Deteção da localização e orientação de folículos de cabelo para extração por Robô
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | https://hdl.handle.net/10316/113076 |
Resumo: | Dissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia |
id |
RCAP_131b96f7a1e8ba2fc80cbadde173ec15 |
---|---|
oai_identifier_str |
oai:estudogeral.uc.pt:10316/113076 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Deteção da localização e orientação de folículos de cabelo para extração por RobôDetection of the location and orientation of hair follicles for Robot extractionOriented Object DetectionNeural NetworksTrackingDeepLearningROSDeteção Orientada de ObjetosRedes NeuronaisTrackingDeepLearningROSDissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaHair loss is a problem that affects numerous people worldwide, regardless of their age orgender. Due to various factors, including stress, hormonal imbalances, or genetics, this medicalcondition is significantly affecting individuals’ self-esteem and quality of life. This past decade,it has become increasingly common for people who had been suffering from hair loss or alopeciato seek a solution to correct this issue. This is where hair transplants appear as the mostpopular option, providing a more natural and dense appearance. This dissertation aims toprovide a solution to improve the effectiveness of the Folicular Unit Extraction (FUE) method.This technique involves extracting follicular units from donor areas with higher density to bereplanted in bald or thinning areas. Our goal is to enhance the follicle detection performancealong with their orientation using neural networks. There are several pre-trained networks forobject detection, which, in this specific case, would be follicles. However, the main challenge liesin detecting the follicular unit with its proper orientation, represented as pose within a 2D image.Once this objective is achieved, it would be beneficial to track the detected follicles across framescaptured by a camera attached to a robotic arm. This tracking would assist in identifying eachfollicle across frames for subsequent extraction. This work has been developed in partnershipwith Insparya, a leading company in what concerns the hair transplant market, known forinvesting in innovative and advanced technologies to enhance the accuracy and efficiency of theprocess. Currently, traditional Computer Vision methods are being used to detect follicularunits, improving detection precision and speed. Real-time detection necessitates minimizing thedetection time to prevent interference with any additional calculations that might be performedduring the process.The whole work will be implemented in ROS to ensure easy integration into the company’ssoftware. ROS is highly advantageous for robotics since it facilitates communication betweendifferent aspects of a project, both hardware and software.A queda de cabelo é um problema que afeta diversas pessoas em todo o mundo, independentementeda sua idade ou género. Esta pode ser causada por vários fatores, entre eles, stresse,desequilíbrios hormonais ou genética, acabando por afetar significativamente a autoestima e aqualidade de vida das pessoas.Na última década, tornou-se cada vez mais comum as pessoas que sofrem de queda de cabeloou alopecia procurarem uma solução capaz de corrigir este problema. Os transplantes capilaressão uma opção popular, proporcionando uma aparência mais natural e densa.Esta dissertação vai ao encontro de uma solução para a melhoria da eficácia do métodoFolicular Unit Extraction (FUE), técnica esta que consiste em extrair folículos em zonas doadorase mais densas, para que sejam novamente plantados na zona calva ou com menos cabelo. Oobjetivo deste trabalho é melhorar a performance de deteção de folículos com a sua orientaçãoatravés de redes neuronais. Existem diversas redes já pré-treinadas para fazer a deteção deobjetos, que no caso seriam folículos, mas o maior desafio será fazer a deteção da unidadefolicular com a sua devida orientação, ou seja, a sua pose numa imagem 2D.Após este objetivo ser conseguido, seria benéfico fazer o tracking dos mesmos folículos detetadosao longo dos frames captados por uma câmara acoplada a um braço robótico, visto queajudaria a identificar cada folículo entre frames para a sua posterior extração.Este trabalho foi desenvolvido em conjunto com a empresa Insparya, atualmente líder nomercado de transplantes capilares e tem-se destacado por investir em tecnologias inovadoraspara melhorar a precisão e eficiência do processo. Neste momento, estão a ser utilizados métodostradicionais de ”Visão por Computador” para ser feita a deteção de unidades foliculares,melhorando a deteção tanto a nível de precisão, como de rapidez. A deteção em tempo realimplica que o tempo de deteção seja o menor possível para que, caso hajam cálculos extra aserem efetuados, estes não interfiram com o tempo de todo o processo.Todo este trabalho será implementado em ROS de modo a que seja facilmente integradono software da empresa. ROS é extremamente benéfico em tudo o que envolve robótica, poisfacilita a comunicação entre os diferentes aspetos de um projeto tanto hardware como software.Universidade de Coimbra - Projeto de Investigação financiado pela Universidade de Coimbra. Projeto - HairBOT (IT137-23-146)2023-09-292024-03-27T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttps://hdl.handle.net/10316/113076https://hdl.handle.net/10316/113076TID:203511476porGomes, Pedro Henrique Pinhoinfo:eu-repo/semantics/embargoedAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-06T01:25:46Zoai:estudogeral.uc.pt:10316/113076Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:13:47.886880Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Deteção da localização e orientação de folículos de cabelo para extração por Robô Detection of the location and orientation of hair follicles for Robot extraction |
title |
Deteção da localização e orientação de folículos de cabelo para extração por Robô |
spellingShingle |
Deteção da localização e orientação de folículos de cabelo para extração por Robô Gomes, Pedro Henrique Pinho Oriented Object Detection Neural Networks Tracking DeepLearning ROS Deteção Orientada de Objetos Redes Neuronais Tracking DeepLearning ROS |
title_short |
Deteção da localização e orientação de folículos de cabelo para extração por Robô |
title_full |
Deteção da localização e orientação de folículos de cabelo para extração por Robô |
title_fullStr |
Deteção da localização e orientação de folículos de cabelo para extração por Robô |
title_full_unstemmed |
Deteção da localização e orientação de folículos de cabelo para extração por Robô |
title_sort |
Deteção da localização e orientação de folículos de cabelo para extração por Robô |
author |
Gomes, Pedro Henrique Pinho |
author_facet |
Gomes, Pedro Henrique Pinho |
author_role |
author |
dc.contributor.author.fl_str_mv |
Gomes, Pedro Henrique Pinho |
dc.subject.por.fl_str_mv |
Oriented Object Detection Neural Networks Tracking DeepLearning ROS Deteção Orientada de Objetos Redes Neuronais Tracking DeepLearning ROS |
topic |
Oriented Object Detection Neural Networks Tracking DeepLearning ROS Deteção Orientada de Objetos Redes Neuronais Tracking DeepLearning ROS |
description |
Dissertação de Mestrado em Engenharia Eletrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-09-29 2024-03-27T00:00:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://hdl.handle.net/10316/113076 https://hdl.handle.net/10316/113076 TID:203511476 |
url |
https://hdl.handle.net/10316/113076 |
identifier_str_mv |
TID:203511476 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/embargoedAccess |
eu_rights_str_mv |
embargoedAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137240146771968 |