Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital

Detalhes bibliográficos
Autor(a) principal: Santiago, Gaubert Vinícius
Data de Publicação: 2017
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Biblioteca Digital de Monografias da UnB
Texto Completo: http://bdm.unb.br/handle/10483/20275
Resumo: Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2017.
id UNB-2_5eae6754b57f2c9ae3ff9c1fb564de98
oai_identifier_str oai:bdm.unb.br:10483/20275
network_acronym_str UNB-2
network_name_str Biblioteca Digital de Monografias da UnB
repository_id_str 11571
spelling Santiago, Gaubert ViníciusÁlvares, Alberto JoséSANTIAGO, Gaubert Vinícius. Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital. 2017. 127 f.; il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2017.http://bdm.unb.br/handle/10483/20275Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2017.Este trabalho se concentrou no campo de visão computacional aplicada a instrumentos de medição. Seu objetivo foi fazer a extração de dígitos de um hidrômetro analógico para obter o consumo instantâneo por meio de Optical Character Recognition (OCR) e estimar a vazão de água proveniente. Inicialmente, realizou-se a detecção dos dígitos em duas etapas. Na primeira, alinhou-se a imagem horizontalmente, utilizando a transformada de Hough e encontrou-se o visor do hidrômetro baseando-se em seu formato geométrico. Na segunda, fez-se a detecção de bordas por Canny e filtraram-se os dígitos com base nas dimensões dos contornos e algumas regras específicas de proporção e distâncias. A extração, por sua vez, foi realizada assim que as coordenadas de recorte foram adquiridas para cada um dos sete dígitos da sequência. Os dígitos recortados foram agrupados em um conjunto de 5000 imagens para conduzir o aprendizado de máquina, o qual foi alcançado mediante os classificadores Support Vector Machine (SVM), k-Nearest Neighbor (kNN) e Multilayer Perceptron (MLP). Estes, com as melhores condições de contorno testadas, produziram taxas de erro que cresciam, respectivamente. Por causa de sua melhor performance, o SVM foi escolhido para executar o OCR no sistema de visão computacional. Em testes feitos no hidrômetro analógico de uma bancada de teste, também construída para o projeto, foi constatado que o sistema de visão funcionava relativamente bem sob determinadas condições. Com iluminação adequada dentro do laboratório e um material plástico semitransparente ao redor da webcam, usado para evitar reflexo de luz no visor do hidrômetro, a detecção de dígitos era invariante da posição da webcam para determinadas distâncias. Em um teste rodado por um período maior que vinte e seis horas, a máquina foi forçada a reconhecer os dígitos a cada minuto com uma permissão de cinco tentativas por minuto. Os dados resultantes revelaram as chances de sucesso do sistema era de 50% para fazer o reconhecimento de dígitos. Além disso, resultados mostraram que a medição de vazão possuía um erro de cerca de 9% em relação ao valor de vazão inspecionado na bancada.Submitted by Luanna Maia (luanna@bce.unb.br) on 2018-06-15T14:59:20Z No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2017_GaubertViniciusSantiago_tcc.pdf: 3907901 bytes, checksum: ae57c72a4f6a63f426bf5561c30c8742 (MD5)Approved for entry into archive by Luanna Maia (luanna@bce.unb.br) on 2018-06-15T14:59:34Z (GMT) No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2017_GaubertViniciusSantiago_tcc.pdf: 3907901 bytes, checksum: ae57c72a4f6a63f426bf5561c30c8742 (MD5)Made available in DSpace on 2018-06-15T14:59:34Z (GMT). No. of bitstreams: 3 license_text: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) 2017_GaubertViniciusSantiago_tcc.pdf: 3907901 bytes, checksum: ae57c72a4f6a63f426bf5561c30c8742 (MD5)The field of study of this project is computational vision applied to measurement instruments. The project’s main purpose was to recognize the digits of an analog hydrometer to obtain an instantaneous water consumption data through Optical Character Recognition (OCR), in addition to estimating the water flow from the hydrometer. Primarily, the detection of the digits was performed in two steps. First, the image was aligned horizontally, using Hough transform, and the hydrometer display was found based on its geometric shape. Second, edges were detected by a Canny operator and the desired digits were filtered based on the contours and specific rules of proportion and distances, yielding the digits coordinates for snipping. Then, each of the digits of the seven-digit chain were snipped and extracted. The snipped digits were grouped into a set of 5000 images to drive the machine learning, using the classifiers Support Vector Machine (SVM), k-Nearest Neighbor (kNN), and Multilayer Perceptron (MLP). After testing these three classifiers, output data indicated that SVM produced the lowest error rate, kNN was the second lowest, and MLP yielded the highest rate of error. Because of its decreased error rate, the SVM was chosen to perform