Sistema industrial para aquisição de imagens e classificação de nós em madeira serrada

• Autor(a) principal: Dellabetha, Alexander Augusto
• Data de Publicação: 2018
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UCS
• Texto Completo: https://repositorio.ucs.br/11338/3857
• topic: Madeira serrada; Indústria madeireira; Imagens como recursos de informação; Processamento de imagens - Técnicas digitais

Tendo como motivação a relevância econômica gerada pelo mercado florestal brasileiro, bem como o melhor aproveitamento da matéria prima e maior eficiência no processo de manufatura de indústrias madeireiras, principalmente de pequeno porte, propõe-se um modelo teórico de sistema de baixo custo para localização e classificação de nós em madeira serrada. As classes compreendem nós do tipo sadio, morto e podre, que apresentam características visuais e estruturais diferentes. As imagens de nós são adquiridas por câmera CCD, armazenadas em uma base de dados e rotuladas manualmente, visando à determinação de sua localização e seu tipo. Primeiramentw, o sistema segmenta as imagens a fim de isolar as regiões afetadas por nós e em seguida os classifica. Dois métodos de segmentação foram avaliados: filtros Gabor e por reconstrução morfológica. Após a detecção dos nós, o sistema extrai as características para classificação do nó. As características são extraídas a partir de cores das três camadas do RGB, texturas, por LBP, GLCM e filtros Gabor. Como a extração de características utilizando filtros de Gabor gera vetores de alta dimensionalidade, o método LDA é aplicado para reduzi-la e também para aumentar a separabilidade das classes e reduzir a variabilidade dentro da classe. Dois classificadores são avaliados: Máquinas de Vetor de Suporte e o Perceptron de Multi Camadas. Uma base de dados com 1000 imagens foi coletada para avaliar o sistema. A detecção dos nós obteve uma acurácia de 94,4. O erro médio de localização foi de aproximadamente 0,9 mm (desvio padrão de 1,5 mm), medidos no ponto central do nó. A classificação obteve uma acurácia de 95,7%, utilizando 707 imagens de nós (sic).