Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem

Tamanho: px
Começar a partir da página:

Download "Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem"

Transcrição

1 ARTIGO Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem Leonardo Borges de Castro 1 *, Dr. João Marques Salomão 2 e Me. Douglas Almonfrey 2 1 VALE - Engenharia Ferroviária, Av. Dante Michelini 5500, , Vitória ES 2 IFES - Departamento de Engenharia Elétrica, Av. Vitória 1729, , Vitória -ES s: Resumo A utilização de tecnologias para inspeção automática de ativos está em franca expansão no mercado em geral, proporcionando ganhos significativos na produtividade das equipes de manutenção e consequentemente redução dos custos operacionais das empresas, além de ganhos relacionados à qualidade das inspeções. No setor ferroviário, estes ganhos são potencializados, uma vez que existe grande quantidade de ativos móveis, e os ativos fixos estão distribuídos por longas extensões geográficas, abrindo espaço para implantação de tecnologias inteligentes de monitoramento remoto e automático, reduzindo assim, o emprego de mão de obra para inspeção dos ativos ao longo da ferrovia, além de proporcionar ganhos de qualidade nos procedimentos de inspeção e melhoria na segurança operacional da ferrovia. Neste trabalho, foram aplicadas técnicas de processamento digital de imagens e visão computacional para realizar a medição automática de altura das cunhas de fricção dos vagões ferroviários, componente este muito importante para garantir a estabilidade dos vagões, uma vez que estas cunhas trabalham fazendo o amortecimento da suspensão vertical e horizontal dos truques. Em função do desgaste natural destas cunhas, observado pelo aumento da sua altura em relação a travessa do truque, reduz-se a capacidade de amortecimento da suspensão, podendo assim, provocar acidentes ferroviários. Utilizando imagens dos truques dos vagões, coletadas em ambiente operacional, foram aplicadas técnicas para melhoria da nitidez das imagens e valorização dos objetos de interesse. Utilizando os métodos de processamento digital de imagens, tais como, tratamentos morfológicos, binarização e criação das imagens de bordas dos truques, foi possível aplicar heurísticas matemáticas para localização de elementos na imagem dos truques, de forma a facilitar a localização do topo das cunhas, bem como, a face superior da travessa, calculando assim a altura das cunhas a partir de prévia calibração do sistema. No ambiente de prototipagem, os resultados chegaram a uma taxa de acerto da ordem de 88% na localização dos objetos na imagem dos truques. Assim, foi possível concluir que a aplicação destas técnicas de processamento de imagens podem ser evoluídas para o uso em ambiente operacional, bem como, desenvolvidas novas funcionalidades para auxiliar na inspeção dos ativos ferroviários. Palavras-Chaves: Vagões; Cunhas de Fricção; Processamento Digital de Imagens.

2 1. INTRODUÇÃO Cunhas de fricção nos truques dos vagões ferroviários funcionam como amortecedores, trabalhando pressionadas contra as superfícies de desgaste das laterais e da travessa, através de mola inferior, conforme definido por KINA (2013), assim as cunhas, chapas laterais e chapas da bolsa da travessa, se desgastam com o uso. Este desgaste provoca redução da capacidade de amortecimento da suspensão e, como consequência, a redução na habilidade de passar sobre imperfeições de linha, podendo causar acidentes ferroviários. Através da altura da cunha sobre a travessa do truque, é possível observar o nível de desgaste destes componentes, e esta inspeção é realizada de forma visual pelos técnicos de manutenção de vagões, ou utilizando de gabaritos para avaliação rápida das boas condições deste item. Assim, é possível observar que as cunhas de fricção estão sempre visíveis, permitindo sua observação por um sistema automático de inspeção e medição da sua altura, conforme apresentado na figura 1. Figura 1. Altura das Cunhas de Fricção (Elab. Atualmente, as atividades de inspeção das cunhas dos vagões é feita em toda a frota de vagões de minério de ferro, na saída dos viradores que se encontram nos portos. Os técnicos inspecionam visualmente vários componentes dos vagões, dentre eles as cunhas de fricção, durante um curto espaço de tempo do vagão parado (tempo de posicionamento e giro do virador). Com um sistema automático de inspeção seria possível: reduzir os recursos utilizados nas atividades de inspeção; inspecionar os vagões nas regiões de interface com outras ferrovias, aumentando a segurança das operações ferroviárias; melhorar a qualidade das inspeções; reduzir os custos de manutenção; aumentar a segurança operacional da ferrovia e aumentar a disponibilidade dos vagões. 2. OBJETIVO O objetivo deste trabalho é propor e aplicar um método para inspeção automática da altura das cunhas de fricção de vagões ferroviários, parados, a partir de um banco de imagens dos truques destes vagões, coletados previamente. Desta forma, será possível: Analisar a atividade de inspeção do truque dos vagões por fotos, formando uma base de imagens para estudo; Aplicar técnicas de processamento digital de imagens para criar a imagem de bordas do conjunto dos truques; Aplicar heurísticas computacionais para identificar a posição das cunhas na imagem; Calibrar a câmera e calcular a altura das cunhas, mostrando nas imagens; 3. ESTADO DA ARTE Para o desenvolvimento deste trabalho foram empregados métodos relacionados as áreas de processamento digital de imagens, localização e extração de objetos em imagens. Uma das técnicas a se destacar no campo de processamento de imagens digitais são os procedimentos de equalização de histograma, que compõe os métodos de transformações de intensidades. A manipulação de histograma podem ser utilizadas para realce das imagens. Uma imagem com baixo contrate possui o seu histograma de intensidade de pixels localizado no meio da escala. Em contrapartida uma imagem de alto contraste cobre uma escala bem ampla de intensidades, sendo a distribuição dos pixels quase uniforme, conforme destacado por GONZALEZ (2010). Para separação das regiões de interesse na imagem, existem as técnicas de segmentação, dentre as quais a limiarização se mostra umas das mais viáveis, devido suas propriedades intuitivas, simplicidade de implementação e velocidade computacional, conforme destacado por GONZALEZ (2010, p. 486). Esta técnica se trata basicamente de definir um limiar para que seja criada uma imagem de apenas duas intensidades (binária), em que os pixels abaixo do limiar assumem um dos

