Sistema de identificação da ordem de produção estampada em tarugos de aço

• Autor(a) principal: Marcelo Cherem Ramalho
• Data de Publicação: 2005
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/HSAA-6M2PLW
• topic: Redes neurais artificiais; Engenharia elétrica

Esta dissertação apresenta um estudo sobre as ferramentas de reconhecimento de caracteres para a aplicação em um problema real na Gerdau Açominas. O problema é a identificação de números de Ordem de Produção (OP) em peças de aço (tarugos). O reconhecimento visa a automatização completa da LIT (linha de inspeção de tarugos). Pelaidentificação da OP, o sistema modifica as variáveis paramétricas da linha de inspeção e separa os tarugos para cada cliente, evitando-se problemas como mistura de peças e inspeções com parâmetros errados. O estudo é realizado nas imagens coletadas, visandofornecer requisitos para a escolha dos algoritmos. O problema é dividido em etapas de segmentação, extração de características e classificação. São estudados e propostos métodos nestas áreas, levando em consideração a variação de escala e rotação dos caracteres. Pri-meiramente, são realizados testes em imagens coletadas em laboratório, sem condicionamento de escala ou rotação. A rotação é resolvida pela análise da característica de textura presente no tarugo, diminuindo o custo computacional e fornecendo rotação constante para a etapa de extração de características. Esta técnica forneceu 100% de acerto nas imagens coletadas em laboratório. Como as etapas de extração de características utilizam como base a imagem limiarizada, um estudo é realizado sobre os diferentes tipos de ferramentas propostas na literatura. Com a análise das imagens é proposto ummétodo para a extração do caractere a partir da imagem em escala de cinza. Na etapa de reconhecimento foi testado o método de casamento de padrões, implementado através da correlação cruzada normalizada. Os resultados demonstram um desempenho de 98% para imagens com bom contraste e pouca deformação, indicando a necessidade de um maior condicionamento na iluminação e escala. A segunda fase demonstra resultados prelimi-nares em imagens coletadas na linha de inspeção. A identificação da rotação foi correta em 94% das imagens testadas. As imagens apresentam um melhor condicionamento deiluminação e escala, fornecendo resultados promissores para a implementação do sistema.