Center of Excellence ITSAPT and Textile Faculty TU, Liberec , CZ CITEVE, V.N.Famalicão, Portugal

Center of Excellence ITSAPT and Textile Faculty TU, LiberecCenter of Excellence ITSAPT and Textile Faculty TU, Liberec, CZ, CZ

CITEVE, V.N.Famalicão, PortugalCITEVE, V.N.Famalicão, Portugal

University of Minho, PortugalUniversity of Minho, Portugal

Belino, N.J.RBelino, N.J.R;; Nunes, M.F.; Geraldes, M.J.; Nunes, M.F.; Geraldes, M.J.;

University of Beira Interior, Covilhã, PortugalUniversity of Beira Interior, Covilhã, Portugal

And Silva, M.E.C. And Silva, M.E.C.

University of Minho, Guimarães, PortugalUniversity of Minho, Guimarães, Portugal

INTERNATIONAL WORKSHOPSINTERNATIONAL WORKSHOPS

” ” Caracterização de Mantos Agulhados por Caracterização de Mantos Agulhados por Recuperação de Conteúdo de Imagem ”Recuperação de Conteúdo de Imagem ”

November 15November 15thth – 16 – 16thth - Portugal - Portugal

UNIVERSIDADE DA BEIRA UNIVERSIDADE DA BEIRA INTERIOR - COVILHÃ - PORTUGALINTERIOR - COVILHÃ - PORTUGAL

O PAÍSO PAÍSA CIDADEA CIDADE

A UNIVERSIDADEA UNIVERSIDADE

OBJECTIVOOBJECTIVO

• Este trabalho constitui um estudo laboratorial Este trabalho constitui um estudo laboratorial preliminar para a preliminar para a estruturação de um processo de estruturação de um processo de controlo de qualidade baseado num método de controlo de qualidade baseado num método de classificação e comparação de imagens digitais de classificação e comparação de imagens digitais de mantos pré agulhadosmantos pré agulhados (características texturais de (características texturais de imagem) submetidos a uma operação de estiragemimagem) submetidos a uma operação de estiragem.

• Este trabalho, vem contribuir para o desenvolvimento Este trabalho, vem contribuir para o desenvolvimento de uma ferramenta gráfica computacionalde uma ferramenta gráfica computacional que está a ser que está a ser desenvolvida no DCTT, visando a supervisão do desenvolvida no DCTT, visando a supervisão do processo de produção de feltros não tecidos agulhados processo de produção de feltros não tecidos agulhados com propriedades quasi istrópicas, através do recurso à com propriedades quasi istrópicas, através do recurso à análise de textura.análise de textura.

INTRODUÇÃOINTRODUÇÃO

• A análise de imagem, é uma ciência em análise de imagem, é uma ciência em expansãoexpansão, que trata de imagens e de dados sobre imagens. Fundamenta-se numa multiplicidade de multiplicidade de técnicas que cobrem uma vasta gama de campos técnicas que cobrem uma vasta gama de campos de aplicaçãode aplicação salientando-se a inspecção industrial, robótica, física, aplicações médicas, condução de veículos e sistemas autónomos, meteorologia, medição e mapeamento de superfícies, etc.

• O termo análise de imagem é normalmente utilizado para designar o processo de extracção processo de extracção quantitativa de dados de imagensquantitativa de dados de imagens.

• Estes dados são posteriormente armazenados sobre a forma de ficheiros em bases de dadosficheiros em bases de dados.


• Assim sendo, pode-se sinteticamente referir análise de imagem como o processo de criação de ficheiros ficheiros de bases de dados, em que cada registo contem de bases de dados, em que cada registo contem os valores extraídos das imagensos valores extraídos das imagens durante o processo de medição.

• Para se efectuar a análise de imagem, primeiro é primeiro é necessário proceder à sua aquisição: necessário proceder à sua aquisição: digitalizaçãodigitalização.

• Após a geração do sinal analógico, este é geração do sinal analógico, este é convertido numa matriz digitalconvertido numa matriz digital através da placa de captura de imagem ou “framegrabber”, a qual divide a imagem num reticulado, em que cada ponto está em que cada ponto está associado a um valor numérico inteiroassociado a um valor numérico inteiro.