3 valores binários e os acima do limiar assumem o outro valor. Outras técnicas importantes apresentadas por GONZALEZ (2010) são os métodos de filtros espaciais, muito utilizados em processamento de imagens para realce de imagens. O filtro consiste em uma vizinhança de pixels e uma operação predefinida realizada sobre os pixels da imagem incluídos na vizinhança, criando um novo pixel com coordenadas iguais às coordenadas do centro da vizinhança, com o valor do resultado da operação. Assim é feito com que a máscara de operações percorra toda a imagem, gerando uma nova imagem filtrada. Um filtro espacial que devemos destacar é o filtro de borramento, para redução de ruídos, retirada de detalhes irrelevantes, ou seja, regiões da imagem menores que o tamanho da máscara. Existem ainda as técnicas para tratamento morfológico das imagens. Operações como dilatação, erosão, abertura, fechamento e extração de fronteiras, são técnicas muito utilizadas no tratamento de imagens binárias, pois permite destacar bem objetos, o qual, se bem identificado o formato do objeto de interesse, pode facilitar a aplicação das demais técnicas heurísticas para localização e extração, bem como classificação dos objetos. Um operador muito utilizado é a função edge no Matlab, que por padrão realiza a detecção de bordas utilizando o método de Sobel. Este método calcula o gradiente da intensidade em cada ponto, dando a direção da maior variação de claro para escuro, permitindo assim a detecção das bordas. Para a solução do problema motivador deste trabalho, também serão utilizados métodos baseados em heurísticas como, por exemplo, técnicas para extração de caracteres, conforme apresentado por JESUS (2014). Métodos estes que ajudam a realizar a localização e segmentação dos caracteres. Segundo JESUS (2014), nas regiões com alta incidência de pixels, tanto referenciadas a colunas, como as linhas, é possível encontrar a variância dos pixels ao longo do conjunto de linhas ou colunas, permitindo assim a criação de gráficos em que seus picos podem representar as posições de interesse dos caracteres na imagem, conforme ilustrado na figura 2. Figura 2. Extração de Caracteres em Barra de Aço (JESUS, 2014) Segundo JESUS (2014), para a aplicação de extração de caracteres, o método utilizando heurísticas conseguiu um índice de acerto de 75,5%, e retirando as imagens com interferência severa, ou seja, imagens com variações bruscas de iluminação e tonalidade, o índice de acerto sobe para 93,8% se comparado com o sistema visual humano. 4. MATERIAIS E MÉTODOS Para este trabalho, foram definidas as seguintes premissas, de forma a focar na solução do problema: Formação do Banco de Imagens utilizando câmera portátil de uso comum; Fotos coletadas com o equipamento parado, evitando borramentos nas imagens; As imagens foram coletadas a partir de uma posição conhecida da câmera, através do uso de tripés, com o truque não necessariamente centralizado. Para o desenvolvimento do código foi utilizado o software Matlab ; Fotos, em 10 mega pixels, coloridas; Recursos automáticos de foco e zoom desabilitados; Maioria das fotos realizadas durante o dia, com flash; Câmera posicionada em apenas um dos lados dos vagões; Para medir a altura das cunhas de fricção esquerda e direita dos truques dos vagões ferroviários, que é o problema proposto neste trabalho, o problema foi dividido em etapas, definidas conforme apresentado na figura 3. Estas são as etapas clássicas de processamento de imagens muito comuns a sistemas de inspeção e monitoramento automatizado, mas com as devidas particularidades para solução do problema proposto. No primeiro momento foi construída a base de dados para o trabalho, sendo esta uma base estática, a qual foi reservado um gru-

4 po de imagens para testes finais. Em seguida, foram aplicadas técnicas de processamento digital de imagens, para melhor destaque dos elementos de interesse na imagem. Na sequencia, foi desenvolvida as localizações dos objetos importantes para medição da altura (em pixel), e finalmente o cálculo da altura em milímetro. Figura 3. Etapas para Cálculo da Altura das Cunhas (Elab. É importante destacar que este trabalho não focou na precisão da medição, mas sim na assertividade de localização dos objetos para permitir a medição da altura, considerando sucesso quando for possível realizar a medição. Fase 1 - Captura das Imagens Nesta primeira fase, foi estabelecido um procedimento para efetuar a coleta das informações em campo, pois o método proposto é sensível a variações na cena, como luminosidade e exposição à poeira. A formação do banco de imagens foi realizada tendo como referência o enquadramento apresentado na figura 4. Para definir este padrão de captura das imagens foram coletadas fotos em diversas condições de luz e realizado o tratamento de imagens para observar as condições que seriam implementadas no código. Assim, formou-se uma base de 63 imagens para desenvolver o método proposto no trabalho, sendo as 10 últimas imagens reservadas para simulação. Fase 2 - Detecção de Bordas (Processamento Digital de Imagens) Nesta fase, iniciou o tratamento das imagens, de forma a obter uma imagem de bordas que melhor contornasse as cunhas de fricção dos truques. Assim, foram estabelecidos os passos apresentados na figura 5. A partir da imagem original RGB (a), a mesma foi convertida em uma imagem em tons de cinza (b), permitindo a aplicação dos procedimentos de binarização. Em seguida, foi equalizado o histograma (c) da imagem em tons de cinza, posteriormente realizada a binarização (d), através de um limiar fixo, de 0,50, número este que foi determinado segundo diversas simulações de todo este processo de detecção das bordas do conjunto, escolhendo o limiar que melhor valorizasse as cunhas. Feito isso, foram aplicados alguns tratamentos morfológicos, de dilatação seguida de erosão (e), com máscara tipo "disk", tamanho 9, e aplicado um filtro de média, com máscara 20x20, a fim de suavizar a imagem. Após os processamentos digitais iniciais, foi aplicado um método de detecção de bordas pela função edge do Matlab, obtendo assim a etapa (f) da figura 5, e em seguida, aplicado um novo tratamento morfológico, de dilatação (g), agora um "disk" tamanho 5. Assim seguiu-se para a fase 3, para iniciar a localização dos objetos na imagem, partindo da localização horizontal. Figura 4. Enquadramento das Imagens dos Truques (Elab. Figura 5: (a) Imagem Original; (b) Imagem Tons de Cinza; (c) Equalização do Histograma;

5 (d) Binarização Limiar 0.5; (e) Dilatação, Erosão e Filtro Média; (f) Detecção Bordas; (g) Realce das Bordas; (h) Recorte Região dos Truques (Elab. Fase 3 - Localização Horizontal Para a localização horizontal dos truques foi observado que no gráfico de variância dos pixels, coluna a coluna, existe uma elevada variação nos pixels na região das molas dos truques. Assim, definiu-se essa referência (região das molas) como elemento de localização horizontal, ou, indexação horizontal das imagens. Na figura 6, é possível observar a imagem de bordas com o gráfico de variância coluna a coluna, acima da imagem. A região indicada como "a", na figura 6, mostra a região com um patamar mais constante e elevados valores de variância dos pixels, coluna a coluna, da imagem de bordas. Esse patamar, que indica a região das molas, é sempre caracterizado por um vale centralizado, indicando uma região de baixa variância dos pixels. Esta região de "vale" coincide exatamente com a posição entre molas, local este, com poucos pixels claros. Teste 2: diferencial do pixel (h) em relação ao anterior (h-1), menor que este pixel (h-1) pelo seu anterior (h-2), em módulo; Cálculo da Média Parcial: quando satisfeitos os Testes 1 e 2, faz-se a média parcial dos 10 pixels na vizinhança do pixel (h); Se o valor do pixel (h) estiver entre mais ou menos 1% da média parcial, será caracterizado como um possível pixel na região das molas. Assim, é possível criar o gráfico apresentado na figura 21, o qual representa a posição dos possíveis pixels da região de molas. Neste vetor de posições é aplicada a mediana, para definir um ponto que esteja contido na região das molas. Figura 7. Posições com potencial de ser a região das molas(elab. A partir deste valor de referência (mediana das posições), é possível estabelecer uma janela onde provavelmente encontra-se o "vale" entre as molas. Assim, definiu-se uma janela de 140 pixels, para ambos os lados deste ponto de mediana. Dentro desta janela de 280 pixels, procurase pela posição cujo valor é o mínimo, caracterizando a posição do "vale", ou seja, a posição de entre molas. Figura 6. (a) Região das Molas; (b) Vale entre molas; (c) Linha de Referência da Localização Horizontal (Elab. Assim, foi estabelecido um algoritmo que identifique a região do patamar e do vale entre as molas. Este método considera os seguintes cálculos: Cálculo da Média Total do Gráfico; Teste 1: sequencial de 10 valores acima da média total do gráfico; Fase 4 - Localização do Vertical O objetivo desta fase é localizar o topo das molas, permitindo assim uma localização mais fina na plataforma superior da travessa do truque. Deste modo, para esta fase são traçadas linhas verticais de referência para ambos os lados da posição entre as molas, com relação a eixo "x". Na Erro! Fonte de referência não encontrada., é possível observar as duas linhas verticais traçadas para ambos os lados, estas linhas foram definidas como posições fixas e configuráveis, a partir da posi-

