de comparar o desempenho de duas metaheurísticas de uso bastante difundido, propõe-se o desenvolvimento de duas versões de um Algoritmo Evolutivo Híbrido (AEH): 1. AEH-ILS: a população inicial é gerada por meio da metaheurística Iterated Local Search (ILS). 2. AEH-MS: a população inicial é gerada por meio da metaheurística Multi-Start (MS). Além disso, o AEH apresenta as seguintes peculiaridades em relação a um AG tradicional: Em vez do operador de cruzamento (crossover) tradicional, utilizou-se o operador Order Crossover (OX). Um operador de busca local é aplicado nos melhores indivíduos da população a cada geração. A seguir são descritas as etapas do algoritmo evolutivo proposto. 5.1 Representação de uma solução Neste problema, um cromossomo representa a seqüência em que os itens serão inseridos no objeto, ou seja, é um vetor de n valores inteiros, sendo n o número de itens da solução. 5.2 Operadores genéticos Operadores do Tipo Crossover Neste trabalho, como os itens têm demanda unitária, não pode ocorrer repetição de um determinado item num mesmo indivíduo. Por isso, para realizar o cruzamento (crossover), foi utilizado o operador Order Crossover (OX), aplicado com uma dada probabilidade. Operadores do Tipo Mutação Os quatros operadores de mutação propostos basicamente executam uma permutação entre os itens de uma solução. São eles: - Operador troca: consiste em trocar a posição de dois itens, escolhidos aleatoriamente. - Operador realoca: consiste em realocar um item da posição i para a posição j, sendo i e j escolhidos aleatoriamente. - Operador realoca grupo: consiste em realocar um grupo composto por x itens que ocupam posições seqüenciais dentro do vetor solução. Assim, um grupo de itens cuja primeira posição é j, é realocado para uma nova posição k, com a condição de que k j e k n x, sendo n o número de itens da solução. O tamanho (x) deste grupo de itens, obtido experimentalmente, varia entre 2 e 6 itens. A nova posição k do primeiro item do grupo é escolhida de forma aleatória. - Operador troca altura: consiste em realocar um item, escolhido aleatoriamente, que ocupa a posição j do vetor de solução, para uma nova posição k, escolhida da seguinte maneira: inicialmente, calcula-se o módulo da diferença (dif) entre as alturas (h) do item da posição j e do item da posição j + 1, ou seja dif = h j h j+1. Em seguida, é pesquisada uma posição k tal que h j h k < dif. Para evitar uma busca exaustiva pela posição k, são executados 0,1n pesquisas pela posição k, onde n representa o número de itens da solução. Se não for encontrada uma posição k tal que h j h k < dif, o item não será realocado. 5.3 Função de custo e função de aptidão dos indivíduos A solução é avaliada pela própria função objetivo, dada pela expressão (3.1) do modelo de PLI. Devido à utilização do mecanismo da roleta para selecionar os indivíduos da próxima geração, não foi possível usar a função de custo como função de aptidão, pois este trabalho trata de um problema de minimização. Assim, para obter o valor da função de aptidão a

28 partir da função objetivo, foi utilizado um método de escalamento linear, que utiliza uma função linear para essa conversão. 5.5 Seleção dos indivíduos para a próxima geração Um mecanismo de seleção para as próximas gerações, muito utilizado em AG clássicos, é o chamado roulette wheel, ou roleta (HOLLAND, 1975). Para não perder indivíduos promissores com o uso dessa técnica, utiliza-se uma estratégia de elitismo, que consiste em manter sempre os dois melhores indivíduos da geração atual na geração seguinte. 5.6 Geração da população inicial Neste trabalho, a primeira versão do AEH utiliza a metaheurítica Multi-Start (MS), proposta em 1973 por Lin e Kernighan. O MS é um procedimento iterativo, composto por duas fases. Neste trabalho, na primeira fase se constrói uma solução aleatoriamente. Na segunda fase, é aplicado o método de busca local conhecido como Método Randômico de Descida (MRD) sobre a solução obtida na construção. O procedimento é executado por MS_max iterações sem melhora, e retorna a melhor das soluções refinadas. Na segunda versão do AEH, a população inicial é gerada pela metaheurística Iterated Local Search (ILS). Neste trabalho, o ILS inicia-se com a geração de uma solução aleatória, que em seguida sofre uma busca local (MRD). Em seguida, é aplicada uma perturbação nessa solução. Tais perturbações são divididas em níveis. Em cada nível, são escolhidos aleatoriamente e aplicados à solução os movimentos descritos como operadores de mutação, na seção 5.2, por ILS_max vezes sem melhora em um dado nível Após a perturbação, a solução passa por uma busca local (MRD), sendo avaliada em seguida. Se esta solução for pior que a anterior, o movimento é desfeito e o nível de perturbação cresce. Caso contrário, a solução encontrada passa a ser a solução corrente, e o nível de perturbação atual é aplicado. A solução corrente é a melhor solução encontrada até então. O MRD utilizado acima, no MS e no ILS, utiliza os movimentos descritos na seção 5.2 (o método é interrompido após um número fixo de iterações sem melhora no valor da melhor solução obtida até então, neste trabalho dado pelo valor MRD_max). 6. Experimentos Computacionais As duas versões do Algoritmo Evolutivo Híbrido proposto (AEH) foram implementadas na linguagem C, e compilado em C++ Builder 5.0; enquanto a formulação de programação matemática do ODP apresentada na Seção 3 foi resolvida no otimizador CPLEX, versão 11. Os testes computacionais foram feitos em dois ambientes computacionais diferentes: as duas versões do AEH foram testadas em um PC AMD Atlon XP 64 Bits (aproximadamente 2.11 GHz), com 1 GB de memória RAM, sob plataforma Windows XP; enquanto o CPLEX foi usado em um PC Intel Core 2 Quad (Q6600) 2.40 GHz com 8 GB de RAM rodando Windows Vista Ultimate. Para avaliar os algoritmos de solução do ODP foram utilizados os problemas-teste de Hopper e Turton (2001), disponíveis na OR-Library (BEASLEY, 1990). Estes problemas-teste foram construídos de forma a não apresentarem perda quando solucionados de maneira não-guilhotinada e com a rotação dos itens permitida. Na Tabela 1 são apresentados o número de itens, a largura do objeto e a altura ótima para cada um dos 21 problemas. Tabela 1. Problemas-teste de Hopper e Turton (2001) Categoria Número de itens Largura Altura (n) do objeto ótima P 1 P 2 P 3 C C C C C C C A seguir, são apresentados os resultados obtidos, a partir dos dados dos problemas-teste, para o caso envolvendo o ODP guilhotinado, nos termos tratados no presente trabalho. São comparados os resultados obtidos pelo CPLEX, bem como do AEH proposto, em suas duas versões, cada uma utilizando uma das metaheurísticas: ILS e Multi-Start. Além disso, para cada uma das versões são comparados os algoritmos de encaixe (First-Fit e Best-Fit). É importante ressaltar que estes resultados, na medida em que tratam do ODP guilhotinado, têm soluções com alturas maiores que as alturas ótimas encontradas segundo sua formulação original (ODP não-guilhotinado e rotação dos itens permitida). Cada problema-teste foi resolvido 10 vezes pelas duas versões do algoritmo heurístico proposto. Os parâmetros dos AEH s, obtidos experimentalmente, são apresentados na Tabela 2. A Tabela 3 apresenta os resultados do método exato. A primeira coluna apresenta o problema-teste e a segunda, os resultados obtidos pela resolução do modelo matemático apresentado na Seção 3, pelo software de otimização CPLEX, versão 11.0, limitado à uma hora de processamento. A terceira coluna apresenta o tempo gasto pelo método. Tabela 2. Parâmetros do AEH