• Em sistemas monocromáticos, cada pixel é Em sistemas monocromáticos, cada pixel é convertido a um dos 256 níveis de cinzentos convertido a um dos 256 níveis de cinzentos possíveis,possíveis,

• Assim, uma imagem corresponde a um conjunto uma imagem corresponde a um conjunto de pontos conhecidos (pixels), organizados numa de pontos conhecidos (pixels), organizados numa forma matricial, possuindo N forma matricial, possuindo N

x x colunas e Ncolunas e Nyy

linhaslinhas, tendo associado a cada ponto um nível de cada ponto um nível de cinzentocinzento.


• Genericamente, uma imagem digital, pode ser matematicamente descrita através da seguinte matematicamente descrita através da seguinte equação:equação:

),()1,()0,(

),(

),1()1,1()0,1(

),0()1,0()0,0(

),(

1111

1

1

xyyy

x

x

NNfNfNf

yxf

Nfff

Nfff

yxf

•


ELEMENTOS FUNDAMENTAIS NO ELEMENTOS FUNDAMENTAIS NO PROCESSAMENTO DIGITAL DE IMAGEMPROCESSAMENTO DIGITAL DE IMAGEM

TEXTURA DE IMAGEMTEXTURA DE IMAGEM • Apesar de não haver uma definição estrita do não haver uma definição estrita do conceito de textura de imagemconceito de textura de imagem, ela é facilmente perceptível pela visão humana e representa uma fonte fonte de informaçãode informação visual muito rica acerca da natureza e natureza e estrutura tridimensional dos objectos físicos. estrutura tridimensional dos objectos físicos.

• De uma forma genérica, podemos considerar que que texturas, são padrões visuais complexos texturas, são padrões visuais complexos compostos por entidades ou sub-padrões que compostos por entidades ou sub-padrões que apresentam propriedades característicasapresentam propriedades características brilho, a uniformidade, densidade, regularidade, dureza, linearidade, frequência, fase, direcionalidade, suavidade, finura, granulação, aleatoriedade, grossura, etc, da textura como um todo (Levine – 1985).

TEXTURA DE IMAGEMTEXTURA DE IMAGEM

• Um atributo de textura é um valor, calculado a Um atributo de textura é um valor, calculado a partir da imagem de um objecto, que quantifica partir da imagem de um objecto, que quantifica algumas características da variação dos níveis de algumas características da variação dos níveis de cinzento desse objectocinzento desse objecto. Normalmente, um atributo de textura é independente da posição, orientação, tamanho, forma e brilho do objecto como refere Castelman K.N. (1996).

• Do ponto de vista estatístico, a texturaDo ponto de vista estatístico, a textura de imagem corresponde a complicados padrões pictoriais, sobre os quais podem ser definidos modelos estatísticos por modelos estatísticos por forma a caracterizar esses mesmos padrõesforma a caracterizar esses mesmos padrões.

MÉTODOS DE ANÁLISE DE TEXTURAMÉTODOS DE ANÁLISE DE TEXTURA • Segundo Haralick, existem oito aproximações oito aproximações

estatísticas para medir e caracterizar a texturaestatísticas para medir e caracterizar a textura de imagem:

- Funções de auto-correlação;- Funções de auto-correlação;

- Transformadas ópticas;- Transformadas ópticas;

- Transformadas numéricas;- Transformadas numéricas;

- Análise por detecção de contorno;- Análise por detecção de contorno;

- Análise de elementos estruturais;- Análise de elementos estruturais;

- Probabilidade de co-ocorrência espacial de níveis de - Probabilidade de co-ocorrência espacial de níveis de cinzento;cinzento;

- Comprimento de sequências do mesmo nível de cinzento;- Comprimento de sequências do mesmo nível de cinzento;

- Modelo autoregressivo- Modelo autoregressivo

MÉTODOS DE ANÁLISE DE TEXTURAMÉTODOS DE ANÁLISE DE TEXTURA

• As primeiras quatro aproximações, são uma As primeiras quatro aproximações, são uma medida de frequência espacialmedida de frequência espacial. Uma textura fina, possui altas frequências espaciais enquanto que uma textura grossa é rica em baixas frequências espaciais.