6 ção entre molas encontrada no passo anterior. Neste caso, definiu-se 50 pixels para ambos os lados. A partir destas linhas verticais, foram criados os vetores variância dos pixels, para ambos os lados da região entre as molas, e, observado que os elos das molas possuem espaçamentos bem definidos e repetitivos (com dimensão entre 5 e 46 pixels). Assim, é possível determinar o topo das molas como sendo o início desta região, ou seja, quando for encontrado uma sequência de três valores de posição, em que o diferencial do pixel (h+1) em relação ao pixel (h) for maior que 5 e menor que 46, caracteriza-se como início da região dos elos das molas. Fase 5 - Localização da Referência Inferior de Altura das Cunhas De posse das informações dos passos anteriores: posição de entre molas e posição do topo das molas, faz-se uma janela com o recorte da região das cunhas, conforme figura 10. Nesta fase, o objetivo é encontrar a referência inferior de altura das cunhas, ou seja, o patamar superior da travessa dos truques. Figura 10. Recorte Região das Cunhas (Elab. Assim, é aplicado novo tratamento das imagens, aplicando os métodos de erosão, dilatação e definição de bordas, conforme apresentado nos passos definidos na Erro! Fonte de referência não encontrada. Figura 8. Localização do Topo das Molas (Elab. Repetindo este procedimento em 5 colunas de vetor variância dos pixels à esquerda do entre molas, e em 5 colunas à direita da posição entre molas, é possível confirmar melhor a posição de topo das molas. Desta forma, é possível traçar na figura original as linhas verdes, que indicam a posição encontrada para a região entre as molas e, também, o topo das molas, conforme observado na figura 9. Figura 11. (a) Imagem Original; (b) Binarização; (c) Dilatação; (d) Erosão; (e) Imagem de Bordas (Elab. De posse da imagem de bordas do recorte da região das cunhas (e), é possível estabelecer uma janela de busca das linhas horizontais que representam a espessura da travessa. A região delimitada para esta busca está representada entre as linhas verticais vermelhas da figura 12. Figura 9. Linhas de Referência de Entre Molas e Topo das Molas (Elab.

7 Figura 12. Região de Busca da Travessa (Elab. Assim, é possível gerar a imagem da Erro! Fonte de referência não encontrada., que mostra uma linha verde referenciando a posição superior da travessa, encontrado pelo código Figura 15. Linhas de Localização do Patamar Superior das Cunhas (Elab. Figura 13. Localização do Topo da Travessa (Elab. Em seguida, prossegue-se com a localização do patamar superior das cunhas esquerda e direita. Fase 6 - Localização da Referência Superior das Cunhas A figura 14Erro! Fonte de referência não encontrada. ilustra o método desta etapa. Foram criadas janelas entre as linhas vermelhas para localização da parte superior das cunhas. A partir destas janelas, fez-se o vetor com a soma das linhas de cada recorte das cunhas. Neste vetor é possível identificar dois picos, sendo o maior mostrando a linha superior da lateral do truque, e o segundo maior valor, mostra a linha de topo das cunhas. Fase 7 - Cálculo da Altura das Cunhas Para cálculo da altura das cunhas, será considerado como referência o dimensional da vista frontal da travessa dos truques, conforme apresentado na figura 16. O valor de 696 pixels representa 444,5 em milímetros da medida real da travessa, ou seja, 17,5 polegadas, conforme informado pelo fabricante do componente. De posse deste valor como referência para calibração, é possível determinar o fator de conversão pixel para milímetros da imagem analisada. A calibração será feita de forma fixa, ou seja, não se trata de uma auto calibração durante o processo de medição automática. Mas poderão ser propostos métodos para autocalibração em trabalhos futuros, uma vez que boa parte dos componentes dos truques não possui grande variação dimensional entre vagões. Figura 16. Cálculo da Altura das Cunhas (Elab. Figura 14. Vetor Somatório das Linhas das Cunhas Esquerda e Direita (Elab. pelo Autor, 2015) Assim é possível inferir que o segundo maior pico representa a posição de altura das cunhas. Na figura 15, foram criadas as linhas verdes, indicando a posição localizada para a altura das cunhas. Neta figura 16, é possível observar as informações necessárias para o cálculo da altura das cunhas. De posse da posição das linhas verdes, é possível fazer o cálculo considerando que a altura das cunhas esquerda e direita seja a diferença das posições encontradas do topo das cunhas, em relação ao patamar superior das travessas, representado pelas setas vermelhas. Em seguida, será feita a multiplicação pelo fator de calibração para se obter o valor de altura das cunhas em milímetros. Fazendo a divisão do valor em milímetros, temos o fator de calibração de 444,5 mm dividido por 696 pixels, o que resulta em 0,63 milí-

8 metros por pixel. Multiplicando este fator de 0,63 pelo valor da altura da cunha encontrado em pixel, tem-se a altura da cunha em milímetros. Na figura 17 é possível ver uma representação da medição da altura das cunhas esquerda e direita em uma imagem de resultado do processamento no Matlab. Figura 17. Cálculo da Altura das Cunhas - Imagem Final Matlab (Elab. 5. EXPERIMENTOS E RESULTADOS Com base no método e premissas apresentadas, 62 imagens foram utilizadas para criação do código para solução do problema em questão. Após diversas simulações e testes, foi necessário realizar simplificações no código, bem como, avaliação de erros apresentados fase a fase do método proposto. Assim, foi possível obter os resultados apresentados na Erro! Fonte de referência não encontrada. Foi possível observar que o método desenvolvido é bem sensível às variações das condições de iluminação do ambiente e, também, à qualidade das imagens coletadas, necessitando de ajustes adequados na técnica de limiarização. Durante o desenvolvimento, foram implementadas correções e melhorias no método, tais como: busca do topo das molas apenas pelo lado esquerdo da linha de entre molas; alterações no limiar de binarização; alterações nas janelas de busca da posição de entre molas; alteração da localização das regiões mais prováveis de ser região das molas, antes feita pela média e alterada para serem feitas pela mediana; dentre outras alterações. Com estes ajustes foi possível sair de uma média de acertos das fases de 50% para 88%, obtendo assim os resultados apresentados na tabela 1. Ficou evidente que este método está sujeito a erros propagados entre as fases, ou seja, erros na fase 1, por exemplo, levam a erros nas fases seguintes, pois as fases dependem de informações da sua antecessora, deixando assim, esta técnica frágil. Para trabalhos futuros, poderão ser estudados métodos mais robustos, onde as fases possam confirmar as localizações dos objetos, e não apenas complementar, como está desenhado neste código. Um exemplo de erro na primeira fase é possível observar na imagem binária apresentada na figura 18. Tabela 1. Resultados por Fases (Elab. pelo Autor, 2015) Base Desenvolvimentos Base Simulação Fase 1 Fase 2 Índice de Acerto Fase 3 Fase 4 Fase 5 Total 96% 96% 94% 79% 85% 90% 80% 90% 80% 70% 60% 76% Total 94% 95% 92% 77% 81% 88% Desta forma, podemos observar que as fases iniciais apresentam resultados de sucesso na localização dos objetos acima de 90%, enquanto que a localização do patamar das cunhas ficou em 77% para as cunhas esquerdas e 81% para as cunhas direitas. Figura 18. Erro na localização das molas (Elab. Em função da perturbação das molas traseiras ao lado da mola direita do truque, fez com que os elos desta mola direita fiquem com uma largura maior que o padrão normal (na imagem de bordas), ou seja, os elos das molas traseiras se "fundem" com os elos das molas frontais, e resulta em

