Medição da Altura das Cunhas de Fricção dos Vagões Utilizando Processamento Digital de Imagem
|
|
- Maria de Fátima Lancastre Macedo
- 8 Há anos
- Visualizações:
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: castro.b.leonardo@gmail.com, salomao@ifes.edu.br, dalmonfrey@ifes.edu.br. 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 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 maisRECONHECIMENTO 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 maisFigura 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 maisTransformada 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 maisProcessamento 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 maisAtividade: 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 maisShutter: 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 maisPrimeiras Informações
Primeiras Informações Para que um trabalho escolar fique com melhor qualidade é importante registrálo, não apenas para ser apresentado aos pais, mas principalmente como arquivo. Guardar o registro de trabalhos
Leia maisSistemas Operacionais e Introdução à Programação. Vetores e matrizes
Sistemas Operacionais e Introdução à Programação Vetores e matrizes 1 Matrizes Cada elemento de uma matriz é referenciado indicando-se sua posição dentro da matriz. Na Matemática, matrizes são arranjos
Leia maisDetecção 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 maisMedida da velocidade de embarcações com o Google Earth
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Instituto de Física Programa de Pós-Graduação em Ensino de Física Mestrado Profissional em Ensino de Física Medida da velocidade de embarcações com o Google Earth
Leia maisAula 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 maisLocalização 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 maisAula 3 - Registro de Imagem
Aula 3 - Registro de Imagem 1. Registro de Imagens Registro é uma transformação geométrica que relaciona coordenadas da imagem (linha e coluna) com coordenadas geográficas (latitude e longitude) de um
Leia maisPROF. 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 maisAnálise de Dados do Financeiro
Análise de Dados do Financeiro Introdução Para reunir em um só local as informações de contas a pagar e receber cadastradas e/ou geradas no sistema TTransp existe a interface de análise de dados do financeiro.
Leia maisFunções de Posicionamento para Controle de Eixos
Funções de Posicionamento para Controle de Eixos Resumo Atualmente muitos Controladores Programáveis (CPs) classificados como de pequeno porte possuem, integrados em um único invólucro, uma densidade significativa
Leia maisSensoriamento 55. Este capítulo apresenta a parte de sensores utilizados nas simulações e nos
Sensoriamento 55 3 Sensoriamento experimentos. Este capítulo apresenta a parte de sensores utilizados nas simulações e nos 3.1. Sensoriamento da Simulação O modelo de robô utilizado neste trabalho é o
Leia maisCálculo de volume de objetos utilizando câmeras RGB-D
Cálculo de volume de objetos utilizando câmeras RGB-D Servílio Souza de ASSIS 1,3,4 ; Izadora Aparecida RAMOS 1,3,4 ; Bruno Alberto Soares OLIVEIRA 1,3 ; Marlon MARCON 2,3 1 Estudante de Engenharia de
Leia maisTaxa de Gravação da Memória RAM (MegaBytes / segundo) G5 2.7 Ghz (Mac) Linux Kernel 2.6 2799 1575
21 4 Análise É necessária uma análise criteriosa, que busque retornar as questões primordiais sobre o que é realmente preciso para a aquisição de uma plataforma de produção gráfica digital profissional.
Leia mais&XUVRGH,QWURGXomRDR (GLWRUGH3ODQLOKDV([FHO
Universidade Federal de Viçosa Departamento de Informática &XUVRGH,QWURGXomRDR (GLWRUGH3ODQLOKDV([FHO Flaviano Aguiar Liziane Santos Soares Jugurta Lisboa Filho (Orientador) PROJETO UNESC@LA Setembro de
Leia maisSistema 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 maisReconhecimento 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 maisDicas de uso - Render Up
Dicas de uso - Render Up (versão 3.6.7 ou superior) Desenvolvido por: Promob Software Solutions Rua dos Cinamomos - 517 - Cinquentenário CEP 95012-140 - Caxias do Sul - RS Brasil Fone/Fax: 54 3209 9200
Leia mais2. Função Produção/Operação/Valor Adicionado
2. Função Produção/Operação/Valor Adicionado Conteúdo 1. Função Produção 3. Administração da Produção 1 Bibliografia Recomenda Livro Texto: Introdução à Administração Eunice Lacava Kwasnicka - Editora
Leia maisSumário. 1. Instalando a Chave de Proteção 3. 2. Novas características da versão 1.3.8 3. 3. Instalando o PhotoFacil Álbum 4
1 Sumário 1. Instalando a Chave de Proteção 3 2. Novas características da versão 1.3.8 3 3. Instalando o PhotoFacil Álbum 4 4. Executando o PhotoFacil Álbum 9 3.1. Verificação da Chave 9 3.1.1. Erro 0001-7
Leia mais4 Experimentos Computacionais
33 4 Experimentos Computacionais O programa desenvolvido neste trabalho foi todo implementado na linguagem de programação C/C++. Dentre as bibliotecas utilizadas, destacamos: o OpenCV [23], para processamento
Leia maisA 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 maisUniversidade 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 maisSimulação 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 mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisSOLUÇÕES 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 maisGerenciamento de Problemas
Gerenciamento de Problemas O processo de Gerenciamento de Problemas se concentra em encontrar os erros conhecidos da infra-estrutura de TI. Tudo que é realizado neste processo está voltado a: Encontrar
Leia maisSegmentação 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 maisTop Guia In.Fra: Perguntas para fazer ao seu fornecedor de CFTV
Top Guia In.Fra: Perguntas para fazer ao seu fornecedor de CFTV 1ª Edição (v1.4) 1 Um projeto de segurança bem feito Até pouco tempo atrás o mercado de CFTV era dividido entre fabricantes de alto custo
Leia maisSumário. Computação Gráfica Illustrator
1 Sumário Área de trabalho... 2 Barra de tarefas... 5 Menu ajuda... 6 Menu janela... 7 Menu exibir... 8 Menu efeito... 9 Menu selecionar... 10 Menu tipo... 10 Menu objeto... 12 Menu editar... 13 Menu arquivo...
