Tracking di prodotto di colata basato su immagini [Presentazione]
-
Upload
denis-ronchese -
Category
Engineering
-
view
152 -
download
0
Transcript of Tracking di prodotto di colata basato su immagini [Presentazione]
TRACKING DI PRODOTTO DI COLATA BASATO SU IMMAGINI
Laureando: Denis RONCHESE
Relatore: Felice Andrea PELLEGRINO
Co-Relatore: Gianfranco FENU
Università degli Studi di Trieste Dipartimento di Ingegneria e ArchitetturaCorso di Laurea in Ingegneria dell’Informazione
Anno accademico 2014-2015
Principi della colata continua
Marche di oscillazione
Tracking di identificazioneEtichette metalliche/cartacee;
Informazioni sul semilavorato;
Problemi:
durabilità a operazioni di magazzino e lavaggio;
durabilità a successive elaborazioni industriali;
impossibilità di applicazione su particolari semilavorati;
Problema ed obiettivo
Problema: Sfruttare le marche di oscillazione Implementare un sistema di tracking
Obiettivo: Studio di fattibilità Feature extraction
Premessa: immagini elaborate
Premessa: immagini elaborate
Selezione e correzione prospettica Correzione della distorsione obiettivo
Strategie di feature extraction
• Estrazione della frequenza
• Ricostruzione sintetica via interpolazione
• Ridge detection con kernel anisotropico
Estrazione della frequenza
1. Riconoscimento dei contorni: algoritmo di Sobel;
2. Saturazione edge: produzione di un’immagine binaria;
3. Operazioni morfologiche;
4. Somma in verticale: produzione di un vettore di picchi;
5. Autocorrelazione del segnale;
6. Trasformata di Fourier: analisi spettrale;
Estrazione della frequenza
Strategie di feature extraction
• Estrazione della frequenza
• Ricostruzione sintetica via interpolazione
• Ridge detection con kernel anisotropico
Ricostruzione via interpolazione
1. Selezione manuale dei punti d’interpolazione;
2. Calcolo polinomio interpolante per ogni marca di oscillazione;
• Polinomio di grado 5;
• Polinomio di grado 1;
3. Produzione delle immagini binarie con andamenti dei polinomi;
4. Calcolo vettore coefficienti angolari dei polinomi lineari interpolanti;
Ricostruzione via interpolazione
Strategie di feature extraction
• Estrazione della frequenza
• Ricostruzione sintetica via interpolazione
• Ridge detection con kernel anisotropico
Ridge detection con kernel anisotropico
G(y,�y) =e� y2
2�y2
2⇡�y
@
2G(x,�
x
)
@x
2=
x
2 � �
x
2
�
x
4·G(x,�
x
)
@
2G(x,�
x
)
@x
2·G(y,�
y
) =x
2 � �
x
2
�
x
4· e
� x
2
2�x
2e
� y
2
2�y
2
4⇡2�
x
�
y
Ridge detection con kernel anisotropico
1. Doppio filtro denoiser propedeutico all’analisi;
2. Convoluzione con il kernel anisotropico studiato;
3. Estrazione dei minimi: produzione immagine binaria;
Ridge detection con kernel anisotropico
Algoritmo di estrazione dei minimi:
1. Maschera di scorrimento: intorno di ogni pixel;
2. Calcolo del minimo ad ogni posizionamento della maschera;
3. Saturazione del pixel di minimo se la sua posizione coincide con il centro della maschera;
4. Pulizia immagine binaria;
Ridge detection con kernel anisotropico
Conclusioni• Estrazione della frequenza
‣ Robusto al rumore, efficace;
‣ Parametro non distintivo per il tracking;
• Ricostruzione sintetica via interpolazione ‣ Output binario promettente;
‣ Buona ricostruzione delle marche;
‣ Strategia difficilmente percorribile: selezione punti problematica;
• Ridge detection con kernel anisotropico ‣ Molto valida in alcune zone (poco rumorose)
‣ Problema dei falsi positivi;
‣ Strategia percorribile e migliorabile;
Conclusioni• Estrazione della frequenza
‣ Robusto al rumore, efficace;
‣ Parametro non distintivo per il tracking;
• Ricostruzione sintetica via interpolazione ‣ Output binario promettente;
‣ Buona ricostruzione delle marche;
‣ Strategia difficilmente percorribile: selezione punti problematica;
• Ridge detection con kernel anisotropico ‣ Molto valida in alcune zone (poco rumorose)
‣ Problema dei falsi positivi;
‣ Strategia percorribile e migliorabile;
Conclusioni• Estrazione della frequenza
‣ Robusto al rumore, efficace;
‣ Parametro non distintivo per il tracking;
• Ricostruzione sintetica via interpolazione ‣ Output binario promettente;
‣ Buona ricostruzione delle marche;
‣ Strategia difficilmente percorribile: selezione punti problematica;
• Ridge detection con kernel anisotropico ‣ Molto valida in alcune zone (poco rumorose)
‣ Problema dei falsi positivi;
‣ Strategia percorribile e migliorabile;
Sviluppi futuri
Vettore dell’evoluzione della frequenza;
Algoritmo per selezione automatica di punti di interpolazione;
Miglioramento algoritmo di estrazione dei minimi;
Grazie per l’attenzione!
La colata continua
Marche di oscillazione: come si formano?
A. Overflow; B. Overflow con rifusione; C. Ripiegamento del menisco;
Filtraggio lineare
Combinazione lineare valori intorno;
Correlazione
Convoluzione
è detto kernel o matrice di convoluzione;
g(i, j) = f ⌦ h =X
k,l
f(i+ k, j + l)h(k, l)
g(i, j) = f ⇤ h =X
k,l
f(i� k, j � l)h(k, l) =X
k,l
f(k, l)h(i� k, j � l)
h(k, l)
Filtraggio non lineare
Filtro mediano;
Filtro bilaterale
• doppio kernel: domain kernel e range kernel;d(i, j, k, l) = e
� (i�k)2+(j�l)2
2�d2 r(i, j, k, l) = e
� kf(i,j)�f(k,l)k2
2�r2
w(i, j, k, l) = d(i, j, k, l) · r(i, j, k, l)
g(i, j) =
Pk,l f(k, l)w(i, j, k, l)P
k,l w(i, j, k, l)
Filtraggio non lineare
Operatori morfologici
Operatori non lineari, applicabili ad immagini binarie;
Elemento strutturante
Operatori morfologici
Erosione Dilatazione
Apertura Chiusura
Edge detector: Sobel
Operatore differenziale discreto
Doppio kernel, uno per direzione
Edge detector: Sobel
Combinazione delle due immagini: matrici di intensità e direzione del gradiente
Estrazione della frequenza: ORIGINALI
1)
2)
Estrazione della frequenza: SOBEL
1)
2)
Estrazione della frequenza: SATURAZIONE
1)
2)
Estrazione della frequenza: OPERAZIONI MORFOLOGICHE
1)
2)
Estrazione della frequenza: VETTORE DEI PICCHI
1)
2)
Estrazione della frequenza: AUTOCORRELAZIONE
1)
2)
Estrazione della frequenza
Ricostruzione via interpolazione
Ricostruzione via interpolazione
Ricostruzione via interpolazione
Ridge detection con kernel anisotropico
Ridge detection con kernel anisotropico
Ridge detection con kernel anisotropico
Kernel anisotropico: scelta di sss �y
�y = 6 �y = 30 �y = 100