9 uma mediana das possíveis regiões das molas (gráfico semelhante à figura 7) no centro da mola direita, e não efetivamente na região entre as molas, causando o erro de localização horizontal. É importante destacar que novas heurísticas podem ser implementadas para complementar as técnicas apresentadas no trabalho, de forma a reduzir os erros. Para isto, é necessário continuar com as análises individuais de cada erro, permitindo, assim, implementar novas rotinas que evitem a localização indevida. Por outro lado, a técnica apresentada se mostrou eficiente na localização dos componentes, uma vez que não demanda grande quantidade de recurso computacional, e conseguiu boa eficiência em se tratando de imagens de baixa qualidade, ou seja, com grandes perturbações do ambiente, foco deficiente, sem tratamento de exposição à luz no local, bem como coletadas com equipamento não especificado para este tipo de aplicação. Outro fator importante a destacar é o desempenho do código. No ambiente de programação Matlab, o desempenho para gerar a figura 17 foi de aproximadamente 7 segundos por quadro. Retirando as etapas de processamento na imagem final, ou seja, não gerar as linhas de referência na figura 17, bem como exibir o valor da altura calculada na imagem, deixando apenas os valores de altura mostrados no ambiente command window do Matlab, o desempenho do código melhora para aproximadamente 5,8 segundos por quadro. 6. CONCLUSÕES Com este trabalho foi possível aplicar os conceitos de processamento digital de imagens em um caso prático, e também, avaliar o uso de heurísticas matemáticas para solução de problemas de localização de objetos e coleta de parâmetros de interesse nas imagens digitais. Com a evolução dos métodos e disseminação do conhecimento relacionado à visão computacional, está sendo possível expandir sua utilização na indústria como um todo, seja como desenvolvimento de novas tecnologias, seja como capacitação para manutenção dos sistemas adquiridos nestas companhias. Trata-se ainda de um movimento tímido de implantação de tecnologias relacionadas a este tema, mas já é observado o grande potencial de aplicação, uma vez que os sensores e códigos estão sendo cada vez mais aprimorados e popularizados, associado à inúmeras tarefas de inspeção realizadas pelos técnicos de manutenção. Com este tipo de tecnologia, serão possíveis ganhos expressivos de produtividade, em relação aos métodos atuais utilizados para inspeção, bem como adicionar qualidade nesta atividade. Para as ferrovias, este ganho é potencializado, uma vez que se trata de elevado número de equipamentos móveis e com grande dispersão geográfica, criando um campo fértil para desenvolvimento destas técnicas de visão computacional, sendo possível inspecionar todo o parque de ativos, desde a linha férrea até os materiais rodantes. A aplicação deste método baseado em heurística, por um lado, se mostrou adequado, permitindo bons resultados em se tratando de imagens de baixa qualidade, mas por outro lado, apresentou certo nível de sensibilidade a erros e propagação destes erros. Variações pequenas no procedimento de binarização podem levar a erros em todas as fases, sabendo-se também que erros nas fases iniciais propagam-se para as fases seguintes, uma vez que estas dependem de informações da fase antecessora. Este trabalho também abre espaço para a pesquisa de novos métodos, que permitam ser comparados com o desempenho deste, buscando assim um aperfeiçoamento da técnica, podendo chegar a um nível que possa ser implementado em ambiente operacional, de forma a gerar os ganhos relacionados à segurança dos vagões e melhor produtividade da inspeção. Como trabalhos futuros, poderão ser melhorados os métodos apresentados neste trabalho, reduzindo sua taxa de erro, bem como realizar a medição de precisão da informação gerada pelo código, ou seja, qual o erro da medição gerada, em milímetros. E também poderá ser implementada técnicas de classificação, permitindo a comparação dos métodos, e a utilização de outras tecnologias para captura das imagens como, por exemplo, câmeras estéreo, sendo possível diferenciar as cunhas pelo tratamento de profundidade na região das cunhas.

10 Finalmente, foi possível concluir o trabalho de medição da altura das cunhas de fricção nos truques dos vagões ferroviários, utilizando de técnicas simples de processamento de imagens e heurísticas matemáticas, para gerar a informação de altura das cunhas de fricção dos vagões ferroviários. 7. REFERÊNCIAS BIBLIOGRÁFICAS GONZALEZ, Rafael C.; WOODS, Richard E. Processamento digital de imagens. 3. ed. São Paulo: Pearson Prentice Hall p. JESUS, Rogério Eleotério. Rastreamento, Segmentação e Classificação de Caracteres em Placas de Aço f. Trabalho de Conclusão de Curso (Pós-Graduação Lato Sensu em Engenharia Elétrica com Ênfase em Sistemas Inteligentes Aplicados à Automação) - Instituto Federal do Espírito Santo, Vitória, KINA, Edilson Jun. Concepção e Manutenção de Vagões f. Apostila do Curso de Engenharia Ferroviária, Multivix / Vale, Vitória, 2014.

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

Figura 01: Aplicações do Filtro Espacial Passa-Baixa.

Figura 01: Aplicações do Filtro Espacial Passa-Baixa. 791 IMPLEMENTAÇÃO DE TÉCNICAS DE PRÉ-PROCESSAMENTO E PROCESSAMENTO DE IMAGENS PARA RADIOGRAFIAS CARPAIS Rafael Lima Alves 1 ; Michele Fúlvia Angelo 2 Bolsista PROBIC, Graduando em Engenharia de Computação,

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

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis

Transformada de Hough. Cleber Pivetta Gustavo Mantovani Felipe Zottis Transformada de Hough Cleber Pivetta Gustavo Mantovani Felipe Zottis A Transformada de Hough foi desenvolvida por Paul Hough em 1962 e patenteada pela IBM. Originalmente, foi elaborada para detectar características

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

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

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

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

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

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

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

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

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução ao processamento de imagens e OCTAVE. Julio C. S. Jacques Junior juliojj@gmail.com Introdução ao processamento de imagens e OCTAVE Julio C. S. Jacques Junior juliojj@gmail.com Octave www.gnu.org/software/octave/ Linguagem Interpretada (similar ao MATLAB... portabilidade) Voltada para

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

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT).

VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO. Professora da Escola de Engenharia Mauá (EEM/CEUN-IMT). VISÃO COMPUTACIONAL COM A OPENCV MATERIAL APOSTILADO E VEÍCULO SEGUIDOR AUTÔNOMO Riccardo Luigi Delai 1 ; Alessandra Dutra Coelho 2 1 Aluno de Iniciação Científica da Escola de Engenharia Mauá (EEM/CEUN-IMT);

Leia mais

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS

SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS 221 SOFTWARE PARA IDENTIFICAÇÃO E CLASSIFICAÇÃO DE CÉLULAS DO ENDOTÉLIO CORNEANO DESENVOLVIDO PARA DISPOSITIVOS MÓVEIS Jean-Jacques S. De Groote - Prof. Dr. do Centro Universitário Uniseb de Ribeirão Preto.

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

Software de análises metalográficas MATERIAL PLUS

Software de análises metalográficas MATERIAL PLUS Software de análises metalográficas MATERIAL PLUS Programa desenvolvido de forma simples para o uso sem comprometer a precisão por usuários inexperientes conseguirem fazer análises sem um treinamento mínimo;

Leia mais

Gestão de riscos - Utilização de monitoramento preditivo online na gestão de riscos na frota de vagões da EFC

Gestão de riscos - Utilização de monitoramento preditivo online na gestão de riscos na frota de vagões da EFC Gestão de riscos - Utilização de monitoramento preditivo online na gestão de riscos na frota de vagões da EFC Paulo Sergio Costa 1 *, Giovanni Augusto Ferreira Dias 1, Diego Freitas 1, Fábio Assunção 1,

Leia mais

Módulo de captura de imagens do sistema Scisoccer

Módulo de captura de imagens do sistema Scisoccer 1 Módulo de captura de imagens do sistema Scisoccer Rafael Antonio Barro [1] Jailton Farias de Carvalho [2] Resumo: Este artigo descreve como funciona o módulo de captura de imagens do software Sci-soccer,

Leia mais

TÍTULO: UTILIZAÇÃO DO RASTREAMENTO DA ÍRIS COM O USO DE INTERFACE NATURAL PARA PESSOAS PORTADORAS DE TETRAPLEGIA

TÍTULO: UTILIZAÇÃO DO RASTREAMENTO DA ÍRIS COM O USO DE INTERFACE NATURAL PARA PESSOAS PORTADORAS DE TETRAPLEGIA TÍTULO: UTILIZAÇÃO DO RASTREAMENTO DA ÍRIS COM O USO DE INTERFACE NATURAL PARA PESSOAS PORTADORAS DE TETRAPLEGIA CATEGORIA: CONCLUÍDO ÁREA: CIÊNCIAS EXATAS E DA TERRA SUBÁREA: COMPUTAÇÃO E INFORMÁTICA

Leia mais

Tratamento da Imagem Transformações (cont.)

Tratamento da Imagem Transformações (cont.) Universidade Federal do Rio de Janeiro - IM/DCC & NCE Tratamento da Imagem Transformações (cont.) Antonio G. Thomé thome@nce.ufrj.br Sala AEP/133 Tratamento de Imagens - Sumário Detalhado Objetivos Alguns

Leia mais

VCA Treinamento em Algoritmo

VCA Treinamento em Algoritmo Conteúdo VCA Treinamento em Algoritmo VCA Treinamento em Algoritmo Conteúdo Algoritmos Rastreador (tracker) Monitoramento Objeto Abandonado/Removido Pessoas Calibração Classificação Linha de contagem Auto

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

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41

Filtragem Espacial. (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial (Processamento Digital de Imagens) 1 / 41 Filtragem Espacial Filtragem espacial é uma das principais ferramentas usadas em uma grande variedade de aplicações; A palavra filtro foi emprestada

Leia mais

RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL

RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL 133 RECONHECIMENTO AUTOMÁTICO DE PLACAS DE VEÍCULOS UTILIZANDO PROCESSAMENTO DIGITAL DE IMAGENS E INTELIGÊNCIA ARTIFICIAL Guilherme Stéfano Silva de Souza; Paulo Henrique Passella Acadêmicos do Curso de

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

Manual de utilização do programa

Manual de utilização do programa PCIToGCode Manual de utilização do programa PCIToGCode O PCITOGCODE é um aplicativo desenvolvido para converter imagem de uma placa de circuito impresso em um arquivo de códigos G. Com o arquivo de códigos

Leia mais

Controle Inteligente de Robôs Móveis Autônomos utilizando Sistemas Inteligentes

Controle Inteligente de Robôs Móveis Autônomos utilizando Sistemas Inteligentes Controle Inteligente de Robôs Móveis Autônomos utilizando Sistemas Inteligentes Aluno: Gabriel Lins Tenório Orientadoras: Roxana Jiménez e Marley Rebuzzi Vellasco Introdução A aplicação de robôs móveis

Leia mais

Reconhecimento Automático de Placas de Veículos

Reconhecimento Automático de Placas de Veículos Reconhecimento Automático de Placas de Veículos Vinicius Bergoli Trentini, Lucas Antonio Toledo Godoy, Aparecido Nilceu Marana Universidade Estadual Paulista - UNESP (Campus de Bauru) Faculdade de Ciências

Leia mais

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior

Simulação Gráfica. Morfologia Matemática. Julio C. S. Jacques Junior Simulação Gráfica Morfologia Matemática Julio C. S. Jacques Junior Morfologia Palavra denota uma área da biologia que trata com a forma e a estrutura de animais e plantas. No contexto de Morfologia Matemática:

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

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

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva

Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva 225 Um sistema de visão computacional para detecção automática de caracteres em uma linha de montagem automotiva Marcus V. C. Guelpeli1, Bruno S. P. de Oliveira2, Wellington C. A. Landim2 1 Curso de Sistema

Leia mais

Fotografia: conceitos e técnicas

Fotografia: conceitos e técnicas ca leo Carlos Leonardo S Mendes wwwcaleocombr caleo Carlos Leonardo dos S Mendes Fotografia: conceitos e técnicas Exposição Setembro de 2008 Versão 10 Nota: os textos ou fotos contidos neste material não

Leia mais

INFORMAÇÕES SOBRE O MATERIAL UTILIZADO NA OBTENÇÃO E NA ANÁLISE DOS VÍDEOS

INFORMAÇÕES SOBRE O MATERIAL UTILIZADO NA OBTENÇÃO E NA ANÁLISE DOS VÍDEOS INFORMAÇÕES SOBRE O MATERIAL UTILIZADO NA OBTENÇÃO E NA ANÁLISE DOS VÍDEOS 1 Material utilizado 1.1 Tracker: um programa de análise de imagens Para a execução da proposta foi utilizado o programa livre

Leia mais

CÂMERAS. fotográficas

CÂMERAS. fotográficas CÂMERAS fotográficas Quanto ao suporte: Digital Analógico Como classificar e diferenciar os tipos de Câmeras? Quanto a automação: Automáticas Semi-automáticas Auto e manual Quanto ao visor: Visor direto

Leia mais

Publisher. Publisher. versão 2012.2

Publisher. Publisher. versão 2012.2 versão 2012.2 Publisher Publisher Para diagramar, vamos utilizar o Publisher, do pacote de programas Microsoft Office. As instruções valem para as versões 2003, 2007 e 2010 do pacote. Vamos aprender através

Leia mais

Publisher. Publisher. versão 2012.2

Publisher. Publisher. versão 2012.2 versão 2012.2 Publisher Publisher Para diagramar, vamos utilizar o Publisher, do pacote de programas Microsoft Office. As instruções valem para as versões 2003, 2007 e 2010 do pacote. Vamos aprender através

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

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

Sistema de Segurança Digital. Tutorial para posicionamento de câmeras de leitura de placas de automóveis com o software Digifort. - Versão 1.

