Cap IV Cor Aplicação de Algoritmos de Visão Computacional à Inspeção Industrial de Maçãs Disciplina: Tópicos em Engenharia de Computação VI Prof. Léo Pini Magalhães Apresentação por: Celso Henrique Cesila Alex Rodriguez Ruelas 1
Agenda Conceitos do Livro Cap IV Cor o o o o Diferenças de Cor e Espaços de Cor Uniforme Forma A aparência de cor Saturação Aplicação de Visualização de Cor Aplicação 1: Interfaces Especificadas de Cor e Espaços de Cor Aplicação de Algoritmos de Visão Computacional à Inspeção Industrial de Maçãs o o o o o Resumo Aquisição de imagem Subtração do Fundo Rastreamento do Fruto Reconstrução Tridimensinal Conclusão Referência 2
Diferenças de Cor e Espaços de Cor Uniforme Espaço de Cores perceptivamente uniforme: Facilita a especificação de tolerâncias. Facilita a escolha de cores perceptivamente distintas. Facilita a escolha de sequência de cores para representar valores monotonicamente ordenados. 3
Diferenças de Cor e Espaços de Cor Uniforme O espaço de cor CIE XYZ está longe de ser perceptivelmente uniforme e acaba sendo difícil de usar para controle de cores em empresas. Para uso prático foi criado um conjunto de recomendações sobre o uso de dois espaços de cores uniformes que são transformações do espaço de cor XYZ. CIEluv CIElab 4
Espaço de Cores Uniforme: CIEluv 5
Espaço de Cores Uniforme: CIEluv 6
Espaço de Cores Uniforme: CIElab onde 7
Espaço de Cores Uniforme: CIElab 8
Diferenças de Cor Apesar de serem úteis, os espaços de cor uniforme fornecem apenas uma primeira aproximação de como as diferenças de cor são percebidas. Em ambientes complexos, muitos fatores influenciam quanta diferença é vista entre duas cores adjacentes 9
Forma Mesmo pequenas formas não devem ser definidas pelas fronteiras puramente cromáticas. No entanto, a forma será mais claramente percebida se uma borda fina com diferença de luminância é acrescentada. Se grandes áreas são definidas usando cores quase iguais, considere o uso de linhas de fronteira finas com grandes diferenças de luminância (a partir das cores das áreas) para ajudar a definir as formas. 10
A aparência de cor Não nos ajuda a compreender a forma e disposição dos objetos no ambiente Cor cria uma espécie de atributo visual dos objetos. Objetos visuais podem representar entidades de dados complexos, e as cores podem naturalmente codificar atributos desses objetos. 11
Monitor Surrounds: Os valores tristimulus XYZ de uma mancha de luz fisicamente definir uma cor, mas eles não nos dizem como ele vai aparecer. Dependendo das cores vizinhas na meio ambiente e toda uma série de fatores espaciais e temporais, o mesmo físico cor pode ser muito diferente. A constância de cor: Quando não é colorida iluminação, diferentes classes de receptores de cone sofrer alterações independentes na sensibilidade; assim, quando a iluminação contém uma grande quantidade de luz azul, os cones de curto comprimento de onda tornar-se relativamente menos sensível do que as outras. O contraste de cor: Foi demonstrado que efeitos de contraste pode distorcer as leituras de gráficos codificados por cor 12
Saturação Ao descrever a aparência das cores na linguagem cotidiana, as pessoas usam muitos termos de modos bastante imprecisas. Além de usar nomes de cores, como verde limão, malva, marrom, azul bebê, e assim por diante, as pessoas também usam adjetivos tais como cores vivas, brilhantes e intensas para descrever as cores que parecem especialmente pura. Porque estes termos são usados de forma variável, os cientistas usam, a saturação técnico termo para denotar como, cores puras parecem para o telespectador. 13
Aplicação de Visualização de Cor Aplicação 1: Interfaces Especificadas de Cor e Espaços de Cor Em software de visualização de dados, aplicativos de desenho, e sistemas de CAD, muitas vezes é essencial para permitir que os usuários escolham suas próprias cores. Existem um número de abordagens a este problema de interface do utilizador. O usuário pode ser dado um conjunto de controles para especificar um ponto em um espaço de cor tridimensional, um conjunto de nomes de cores para escolher, ou uma paleta de amostras de cores pré-definidas. 14
Espaço de Cor A interface de cor mais simples de implementar em um computador envolve dar alguém controles para ajustar a quantidade de luz vermelha, verde e azul que se combinam para fazer uma correção de cor em um monitor. Algumas interfaces de especificação de cor com base no HSV permitem ao usuário controlar matiz, saturação e variáveis de valor com três controles deslizantes. Muitas das interfaces de cor mais amplamente utilizadas em gráficos de computador se baseiam no espaço de cor tonalidade, saturação e valor (HSV) 15