the OCR in the computer vision system. Tests were run on a hydrometer built onto a test bench. After reviewing the tests’ results, it was found that the artificial vision functioned relatively well under certain conditions. With adequate light inside the laboratory and a semitransparent plastic material around the webcam, used to avoid light reflection on the hydrometer display, the detection of the digits was found to be invariant from the camera position for certain distances. In a test over a twenty-six-hour period, the machine was forced to recognize digits every minute with an allowance of five attempts per minute. The data showed a 50% success rate for the recognition of the digits. In addition, the results showed that the flow measurement had an error of around 9% in respect with the flow value inspected on the test bench.Hidrômetro - automaçãoAprendizado do computadorVisão por computadorMétodo baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digitalinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis2018-06-15T14:59:34Z2018-06-15T14:59:34Z2017-12info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Monografias da UnBinstname:Universidade de Brasília (UnB)instacron:UNBCC-LICENSElicense_urllicense_urltext/plain49http://bdm.unb.br/xmlui/bitstream/10483/20275/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_textapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/20275/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/octet-stream0http://bdm.unb.br/xmlui/bitstream/10483/20275/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain1817http://bdm.unb.br/xmlui/bitstream/10483/20275/5/license.txt21554873e56ad8ddc69c092699b98f95MD55ORIGINAL2017_GaubertViniciusSantiago_tcc.pdf2017_GaubertViniciusSantiago_tcc.pdfapplication/pdf3907901http://bdm.unb.br/xmlui/bitstream/10483/20275/1/2017_GaubertViniciusSantiago_tcc.pdfae57c72a4f6a63f426bf5561c30c8742MD5110483/202752018-06-15 11:59:34.167oai:bdm.unb.br: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Biblioteca Digital de Monografiahttps://bdm.unb.br/PUBhttp://bdm.unb.br/oai/requestbdm@bce.unb.br||patricia@bce.unb.bropendoar:115712018-06-15T14:59:34Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
title Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
spellingShingle Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
Santiago, Gaubert Vinícius
Hidrômetro - automação
Aprendizado do computador
Visão por computador
title_short Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
title_full Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
title_fullStr Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
title_full_unstemmed Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
title_sort Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital
author Santiago, Gaubert Vinícius
author_facet Santiago, Gaubert Vinícius
author_role author
dc.contributor.author.fl_str_mv Santiago, Gaubert Vinícius
dc.contributor.advisor1.fl_str_mv Álvares, Alberto José
contributor_str_mv Álvares, Alberto José
dc.subject.keyword.pt_BR.fl_str_mv Hidrômetro - automação
Aprendizado do computador
Visão por computador
topic Hidrômetro - automação
Aprendizado do computador
Visão por computador
description Trabalho de conclusão de curso (graduação)—Universidade de Brasília, Faculdade de Tecnologia, Curso de Graduação em Engenharia de Controle e Automação, 2017.
publishDate 2017
dc.date.submitted.none.fl_str_mv 2017-12
dc.date.accessioned.fl_str_mv 2018-06-15T14:59:34Z
dc.date.available.fl_str_mv 2018-06-15T14:59:34Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTIAGO, Gaubert Vinícius. Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital. 2017. 127 f.; il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2017.
dc.identifier.uri.fl_str_mv http://bdm.unb.br/handle/10483/20275
identifier_str_mv SANTIAGO, Gaubert Vinícius. Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital. 2017. 127 f.; il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecatrônica)—Universidade de Brasília, Brasília, 2017.
url http://bdm.unb.br/handle/10483/20275
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Monografias da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Biblioteca Digital de Monografias da UnB
collection Biblioteca Digital de Monografias da UnB
bitstream.url.fl_str_mv http://bdm.unb.br/xmlui/bitstream/10483/20275/2/license_url
http://bdm.unb.br/xmlui/bitstream/10483/20275/3/license_text
http://bdm.unb.br/xmlui/bitstream/10483/20275/4/license_rdf
http://bdm.unb.br/xmlui/bitstream/10483/20275/5/license.txt
http://bdm.unb.br/xmlui/bitstream/10483/20275/1/2017_GaubertViniciusSantiago_tcc.pdf
bitstream.checksum.fl_str_mv 4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
21554873e56ad8ddc69c092699b98f95
ae57c72a4f6a63f426bf5561c30c8742
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Monografias da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv bdm@bce.unb.br||patricia@bce.unb.br
_version_ 1813907959465377792

Registros relacionados