29 Categoria do Problema-teste Parâmetros Valores C1,C2 4 C3 10 Nº de indivíduos C4 20 C5, C6, C7 50 C1,C2,C3 10 C4 Nº de gerações 50 C5, C6,C ,85 0, n Parâmetro α da função de escalamento linear Probabilidade de crossover (p c ) Probabilidade de mutação (p m ) Número máximo de iterações sem melhora do Multi-Start (MS_max ) Número máximo de iterações sem melhora do ILS (ILS_max) Número máximo de iterações sem melhora do MRD (MRD_max ) n: número de itens do problema-teste. Tabela 3. Resultados do Método Exato Solução Tempo médio (seg) Problemateste Problemateste Solução Tempo médio (seg) C1P1 27* 0,10 C5P C1P2 29* 0,12 C5P2 106* 27,25 C1P3 23* 0,05 C5P C2P1 20* 0,06 C6P C2P2 34* 0,18 C6P C2P3 23* 0,06 C6P C3P1 40* 0,12 C7P C3P2 42* 0,09 C7P C3P3 43* 0,13 C7P C4P1 74* 15,74 C4P2 74* 1,02 C4P3 80* 0,80 *Solução ótima. As tabelas 4 e 5 apresentam os resultados das duas versões do AEH (AEH-MS e AEH-ILS), para cada problema-teste. Ambas as tabelas mostram, na segunda e terceira colunas, os resultados médios obtidos com a utilização dos algoritmos First-Fit e Best-Fit, respectivamente. A quarta e quinta colunas apresentam a melhor solução obtida em dez execuções do algoritmo. As duas últimas colunas apresentam o tempo de processamento de cada um dos métodos. O erro relativo (%gap), apresentado nas sexta e sétima colunas, é calculado pela expressão: gap = ((r médio - r melhor ) / r melhor ) 100 em que r médio é o resultado médio obtido pela aplicação do AEH e r melhor é o resultado obtido pelo otimizador CPLEX para cada problema-teste. Como pode ser observado pela Tabela 3, o CPLEX obteve a solução ótima para todos os problemas-teste com até 49 itens, e para um problema com 73 itens. Para o restante dos problemas, este otimizador não foi capaz de encontrar soluções ótimas em uma hora de execução. Quanto ao método AEH-MS, pode-se observar, pela Tabela 4, que o desvio da solução média produzida pelo método AEH-MS-First-Fit chegou a 23,2% e para o método AEH-MS-Best-Fit não ultrapassou 12,7%. Tabela 4. Resultados do AEH-MS Problema-teste Solução média AEH MS First-Fit AEH MS Best-Fit AEH MS First-Fit Melhor solução AEH MS Best-Fit gap (%) da solução média AEH MS First-Fit AEH MS Best-Fit Tempo Médio (s) AEH MS First-Fit AEH MS Best-Fit C1P1 27* 27* 27* 27* 0,0% 0,0% 0,12 0,27 C1P2 29* 29* 29* 29* 0,0% 0,0% 0,11 0,27 C1P3 23* 23* 23* 23* 0,0% 0,0% 0,11 0,25 C2P1 20* 20* 20* 20* 0,0% 0,0% 0,11 0,27 C2P2 34* 34* 34* 34* 0,0% 0,0% 0,27 0,88 C2P3 23* 23* 23* 23* 0,0% 0,0% 0,11 0,28 C3P1 40* 40* 40* 40* 0,0% 0,0% 0,25 0,91 C3P2 42* 42* 42* 42* 0,0% 0,0% 0,29 1,04 C3P3 43* 43* 43* 43* 0,0% 0,0% 0,27 0,94 C4P * 74* 74* 4,1% 0,0% 3,56 31,58 C4P2 78, * 5,8% 1,4% 3,97 25,43 C4P , * 3,8% 0,4% 3,97 31,6 C5P1 106, ,4% 1,0% 15,64 113,52 C5P ,6 106* 106* 2,8% 0,6% 17,48 140,86 C5P3 113,5 107, ,1% 1,5% 16,28 139,36 C6P1 149, ,2% 2,9% 16,41 183,2 C6P2 154, ,8% 2,1% 16,87 189,73 C6P3 150,8 142, ,5% 2,6% 16,28 185,25 C7P1 324,1 296, ,2% 12,7% 36,15 528,27 C7P2 331,5 306, ,1% 8,3% 42,53 551,64 C7P3 342,2 309, ,9% 9,4% 36,2 539,2 *Solução ótima. Tabela 5. Resultados do AEH-ILS Problema-teste Solução média AEH ILS First-Fit AEH ILS Best-Fit AEH ILS First-Fit Melhor solução AEH ILS Best-Fit gap (%) da solução média AEH ILS First-Fit AEH ILS Best-Fit Tempo Médio (s) AEH ILS First-Fit AEH ILS Best-Fit C1P1 27* 27* 27* 27* 0,0% 0,0% 0,06 0,1 C1P2 29* 29* 29* 29* 0,0% 0,0% 0,06 0,1 C1P3 23* 23* 23* 23* 0,0% 0,0% 0,06 0,1 C2P1 20* 20* 20* 20* 0,0% 0,0% 0,09 0,3 C2P2 34* 34* 34* 34* 0,0% 0,0% 0,1 0,9 C2P3 23* 23* 23* 23* 0,0% 0,0% 0,03 0,2 C3P1 40* 40* 40* 40* 0,0% 0,0% 0,28 0,8 C3P2 42* 42* 42* 42* 0,0% 0,0% 0,3 1,04 C3P3 43* 43* 43* 43* 0,0% 0,0% 2,5 0,9 C4P1 78,5 74, * 6,1% 1,2% 2,8 12,9 C4P2 78,3 75, * 5,8% 1,5% 2,6 12,7 C4P3 84,6 80, * 5,7% 0,6% 3,1 11,8 C5P1 109,1 102, ,0% 1,5% 7,9 57,1 C5P2 112,5 106, * 6,1% 0,8% 8,9 56,9 C5P3 116,5 108, ,9% 2,6% 7,9 58,8 C6P1 150,9 139, ,0% 2,5% 26,5 288,1 C6P2 153,5 147, ,9% 1,6% 26,9 288,3 C6P3 149,9 142, ,8% 2,7% 26,1 312,3 C7P1 312,5 285, ,8% 8,7% 125,3 1825,1 C7P2 321,2 294, ,5% 4,2% 165,3 1912,3 C7P3 327,7 300, ,8% 6,1% 134,8 1930,5 * Solução ótima. Os tempos de processamento variaram, para o AEH- MS-First-Fit, de 0,11 a 42,53 segundos e, para o AEH-MS-Best-Fit, de 0,25 a 551,3 segundos, em média. Observa-se também que os dois algoritmos heurísticos sempre alcançaram o resultado ótimo conhecido para os problemas-teste de 16 a 49 itens e para um problema com 73 itens. Além disso, comparando-se os tempos de processamento, nota-se que