Aplicação de Algoritmos de Visão Computacional à Inspeção Industrial de Maçãs. Resumo: Apresentamos nesta dissertação quatro algoritmos voltados para a classificação automatizada de frutas. A subtração de fundo baseada na distância de Mahalanobis. O rastreamento das frutas em uma esteira usando a subtração de fundo, casamento de padrões e fluxo óptico. A reconstrução tridimensional da fruta a partir de imagens dela na esteira, onde recuperamos a posição da câmeras com relação a fruta usando fluxo óptico e uma estimativa grosseira do movimento da fruta. A forma da fruta e obtida a partir das silhuetas reprojetadas no espaço tridimensional usando duas abordagens diferentes. Finalmente, a localização do pedúnculo e cálice a partir do eixo de simetria da reconstrução tridimensional. 16
Aquisição de imagem 17
Subtração do Fundo 18
Rastreamento do Fruto Primeiramente é utilizado o algoritmo de subtração para remover a esteira da imagem. A fase seguinte é a separação das frutas na mascara. O raio do círculo central é ajustado para coincidir com o raio médio das frutas sendo rastreadas. Apos a correlação todos os componentes que resta na mascara são pequenas manchas, uma para cada fruta. 19
Rastreamento do Fruto Enquanto a fruta atravessa a esteira o sistema captura várias imagens que serão usadas mais tarde pelo sistema de classificação. A cada fruta é associado um numero identificador, desta forma é possível manter juntas todas as imagens da fruta. As extremidades da esteira são rotuladas em: o Região de descoberta o Região de entrega 20
Reconstrução Tridimensional Motivação: A mais direta e a medição do volume, o que diminui a necessidade de uma balança eletrônica. Grau de simetria, frutas bem formadas tem maior valor de mercado. Podridão carpelar (a fruta assume um formato gomado). polinização (a fruta cria um vinco profundo no sentido longitudinal). 21
Reconstrução Tridimensional Pode-se escolher a cor da esteira e a forma da iluminação de modo a maximizar o contraste entre a fruta e a esteira. Nestas condições são criadas silhuetas precisas, que nos dão mais informação sobre a forma da fruta. No algoritmo apresentado foi quebrado o problema de reconstrução em duas partes: determinação do movimento de câmera e a reconstrução tridimensional. 22
Reconstrução Tridimensional 1. Captura das imagens da fruta na esteira. 2. Subtração de fundo. 3. Determinação de correspondências entre as imagens usando fluxo óptico. 4. Usando a informação obtida dos passos 2 e 3 é feita uma estimativa do tamanho e posição da fruta em cada quadro e também da posição dos pontos no espaço da fruta. 5. Usando a informação do passo 4 estima se a rotação da fruta entre dois quadros usando RANSAC. 6. Reposicionamento das silhuetas. 23
Reconstrução Tridimensional 24
Reconstrução Tridimensional Localização do eixo entre Pedúnculo e Cálice 25
Conclusão Criada uma base de dados com aproximadamente 3000 frutas, 35 imagens de cada uma, contendo quatro variedades de maçã. Desenvolvido um sistema simples e efetivo de rastreamento de frutas em uma esteira mecânica. Nos testes realizados pudemos ver que a variação da iluminação era o fator que mais influenciava o rastreamento de pontos. O sistema foi validado e os resultados mostraram um desempenho satisfatório. Também foi desenvolvido um algoritmo de reconstrução tridimensional da fruta. Embora os resultados do sistema como um todo não são ainda suficientes para a aplicação na indústria é proposto como trabalhos futuros um aperfeiçoamento dessa técnica que já foi bastante avançada nesse artigo. 26
Referências Aplicação de Algoritmos de Visão Computacional à Inspeção Industrial de Maçãs Information Visualization - Perception for Design B. Colin Ware, Morgan Kaufman - Elsevier, 2013, ISBN 978-0-12-381464-7. Agricultura em números 2005. Publicação eletrônica, novembro 2006. http://www. agricultura.gov.br. 2 Major food and agricultural commodities and producers. Publicação electronica, 2008.http://www.fao.org. (document), 2.1 BS Bennedsen, DL Peterson, and A. Tabb. Identifying defects in images of rotating apples. Computers and Electronics in Agriculture, 48(2):92{102, 2005. 3.2 Z. Bin, J. Lu, and T. Yang. Three-dimensional shape enhanced transform for automatic apple stem-end/calyx identication. Optical Engineering, 46:017201, 2007.3.2, 7, 7.3 Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer, 2006 27