Leia maisComparação 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 mais15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto
15- Representação Cartográfica - Estudos Temáticos a partir de imagens de Sensoriamento Remoto O Sensoriamento Remoto é uma técnica que utiliza sensores, na captação e registro da energia refletida e emitida
Leia maisTrabalho 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 maisINSTRUMENTOS PARA TESTES ELÉTRICOS. Tutorial de Teste
Tutorial de Teste Tipo de Equipamento: Disjuntor Marca: Siemens Modelo: 3AH Ferramenta Utilizada: CE-6006 ou CE-6003 Objetivo: Teste do tempo da abertura/fechamento desde o comando até a abertura/fechamento
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisUFGD 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 maisTratamento fotográfico básico
Tratamento fotográfico básico Vamos começar com um trato na luz e na cor na imagem. Algumas imagens, por sub-exposição, principalmente, precisam ter alterados, alguns parâmetros. Nível: O primeiro deles
Leia maisManual de Utilização do Sistema GRServer Cam on-line (Gerenciamento de Câmeras On-line)
Manual de Utilização do Sistema GRServer Cam on-line (Gerenciamento de Câmeras On-line) Criamos, desenvolvemos e aperfeiçoamos ferramentas que tragam a nossos parceiros e clientes grandes oportunidades
Leia maisVCA 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 maisDisciplina: Programas de Edição de Textos Professora: Érica Barcelos
Disciplina: Programas de Edição de Textos Professora: Érica Barcelos CAPÍTULO 4 4. RECURSOS PARA ILUSTRAÇÕES Uma característica que difere os processadores de textos dos editores é a possibilidade de gerar
Leia maisOs caracteres de escrita
III. Caracteres de Escrita Os caracteres de escrita ou letras técnicas são utilizadas em desenhos técnicos pelo simples fato de proporcionarem maior uniformidade e tornarem mais fácil a leitura. Se uma
Leia maisFiltragem. 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 maisProjetos. Universidade Federal do Espírito Santo - UFES. Mestrado em Informática 2004/1. O Projeto. 1. Introdução. 2.
Pg. 1 Universidade Federal do Espírito Santo - UFES Mestrado em Informática 2004/1 Projetos O Projeto O projeto tem um peso maior na sua nota final pois exigirá de você a utilização de diversas informações
Leia maisGuia de consulta rápida
Guia de consulta rápida DigiFlash Smart Trigger 1 2 3 4 5 17 Smart Trigger 6 7 8 9 16 15 14 13 12 11 10 O DigiFlash Smart Trigger é um dispositivo para disparar flashes a partir de um evento externo. Pode
Leia maisUniversidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens
Universidade Federal de Goiás Instituto de Informática Processamento Digital de Imagens Prof Fabrízzio Alphonsus A M N Soares 2012 Capítulo 2 Fundamentos da Imagem Digital Definição de Imagem: Uma imagem
Leia maisApresentação Inspetor de Solda MIPS Sistemas Ltda.