• A análise por detecção de contorno, consiste em considerar uma textura como um certo número de textura como um certo número de contornos ou fronteiras por unidade de superfíciecontornos ou fronteiras por unidade de superfície. Assim, quanto mais fina for uma textura, maior será o número de fronteiras definidas.

• A aproximação por elementos estruturaisaproximação por elementos estruturais, consiste na colocação em evidência de formas designadas por elementos estruturais numa imagem binária. Esta abordagem insiste na forma das primitivasprimitivas..

MÉTODOS DE ANÁLISE DE TEXTURAMÉTODOS DE ANÁLISE DE TEXTURA • A aproximação por co-ocorrência de níveis de A aproximação por co-ocorrência de níveis de

cinzento, dá relações espaciais entre este níveiscinzento, dá relações espaciais entre este níveis.

• A análise do comprimento de sequências de níveis comprimento de sequências de níveis de cinzentode cinzento define uma textura fina como tendo poucos pixels dentro de uma sequência de níveis de cinzento, e uma textura grossa, como a situação contrária, com sequências largas.

• O modelo autoregressivo, estima linearmente o O modelo autoregressivo, estima linearmente o nível de cinzento de um pixel relativamente aos nível de cinzento de um pixel relativamente aos níveis de cinzento de uma vizinhança que o níveis de cinzento de uma vizinhança que o contemcontem. Para uma textura fina, os coeficientes calculados são elevados, enquanto que para uma textura grossa são baixos. Este modelo é conveniente para a análise das microtexturas.

ESTATÍSTICAS DE 1ª ORDEM ESTATÍSTICAS DE 1ª ORDEM

A partir do histogramapartir do histograma dos níveis de cinzento da imagem, podemos inferir diferentes parâmetros para descrever quantitativamente as propriedades propriedades estatísticas de primeira estatísticas de primeira ordem da imagemordem da imagem:

M é d i a

1

0

)(G

i

iip

V a r i â n c i a )()(1

0

22 ipiG

i

D e s v i o P a d r ã o )()(1

0

2 ipiG

i

S i m e t r i a

1

0

333 )()(

G

i

ipi

A c h a t a m e n t o 3)()(1

0

444

G

i

ipi

E n e r g i a 21

0

)(

G

i

ipE

E n t r o p i a

1

02 )(log)(

G

i

ipipH


Existem basicamente três métodos diferentes que três métodos diferentes que aplicam respectivamente algoritmos de estatísticas de 2ª aplicam respectivamente algoritmos de estatísticas de 2ª ordemordem

1.1. SGLDM – “SGLDM – “Spatial Grey Level Dependence LevelSpatial Grey Level Dependence Level” - Método da - Método da Dependência Espacial dos Níveis de Cinzento Dependência Espacial dos Níveis de Cinzento Calcula a probabilidade de ocorrer uma transição de nível de cinzento entre dois pixels da imagem separados por uma dada orientação espacial.

2.2. GLDM – “GLDM – “Grey Level Difference Method”Grey Level Difference Method” – Método da – Método da Divergência dos Níveis de Cinzento Divergência dos Níveis de Cinzento Calcula a probabilidade de existência de uma dada diferença de nível de cinzento entre dois pixels, separados por uma dada orientação espacial.

3.3. RLM – “RLM – “Run Length Method”Run Length Method” – Método de comprimento de – Método de comprimento de sequências de níveis de cinzento sequências de níveis de cinzento Calcula a probabilidade de exitência de sequências de pixels idênticos, para um dado comprimento e, ao longo de uma dada orientação.


• Cornners, R. e Harlow, C. (1980), compararam a compararam a eficiência dos diferentes algoritmos com o eficiência dos diferentes algoritmos com o objectivo de discriminar e classificar um objectivo de discriminar e classificar um determinado conjunto de texturasdeterminado conjunto de texturas.

