Detalhes bibliográficos
| Ano de defesa: |
2011 |
| Autor(a) principal: |
Brito Bisneto, Cândido Regis de |
| Orientador(a): |
Souza, Josemar Rodrigues de |
| Banca de defesa: |
Gonçalves, Marcelo Albano Moret Simões,
Costa, Augusto Loreiro da |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Faculdade de Tecnologia SENAI CIMATEC
|
| Programa de Pós-Graduação: |
Modelagem Computacional e Tecnologia Industrial
|
| Departamento: |
Não Informado pela instituição
|
| País: |
brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
http://repositoriosenaiba.fieb.org.br/handle/fieb/718
|
Resumo: |
Esta dissertação apresenta um modelo computacional aplicado a Visão Computacional de um equipamento robótico. O modelo foi desenvolvido utilizando uma abordagem de Redes Neurais Artificiais e Geometria Fractal. O principal problema abordado foi o de reconhecimento e classificação de objetos por um robô autônomo. Este trabalho concentrou-se especificamente na visão artificial do dispositivo. As Redes Neurais foram desenvolvidas usando a arquitetura Multilayer Perceptron com o algoritmo de Retropropagação de Erro. Dentro do Processamento de Imagens Digital, a Dimens~ao Fractal pode ser utilizada como uma medida de caracter sticas da complexidade de uma imagem, o que possibilita seu uso no reconhecimento de padr~oes e nas an alises de formas e texturas. Em alguns trabalhos nota-se o uso das Redes Neurais Arti ciais, do Processamento de Imagens Digitais e da Geometria Fractal como classi cadores de dados, neste trabalho, procurou-se utiliz a-las em conjunto para a classi ca c~ao e reconhecimento dos objetos. O objetivo do trabalho foi desenvolver uma Rede Neural capaz de reconhecer o objeto e classi c a-lo, segundo suas caracter sticas, ao grupo o qual pertence. Inicialmente foram capturadas imagens atrav es de equipamentos eletr^onicos e via internet, o alvo da busca foram quatro diferentes tipos de parafusos. Nos grupos formados pelas imagens capturadas, 30% delas foram manipuladas manualmente para que apresentassem defeitos ou de fabrica c~ao ou de aquisi c~ao. Para as an alises, a arquitetura da Rede Neural foi desenvolvida em tr^es vers~oes nas quais difere somente na quantidade de sa das. Como dados de entrada para o treinamento, as imagens adquiridas foram pr e-processadas e transformadas em tons de cinza. Para a Dimens~ao Fractal, utilizou-se o m etodo Box-Counting que utilizou o contorno do objeto para calcular o valor. Foram feitas duas simula c~oes, a primeira utilizou a Dimens~ao Fractal como um dos par^ametros da Rede, na segunda esse dado foi descartado, para uma posterior compara c~ao. Os resultados obtidos foram satisfat orios, atingindo uma m edia de 79% de acertos para o primeiro teste e de 67% para o segundo, diferen ca esta respons avel pela Dimens~ao Fractal. A avalia c~ao demonstra que o uso da fractalidade neste tipo de teste e v alida e que o sistema visual desenvolvido e vi avel. |