Apresentação Inspetor de Solda MIPS Sistemas Ltda. Rua Ricardo Landmann, 385 Joinville SC - Brasil O Controle Digital da Geometria dos Cordões de Solda é a mais moderna e eficaz maneira de avaliar a qualidade
Leia maisFiltragem 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 maisManual 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 maisMANUAL DO SISTEMA. Versão 6.04
MANUAL DO SISTEMA Versão 6.04 Inventário Manual...2 Relatório de contagem...2 Contagem...3 Digitação...3 Inventário Programado...6 Gerando o lote...7 Inserindo produtos manualmente no lote...8 Consultando
Leia maisComo incluir artigos:
Como incluir artigos: O WordPress é uma ferramenta muito flexível, com muitas variações e ajustes que podem torná-lo algo muito simples e também muito sofisticado conforme os recursos que são configurados
Leia maisOURO 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... 3 Iniciando o CorelDRAW X3... 4 Componentes... 5 Barra de Menus... 6 Barra Padrão...
Leia maisCurva ABC. Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Centro Cascavel PR www.tecinco.com.br
Curva ABC Tecinco Informática Ltda. Av. Brasil, 5256 3º Andar Centro Cascavel PR www.tecinco.com.br Sumário Introdução... 3 Utilização no sistema TCar-Win... 3 Configuração da curva ABC... 4 Configuração
Leia maisVivaldo Armelin Júnior
Vivaldo Armelin Júnior 2015 Neste módulo apresentamos uma solução para quem tem câmera compacta simples, que não permite imagens verdadeiramente macro e não possuem zoom óptico, o recorte. Introdução Não
Leia maisFundamentos da Metrologia Científica e Industrial Ambiente Virtual: Balança Digital
Fundamentos da Metrologia Científica e Industrial Ambiente Virtual: Balança Digital 1. Apresentação Quatro elementos estão disponíveis no ambiente virtual: Balança digital a ser calibrada Coleção de massas
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisApostila para uso do Power Point
Apostila para uso do Power Point Introdução O Power Point, é um aplicativo da MicroSoft desenvolvido para a elaboração de apresentações. Possui recursos de hipertexto e multimídia como som, imagem, animação,
Leia maisAula 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 maisAula 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 maisGerenciamento Total da Informação
FI-7160 Funções O melhor custo-benefício da categoria Alimentador de grande volume Equipado com LCD Equipado com função de proteção avançada de papel Redutor de Desvio - mecanismo estável de alimentação
Leia maisGestão de Ativos. Manual do Usuário. Treinamento Fase 1 (TRN 01)
Gestão de Ativos Manual do Usuário Treinamento Fase 1 (TRN 01) Índice 1. Introdução... 3 2. Movimentações de Ativos... 4 2.1. Monitoração... 4 2.1.1. Monitor de Movimentação de Ativos...4 2.2. Transações...15
Leia maisAs 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 maisBem-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 maisAula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela
Aula 01 - Formatações prontas e Sumário Formatar como Tabela Formatar como Tabela (cont.) Alterando as formatações aplicadas e adicionando novos itens Removendo a formatação de tabela aplicada Formatação
Leia mais)LJXUD8PGRVSDUHV'SDUDFRQYROXomRTXHWHPRPHVPRHIHLWRGR NHUQHOGD)LJXUD
)LOWURJDXVVLDQR O filtro Gaussiano pode ser usado como um filtro SDVVDEDL[D. Usando a função Gaussiana para obter valores de uma máscara a ser definida digitalmente. O Filtro de Gaussiano em 1-D tem a
Leia maisLENTES E ESPELHOS. O tipo e a posição da imagem de um objeto, formada por um espelho esférico de pequena abertura, é determinada pela equação
LENTES E ESPELHOS INTRODUÇÃO A luz é uma onda eletromagnética e interage com a matéria por meio de seus campos elétrico e magnético. Nessa interação, podem ocorrer alterações na velocidade, na direção
Leia mais4 Orbitais do Átomo de Hidrogênio
4 Orbitais do Átomo de Hidrogênio A aplicação mais intuitiva e que foi a motivação inicial para desenvolver essa técnica é a representação dos orbitais do átomo de hidrogênio que, desde então, tem servido
Leia maisProcessamento 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 maisConstrução do Boxplot utilizando o Excel 2007
1 Construção do Boxplot utilizando o Excel 2007 (1 Passo) Vamos digitar os dados na planilha. Para isso temos três banco de dados (Dados 1, Dados 2 e Dados 3), no qual irão gerar três Boxplot. Figura 1
Leia maisPasso a Passo do Cadastro Produtos no SIGLA Digital
Página 1 de 15 Passo a Passo do Cadastro Produtos no SIGLA Digital O cadastro de produtos permite organizar as informações relativas a produtos e serviços, como grupo, marca, peso, unidades e outros, que
Leia maisGuia Site Empresarial
Guia Site Empresarial Índice 1 - Fazer Fatura... 2 1.1 - Fazer uma nova fatura por valores de crédito... 2 1.2 - Fazer fatura alterando limites dos cartões... 6 1.3 - Fazer fatura repetindo última solicitação
Leia maisLeYa Educação Digital
Índice 1. Conhecer o 20 Aula Digital... 4 2. Registo no 20 Aula Digital... 5 3. Autenticação... 6 4. Página de entrada... 7 4.1. Pesquisar um projeto... 7 4.2. Favoritos... 7 4.3. Aceder a um projeto...