• Estes trabalhos permitiram observar que o método método SGLDM era aquele que melhor caracterizava as SGLDM era aquele que melhor caracterizava as texturas. texturas.

• Este métodoEste método estuda a probabilidade de ocorrer uma transição de nível de cinzento entre dois pixels da imagem separados por uma dada orientação espacial e uma certa distância, é normalmente referido como é normalmente referido como método das matrizes de Co-ocorrência, ou método das matrizes de Co-ocorrência, ou também GLCM – Grey Level Co-Ocurrence Matrixtambém GLCM – Grey Level Co-Ocurrence Matrix.


O desenvolvimento do método SGLDM passa O desenvolvimento do método SGLDM passa por três estádios bem definidos:por três estádios bem definidos:

1.1. Aquisição e digitalização da imagem.Aquisição e digitalização da imagem.

2.2. Cálculo das matrizes de co-ocorrência.Cálculo das matrizes de co-ocorrência.

3.3. Determinação das características ou Determinação das características ou atributos de imagematributos de imagem.

A probabilidade de co-ocorrência espacial de nível de cinzento é uma densidade de probabilidade de 2ª uma densidade de probabilidade de 2ª ordem expressa por ordem expressa por f(i,j,d,f(i,j,d,),que significa a probabilidade de ir do nível de cinzento ir do nível de cinzento ii para o para o nível de cinzento nível de cinzento jj, separados entre si pela , separados entre si pela distância d segundo a direcção distância d segundo a direcção .


Assim, para uma imagem com NG níveis de cinzento as

funções de densidadade de probabilidade podem ser escritas sobre a forma de quatro matrizes Na forma de quatro matrizes N

G G X NX NG G

paras as direcções 0º,45º,90º e 135º.paras as direcções 0º,45º,90º e 135º.

Imagem Analógica

Imagem Digital

Mapa Digital

Matriz de Co-

ocorrência Horizontal

Matriz de Co-ocorrência

Simétrica

Matriz de Probabilidades Normalizada

RESUMO DO PROCESSORESUMO DO PROCESSO


RESUMORESUMO

DODO

PROCESSOPROCESSO


•A partir das matrizes de co-ocorrência 14 parâmetros podem ser calculados, Para este trabalho, os Para este trabalho, os descritores texturais seleccionados foram:descritores texturais seleccionados foram:

E n t r o p i a ),(),( ,

1

0

1

0

, jiPLnjiPENT d

G

i

G

j

d

E n e r g i a 21

0

1

0

, ),(

G

i

G

j

d jiPENE

H o m o g e n e i d a d e

1

0

1

02

,

)(1

),(G

i

G

j

d

ji

jiPHOM

C o n t r a s t e ),()( ,

21

0

1

0

jiPJICON d

G

i

G

j

C o r r e l a ç ã o

yx

G

i

G

j

dyx jiPji

COR

1

0

1

0

, ),())((

• ENTROPIA ENTROPIA A entropia mede o grau de desordem grau de desordem numa imagemnuma imagem.

• ENERGIA ENERGIA É a medida da dispersão das entradas da matriz, e consequentemente da uniformidade da uniformidade da texturatextura.

• CONTRASTE CONTRASTE O contraste é o momento de inércia da matriz em torno da sua diagonal principal. É um É um parâmetro que mede a dispersão dos valores.parâmetro que mede a dispersão dos valores.

• HOMOGENEIDADE HOMOGENEIDADE A homogeneidade é a medida é a medida da uniformidade da textura. da uniformidade da textura.

• CORRELAÇÃO CORRELAÇÃO A correlação é a medida da linearidade e do conteúdo estrutural de uma texturaconteúdo estrutural de uma textura



Como observação final, interessa salientar que a maioria das aplicações que recorrem a este método, efectuam a determinação das características para as quatro direcções angulares definidas de modo a não se trabalhar com apenas uma direcção específica, sendo por fim calculada a média dos quatro direccionamentos.