30 para problemas com mais de 49 itens os tempos gastos pelos algoritmos propostos foram, geralmente, inferiores àqueles demandados pelo otimizador aplicado ao modelo de PLI. A tabela 5 mostra os resultados do método AEH-ILS. Pode-se observar que as duas versões do método encontraram o ótimo conhecido para todos os problemas com até 29 itens, sendo que o AEH- ILS-Best-Fit encontrou a solução ótima para todos os problemas com 49 itens e para um problema com 73 itens. Além disso, o desvio da solução média chegou a 18,8% no AEH-ILS-First-Fit, e no método AEH- ILS-Best-Fit não ultrapassou 8,7%. 8. Conclusões O objetivo principal deste trabalho foi elaborar um Algoritmo Evolutivo Híbrido, em duas versões, utilizado as metaheurísticas Multi-Start e ILS, para a resolução do ODP-2D guilhotinado, além de comparar o desempenho de dois algoritmos aproximados (First-Fit e Best-Fit) utilizados com sub-rotinas do método. Para tal, propôs-se incorporar a um Algoritmo Genético clássico as metaheurísticas Multi- Start e ILS, para a construção da população de indivíduos, produzindo assim as versões: AEH-MS e AEH-ILS. Também foi adicionado ao AG um operador de busca local, aplicado aos melhores indivíduos de cada geração. Nos experimentos computacionais realizados, verificou-se que a utilização de metaheurísticas na geração da população inicial leva a melhores resultados, quando comparados ao uso de uma população inicial gerada aleatoriamente, como geralmente é feito no AG. Em diversos outros problemas de natureza combinatorial, vêm sendo realizadas adaptações no AG clássico referentes ao procedimento de geração da população inicial. Foi observado que o trabalho computacional adicional exigido pela busca local pode ser compensado pela redução do número de indivíduos e do número de iterações do algoritmo. O algoritmo heurístico proposto foi aplicado nos problemas-teste de Hopper e Turton (2001), que tratam o ODP-2D de forma não-guilhotinada. Mostrouse nos experimentos que o AEH-MS e o AEH-ILS propostos alcançaram as soluções ótimas dos problemas com até 49 itens. Em um problema-teste com 73 itens, o AEH-MS, em suas duas versões (First-Fit e Best-Fit) e o AEH-ILS-Best-Fit encontraram a solução ótima conhecida. Em termos de valor da função de avaliação, as versões do método que utilizaram o First-Fit apresentaram, para problemas com mais de 49 itens, resultados bastante inferiores àqueles obtidos pelas versões com o Best-Fit. É demonstrada, assim, a superioridade do algoritmo aproximado Best-Fit em relação ao First-Fit. O método AEH- ILS encontrou, em termos de função de avaliação, para problemas com mais de 49 itens, resultados razoavelmente melhores que os encontrados pelo AEH-MS. Isso mostra a eficiência do ILS para esse tipo de problema. O tempo de processamento das quatro versões do algoritmo, para problemas com mais de 49 itens, foi pequeno se comparado ao tempo gasto pelo método exato. Ressalta-se que a grande diferença observada entre os tempos médios das versões com o First-Fit e o Best-Fit se deve ao modo como são encaixados os itens. O Best-Fit sempre pesquisa todas as faixas formadas antes de alocar um item, ao passo que o First-Fit pesquisa as faixas somente até encontrar a primeira faixa onde é possível encaixar o item. O primeiro algoritmo exige, portanto, um esforço computacional maior. Os resultados obtidos e descritos acima mostram o potencial da técnica proposta e a possibilidade da utilização desta em situações práticas. Referências Beasley, J. E., OR-Library: distributing test problems by electronic mail. Journal of the Operational Research Society, v. 41, p , Hochbaum, D. S.; Wolfgang, M. Approximation schemes for covering and packing problems in image processing and VLSI. Journal of the Association for Computing Machinery, v. 32, p , Holland, J.H., Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor, Michigan, EUA, Hopper, E.; Turton, B.C.H. A Review of the Application of Meta-heuristic Algorithm to 2D Strip Packing Problems. Artificial Intelligence Review, v. 16, p , Leung, J.; Tam, T.; Wong, C.S.; Young, G.; Chin, F. Packing squares into square, Journal of Parallel and Distributed Computing, v.10, p , Lin, S.; Kernighan, B. W. An Effective Heuristic Algorithm for the Travelling-Salesman Problem. Operations Research, v. 21, p Lodi, A.; Martelo, S.; Vigo, D. Models and bounds for two-dimensional level packing problems. Journal of Combinatorial Optimization, v. 8, p , Moscato, P. On evolution, search, optimization, genetic algorithms and martial arts: towards memetic algorithms, Technical Report Caltech Concurrent Computation Program, Report 826, California Institute of Technology, Wäscher, G.; Hauβner, H; Schuann, H. An improved typology of cutting and packing problems, European Journal of Operations Research, v. 4, p , 2006.

31 RASTREAMENTO DE LARVAS DO MOSQUITO AEDES AEGYPTI UTILIZANDO FILTRO DE KALMAN E ASSOCIAÇÃO PROBABILÍSTICA CONJUNTA André Pereira Garcia, Valguima Victoria Viana Aguiar Odakura Departamento de Computação e Estatística DCT Universidade Federal de Mato Grosso do Sul UFMS, Mato Grosso do Sul, Brasil Faculdade de Ciências Exatas e Tecnologia FACET Universidade Federal da Grande Dourados UFGD, Mato Grosso do Sul, Brasil s: Abstract In this paper it is presented a solution to multiple Aedes Aegypti larvae tracking based on Kalman filter and joint probabilistic data association. The approach has been tested with simulated values and real values extracted from images from a video camera. In all experiments, the method used presented promising larvae tracking results. Keywords Tracking, Kalman filter, Computational Vision, Larvae. Resumo Neste artigo é apresentada uma solução para o rastreamento de múltiplas larvas do mosquito Aedes Aegypti baseada no filtro de Kalman e na associação de dados probabilística conjunta. Foram realizados experimentos com dados simulados e com dados reais, extraídos de imagens das larvas captadas por uma câmera. Em todos os experimentos, a técnica empregada apresentou resultados bastante promissores no rastreamento de larvas. Palavras-chave Rastreamento, filtro de Kalman, Visão Computacional, Larvas. 1 Introdução O mosquito Aedes Aegypti é o vetor de doenças como a dengue e a febre amarela. Atualmente a dengue tem causado preocupação no Brasil devido ao alto número de epidemias que surgiram em várias regiões do país. Esta situação tem motivado muitas pesquisas na busca de um novo inseticida que cause a morte do mosquito, ainda em sua fase larval, sem prejudicar ao homem e ao meio ambiente. Os experimentos com os novos extratos de planta consistem em realizar observações das larvas submetidas a concentrações diferentes, diluídas em água, de um mesmo extrato. Cada teste é submetido a uma observação contínua por parte de um especialista ao longo de 24h, sendo que durante este tempo são coletadas informações como a quantidade de larvas mortas e o instante das mortes. O objetivo deste teste é encontrar a concentração do extrato ideal que tenha uma taxa de mortalidade de larvas adequada. A necessidade de observação pessoal ao longo de 24h, torna os resultados suscetíveis a erros humanos devido a vários fatores como estresse e fadiga. Este problema faz parte do projeto de pesquisa LARVIC Rastreamento de Múltiplas Larvas utilizando técnicas de Visão Computacional 1 - que tem como objetivo automatizar a parte de monitoração dos experimentos através da captura de imagens das larvas e utilização de técnicas algorítmicas de segmentação de imagem, rastreamento e classificação para gerar automaticamente a taxa de mortalidade das larvas. A Figura 1(a) ilustra a 1 estrutura do experimento, com câmera e pote de larvas e a Figura 1(b) mostra imagens de 4 potes com larvas captadas por uma câmera. O presente artigo visa tratar tão somente do módulo de rastreamento das larvas, sendo que a entrada para este módulo é fornecida pelo módulo de segmentação das imagens e a saída é utilizada como entrada para o módulo de classificação. A identificação das larvas mortas e vivas é dada através de movimento das mesmas, uma vez que as larvas vivas necessariamente precisam se movimentar para respirar. Desta forma, técnicas de rastreamento das larvas podem auxiliar na detecção da taxa de mortalidade, através da observação da posição das larvas em quadros subsequentes de imagens. Técnicas de rastreamento utilizando informações visuais tem sido utilizadas com sucesso em diversos domínios de aplicação, como no rastreamento de camundongos (Gonçalves et al., 2007) ou pessoas (Liebens et al., 2006). Este artigo está organizado da seguinte forma. Na Seção 2 o filtro de Kalman é brevemente introduzido e em seguida é apresentado o método de associação de dados probabilística conjunta utilizado para o rastreamento de múlitplas larvas. Na Seção 3 os experimentos realizados são descritos e discutidos. Por fim, as conclusões são apresentadas na Seção 4. 2 Rastreamento de múltiplos alvos O filtro de Kalman FK foi publicado pela primeira vez por Kalman, (Kalman, 1960), como uma solução recursiva para o problema de filtragem linear de sistemas discretos. O filtro de Kalman é

