Mostrar el registro sencillo del ítem
Inspeção automática de frascos utilizando visão computacional em sistema embarcado
| dc.contributor.advisor | Marques, Patric Janner | |
| dc.contributor.author | Machado, Uiliam Trentin | |
| dc.contributor.other | Spindola, Marilda Machado | |
| dc.contributor.other | Costa, Guilherme Holsbach | |
| dc.date.accessioned | 2020-06-02T16:09:23Z | |
| dc.date.available | 2020-06-02T16:09:23Z | |
| dc.date.issued | 2019-07-07 | |
| dc.date.submitted | 2019 | |
| dc.identifier.uri | https://repositorio.ucs.br/11338/6119 | |
| dc.description | O aumento da capacidade produtiva, bem como a ocorrência de mercados consumidores mais exigentes, têm impulsionado o uso de sistemas de inspeção visual automática destinados ao controle de qualidade e gerenciamento da produção. Entretanto, estes sistemas ainda apresentam um custo elevado, o que pode tornar sua aplicação inviável em empresas de pequeno e médio porte. Tendo estas questões como motivação, este trabalho propõe o desenvolvimento e a avaliação de um sistema de inspeção visual automática de frascos utilizando dispositivos de baixo custo. Esta inspeção visa a detecção de presença de tampa em dois modelos de frascos diferentes, através de imagens capturadas em linha de envase a velocidade nominal. Para tal desenvolvimento, uma revisão sobre os tópicos de visão computacional pertinentes ao trabalho e uma análise do estado da arte sobre inspeção visual automática de frascos são apresentadas. A partir destas revisões e considerando-se as particularidades do processo e as limitações impostas pelo hardware, foram selecionadas 4 diferentes abordagens de processamento de imagens para avaliação. Neste trabalho estes métodos foram denominados como "método das linhas", "método das áreas", "método K-means" e "método ORB". Ao todo, a base de dados gerada contem 313 imagens do conjunto de frasco branco e tampa azul e 125 imagens do conjunto de frasco verde e tampa verde. Os resultados indicam que para o modelo de frasco branco o método que apresentou os melhores resultados foi o método das áreas. Com este método a inspeção do frasco branco atingiu uma acurácia de 100% e um tempo máximo de inspeção de 311,9 ms, não ultrapassando o limite de tempo de inspeção imposto pela velocidade de produção da linha de envase. Para o modelo de fraco verde o melhor resultado foi obtido através do método ORB. Com este método foi possível atingir um valor de acurácia de 100%. No entanto, o maior tempo de inspeção do método ORB para o frasco verde foi de 460,3 ms, ultrapassando o limite de tempo de inspeção imposto pela linha de envase. Observa-se que imagens com menor variação de cor e intensidade entre as regiões de interesse demandam algoritmos de processamento mais robustos e, como consequência, aumenta-se o tempo de inspeção do sistema (sic). | pt_BR |
| dc.description.abstract | The increase in production capacity as well as the occurrence of more demanding consumer markets have driven the use of automatic visual inspection systems aimed at quality control and production management. However, these systems still present a high cost, which can make their application infeasible in small and medium enterprises. With these issues as motivation, this work proposes the development and evaluation of an automatic visual inspection system of bottles using low cost devices. This inspection aims at detecting the presence of cap in two different bottle models, through images captured in the packaging line at nominal speed. For such development, a review on the topics of computer vision pertinent to the work and an analysis of the state of art on automatic visual inspection of bottles are presented. From these reviews and considering the particularities of the process and the limitations imposed by the hardware, 4 different image processing approaches were implemented for evaluation. In this work these methods were denominated as "line method", "area method", "Kmeans method" and "ORB method". Altogether, the generated database contains 313 images of the white bottle and blue cap set and 125 images of the green bottle and green cap set. The results indicate that for the white bottle model the method that presented the best results was the areas method. With this method the inspection of the white bottle reached an accuracy of 100% and a maximum inspection time of 311.9 ms, not exceeding the inspection time limit imposed by the speed of the production line. For the green bottle model the best result was obtained using the ORB method. With this method it was possible to reach an accuracy value of 100%. However, the longest inspection time of the ORB method for the green bottle was 460.3 ms, exceeding the inspection time limit imposed by the packaging line. It is observed that images with less variation of color and intensity between the regions of interest demand more robust processing algorithms. As a consequence, the inspection time of the system is increased (sic). | pt_BR |
| dc.language.iso | pt | pt_BR |
| dc.subject | Engenharia elétrica | pt_BR |
| dc.subject | Sistemas embarcados (Computadores) | pt_BR |
| dc.subject | Visão por computador | pt_BR |
| dc.title | Inspeção automática de frascos utilizando visão computacional em sistema embarcado | pt_BR |
| dc.type | Monografia | pt_BR |
| mtd2-br.advisor.instituation | Universidade de Caxias do Sul | pt_BR |
| mtd2-br.program.name | Bacharelado em Engenharia Elétrica | pt_BR |
| mtd2-br.campus | Campus Universitário da Região dos Vinhedos | pt_BR |
| local.data.embargo | 2019-07-15 00:00:00 |
