| dc.contributor.advisor | Adami, André Gustavo | |
| dc.contributor.author | Dellabetha, Alexander Augusto | |
| dc.contributor.other | Spindola, Marilda Machado | |
| dc.contributor.other | Tregnago, Rodrigo | |
| dc.date.accessioned | 2018-08-23T18:15:10Z | |
| dc.date.available | 2018-08-23T18:15:10Z | |
| dc.date.issued | 2018-08-23 | |
| dc.date.submitted | 2018 | |
| dc.identifier.uri | https://repositorio.ucs.br/11338/3857 | |
| dc.description | 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). | pt_BR |
| dc.language.iso | pt | pt_BR |
| dc.subject | Madeira serrada | pt_BR |
| dc.subject | Indústria madeireira | pt_BR |
| dc.subject | Imagens como recursos de informação | pt_BR |
| dc.subject | Processamento de imagens - Técnicas digitais | pt_BR |
| dc.title | Sistema industrial para aquisição de imagens e classificação de nós em madeira serrada | pt_BR |
| dc.type | Monografia | pt_BR |
| mtd2-br.advisor.instituation | Universidade de Caxias do Sul, Campus Universitário da Região dos Vinhedos - CARVI | pt_BR |
| mtd2-br.program.name | Bacharelado em Engenharia Eletrônica | pt_BR |