32 Na atualização, a predição da posição é corrigida utilizando as observações válidas: ˆx k+1 k+1 = ˆx k+1 k + G k+1 z k+1, (8) P k+1 k+1 = P k+1 k G k+1 S k+1 G T k+1, (9) G k+1 = P k+1 k H T k+1s 1 k+1. (10) (a) (b) Figura 1: (a) Visão do experimento: câmera e pote com larvas. (b) Imagens de 4 potes com 10 larvas cada. um conjunto de equações matemáticas que possibilita estimar recursivamente o estado de um sistema linear, com variância mínima segundo um dado critério de otimalidade. O FK é um dos métodos mais conhecidos e usados para rastreamento de alvos (Cuevas et al., 2005), (Liebens et al., 2006). O filtro de Kalman realiza a estimação de estado do sistema utilizando toda informação disponível: todas as observações realizadas, bem como o conhecimento sobre os modelos de movimento e observação. As informações de interesse no sistema podem ser representadas por um vetor de estado x k, n-dimensional, no tempo k. Os modelos de movimento do alvo e de observação são dados, respectivamente, por: x k+1 = F k x k + w k, (1) y k = H k x k + v k, (2) onde F k é uma função de transição de estado e w k é o vetor de ruído do movimento, e H k é a matriz de observação, que relaciona o vetor de estado x k com o vetor de observações y k, e v k é o vetor de ruído das observações. O filtro de Kalman opera em um ciclo de predição-atualização. Na fase de predição, a posição do alvo e as observações são estimadas num tempo futuro utilizando o modelo de movimento e o modelo de observação, respectivamente: ˆx k+1 k = F k ˆx k k, (3) P k+1 k = F k P k k F T k + Q k, (4) ŷ k+1 k = H k ˆx k+1 k, (5) onde a matriz P k+1 k é a matriz de covariância da posição, que representa a incerteza da estimação ˆx k+1 k e ŷ k+1 k é a predição das observações. As observações reais y k+1 são correspondidas com as observações preditas ŷ k+1 k, selecionando as observações válidas. Para validar uma observação, utiliza-se: z k+1 S 1 k+1 zt k+1 α, para um dado limiar α, onde: z k+1 = y k+1 ŷ k+1 k, (6) S k+1 = H k+1 P k+1 k H T k+1 + R k+1. (7) A matriz G k+1 é o ganho de Kalman, que é utilizado para ponderar a inovação entre as observações preditas e reais. O FK realiza a tarefa de rastrear alvos de maneira ótima caso estes possuam modelos de movimento e observação lineares. Entretanto modelos lineares são extremamente raros de serem compatíveis com a movimentação de qualquer alvo, assim é necessária a utilização de modelos nãolineares, que perdem a propriedade de otimalidade do FK, e levam a sua versão estendida, o filtro de Kalman Estendido FKE (Maybeck, 1979). 2.1 Associação de Dados Probabilística Conjunta O filtro de Kalman atende bem a tarefa de rastrear um único alvo. No entanto, o que ocorre quando é necessário rastrear mais de um alvo simultaneamente no mesmo espaço de busca? Uma resposta é criar uma instância do filtro de Kalman para cada um dos alvos, assim cada filtro fica responsável por rastrear um alvo diferente. Esta é uma abordagem muito boa, porém deve-se atentar para um detalhe em especial na fase de atualização do filtro. Para atualização do filtro é necessário distinguir qual alvo emitiu qual observação. Se os alvos não puderem ser identificados, pode-se supor que cada observação pode ter sido emitida por qualquer alvo. No caso das larvas é exatamente isto que ocorre, não é possível distinguir uma larva da outra na imagem. No entanto, algumas observações são mais prováveis de pertencer a um determinado alvo que outras, mas mesmo assim é comum haver mais de um possível alvo para uma dada observação (Liebens et al., 2006). Aliado a isto, temse ainda outros problemas como o fato de o alvo não ter gerado nenhuma observação naquele intervalo de tempo ou ainda a possibilidade de se obter mais observações do que alvos. Foram desenvolvidos muitos métodos para se tentar fazer a atribuição observação-alvo do modo mais eficiente possível (Kirubarajan and Bar-Shalom, 2004), (Fortmann et al., 1983), (Kalandros and Pao, 2001) e (Fortmann et al., 1980). A Associação de Dados Probabilística Conjunta (Joint Probabilistic Data Association) JPDA é um método de casamento de dados que tem como idéia básica que todas as observações podem ter sido geradas por um determinado alvo. Para cada observação, é calculada a probabilidade do alvo pertencer a esta observação, ou seja, a

Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras

Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras André Luís Beling da Rosa 1, Dalton Solano dos Reis 1, Paulo César Rodacki Gomes 1,3, Mauricio Edgar Stivanello 2 1 Departamento de Sistemas

Leia mais

Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras

Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras Sistema de Rastreamento de Objetos Através de Múltiplas Câmeras André Luís Beling da Rosa (UFRGS) prof. Dalton S. dos Reis (FURB) prof. Paulo C. R. Gomes (IFC) prof. Mauricio E. Stivanello (UFSC) Voltando

Leia mais

Gas-Lift - Vantagens

Gas-Lift - Vantagens Gas-Lift - Vantagens Método relativamente simples para operar O equipamento necessário é relativamente barato e é flexível Podem ser produzidos baixos ou altos volumes É efetivo sob condições adversas

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com

Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a

Leia mais

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP

RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano

Leia mais

OTIMIZAÇÃO DOS PARÂMETROS DE UM MODELO DE BOMBA EM SISTEMAS DE BOMBEIO CENTRÍFUGO SUBMERSO

OTIMIZAÇÃO DOS PARÂMETROS DE UM MODELO DE BOMBA EM SISTEMAS DE BOMBEIO CENTRÍFUGO SUBMERSO OTIMIZAÇÃO DOS PARÂMETROS DE UM MODELO DE BOMBA EM SISTEMAS DE BOMBEIO CENTRÍFUGO SUBMERSO Ana Carla Costa Andrade 1, André Laurindo Maitelli 2, Carla Wilza Souza de Paula Maitelli 3 1 Universidade Federal

Leia mais

DESENVOLVIMENTO DE UMA FERRAMENTA COMPUTACIONAL PARA DIMENSIONAMENTO E PROJETO DE SISTEMAS OPERANDO POR GAS LIFT

DESENVOLVIMENTO DE UMA FERRAMENTA COMPUTACIONAL PARA DIMENSIONAMENTO E PROJETO DE SISTEMAS OPERANDO POR GAS LIFT DESENVOLVIMENTO DE UMA FERRAMENTA COMPUTACIONAL PARA DIMENSIONAMENTO E PROJETO DE SISTEMAS OPERANDO POR GAS LIFT Rafael Soares da Silva 1 ; Hícaro Hita Souza Rocha 2 ; Gabriel Bessa de Freitas Fuezi Oliva

Leia mais

Neste capítulo abordaremos alguns métodos de elevação artificial de petróleo, seu funcionamento, suas características e suas propriedades.