Sistema de Segurança Digital. Tutorial para posicionamento de câmeras de leitura de placas de automóveis com o software Digifort. - Versão 1. Tutorial para posicionamento de câmeras de leitura de placas de automóveis com o software Digifort. - Versão 1.0-01/2011 O objetivo deste tutorial é apenas dar uma dica de como fazer o posicionamento ideal

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

Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático.

Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático. TREINAMENTO ITSCAM Ajustes de imagens Shutter: É o tempo de exposição da foto. Pode ser fixo ou automático. Ganho: Amplificador analógico conectado ao sensor de imagem. Pode ser fixo ou automático. Auto

Leia mais

PROCESSAMENTO DIGITAL DE IMAGENS

PROCESSAMENTO DIGITAL DE IMAGENS PROCESSAMENTO DIGITAL DE IMAGENS Motivado por duas principais aplicações: Melhorar a informação da imagem para interpretação humana Processamento de cenas para percepção de máquinas (Visão Computacional)

Leia mais

Performance e Qualidade em Medição de Alta Precisão

Performance e Qualidade em Medição de Alta Precisão Performance e Qualidade em Medição de Alta Precisão A PACE Electronics, fundada em 1995, tem seu maior diferencial na busca pela alta tecnologia e qualidade em seus produtos com a satisfação plena de seus

Leia mais

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com

Introdução do Processamento de Imagens. Julio C. S. Jacques Junior juliojj@gmail.com Introdução do Processamento de Imagens Julio C. S. Jacques Junior juliojj@gmail.com Porque processar uma imagem digitalmente? Melhoria de informação visual para interpretação humana Processamento automático

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

Segmentação de Imagens

Segmentação de Imagens Segmentação de Imagens (Processamento Digital de Imagens) 1 / 36 Fundamentos A segmentação subdivide uma imagem em regiões ou objetos que a compõem; nível de detalhe depende do problema segmentação para

Leia mais

Fotografia digital. Aspectos técnicos

Fotografia digital. Aspectos técnicos Fotografia digital Aspectos técnicos Captura CCD (Charge Coupled Device) CMOS (Complementary Metal OxideSemiconductor) Conversão de luz em cargas elétricas Equilíbrio entre abertura do diafragma e velocidade

Leia mais

Energia conservada em uma mola. Introdução. Materiais Necessários

Energia conservada em uma mola. Introdução. Materiais Necessários Intro 01 Introdução A energia é algo intangível e, portanto, as medidas de energia envolvem, necessariamente, processos de medidas indiretas. Em outras palavras, para medir energia, medimos outras grandezas

Leia mais

Conteúdo Programático do Photo Shop

Conteúdo Programático do Photo Shop O Ambiente Adobe Photoshop Conteúdo Programático do Photo Shop Características das Imagens Imagens Vetoriais e de Bitmap Tamanho e Resolução de Imagens Modos de Cores Formatos de Arquivo A Iniciação de

Leia mais

Aula 5 - Classificação

Aula 5 - Classificação AULA 5 - Aula 5-1. por Pixel é o processo de extração de informação em imagens para reconhecer padrões e objetos homogêneos. Os Classificadores "pixel a pixel" utilizam apenas a informação espectral isoladamente

Leia mais

Atividade: matrizes e imagens digitais

Atividade: matrizes e imagens digitais Atividade: matrizes e imagens digitais Aluno(a): Turma: Professor(a): Parte 01 MÓDULO: MATRIZES E IMAGENS BINÁRIAS 1 2 3 4 5 6 7 8 Indique, na tabela abaixo, as respostas dos 8 desafios do Jogo dos Índices

Leia mais

Microsoft Office Excel

Microsoft Office Excel 1 Microsoft Office Excel Introdução ao Excel Um dos programas mais úteis em um escritório é, sem dúvida, o Microsoft Excel. Ele é uma planilha eletrônica que permite tabelar dados, organizar formulários,

Leia mais

OURO MODERNO www.ouromoderno.com.br. Designer Gráfico APOSTILA DE EXEMPLO. (Esta é só uma reprodução parcial do conteúdo)

OURO MODERNO www.ouromoderno.com.br. Designer Gráfico APOSTILA DE EXEMPLO. (Esta é só uma reprodução parcial do conteúdo) Designer Gráfico APOSTILA DE EXEMPLO (Esta é só uma reprodução parcial do conteúdo) 1 Índice Aula 1... 3 Apresentação do Photoshop... 3 Barra de Menus... 3 Barra de Opções... 3 Barra de Ferramentas...4

Leia mais

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha

Filtragem. pixel. perfil de linha. Coluna de pixels. Imagem. Linha. Primeiro pixel na linha Filtragem As técnicas de filtragem são transformações da imagem "pixel" a "pixel", que dependem do nível de cinza de um determinado "pixel" e do valor dos níveis de cinza dos "pixels" vizinhos, na imagem

Leia mais

_PTBR. Guia de configuração de digitalização para aplicativos TWAIN

_PTBR. Guia de configuração de digitalização para aplicativos TWAIN _PTBR Guia de configuração de digitalização para aplicativos TWAIN Como usar a fonte de dados TWAIN Como iniciar a Ferramenta de validação de scanner... 2 A caixa de diálogo Ferramenta de validação de

Leia mais

Inspeção através de sistema de visão industrial Ergon

Inspeção através de sistema de visão industrial Ergon Inspeção através de sistema de visão industrial Ergon Introdução A Ergon Sistemas de Visão Industrial, parceira das empresas Industrial Vision Systems e Neurocheck, juntas formam importantes fornecedores

Leia mais

BrOffice.org 2.4 Imagens Abril / 2008 ESTE MATERIAL FOI DESENVOLVIDO EM PARCEIRA ENTRE A COMPANHIA DO METROPOLITANO DE SÃO PAULO METRÔ E A BARROS MARTINS TREINAMENTO E DESENVOLVIMENTO EM INFORMÁTICA LTDA