CRIAÇÃO DE UMA BASE DE DADOS DE IMAGENSCRIAÇÃO DE UMA BASE DE DADOS DE IMAGENS

• Para a realização desta componente experimental, procedeu-se à tomada de imagens em modo tomada de imagens em modo dinâmico, por uma câmara VHSdinâmico, por uma câmara VHS, de provetes de um feltro pré-agulhado padrão, submetido a um feltro pré-agulhado padrão, submetido a um ensaio de resistência mecânica de alongamento ensaio de resistência mecânica de alongamento constanteconstante até à rotura.

• A variação ao longo dos valores da força de rotura, força de rotura, alongamento de rotura, da energia de rotura e dos alongamento de rotura, da energia de rotura e dos descritores texturais seleccionadosdescritores texturais seleccionados, foram registados para cada teste efectuado.

• O protocolo experimental envolveu 30 ensaios no 30 ensaios no sentido longitudinal e outros 30 ensaios no sentido longitudinal e outros 30 ensaios no sentido transversalsentido transversal.


• Para cada imagem adquirida, é determinado um Para cada imagem adquirida, é determinado um vector de característicasvector de características.

• A comparação por similaridade é efectuada A comparação por similaridade é efectuada através da cálculo da menor distância euclidiana através da cálculo da menor distância euclidiana entre o vector de características da imagem de entre o vector de características da imagem de teste e o vector determinado para cada uma das teste e o vector determinado para cada uma das imagens constantes na base de dadosimagens constantes na base de dados, após uma normalização dos atributos alvo e de uma redução dos casos aberrantes.

•Assim, para o caso concreto deste trabalho de estudo o processo métrico utilizado será a distância a distância métrica padrão ou distância Euclidiana.métrica padrão ou distância Euclidiana.


n

iiYiXiYiXiYiXiYXiYiXi

YiXiYiX FFHHCoCoCCEESSSSd1

22222221

211 )()()()()()()(

DISTÂNCIA EUCLIDIANADISTÂNCIA EUCLIDIANA

S1X = Entropia de 1ª ordem da imagem a comparar;

S1Y = Entropia de 1ª ordem das imagens comparadas;

S2X = Entropia de 2ª ordem da imagem a comparar;

S2Y = Entropia de 2ª ordem das imagens comparadas;

EX = Energia de 2ª ordem da imagem a comparar;

EY = Energia de 2ª ordem das imagens comparadas;

CX = Contraste da imagem a comparar;

CY = Contraste das imagens comparadas;

CoX = Correlação da imagem a comparar;

CoY = Correlação das imagens comparadas;

HX = Homogeneidadeda imagem a comparar;

HY = Homogeneidade das imagens comparadas;

FX = Força de rotura da imagem a comparar;

FY = Força de rotura das imagens comparadas.


Tempo = 1 Tempo = 2 Tempo = 4




Um sistema que Um sistema que possibilite a pesquisa possibilite a pesquisa

de imagens a partir de imagens a partir de informações sobre de informações sobre

o seu conteúdo o seu conteúdo pictórico é pictórico é

denominado denominado ““Sistema de Consulta Sistema de Consulta de Imagem Baseado de Imagem Baseado

em Conteúdem Conteúdo” – o” – C.B.I.R.C.B.I.R.

DESCRIÇÃO DA TÉCNICA EXPERIMENTAL DESCRIÇÃO DA TÉCNICA EXPERIMENTAL

1 - MODO OPERATÓRIO:1 - MODO OPERATÓRIO:

• Acondicionamento dos rolosAcondicionamento dos rolos de não tecido de não tecido pré agulhado segundo atmosfera normalizada.pré agulhado segundo atmosfera normalizada.

• Selecção e corte dos diferentes provetesSelecção e corte dos diferentes provetes a a ensaiar de acordo com as regras de ensaiar de acordo com as regras de amostragem e dimensões especificadas nas amostragem e dimensões especificadas nas normas ISO 186 e NP EN ISO 9073normas ISO 186 e NP EN ISO 9073


2 - PREPARAÇÃO E ACONDICIONAMENTO DOS 2 - PREPARAÇÃO E ACONDICIONAMENTO DOS PROVETES PROVETES

• Preparação e calibração do dinamómetroPreparação e calibração do dinamómetro Adamel Lomarghi para a execução de ensaios de resistência mecânica.