Neste capítulo abordaremos alguns métodos de elevação artificial de petróleo, seu funcionamento, suas características e suas propriedades. CAPÍTULO 3 MÉTODOS DE ELEVAÇÃO ARTIFICIAL DE PETRÓLEO. Neste capítulo abordaremos alguns métodos de elevação artificial de petróleo, seu funcionamento, suas características e suas propriedades. BOMBEIO

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

Universidade Federal do Rio de Janeiro - IM/DCC & NCE

Universidade Federal do Rio de Janeiro - IM/DCC & NCE Universidade Federal do Rio de Janeiro - IM/DCC & NCE Processamento de Imagens Tratamento da Imagem - Filtros Antonio G. Thomé thome@nce.ufrj.br Sala AEP/033 Sumário 2 Conceito de de Filtragem Filtros

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass

Visão Computacional e Realidade Aumentada. Trabalho 3 Reconstrução 3D. Pedro Sampaio Vieira. Prof. Marcelo Gattass Visão Computacional e Realidade Aumentada Trabalho 3 Reconstrução 3D Pedro Sampaio Vieira Prof. Marcelo Gattass 1 Introdução Reconstrução tridimensional é um assunto muito estudado na área de visão computacional.

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS

SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE

MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE Seminário Regional OSIsoft do Brasil 2010 São Paulo, Brasil MEDIÇÃO VIRTUAL DE PRESSÃO POR MEIO DE REDES NEURAIS ATRAVÉS DO PI ACE 28 de Outubro de 2010 André Paulo Ferreira Machado PETROBRAS Empowering

Leia mais

Sistema de Identificação de Placas por Processamento Automático de Imagens. Resumo

Sistema de Identificação de Placas por Processamento Automático de Imagens. Resumo Sistema de Identificação de Placas por Processamento Automático de Imagens Tatiane Campos 1, Sergio Bampi 2, Altamiro Susin 3 Instituto de Informática - UFRGS C. P. 15064 - CEP 91501-971 - Porto Alegre

Leia mais

4 Arquitetura básica de um analisador de elementos de redes

4 Arquitetura básica de um analisador de elementos de redes 4 Arquitetura básica de um analisador de elementos de redes Neste capítulo é apresentado o desenvolvimento de um dispositivo analisador de redes e de elementos de redes, utilizando tecnologia FPGA. Conforme

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 4 PROCESSAMENTO DE IMAGENS Executar as principais técnicas utilizadas em processamento de imagens, como contraste, leitura de pixels, transformação IHS, operações aritméticas

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Fundamentos de Automação. Hidráulica 01/06/2015. Hidráulica. Hidráulica. Hidráulica. Considerações Iniciais CURSO DE AUTOMAÇÃO INDUSTRIAL

Fundamentos de Automação. Hidráulica 01/06/2015. Hidráulica. Hidráulica. Hidráulica. Considerações Iniciais CURSO DE AUTOMAÇÃO INDUSTRIAL Ministério da educação - MEC Secretaria de Educação Profissional e Técnica SETEC Instituto Federal de Educação Ciência e Tecnologia do Rio Grande do Sul Campus Rio Grande Fundamentos de Automação CURSO

Leia mais

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

computador-cálculo numérico perfeita. As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 UNIVERSIDADE FEDERAL DE VIÇOSA Departamento de Matemática - CCE Cálculo Numérico - MAT 271 Prof.: Valéria Mattos da Rosa As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia

Leia mais

de Bordas em Imagens Digitais

de Bordas em Imagens Digitais Anais do CNMAC v.2 ISSN 1984-820X Avaliação Quantitativa de um Método Automático de Extração de Bordas em Imagens Digitais Inês A. Gasparotto Boaventura Departamento de Ciências de Computação e Estatística,

Leia mais

Introdução ao Processamento de Imagens

Introdução ao Processamento de Imagens Introdução ao PID Processamento de Imagens Digitais Introdução ao Processamento de Imagens Glaucius Décio Duarte Instituto Federal Sul-rio-grandense Engenharia Elétrica 2013 1 de 7 1. Introdução ao Processamento

Leia mais

EAGLE Smart Wireless Solution. Implantar a manutenção condicional nunca foi tão simples. Brand of ACOEM

EAGLE Smart Wireless Solution. Implantar a manutenção condicional nunca foi tão simples. Brand of ACOEM EAGLE Smart Wireless Solution Implantar a manutenção condicional nunca foi tão simples Brand of ACOEM Com o EAGLE, a ONEPROD oferece a solução de monitoramento contínuo de manutenção condicional mais fácil

Leia mais

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga

Aula 6 - Segmentação de Imagens Parte 2. Prof. Adilson Gonzaga Aula 6 - Segmentação de Imagens Parte 2 Prof. Adilson Gonzaga 1 Motivação Extração do Objeto Dificuldades Super segmentação over-segmentation 1) Segmentação por Limiarização (Thresholding Global): Efeitos

Leia mais

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS

UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

2.1.2 Definição Matemática de Imagem

2.1.2 Definição Matemática de Imagem Capítulo 2 Fundamentação Teórica Este capítulo descreve os fundamentos e as etapas do processamento digital de imagens. 2.1 Fundamentos para Processamento Digital de Imagens Esta seção apresenta as propriedades

Leia mais

Controle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba

Controle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba Controle de Múltiplos Pivôs Centrais com um único Conjunto Motor-Bomba Thiago de Lima MUNIZ, Bernardo Pinheiro de ALVARENGA, José Wilson de Lima NERYS, Antônio Marcos de Melo MEDEIROS Escola de Engenharia

Leia mais

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional

Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado em Visão Computacional Universidade Federal de Minas Gerais Escola de Engenharia Curso de Graduação em Engenharia de Controle e Automação Sistema de Contagem, Identificação e Monitoramento Automático de Rotas de Veículos baseado

Leia mais

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS

IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS IDENTIFICAÇÃO DE MARCADORES DE PAVIMENTAÇÃO NA ORIENTAÇÃO DE CEGOS André Zuconelli¹, Manassés Ribeiro² Instituto Federal de Educação, Ciência e Tecnologia Catarinense - Campus Videira Rodovia SC, Km 5

Leia mais

XDR. Solução para Big Data.

XDR. Solução para Big Data. XDR Solução para Big Data. ObJetivo Principal O volume de informações com os quais as empresas de telecomunicações/internet têm que lidar é muito grande, e está em constante crescimento devido à franca

Leia mais

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A.

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A. IMES Catanduva Probabilidades e Estatística Estatística no Excel Matemática Bertolo, L.A. Aplicada Versão BETA Maio 2010 Bertolo Estatística Aplicada no Excel Capítulo 3 Dados Bivariados São pares de valores

Leia mais

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS

Leia mais

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto.

Chow&Kaneko buscam as modas da imagem para separar os objetos. Admite que os tons na vizinhança de cada moda são do mesmo objeto. Respostas Estudo Dirigido do Capítulo 12 Image Segmentation" 1 Com suas palavras explique quais os problemas que podem ocorrer em uma segmentação global baseada em níveis de cinza da imagem. Que técnicas

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

Desenvolvimento de um Sistema Híbrido para Rastreamento

Desenvolvimento de um Sistema Híbrido para Rastreamento Desenvolvimento de um Sistema Híbrido para Rastreamento de Objetos aplicado ao Futebol de Robôs Eduardo W. Basso 1, Diego M. Pereira 2, Paulo Schreiner 2 1 Laboratório de Robótica Inteligente Instituto

Leia mais

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO

Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de Teste do Sistema DTCOURO Willian Paraguassu Amorim 27 de julho de 2005 1 Título Desenvolvimento do Módulo de Pré-processamento e Geração

Leia mais

Válvulas: Podem ser: -CONTROLADORAS DE DIREÇÃO. -CONTROLADORAS DE FLUXO. -CONTROLADORAS DE PRESSÃO. - DE BLOQUEIO.

