Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/33882
Title: | Project i-RoCS: sistema de deteção de sujidade baseada em visão por computador |
Other Titles: | Projeto i-RoCS: dirt detection system based on computer vision |
Author: | Pires, Agostinho |
Advisor: | Neves, António José Ribeiro Fonseca, Pedro Nicolau Faria da |
Keywords: | Visão por computador Aprendizagem auto-máquina Aprendizagem profunda KNN GMM Redes neuronais artificias Processamento de imagem digital Peceptron Deteção de objetos |
Defense Date: | 3-Dec-2021 |
Abstract: | A finalidade principal desta dissertação é avaliação de algoritmos de visão por
computador com potencial para efetuar a deteção de sujidade no chão, através da
captura de imagens digitais. A abordagem traçada vai de encontro com a aquisição
de conhecimentos pelo executante, por algoritmos e métodos de aprendizagem
auto-máquina.
A aquisição destes conhecimentos é uma das principais motivações do executante
em elaborar esta dissertação, pois esta abordagem tem presentes uma nova maneira
de pensar com o uso de tecnologias mais contemporâneas como a visão por
computador, onde métodos de aprendizagem auto-máquina surgem e apresentam
bons resultados.
O projeto IROCS pode beneficiar com esta dissertação de uma implementação que
permite descartar e enquadrar formas diferentes de deteção de sujidade através de
captura de imagens.
Existem outras maneiras de efetuar análise de imagens visando deteção, mas no
caso da sujidade e conforme a tecnologia existente na atualidade, uma câmara
digital é a melhor hipótese.
Através da captura de vídeo onde as imagens digitais são o principal recurso,
estudou-se o processamento de imagem, aplicando vários métodos tanto de extração
de caraterísticas, como classificação das mesmas, como a finalidade de deteção
da sujidade, aos quais foram aplicados critérios de forma diferente.
Esta dissertação apresenta métodos de aprendizagem máquina, métodos com ou
sem supervisão, com classificação por rótulo ou probabilidade, utilizando um préprocessamento
recorrendo a gradientes e com extração de caraterísticas em blocos,
retirando dos blocos a média e o desvio padrão como recurso para a classificação.
Os resultados obtidos foram motivadores, ofertando a capacidade de validar algoritmos
como soluções com valência e descartar outros com menos potencial, em
simultâneo, ter perceção das limitações que podem existir, verificando e analisando
estes possíveis problemas e se são possíveis de contornar. The main purpose of this dissertation is to evaluate computer vision algorithms with the potential to detect dirt on the floor, through the capture of digital images. The approach is the acquisition of knowledge by the performer, using algorithms and machine learning methods. This acquisition of this knowledge is one of the main motivations of the practitioner in preparing this dissertation, as this approach presents a new way of thinking with the use of more contemporary technologies such as computer vision, where machine learning methods emerging and giving good results. The IROCS project can benefit from this dissertation, with an implementation that allows discarding and framing different forms of dirt detection through image capture. There are other ways to perform image analysis for detection, but in the case of dirt and according to current technology, a digital camera is the best option. Through video capture, where digital images are the main resource, image processing and applying several methods, both of extraction of features, as classification of the same, as the purpose of detecting dirt, to which criteria were applied different way. This dissertation presents machine learning methods, methods with or without supervision, with classification by label or probability, using a pre-processing using gradients and with block feature extraction, removing the mean and standard deviation from the blocks as a resource for the classification. The results obtained were motivating, offering the ability to validate algorithms as solutions with valence and discard others with less potential, at the same time, being aware of the limitations that may exist, verifying and analyzing these possible problems and whether they are possible to overcome. |
URI: | http://hdl.handle.net/10773/33882 |
Appears in Collections: | UA - Dissertações de mestrado DETI - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Documento_Agostinho_Pires.pdf | 49.72 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.