• Cortaram-se Cortaram-se cinco amostras no sentido da direcção da cinco amostras no sentido da direcção da máquina, (MD) e outras cinco no sentido transversalmáquina, (MD) e outras cinco no sentido transversal (CD). (CD). As amostras têm uma largura de 50 mm largura de 50 mm 0,5 mm 0,5 mm e um comprimento que garante um afastamento das garras de 200 afastamento das garras de 200 mmmm.

• Acondicionaram-se as amostras Acondicionaram-se as amostras de acordo com a norma NP EN 20139 – Atmosferas normalizadas. (20º c 65% H.R).

• Colocaram-se as garras com uma distância entre si de 200 Colocaram-se as garras com uma distância entre si de 200 mm mm 1 mm, 1 mm, com uma pré-tensão definida pela norma ((EN

ISO 13934-1).


2 - PREPARAÇÃO E ACONDICIONAMENTO DOS 2 - PREPARAÇÃO E ACONDICIONAMENTO DOS PROVETES PROVETES

• Aplicou-se uma taxa de alongamento constante Aplicou-se uma taxa de alongamento constante de 60mm/mn. (1mm/s).

• Registou-se a curva tensão/extensão para cada Registou-se a curva tensão/extensão para cada amostra,amostra, sendo a tensão de rotura expressa em Newtons, a extensão de rotura é expressa em percentagem e a energia de rotura expressa em joules.


RESUMO DO PROCESSORESUMO DO PROCESSO

1 – Captação de imagens dos ensaios dinamométricos de referência para os dois eixos ortogonais. 2 – Pré processamento das imagens 3 – Cálculo das características de haralick 4 – Registo dos dados dinamométricos – Construção da base dados 5 – Novos ensaios experimentais 6 – Comparação por similaridade – Recuperação de imagem por conteúdo


BASE DE DADOS BASE DE DADOS DE IMAGENS DE IMAGENS

IMAGEM PARA IMAGEM PARA CONSULTA CONSULTA

NORMALIZAÇÃO NORMALIZAÇÃO NORMALIZAÇÃO NORMALIZAÇÃO

BASE DE DADOS BASE DE DADOS NORMALIZADA NORMALIZADA

CONSULTA CONSULTA NORMALIZADANORMALIZADA

VECTOR DE VECTOR DE PROPRIEDADES PROPRIEDADES DAS IMAGENSDAS IMAGENS

VECTOR DE VECTOR DE PROPRIEDADES PROPRIEDADES

DA IMAGEMDA IMAGEM

COMPARAÇÃO COMPARAÇÃO POR POR

SIMILARIDADESIMILARIDADE

N MELHOR APROXIMAÇÕESN MELHOR APROXIMAÇÕES


Segundo um sistema de Segundo um sistema de “C.B.I.R. - Content “C.B.I.R. - Content based image based image retrieval”,retrieval”, as imagens as imagens

capturadas, são submetidas a um processo capturadas, são submetidas a um processo de comparação com imagens de referência de comparação com imagens de referência

existentes numa base de dados, cujas existentes numa base de dados, cujas características dinamométricas são características dinamométricas são conhecidas, permitindo desta forma conhecidas, permitindo desta forma estabelecer um modelo preditivo do estabelecer um modelo preditivo do

comportamento mecânico do manto estirado.comportamento mecânico do manto estirado.

RESULTADOS RESULTADOS

• Com base nos resultados obtidos, procedeu-Com base nos resultados obtidos, procedeu-se à verificação da se à verificação da existência de relações existência de relações estatísticas, bem como à averiguação da sua estatísticas, bem como à averiguação da sua natureza e robusteznatureza e robustez. .

