Upload
dothu
View
215
Download
0
Embed Size (px)
Citation preview
Cap – IV Cor Aplicação de Algoritmos de Visão
Computacional à Inspeção Industrial de Maçãs
1
Disciplina: Tópicos em Engenharia de Computação VI Prof. Léo Pini Magalhães Apresentação por:
Celso Henrique Cesila Alex Rodriguez Ruelas
Agenda
• Conceitos do Livro Cap IV – Cor o Diferenças de Cor e Espaços de Cor Uniforme
o Forma
o A aparência de cor
• Saturação
o 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 Resumo
o Aquisição de imagem
o Subtração do Fundo
o Rastreamento do Fruto
o 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
7
onde
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