Dual stage image analysis : a computer vision technique applied for analysing complex image patterns in raw ham veining defect

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Ciência da Computaçãopt_BR
dataload.filenamenourau7547.pdfpt_BR
dataload.handlemapped123456789/50pt_BR
dataload.idpergamum129519pt_BR
dataload.idvirtuanourauvtls000229450pt_BR
dataload.idvirtuapergamumvtls000229450pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000229450pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000229450pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorBarbon Junior, Sylvio [Orientador]pt_BR
dc.contributor.authorLopes, Jessica Fernandespt_BR
dc.contributor.bancaFelinto, Alan Salvanypt_BR
dc.contributor.bancaLopes, Fabrício Martinspt_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T13:14:39Z
dc.date.available2024-05-01T13:14:39Z
dc.date.created2019.00pt_BR
dc.date.defesa26.08.2019pt_BR
dc.description.abstractResumo: Lidar com reconhecimento de padrões requer a construção de métodos robustos e flexíveis de modo a propiciar alta performance na identificação de diferentes amostras para os mais variados problemas O sistema de visão computacional é utilizado na análise de vários processos em que, associa-se algoritmos, para predizer um conjunto de imagens, simulando a visão humana Na indústria alimentícia, o controle de qualidade requer técnicas precisas que proporcionem maior confiabilidade no processo Considerando o processo industrial de presunto crú, a presença de veias no pernil suíno está diretamente relacionada com a qualidade do produto final, consequentemente, em seu valor de mercado Alguns defeitos relacionados a presença de veia são detectados através de inspeção visual No entanto, uma avaliação automática da qualidade de presunto crú através da análise de imagens permeia desafios para tradicionais técnicas de visão computacional devido ao padrão complexo relacionado a cada nível de defeito Sendo assim, estratégias para distinção entre diferentes classes são necessárias visto que a extração de características torna-se ineficiente para se obter um bom desempenho Dentro deste contexto, esta Dissertação objetiva propor o Dual Stage Image Analysis (DSIA), uma técnica baseada em visão computacional para propiciar melhor performance na identificação de classes baseadas na quantificação de características determinantes presentes nas amostras Por meio do princípio de "dividir para conquistar”, o DSIA propõe a divisão do problema em subconjuntos para resolução de subtarefas de modo a propiciar uma melhora significativa no entendimento entre as classes a serem preditas Para avaliar a performance da abordagem proposta, foram realizados comparativos entre o método Tradicional de sistema de visão computacional com o DSIA Após observar diversas análises, nota-se que a técnica proposta é capaz de aumentar, significativamente, a capacidade preditiva, obtendo acurácia 25% maior quando comparada ao método tradicionalpt_BR
dc.description.abstractother1Abstract: Dealing with pattern recognition requires the construction of robust and flexible methods to provide high performance in identifying different sample classes The computer vision system is used in the analysis of several processes in which, it is associated algorithms, to predict information set In the food industry, quality control requires precise techniques that provide accurate process Considering the industrial process of Dry-cured ham, vein in the pork’s thigh carcass are directly related to the quality of the final product, consequently to its market value Some veining defects are easily detected by visual inspection However, the automatic evaluation of raw ham quality by image analysis poses some challenges to the traditional computer vision technique grounded on the complex image pattern related to each defect level Thus, strategies for distinguishing between diferente classes are often necessary since feature extraction becomes inefficient to achieve good performance In this context, this dissertation aims to propose Dual Stage Image Analysis (DSIA), a technique based on computer vision to provide better performance in the identification of classes based on the quantification of determinant characteristics present in the samples Through the divide-to-conquer principle, DSIA proposes to split the problem into subsets to solve sub-tasks to provide a significant improvement in understanding between classes to be predicted To demonstrate the performance of the proposed approach, comparisons were made between the traditional method of computer vision system with the DSIA After observing several analyses, it is noticed that the proposed technique is able to increase the predictive capacity significantly, the obtained accuracy is higher at 25% in comparison to the traditional methodpt_BR
dc.description.notesDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computaçãopt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/11446
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameCiência da Computaçãopt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.subjectAprendizado do computadorpt_BR
dc.subjectProcessamento de imagenspt_BR
dc.subjectReconhecimento de padrõespt_BR
dc.subjectMachine learningpt_BR
dc.subjectImage processingpt_BR
dc.subjectPattern recognitionpt_BR
dc.titleDual stage image analysis : a computer vision technique applied for analysing complex image patterns in raw ham veining defectpt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
7547.pdf
Tamanho:
26.64 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Ciência da Computação