• Deste modo, efectuou-se a Deste modo, efectuou-se a determinação determinação analítica dos coeficientes e parâmetros da analítica dos coeficientes e parâmetros da equação estimada pelo método quadrático, e equação estimada pelo método quadrático, e respectiva análise de variânciarespectiva análise de variância. O resultado . O resultado encontrado está expresso nos seguintes encontrado está expresso nos seguintes quadrosquadros


VARIÁVEL ERRO

PADRÃO ()

BETA PADRÃO

() T

NIVEL DE SIGNIF.

DE T R2 EQUAÇÃO

tempo - 000197 0,000304 -0,207275 -0,648 0,5276 tempo2 -1,2000x10-5 5,1126x10-6 -0,751038 -2,347 0,341

constante 6,028308 0,003304 1824,755 0,000 0,90823

Y = -1,2000x10-5t2

5.2 0,00197t +6,028308

Modelo Graus

de Liberdade

Soma dos

Quadrados Quadrado Médio F

Nível de

Significância Regressão 2 0,00509560 0,00254780 Residual 14 0,00051487 0,00003678

69,27871 0,0000

Quadro Nº1 – Curva estimada para a variação da entropia de 1ª ordem para o eixo longitudinal ao longo do tempo e respectiva análise de variância.

VARIÁVEL ERRO

PADRÃO ()

BETA PADRÃO

() T

NIVEL DE SIGNIF.

DE T R2 EQUAÇÃO

Tempo 0,000757 0,000261 2,252919 2,29 0,0116 Tempo2 - 1,4391x10-5 4,390x10-6 - 2,54592 - 3,278 0,0055

constante 6,104924 0,002837 2151,804 0,0000 0,45917

Y = - 1,4391x10-5t2

+ 0,000757t + 6,104924

Modelo Graus

de Liberdade

Soma dos


Nível de


5,94316 0,0135

Quadro Nº2.– Curva estimada para a variação da entropia de 1ª ordem para o eixo transversal ao longo do tempo e respectiva análise de variância.


VARIÁVEL ERRO

PADRÃO ()

BETA PADRÃO

() T

NIVEL DE SIGNIF.

DE T R2 EQUAÇÃO

tempo 0,001191 0,000601 1,238145 1,982 0,0675 tempo2 -3,1382x10-5 1,0101x10-5 -1,940851 -3,107 0,0077

constante 11,222928 0,006527 1719,521 0,0000 0,6502

Y = -3,1382x10-5t2 + 0,001191t +11,222928

Modelo Graus

de Liberdade

Soma dos


Nível de


13,01163 0,0006

Quadro Nº3. – Curva estimada para a variação da entropia média de 2ª ordem para o eixo longitudinal ao longo do tempo e respectiva análise de variância.

VARIÁVEL ERRO

PADRÃO ()

BETA PADRÃO

() T

NIVEL DE SIGNIF.

DE T R2 EQUAÇÃO

Tempo 0,003264 0,000369 3,253498 8,834 0,0000 Tempo2 - 4,5534x10-5 6,2117x10-6 - 2,699655 -7, 331 0,0000

Constante 11,394 0,004014 0,00 2838,841 0,0000 0,87843

Y = - 4,5534x10-5t2 + 0,003264t

+ 11,394

Modelo Graus

de Liberdade

Soma dos


Nível de


50,57767 0,0000

Quadro Nº4. – Curva estimada para a variação da entropia de 2ª ordem para o eixo transversal ao longo do tempo e respectiva análise de variância.


-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

2

1 2 4 6 8 10 12 15 20 25 30 35 40 45 50 55 60

TEMPO

EN

TR

OP

IA 1

ª O

RD

EM

Valores Experimentais Valores Calculados Valores CBIR

Direcção MDDirecção MD


Direcção CDDirecção CD

-3,000

-2,500

-2,000

-1,500

-1,000

-0,500

0,000

0,500

1,000

1,500

2,000

1 2 4 6 8 10 12 15 20 25 30 35 40 45 50 55 60

TEMPO (s)

EN

TR

OP

IA 1

ª O

RD

EM



Direcção MDDirecção MD

-2,5

-2

-1,5

-1

-0,5

0

0,5

1

1,5

1 2 4 6 8 10 12 15 20 25 30 35 40 45 50 55 60

TEMPO (s)

EN

TR

OP

IA 2

ª O

RD

EM



Direcção CDDirecção CD

-2,000

-1,500

-1,000

-0,500

0,000

0,500

1,000

1,500

2,000

1 2 4 6 8 10 12 15 20 25 30 35 40 45 50 55 60

TEMPO (s)

EN

TR

OP

IA 2

ª O

RD

EM



CORRELAÇÃO VALORES

EXPERIMENTAIS X

VALORES CALCULADOS

VALORES EXPERIMENTAIS

X VALORES C.B.I.R.