Leia mais

COMPARAÇÃO ENTRE DOIS SISTEMAS DE IDENTIFICAÇÃO DE FALHAS EM SOLDAS NA PRODUÇÃO DE AMORTECEDORES VEICULARES

COMPARAÇÃO ENTRE DOIS SISTEMAS DE IDENTIFICAÇÃO DE FALHAS EM SOLDAS NA PRODUÇÃO DE AMORTECEDORES VEICULARES COMPARAÇÃO ENTRE DOIS SISTEMAS DE IDENTIFICAÇÃO DE FALHAS EM SOLDAS NA PRODUÇÃO DE AMORTECEDORES VEICULARES WAGNER THEODORO PINTO E REINALDO A. C. BIANCHI Departamento de Engenharia Elétrica - Centro Universitário

Leia mais

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática

Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática Processamento de Imagem Morfológica (Morfologia Matemática) Tsang Ing Ren UFPE - Universidade Federal de Pernambuco CIn - Centro de Informática 1 Tópicos Introdução Conceitos básicos da teoria dos conjuntos

Leia mais

RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA

RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA RELATÓRIO FINAL PIVIC/2010-2011 TRATAMENTO DE IMAGENS CAPTURADAS EM TEMPO REAL EM SISTEMAS DE REALIDADE AUMENTADA Bruno Moraes Rocha, Marcos Wagner de Souza Ribeiro (Orientador) Universidade Federal de

Leia mais

Bem-vindo ao CorelDRAW, um programa abrangente de desenho e design gráfico baseado em vetor para o profissional gráfico.

Bem-vindo ao CorelDRAW, um programa abrangente de desenho e design gráfico baseado em vetor para o profissional gráfico. Vetorizar imagens Bem-vindo ao CorelDRAW, um programa abrangente de desenho e design gráfico baseado em vetor para o profissional gráfico. Neste tutorial, você irá vetorizar uma imagem de bitmap para convertê-la

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

PROCESSAMENTO DE IMAGEM #01 TÓPICOS DESENVOLVIDOS NESTE MÓDULO

PROCESSAMENTO DE IMAGEM #01 TÓPICOS DESENVOLVIDOS NESTE MÓDULO PROCESSAMENTO DE IMAGEM #01 TÓPICOS DESENVOLVIDOS NESTE MÓDULO Que é Processamento Digital de Imagens (PDI) Quais as etapas fundamentais em um sistema de PDI Sensores CCD e CMOS Visão Humana x Visão de

Leia mais

PROF. DR. JACQUES FACON

PROF. DR. JACQUES FACON PUCPR- Pontifícia Universidade Católica Do Paraná PPGIA- Programa de Pós-Graduação Em Informática Aplicada PROF. DR. JACQUES FACON LIMIARIZAÇÃO DUPLA DE ISTVÁN CSEKE PROJETO DE UMA RÁPIDA SEGMENTAÇÃO PARA

Leia mais

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching"

Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching Respostas do Estudo Dirigido do Capítulo 14 Classical pattern recognition and image matching" 1 Com suas palavras explique o que é Reconhecimento de Padrões- RP. Quais são os fases clássicas que compõem

Leia mais

APLICAÇÃO DAS TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS NA CARACTERIZAÇÃO QUANTITATIVA DE MATERIAIS COMPÓSITOS

APLICAÇÃO DAS TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS NA CARACTERIZAÇÃO QUANTITATIVA DE MATERIAIS COMPÓSITOS APLICAÇÃO DAS TÉCNICAS DE PROCESSAMENTO DIGITAL DE IMAGENS NA CARACTERIZAÇÃO QUANTITATIVA DE MATERIAIS COMPÓSITOS Fernando de Azevedo Silva Jean-Jacques Ammann Ana Maria Martinez Nazar Universidade Estadual

Leia mais

Processamento digital de imagens. introdução

Processamento digital de imagens. introdução Processamento digital de imagens introdução Imagem digital Imagem digital pode ser descrita como uma matriz bidimensional de números inteiros que corresponde a medidas discretas da energia eletromagnética

Leia mais

Ferramenta computacional integradora para identificação de trens e vagões em alarmes de hotbox

Ferramenta computacional integradora para identificação de trens e vagões em alarmes de hotbox ARTIGO Ferramenta computacional integradora para identificação de trens e vagões em alarmes de hotbox Robson de Abreu Sirtoli, Carlos Magno Carvalho de Souza*, Jacqueline Ângela Gobbo Sossai Departamento

Leia mais

Versão 2.2.0 PIMACO AUTOADESIVOS LTDA. Assistente Pimaco + 2.2.0. Ajuda ao Usuário

Versão 2.2.0 PIMACO AUTOADESIVOS LTDA. Assistente Pimaco + 2.2.0. Ajuda ao Usuário Versão 2.2.0 PIMACO AUTOADESIVOS LTDA. Assistente Pimaco + 2.2.0 Ajuda ao Usuário A S S I S T E N T E P I M A C O + 2.2.0 Ajuda ao usuário Índice 1. BÁSICO 1 1. INICIANDO O APLICATIVO 2 2. O AMBIENTE DE

Leia mais

AULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada

AULA 5 Manipulando Dados Matriciais: Grades e Imagens. 5.1 Importando Grades e Imagens Interface Simplificada 5.1 AULA 5 Manipulando Dados Matriciais: Grades e Imagens Nessa aula serão apresentadas algumas funcionalidades do TerraView relativas a manipulação de dados matriciais. Como dados matriciais são entendidas

Leia mais

Sistema Básico de Inspeção Termográfica

Sistema Básico de Inspeção Termográfica Sistema Básico de Inspeção Termográfica Um novo patamar na relação custo / benefício em Termografia *Eng. Attílio Bruno Veratti Conceito geral A Inspeção Termográfica é a técnica de inspeção não destrutiva

Leia mais

2. CARACTERÍSTICAS 1. INTRODUÇÃO

2. CARACTERÍSTICAS 1. INTRODUÇÃO 1. INTRODUÇÃO O estabilizador portátil de câmera Tedi Cam é um equipamento de avançada tecnologia utilizado para filmagens de cenas onde há a necessidade de se obter imagens perfeitas em situações de movimento

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

AULA 3 Ferramentas de Análise Básicas

AULA 3 Ferramentas de Análise Básicas 3.1 AULA 3 Ferramentas de Análise Básicas Neste capítulo serão apresentadas algumas ferramentas de análise de dados com representação vetorial disponíveis no TerraView. Para isso será usado o banco de

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

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação.

A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. Limiarização A limiarização é uma das abordagens mais importantes de segmentação de imagens. A limiarização é um caso específico de segmentação. O princípio da limiarização consiste em separar as regiões

Leia mais

Aula 6 Fundamentos da fotografia digital

Aula 6 Fundamentos da fotografia digital Aula 6 Fundamentos da fotografia digital Fundamentos da fotografia digital: Câmeras digitais CCD e CMOS Resolução Armazenamento Softwares para edição e manipulação de imagens digitais: Photoshop e Lightroom

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

Morfologia Matemática: Delimitar área de desastre ambiental causado por vazamento de petróleo utilizando imagem de satélite.

