Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/28488| Título: | Segmentação e contagem de troncos de madeira utilizando deep learning e processamento de imagens |
| Título(s) alternativo(s): | Segmentation and counting of wood trunks using deep learning and image processin |
| Autor(es): | Tiecker, Gustavo Mazzochin, João Victor Costa |
| Orientador(es): | Rodrigues, Érick Oliveira |
| Palavras-chave: | Estratégias de aprendizagem Visão por computador Redes neurais (Computação) Learning strategies Computer vision Neural networks (Computer science) |
| Data do documento: | 3-Nov-2021 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Pato Branco |
| Citação: | TIECKER, Gustavo; MAZZOCHIN, João Victor Costa. Segmentação e contagem de troncos de madeira utilizando deep learning e processamento de imagens. 2021. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Universidade Tecnológica Federal do Paraná, Pato Branco, 2021. |
| Resumo: | A contagem de objetos em uma imagem é um problema de reconhecimento de padrões que visa identificar um elemento e determinar a incidência do mesmo na imagem analisada. Abordada na literatura como Visual Object Counting (VOC), a aplicação dessa técnica pode ser determinante, influenciando diretamente no resultado final de uma análise detalhada. No presente trabalho abordamos um experimento aplicado em uma base de dados de troncos de madeira, visando a identificação, segmentação e contabilização dos troncos presentes em uma imagem de entrada. Para solucionar o problema, nosso método consiste em duas etapas principais, a segmentação da imagem e posteriormente a contagem de incidências de troncos de madeira presentes na mesma. Para realizar a segmentação da imagem foi feito uso do framework Pix2Pix, o qual consiste no treinamento de um modelo de aprendizado de maquina que realiza a segmentação pixel a pixel, aplicando o conceito de Conditional Generative Adversarial Networks (CGANs). Para a contagem de incidências do tronco de madeira na imagem foram implementados algoritmos utilizando as seguintes técnicas: Hough Transform, Connected Components e Reconstrução Morfológica. A média de acurácia na segmentação excede 89%, enquanto a média de troncos contabilizados em relação ao total observado ultrapassa 97%. |
| Abstract: | Counting objects in images is a pattern recognition problem that focus on identifying an element to determine its incidence. Approached in the literature as Visual Object Counting (VOC), such application can be very precise. In this work we propose a methodology to count wood logs. First, wood logs are segmented from the image background and their incidence is evaluated in a second step. This first segmentation step is created using the Pix2Pix framework that uses Conditional Generative Adversarial Networks (CGANs), which implements pixel-by-pixel segmentation. In the second step, in order to count the segmented clusters, we use and compare the following approaches: Hough Transform, Connected Components and Morphological Reconstruction. The average accuracy of the segmentation exceeds 89%, while the average amount of correctly identified trunks is over 97%. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/28488 |
| Aparece nas coleções: | PB - Tecnologia em Análise e Desenvolvimento de Sistemas |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| deteccaosegmentacaocontagemtroncos.pdf | 2,26 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
