VISUAL PROCESSING

AND CLASSIFICATION OF ITEMS ON A

MOVING CONVEYOR: A SELECTIVE
PERCEPTION APPROACH
Processamento visual e classificação de itens em um transportador em
movimento: Uma abordagem de percepção seletiva
 INTRODUÇÃO
• Muitas aplicações industriais exigem algum tipo de processamento visual
automatizado e classificação de itens localizados em um transportador em
movimento.
• No artigo em questão, é apresentado uma abordagem baseada em
percepção seletiva para o processamento visual. A novidade dessa
abordagem é que ao invés do processamento da imagem inteira, apenas
áreas consideradas “interessantes" e que necessitam de atenção são
analisadas.
• Desde que uma pequena parte da imagem inteira é processada, o
processamento virtual pode ser feito em tempo real e flexível sem exigir o
uso de hardware especial.
 PROCESSAMENTO VISUAL E
CLASSIFICAÇÃO DE ITENS EM UM
TRANSPORTADOR EM MOVIMENTO
• Duas aplicações diferentes baseadas nessa abordagem são descritas:
 Detecção de um item defeituoso
 Classificador de controle remoto automatizado em uma fábrica de TV

• Um processo típico compreende:

1. Observar os itens no transportador via algum tipo de sensor como câmera
2. Localizar algum item
3. Classificar o item baseado em um conjunto de características, como
formato.
4. Realizar a ação necessária dependendo da classificação feita.
 PROCESSAMENTO VISUAL E
CLASSIFICAÇÃO DE ITENS EM UM
TRANSPORTADOR EM MOVIMENTO
• Para classificação automatizada ser viável, as seguintes questões devem ser
abordadas de forma eficaz:
 Os itens a serem inspecionados podem ter formatos estranhos, contendo furos e
extrusões;
 Processamento visual em tempo real;
 Requisitos mínimos especiais de hardware;
 Novos itens podem ser adicionados frequentemente.
ü A posição e orientação dos itens podem ser arbitrárias;

•
 PERCEPÇÃO SELETIVA
• Estudos em ciência da visão revelaram que sistemas funcionam alocando
recursos computacionais limitados para apenas as partes interessantes de
uma imagem recebida.
• Isso é feito por sacadas, movimentos rápidos do olho que direcionam o eixo
óptico para um ponto alvo de fixação de tal forma que a área de alta
resolução em torno do ponto de fixação - a fóvea - sobrepõe-se com esta
área de interesse
• No artigo essas ideias é estendida para processamento e classificação
visual automatizadas.
 PROCESSAMENTO VISUAL
SELETIVO
• Em sistemas de percepção seletiva, o processamento consiste em uma
repetição contínua de estágios de pré-atenção e atenção, juntamente
com a cognição:
• Pré-atenção: O objetivo é determinar para onde olhar em seguida no
campo visual.Após o estágio de pré-atenção, recursos visuais são alocados
para processar apenas uma pequena parte de toda a cena e o sistema
entra em modo atento
• Atenção: Neste estágio somente a região de interesse é submetida a
processamento adicional, com o objetivo de extrair recursos mais
complexos.
• O estágio de cognição tem dois modos possíveis:
• Aprendizado, onde o sistema é instruído de que é apresentado a um novo
item para que ele salve esse modelo em sua memória.
• Classificação onde o sistema compara este modelo aos modelos em sua
memória e decide se o item está semelhante a qualquer um em sua
memória.
 USANDO SEQUÊNCIAS DE
ATENÇÃO
• Cada sequência de atenção formada é entrada para o módulo de
cognição.
• Como os itens a serem inspecionados podem ter formato irregular,
contendo furos e extrusões, o módulo deve gerar uma descrição de forma
como um primeiro passo. A descrição da forma deve incluir a forma externa
dos itens e as formas de todas as suas partes internas.
• Finalmente, dependendo da modalidade de aprendizado de operação ou
tomada de decisão, a descrição da forma gerada é armazenada na
biblioteca de modelos para referência futura ou comparada com os
modelos armazenados para identificar o item atual.
 DISSECANDO O PROCESSO
1. Identificação de contornos: Consiste em
dois estágios: (1) encontrar um segmento
de contorno passando por todos os
pontos de fixação em uma sequência de
atenção e (2) mesclar seqüências de
atenção diferentes, se necessário, e
assim formar o segmento de contorno
máximo.
 DISSECANDO O PROCESSO
2. Representação de forma: Uma vez que
os contornos são extraídos, o próximo
passo é representá-los de maneira
translacional e rotacionalmente
invariante. Para isso,é usado os
descritores de Fourier elípticos, onde,
cada forma i é definida por um vetor.
A próxima etapa é gerar um modelo R
para a forma do item, juntamente com
todas as suas partes internas.
 DISSECANDO O PROCESSO
3.Aprendizagem ou identificação: Depois que o modelo do item de entrada é
construído, dois modos diferentes de operação são possíveis
• Tomada de decisão, um item "para ser classificado" é apresentado ao sistema e é
feita uma verificação sobre se o item corresponde a um modelo L da memória.
• Aprendizagem, nesse caso, a representação do item é armazenada em sua
memória como um modelo "dourado" para uso futuro.
• A comparação é baseada em:
 Comparação dos parâmetros de forma externa;
 Identificação de sub partes correspondentes em cada um;
 Usando uma medida de proximidade para determinar se o posicionamento e a
forma de cada subparte no item é como deveria estar.
 APLICAÇÕES
• Essa abordagem foi implementada em duas aplicações:
• O primeiro desenvolvimento é feito para uma empresa de subcontratação que
produz peças de portas para a indústria automobilística.
• Além de detectar itens defeituosos, o sistema identifica facilmente as subpartes
defeituosas. O experimento é repetido para itens com muitos tipos diferentes de
falhas.
• A segunda aplicação é feita para uma linha de fabricação de controladores
remotos no setor de TV. Um sistema de classificação de controle remoto
automatizado; o controle remoto é direcionado para uma das
possíveis estações de controle através de uma configuração eletromecânica,
• Com testes extensivos, às taxas de detecção falsas foram reduzidas para 0% para
todos os tipos e as perdas para 0,5%.
 CONCLUSÃO
• Dentro do problema geral da classificação automatizada em um
transportador móvel, este trabalho propõe uma nova abordagem para o
processamento visual baseado na percepção seletiva
• Duas aplicações baseadas nessa abordagem são descritas. Ambos os
aplicativos exigem tomada de decisão em tempo real
• A medida de similaridade média do ASSC entre o modelo armazenado
anteriormente e o item "'a ser inspecionado' 'é calculada para distinguir
entre itens bons e defeituosos. Os valores de ASSC acima de um limite são
rotulados como defeituosos
• Aqui, com um extenso desenvolvimento e avaliação experimental, quase
100% de confiabilidade é alcançada. Além disso, o processamento visual
seletivo permite tempos de inspeção de cerca de 100 ms