Morfologia Matemática: Delimitar área de desastre ambiental causado por vazamento de petróleo utilizando imagem de satélite. Anais XV Simpósio Brasileiro de Sensoriamento Remoto - SBSR, Curitiba, PR, Brasil, 30 de abril a 05 de maio de 2011, INPE p.7636 Morfologia Matemática: Delimitar área de desastre ambiental causado por

Leia mais

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung

Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução ao Processamento de Imagens Profa. Dra. Soraia Raupp Musse Thanks to Prof. Dr. Cláudio Rosito Jung Introdução Processamento de Imagens: processamento de sinais bidimensionais (ou n-dimensionais).

Leia mais

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço

FILTRAGEM ESPACIAL. Filtros Digitais no domínio do espaço FILTRAGEM ESPACIAL Filtros Digitais no domínio do espaço Definição Também conhecidos como operadores locais ou filtros locais Combinam a intensidade de um certo número de piels, para gerar a intensidade

Leia mais

Programação de Equipamentos CNC através da Análise de Imagens por Segmentação

Programação de Equipamentos CNC através da Análise de Imagens por Segmentação Programação de Equipamentos CNC através da Análise de Imagens por Segmentação Daniel Welfer (UFSM) welfer@inf.ufsm.br Alexandre Dias da Silva (UFSM) adiass@smail.ufsm.br Marcos Cordeiro d Ornellas (UFSM)

Leia mais

SOLUÇÕES EM METROLOGIA SCANNER CMM 3D PARA APLICAÇÕES INDUSTRIAIS

SOLUÇÕES EM METROLOGIA SCANNER CMM 3D PARA APLICAÇÕES INDUSTRIAIS SOLUÇÕES EM METROLOGIA SCANNER CMM 3D PARA APLICAÇÕES INDUSTRIAIS TRUsimplicity TM MEDIÇÃO MAIS FÁCIL E RÁPIDA PORTÁTIL E SEM SUPORTE. MOVIMENTAÇÃO LIVRE AO REDOR DA PEÇA USO FACILITADO. INSTALAÇÃO EM

Leia mais

Sumário INTRODUÇÃO 3 TELA DE APRESENTAÇÃO 3 DESENHANDO E TRANSFORMANDO 29 FERRAMENTA FORMA 29 PREENCHIMENTOS E CONTORNOS 36

Sumário INTRODUÇÃO 3 TELA DE APRESENTAÇÃO 3 DESENHANDO E TRANSFORMANDO 29 FERRAMENTA FORMA 29 PREENCHIMENTOS E CONTORNOS 36 Sumário Todos os direitos reservados e protegidos pela Lei 5.988 de 14/12/73. Nenhuma parte deste livro, sem prévia autorização por escrito de Celta Informática, poderá ser reproduzida total ou parcialmente,

Leia mais

ÍNDICE... 2 INTRODUÇÃO... 3. A série... 3

ÍNDICE... 2 INTRODUÇÃO... 3. A série... 3 WORD 2007 E 2010 ÍNDICE ÍNDICE... 2 INTRODUÇÃO... 3 A série... 3 01 CAPTURAS DE TELA WORD 2010... 3 02 IMAGENS 2007/2010... 5 03 NOTAS DE RODAPÉ... 13 04 NUMERAÇÃO DE PÁGINAS... 15 05 CONTAR PALAVRAS...

Leia mais

Trabalho 2 Fundamentos de computação Gráfica

Trabalho 2 Fundamentos de computação Gráfica Trabalho 2 Fundamentos de computação Gráfica Processamento de Imagens Aluno: Renato Deris Prado Tópicos: 1- Programa em QT e C++ 2- Efeitos de processamento de imagens 1- Programa em QT e C++ Para o trabalho

Leia mais

Fotografia Digital. Aula 1

Fotografia Digital. Aula 1 Fotografia Digital Aula 1 FOTOGRAFIA DIGITAL Tema da aula: A Fotografia 2 A FOTOGRAFIA A palavra Fotografia vem do grego φως [fós] ("luz"), e γραφις [grafis] ("estilo", "pincel") ou γραφη grafê, e significa

Leia mais

PROTEÇÃO PERIMETRAL COMPROVADA NOVO SIMPLICIDADE DE PLATAFORMA ÚNICA.

PROTEÇÃO PERIMETRAL COMPROVADA NOVO SIMPLICIDADE DE PLATAFORMA ÚNICA. SISTEMAS DE DETECÇÃO PERIMETRAL MAIS INTELIGENTES MicroPoint II Sistema de Detecção em Cercas MicroTrack II Sistema de Detecção de Cabo Enterrado MicroWave 330 Barreira de Microondas Digital PROTEÇÃO PERIMETRAL

Leia mais

Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect

Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Segmentação de imagens tridimensionais utilizando o sensor Microsoft Kinect Lucas Viana Barbosa 1 ; Wanderson Rigo 2 ; Manassés Ribeiro 3 INTRODUÇÃO Os sistemas de visão artificial vêm auxiliando o ser

Leia mais

Relés de Proteção Térmica Simotemp

Relés de Proteção Térmica Simotemp Relés de Proteção Térmica Simotemp Confiabilidade e precisão para controle e proteção de transformadores Answers for energy. A temperatura é o principal fator de envelhecimento do transformador Os relés

Leia mais

Unidade III 1. APRESENTANDO PLANILHAS ELETRÔNICAS. 1.1) Conceito de Planilha Eletrônica. 1.2) Inicializando o Excel e o Calc

Unidade III 1. APRESENTANDO PLANILHAS ELETRÔNICAS. 1.1) Conceito de Planilha Eletrônica. 1.2) Inicializando o Excel e o Calc Unidade III 1. APRESENTANDO PLANILHAS ELETRÔNICAS 1.1) Conceito de Planilha Eletrônica Em certa época, a planilha era um pedaço de papel que os contadores e planejadores de empresas utilizavam para colocar

Leia mais

Manual Simulador de Loja

Manual Simulador de Loja Manual Simulador de Loja Índice Início Menu Loja Modelo Loja Modelo Menu Criar Minha Loja Criar Minha Loja Abrir Projeto Salvo Teste Seu Conhecimento 0 04 05 08 09 8 9 0 Início 5 4 Figura 00. Tela inicial.

Leia mais

Microsoft Excel 2000. Alan Cleber Borim - alan.borim@poli.usp.br. http://www.pcs.usp.br/~alan

Microsoft Excel 2000. Alan Cleber Borim - alan.borim@poli.usp.br. http://www.pcs.usp.br/~alan Microsoft Excel 2000 Alan Cleber Borim - alan.borim@poli.usp.br http://www.pcs.usp.br/~alan Microsoft Índice 1.0 Microsoft Excel 2000 3 1.1 Acessando o Excel 3 1.2 Como sair do Excel 3 1.3 Elementos da

Leia mais

Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial

Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial Processamento de Imagens para Identificação de Veículos utilizando Inteligência Artificial André Faria Ruaro, Nader Ghoddosi Universidade Federal do Santa Catarina (UFSC) Florianópolis SC Brasil Pós-Graduação

Leia mais

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS

UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração

Leia mais

Aula 3 - Registro de Imagem

Aula 3 - Registro de Imagem 1. Registro de Imagens Aula 3 - Registro de Imagem Registro é uma transformação geométrica que relaciona as coordenadas da imagem (linha e coluna) com as coordenadas geográficas (latitude e longitude)

Leia mais