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisDimensão da peça = Dimensão do padrão ± diferença
Relógio comparador Um problema Como vocês podem perceber, o programa de qualidade da empresa envolve todo o pessoal. Na busca constante de melhoria, são necessários instrumentos de controle mais sofisticados
Leia maisRealizando o ensaio de ultra-som
Realizando o ensaio de ultra-som A UU L AL A Na aula anterior, você ficou sabendo que o ultra-som é uma onda mecânica que se propaga de uma fonte emissora até uma fonte receptora, através de um meio físico.
Leia maisOs paquímetros distinguem-se pela faixa de indicação, pelo nônio, pelas dimensões e forma dos bicos.
Capítulo 3 PAQUÍMETRO 3.1 ASPECTOS GERAIS 3.1.1 Definição O Paquímetro (figura 3.1) é o resultado da associação de: uma escala, como padrão de comprimento; dois bicos de medição, como meios de transporte
Leia maisManual Processamento de Imagem. João L. Vilaça
Manual Processamento de Imagem João L. Vilaça Versão 1.0 31/1/2014 Índice 1. Sistema de eixo e movimentos possíveis do Drone... 3 2. Imagem... 3 3. Espaços de cor... 4 4.1 RGB... 5 4.2HSV... 5 4.3 GRAY...
Leia maisIW10. 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 maisProcessamento 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 maisAULA 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 maisINFORMAÇÕES 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 mais1) MANUAL DO INTEGRADOR Este documento, destinado aos instaladores do sistema, com informações de configuração.
O software de tarifação é uma solução destinada a rateio de custos de insumos em sistemas prediais, tais como shopping centers. O manual do sistema é dividido em dois volumes: 1) MANUAL DO INTEGRADOR Este
Leia maisUNIVERSIDADE 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 maisAnálise de Percolação em Barragem de Terra Utilizando o Programa SEEP/W
Análise de Percolação em Barragem de Terra Utilizando o Programa SEEP/W José Waldomiro Jiménez Rojas, Anderson Fonini. Programa de Pós Graduação em Engenharia Civil, Universidade Federal do Rio Grande
Leia maisCópia. Copiadora e Impressora WorkCentre C2424
Cópia Este capítulo inclui: Cópia básica na página 3-2 Ajustando as opções de cópia na página 3-4 Configuração básica na página 3-5 Ajustes de imagem na página 3-9 Ajustes de posicionamento de imagem na
Leia maisGeração e Interpretação de Mapas de Produtividade. Laboratório de Agricultura de Precisão II
Geração e Interpretação de Mapas de Produtividade Laboratório de Agricultura de Precisão II A implantação de um sistema de Agricultura de Precisão implica em um ciclo fechado de tarefas Os usuários e pesquisadores
Leia maisRelógio comparador. Como vocês podem perceber, o programa de. Um problema. O relógio comparador
A U A UL LA Relógio comparador Um problema Como vocês podem perceber, o programa de qualidade da empresa envolve todo o pessoal. Na busca constante de melhoria, são necessários instrumentos de controle
Leia maisPARA A CONSTRUÇÃO DOS GRÁFICOS
1 PARA A CONSTRUÇÃO DOS GRÁFICOS Apresentamos dois materiais feitos por estudantes do Curso de Psicologia da Faculdade de Ciências Humanas e da Saúde para construção de gráficos. As instruções das páginas
Leia maisSe for a 1ª vez que usa o sistema, utilize o operador suporte com a senha 1234
Parabéns, sua empresa acaba de adquirir um software de controle biométrico que usa as técnicas mais modernas de detecção de acesso. Vamos aprender a usa-lo? Ao clicar no Icone do BIO, verá a tela principal.
Leia maisQGIS 2.4 Estatísticas de Grupo Somatório de Áreas
QGIS 2.4 Estatísticas de Grupo Somatório de Áreas Jorge Santos 2014 Conteúdo Sumário Capítulo 1... 3 Introdução... 3 1.1 Demanda... 3 1.2 O Complemento Group Stats...3 1.3 Instalação do Complemento Group
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisGUIA DE TELAS IHM Delta ARVTi 2000
GUIA DE TELAS IHM Delta ARVTi 2000 Revisão 00 de 02/06/10 Direitos Reservados à Todas as informações contidas neste manual são de uso exclusivo da Equipamentos Eletrônicos Ltda., não podendo ser reproduzidas,
Leia mais