Válvulas: Podem ser: -CONTROLADORAS DE DIREÇÃO. -CONTROLADORAS DE FLUXO. -CONTROLADORAS DE PRESSÃO. - DE BLOQUEIO. Válvulas: São os elementos utilizados para comando dos atuadores, exercendo função preponderante dentro dos circuitos fluídicos e são classificadas conforme suas funções. Podem ser: -CONTROLADORAS DE DIREÇÃO.

Leia mais

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces

Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Sistema de Controle de Acesso Baseado no Reconhecimento de Faces Access Control System Based on Face Recognition Tiago A. Neves, Welton S. De Oliveira e Jean-Jacques De Groote Faculdades COC de Ribeirão

Leia mais

Visão computacional no reconhecimento de formas e objetos

Visão computacional no reconhecimento de formas e objetos Visão computacional no reconhecimento de formas e objetos Paula Rayane Mota Costa Pereira*, Josemar Rodrigues de Souza**, Resumo * Bolsista de Iniciação Científica da Faculdade de Tecnologia SENAI CIMATEC,

Leia mais

Automação, Controle e Otimização em Sistemas de Produção de Petróleo

Automação, Controle e Otimização em Sistemas de Produção de Petróleo Automação, Controle e Otimização em Sistemas de Produção de Petróleo Departamento de Automação e Sistemas Universidade Federal de Santa Catarina Apresentação da Rede Temática GeDIg, Março de 2008 Sumário

Leia mais

Localização de placas em imagens de veículos. Resumo

Localização de placas em imagens de veículos. Resumo Localização de placas em imagens de veículos Geovane Hilário Linzmeyer Curso de Inteligência Computacional Pontifícia Universidade Católica do Paraná Curitiba, dezembro de 2005 Resumo Um dos maiores problemas

Leia mais

INSPEÇÃO INDUSTRIAL ATRAVÉS DE VISÃO

INSPEÇÃO INDUSTRIAL ATRAVÉS DE VISÃO UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO BACHARELADO INSPEÇÃO INDUSTRIAL ATRAVÉS DE VISÃO COMPUTACIONAL MAURÍCIO EDGAR STIVANELLO BLUMENAU

Leia mais

Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 60h

Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara. Carga Horária: 60h Sistema de Numeração e Conversão entre Sistemas. Prof. Rômulo Calado Pantaleão Camara Carga Horária: 60h Representação de grandeza com sinal O bit mais significativo representa o sinal: 0 (indica um número

Leia mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D

Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Reconhecimento das Configurações de Mão da LIBRAS a Partir de Malhas 3D Andres Jessé Porfirio Orientador: Prof. Dr. Daniel Weingaertner Universidade Federal do Paraná Sumário Introdução Abordagem Baseada

Leia mais

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV

Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Detecção e Rastreamento de Objetos coloridos em vídeo utilizando o OpenCV Bruno Alberto Soares OLIVEIRA 1,3 ; Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Marlon MARCON 2,3 1 Estudante

Leia mais

IDENTIFICANDO O COMPORTAMENTO INADEQUADO DOS VAGÕES SOFTWARE ESPECIALISTA PARA AUTOMATIZAÇÃO COMPLETA LYNXRAIL

IDENTIFICANDO O COMPORTAMENTO INADEQUADO DOS VAGÕES SOFTWARE ESPECIALISTA PARA AUTOMATIZAÇÃO COMPLETA LYNXRAIL IDENTIFICANDO O COMPORTAMENTO INADEQUADO DOS VAGÕES SOFTWARE ESPECIALISTA PARA AUTOMATIZAÇÃO COMPLETA LYNXRAIL Kris Kilian MESc, Monica Kilian PhD, Vladimir Mazur PhD Lynxrail, Austrália James Robeda B

Leia mais

Vigilância IP Axis. Infinitas possibilidades para a vigilância por vídeo.

Vigilância IP Axis. Infinitas possibilidades para a vigilância por vídeo. Vigilância IP Axis. Infinitas possibilidades para a vigilância por vídeo. Desafios da vigilância por vídeo hoje O mercado de vigilância por vídeo está crescendo, impulsionado por preocupações de segurança

Leia mais

Em um sistema de numeração de base b qualquer, um número positivo é representado pelo polinômio:

Em um sistema de numeração de base b qualquer, um número positivo é representado pelo polinômio: ELETRÔNICA DIGITAl I 1 SISTEMAS DE NUMERAÇÃO INTRODUÇÃO A base dos sistemas digitais são os circuitos de chaveamento (switching) nos quais o componente principal é o transistor que, sob o ponto de vista

Leia mais

Referência de cores Fiery

Referência de cores Fiery 2014 Electronics For Imaging. As informações nesta publicação estão cobertas pelos termos dos Avisos de caráter legal deste produto. 11 de junho de 2014 Conteúdo 3 Conteúdo Introdução à referência de cores

Leia mais

Fundamentos de Automação. Pneumática 01/06/2015. Pneumática. Pneumática. Pneumática. Considerações Iniciais CURSO DE AUTOMAÇÃO INDUSTRIAL

Fundamentos de Automação. Pneumática 01/06/2015. Pneumática. Pneumática. Pneumática. Considerações Iniciais CURSO DE AUTOMAÇÃO INDUSTRIAL Ministério da educação - MEC Secretaria de Educação Profissional e Técnica SETEC Instituto Federal de Educação Ciência e Tecnologia do Rio Grande do Sul Campus Rio Grande Considerações Iniciais "PNEUMÁTICA

Leia mais

Processamento de Imagem. Prof. Herondino

Processamento de Imagem. Prof. Herondino Processamento de Imagem Prof. Herondino Sensoriamento Remoto Para o Canada Centre for Remote Sensing - CCRS (2010), o sensoriamento remoto é a ciência (e em certa medida, a arte) de aquisição de informações

Leia mais

Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means

Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando o K-means TEMA Tend. Mat. Apl. Comput., 6, No. 2 (2005), 315-324. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Uma Versão Intervalar do Método de Segmentação de Imagens Utilizando

Leia mais

Inspeção Industrial Através de Visão Computacional. Maurício Edgar Stivanello Paulo César Rodacki Gomes - Orientador

Inspeção Industrial Através de Visão Computacional. Maurício Edgar Stivanello Paulo César Rodacki Gomes - Orientador Inspeção Industrial Através de Visão Computacional Maurício Edgar Stivanello Paulo César Rodacki Gomes - Orientador Roteiro da apresentação 1 Introdução 2 Fundamentação teórica 3 Desenvolvimento do Trabalho

Leia mais

3/9/2010. Ligação da UCP com o barramento do. sistema. As funções básicas dos registradores nos permitem classificá-los em duas categorias:

3/9/2010. Ligação da UCP com o barramento do. sistema. As funções básicas dos registradores nos permitem classificá-los em duas categorias: Arquitetura de Computadores Estrutura e Funcionamento da CPU Prof. Marcos Quinet Universidade Federal Fluminense P.U.R.O. Revisão dos conceitos básicos O processador é o componente vital do sistema de

Leia mais

Processamento Digital de Imagens

Processamento Digital de Imagens Processamento Digital de Imagens Israel Andrade Esquef a Márcio Portes de Albuquerque b Marcelo Portes de Albuquerque b a Universidade Estadual do Norte Fluminense - UENF b Centro Brasileiro de Pesquisas