VALORES C.B.I.R. X

VALORES CALCULADOS

DIRECÇÃO MD CD MD CD MD CD

Entropia 1ª ordem

0,8138 0,1385 0,9835 0,9431 0,7413 0,2104

Entropia Média 2ª ordem

0,9037 0,2238 0,8828 0,9274 0,9684 0,3549

Energia Média 2ª ordem

0,9244 0,4937 0,9656 0,9273 0,9278 0,6334

Contraste Médio

0,5693 0,7436 0,9379 0,8789 0,4683 0,5427

Correlação Média

0,8908 0,9543 0,9387 0,8268 0,7806 0,8666

Homogeneidade Média

0,8983 0,7642 0,9372 0,9664 0,9281 0,7610

Força de Rotura

0,9997 0,9998 0,9855 0,9490 0,9860 0,9508

CONCLUSÕESCONCLUSÕES

•Foi desenvolvido uma montagem experimental Foi desenvolvido uma montagem experimental para a captação e processamento de imagens de para a captação e processamento de imagens de amostras de mantos pré agulhados sujeitas a um amostras de mantos pré agulhados sujeitas a um movimento uniaxial de estiragem controlado, com movimento uniaxial de estiragem controlado, com uma razão de alongamento constante, e que uma razão de alongamento constante, e que permite avaliar instantaneamente de um modo permite avaliar instantaneamente de um modo estático, a evolução conjugada das principais estático, a evolução conjugada das principais propriedades texturais e mecânicas.propriedades texturais e mecânicas.

CONCLUSÕESCONCLUSÕES

Neste trabalho introduziu-se uma nova técnica com vista à condução controlada do processo de estiragem de mantos pré agulhados fundamentada em recuperação de imagens por conteúdo, através da comparação simultânea de propriedades texturais e dinamométricas de imagens obtidas em ambiente experimental e respectiva comparação com imagens previamente adquiridas em condições controladas e arquivadas em base de dados. Os excelentes coeficientes de correlação obtidos entre Os excelentes coeficientes de correlação obtidos entre imagens de resultados experimentais e os resultados imagens de resultados experimentais e os resultados previstos pela metodologia CBIR, permitem inferir que previstos pela metodologia CBIR, permitem inferir que esta solução tecnológica poderá ser aplicável na esta solução tecnológica poderá ser aplicável na catalogação em tempo real das propriedades texturais de catalogação em tempo real das propriedades texturais de mantos pré agulhados em meio industrialmantos pré agulhados em meio industrial, e consequentemente, na estimação do seu comportamento futuro.

CONTACTO:

Universidade da Beira InteriorUniversidade da Beira Interior

Unidade de Materiais Têxteis e PapeleirosUnidade de Materiais Têxteis e Papeleiros

Departamento de Ciência e Tecnologia TêxteisDepartamento de Ciência e Tecnologia Têxteis

Engº Nuno José Ramos BelinoEngº Nuno José Ramos Belino

Rua Marquês D´Ávila e Bolama, Nº1 Rua Marquês D´Ávila e Bolama, Nº1

6200-001 – Covilhã – Portugal6200-001 – Covilhã – Portugal

[email protected]

www.ubi.pt

Tel: 00351 – 275 319700Tel: 00351 – 275 319700

Fax 00351 – 275 319723Fax 00351 – 275 319723

Documents

Center of Excellence ITSAPT and Textile Faculty TU, Liberec , CZ CITEVE, V.N.Famalicão, Portugal