Leia mais

Doenças cardiovasculares constituem um dos maiores problemas que afligem a

Doenças cardiovasculares constituem um dos maiores problemas que afligem a 18 1 INTRODUÇÃO Doenças cardiovasculares constituem um dos maiores problemas que afligem a população dos países industrializados. Essas doenças são responsáveis por mais de cinco milhões de pessoas hospitalizadas

Leia mais

IW10. Rev.: 02. Especificações Técnicas

IW10. Rev.: 02. Especificações Técnicas IW10 Rev.: 02 Especificações Técnicas Sumário 1. INTRODUÇÃO... 1 2. COMPOSIÇÃO DO IW10... 2 2.1 Placa Principal... 2 2.2 Módulos de Sensores... 5 3. APLICAÇÕES... 6 3.1 Monitoramento Local... 7 3.2 Monitoramento

Leia mais

Sistema de localização e bloqueio veicular por célula de comunicação Objetivo Principal

Sistema de localização e bloqueio veicular por célula de comunicação Objetivo Principal de comunicação Objetivo Principal Prover uma solução de baixo custo para Identificação, localização, bloqueio e recuperação de veículos roubados ou procurados, através de micro circuitos embarcados de

Leia mais

EXERCÍCIOS RESOLVIDOS

EXERCÍCIOS RESOLVIDOS ENG JR ELETRON 2005 29 O gráfico mostrado na figura acima ilustra o diagrama do Lugar das Raízes de um sistema de 3ª ordem, com três pólos, nenhum zero finito e com realimentação de saída. Com base nas

Leia mais

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445)

Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Processamento e Análise de Imagens (MC940) Análise de Imagens (MO445) Prof. Hélio Pedrini Instituto de Computação UNICAMP 2º Semestre de 2015 Roteiro 1 Morfologia Matemática Fundamentos Matemáticos Operadores

Leia mais

Este trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo

Este trabalho tem como objetivo propor um modelo multicritério para a priorização dos modos de falha indicados a partir de uma aplicação do processo 1 Introdução A atual regulamentação do setor elétrico brasileiro, decorrente de sua reestruturação na última década, exige das empresas o cumprimento de requisitos de disponibilidade e confiabilidade operativa

Leia mais

DESEMPENHO DE REDES. Fundamentos de desempenho e otimização de redes. Prof. Ulisses Cotta Cavalca

DESEMPENHO DE REDES. Fundamentos de desempenho e otimização de redes. Prof. Ulisses Cotta Cavalca <ulisses.cotta@gmail.com> DESEMPENHO DE REDES Fundamentos de desempenho e otimização de redes Prof. Ulisses Cotta Cavalca Belo Horizonte/MG 2015 Sumário 1. Introdução 2. Gerência de redes 3. Fundamentos

Leia mais

Nosso foco é alertar quando necessário e recuperar rapidamente os dados corretos. Análise Inteligente de Vídeo

Nosso foco é alertar quando necessário e recuperar rapidamente os dados corretos. Análise Inteligente de Vídeo Nosso foco é alertar quando necessário e recuperar rapidamente os dados corretos Análise Inteligente de Vídeo Adição de sentido e estrutura Quando se trata de vigilância por vídeo, a tendência é IP. Embora

Leia mais

5 Sistema Experimental

5 Sistema Experimental 5 Sistema Experimental Este capitulo apresenta o sistema experimental utilizado e é composto das seguintes seções: - 5.1 Robô ER1: Descreve o robô utilizado. É dividida nas seguintes subseções: - 5.1.1

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

Anais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009

Anais do IX Congresso Brasileiro de Redes Neurais / Inteligência Computacional (IX CBRN) Ouro Preto 25-28 de Outubro de 2009 SISTEMA NEURAL DE DETECÇÃO DE PLACAS DE VEÍCULOS AUTOMOTORES EM IMAGENS DIGITALIZADAS Luís Victor Cascão, José M. de Seixas Laboratório de Proces de Sinais COPPE/Poli - Universidade Federal do Rio de Janeiro

Leia mais

DEZ RAZÕES PARA MUDAR PARA SISTEMA DE VÍDEO BASEADO EM IP. Ou o que seu vendedor de câmeras analógicas não lhe dirá

DEZ RAZÕES PARA MUDAR PARA SISTEMA DE VÍDEO BASEADO EM IP. Ou o que seu vendedor de câmeras analógicas não lhe dirá DEZ RAZÕES PARA MUDAR PARA SISTEMA DE VÍDEO BASEADO EM IP Ou o que seu vendedor de câmeras analógicas não lhe dirá 1. ALTA RESOLUÇÃO Câmeras baseadas em IP não estão restritas à baixa resolução das câmeras

Leia mais

RECONHECIMENTO DE OBJETOS CONTIDOS EM IMAGENS ATRAVÉS DE REDES NEURAIS

RECONHECIMENTO DE OBJETOS CONTIDOS EM IMAGENS ATRAVÉS DE REDES NEURAIS RECONHECIMENTO DE OBJETOS CONTIDOS EM IMAGENS ATRAVÉS DE REDES NEURAIS LUIZ EDUARDO NICOLINI DO PATROCÍNIO NUNES Departamento de Engenharia Mecânica Universidade de Taubaté PEDRO PAULO LEITE DO PRADO Departamento

Leia mais

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica

CBPF Centro Brasileiro de Pesquisas Físicas. Nota Técnica CBPF Centro Brasileiro de Pesquisas Físicas Nota Técnica Aplicação de Física Médica em imagens de Tomografia de Crânio e Tórax Autores: Dário Oliveira - dario@cbpf.br Marcelo Albuquerque - marcelo@cbpf.br

Leia mais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais

Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Comparação entre a Máscara de Nitidez Cúbica e o Laplaciano para Realce de Imagens Digitais Wesley B. Dourado, Renata N. Imada, Programa de Pós-Graduação em Matemática Aplicada e Computacional, FCT, UNESP,

Leia mais

De 16/04/2012 a 20/04/2012. Local: Hotel a definir Rio de Janeiro. Carga Horária: 40 horas. Horário: das 8h30min às 17h30min

De 16/04/2012 a 20/04/2012. Local: Hotel a definir Rio de Janeiro. Carga Horária: 40 horas. Horário: das 8h30min às 17h30min Bombas de Água e de Processo - Otimização de Sistemas de Bombeamento De 16/04/2012 a 20/04/2012 Local: Hotel a definir Rio de Janeiro Carga Horária: 40 horas Horário: das 8h30min às 17h30min Objetivo:

Leia mais

Consolidação inteligente de servidores com o System Center

Consolidação inteligente de servidores com o System Center Consolidação de servidores por meio da virtualização Determinação do local dos sistemas convidados: a necessidade de determinar o melhor host de virtualização que possa lidar com os requisitos do sistema

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

FAdC i Frauscher Advanced Counter i

FAdC i Frauscher Advanced Counter i FAdC i Frauscher Advanced Counter i PT FAdC i FRAUSCHER Advanced Counter i Detecção de via livre para requisitos especiais O FAdCi é uma variante especialmente econômica da mais nova geração de contagem

Leia mais

Verificação de Impressões Digitais usando Algoritmos Genéticos

Verificação de Impressões Digitais usando Algoritmos Genéticos 1. Introdução Verificação de Impressões Digitais usando Algoritmos Genéticos Matheus Giovanni Pires, Fernando Vieira Duarte, Adilson Gonzaga Escola de Engenharia de São Carlos Universidade de São Paulo

Leia mais

PLANEJAMENTO DE CAPACIDADE EM INFRA-ESTRUTURAS SUPORTADAS POR SERVIÇOS TERCEIRIZADOS DE REDE DE COMUNICAÇÃO DE DADOS

PLANEJAMENTO DE CAPACIDADE EM INFRA-ESTRUTURAS SUPORTADAS POR SERVIÇOS TERCEIRIZADOS DE REDE DE COMUNICAÇÃO DE DADOS PLANEJAMENTO DE CAPACIDADE EM INFRA-ESTRUTURAS SUPORTADAS POR SERVIÇOS TERCEIRIZADOS DE REDE DE COMUNICAÇÃO DE DADOS Roosevelt Belchior Lima Neste artigo será apresentada uma proposta de acompanhamento

Leia mais

Segmentação de Imagens de Placas Automotivas

Segmentação de Imagens de Placas Automotivas Segmentação de Imagens de Placas Automotivas André Zuconelli, Manassés Ribeiro Instituto Federal Catarinense - Campus Videira. Técnico em Informática, turma 2010 Rodovia SC, Km 5 Bairro Campo Experimental

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

DETECÇÃO DE VAZAMENTOS EM TUBULAÇÕES PREDIAIS DE GÁS ATRAVÉS DA ANÁLISE ESPECTRAL DE TRANSIENTES DE PRESSÃO

DETECÇÃO DE VAZAMENTOS EM TUBULAÇÕES PREDIAIS DE GÁS ATRAVÉS DA ANÁLISE ESPECTRAL DE TRANSIENTES DE PRESSÃO DETECÇÃO DE VAZAMENTOS EM TUBULAÇÕES PREDIAIS DE GÁS ATRAVÉS DA ANÁLISE ESPECTRAL DE TRANSIENTES DE PRESSÃO R. B. SANTOS 1, M.M. de F. SILVA e A. M. F. FILETI Universidade Estadual de Campinas, Faculdade

Leia mais

Disciplina : Termodinâmica. Aula 5 ANÁLISE DA MASSA E ENERGIA APLICADAS A VOLUMES DE CONTROLE

Disciplina : Termodinâmica. Aula 5 ANÁLISE DA MASSA E ENERGIA APLICADAS A VOLUMES DE CONTROLE Curso: Engenharia Mecânica Disciplina : Aula 5 ANÁLISE DA MASSA E ENERGIA APLICADAS A VOLUMES DE CONTROLE Prof. Evandro Rodrigo Dário, Dr. Eng. Vazão mássica e vazão volumétrica A quantidade de massa que

Leia mais

SISTEMA DE APONTAMENTO

SISTEMA DE APONTAMENTO Introdução SISTEMA DE APONTAMENTO Alunos: Lucas Castro Faria Carolina do Amaral Galhardo Orientador: Hans Ingo Weber Foi feito um estudo para aquisição de dados através da placa NI USB-6229, usando o programa

Leia mais

Motores em miniatura proporcionam um grande desempenho para analisadores médicos

Motores em miniatura proporcionam um grande desempenho para analisadores médicos thinkmotion Motores em miniatura proporcionam um grande desempenho para analisadores médicos Os analisadores médicos são elementos fundamentais do setor de diagnósticos médicos. São ferramentas versáteis

Leia mais

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica

29/08/2011. Radiologia Digital. Princípios Físicos da Imagem Digital 1. Mapeamento não-linear. Unidade de Aprendizagem Radiológica Mapeamento não-linear Radiologia Digital Unidade de Aprendizagem Radiológica Princípios Físicos da Imagem Digital 1 Professor Paulo Christakis 1 2 Sistema CAD Diagnóstico auxiliado por computador ( computer-aided

Leia mais

Codificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão)

Codificação/Compressão de Vídeo. Tópico: Vídeo (Codificação + Compressão) Tópico: Vídeo (Codificação + Compressão) Um vídeo pode ser considerado como uma seqüência de imagens estáticas (quadros). Cada um desses quadros pode ser codificado usando as mesmas técnicas empregadas

Leia mais

Curso Automação Industrial Aula 3 Robôs e Seus Periféricos. Prof. Giuliano Gozzi Disciplina: CNC - Robótica

Curso Automação Industrial Aula 3 Robôs e Seus Periféricos. Prof. Giuliano Gozzi Disciplina: CNC - Robótica Curso Automação Industrial Aula 3 Robôs e Seus Periféricos Prof. Giuliano Gozzi Disciplina: CNC - Robótica Cronograma Introdução a Robótica Estrutura e Características Gerais dos Robôs Robôs e seus Periféricos

Leia mais

Normalização Espacial de Imagens Frontais de Face

Normalização Espacial de Imagens Frontais de Face Normalização Espacial de Imagens Frontais de Face Vagner do Amaral 1 e Carlos Eduardo Thomaz 2 Relatório Técnico: 2008/01 1 Coordenadoria Geral de Informática Centro Universitário da FEI São Bernardo do

Leia mais

FAdC Frauscher Advanced Counter

FAdC Frauscher Advanced Counter FAdC Frauscher Advanced Counter PT FAdC FRAUSCHER Advanced Counter A detecção de via livre do futuro O Frauscher Advanced Counter (FAdC) é a mais nova geração de sistemas de contagem de eixos com base

Leia mais

Aula 2 Aquisição de Imagens

Aula 2 Aquisição de Imagens Processamento Digital de Imagens Aula 2 Aquisição de Imagens Prof. Dr. Marcelo Andrade da Costa Vieira mvieira@sc.usp.br EESC/USP Fundamentos de Imagens Digitais Ocorre a formação de uma imagem quando

Leia mais

SISTEMA AUTOMÁTICO DE PULVERIZAÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS. PERNOMIAN, Viviane Araujo. DUARTE, Fernando Vieira

SISTEMA AUTOMÁTICO DE PULVERIZAÇÃO UTILIZANDO TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS. PERNOMIAN, Viviane Araujo. DUARTE, Fernando Vieira REVISTA CIENTÍFICA ELETRÔNICA DE AGRONOMIA ISSN 1677-0293 PERIODICIDADE SEMESTRAL ANO III EDIÇÃO NÚMERO 5 JUNHO DE 2004 -------------------------------------------------------------------------------------------------------------------------------

Leia mais

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller

Reconhecimento de marcas de carros utilizando Inteligência Artificial. André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Reconhecimento de marcas de carros utilizando Inteligência Artificial André Bonna Claudio Marcelo Basckeira Felipe Villela Lourenço Richard Keller Motivação Análise estatística das marcas de carros em

Leia mais

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais.

3DODYUDVFKDYH Visão Computacional, Inteligência Artificial, Redes Neurais Artificiais. 80,7(0$'(9, 23$5$5(&21+(&,0(172'(3(d$(080 7$%8/(,52'(;$'5(= Sérgio Faustino Ribeiro Juracy Emanuel M. da França Marcelo Alves de Barros José Homero Feitosa Cavalcanti Universidade Federal da Paraíba CCT/COPIN/NEUROLAB-CT/DTM

Leia mais

Leitura Automática das Ferraduras para as linhas de envasamento de GLP.

Leitura Automática das Ferraduras para as linhas de envasamento de GLP. Leitura Automática das Ferraduras para as linhas de envasamento de GLP. Um sistema automático para identificação e segregação de recipientes vencidos nas linhas de envasamento de GLP. Categoria: Produção

Leia mais

Radar de Penetração no Solo e Meio- Ambiente

Radar de Penetração no Solo e Meio- Ambiente UNIVERSIDADE DE SÃO PAULO INSTITUTO DE ASTRONOMIA, GEOFÍSICA E CIÊNCIAS ATMOSFÉRICAS DEPARTAMENTO DE GEOFÍSICA Curso 3ª Idade Radar de Penetração no Solo e Meio- Ambiente Vinicius Rafael Neris dos Santos

Leia mais