3.3
Resumo
Nas sec¸c˜oes anteriores foram apresentados diversos estudos sobre inspec¸c˜ao visual para aplica¸c˜ao `a agricultura, divididos em sistemas de controlo de qualidade e em sistemas para reconhecimento e colheita robotizada.
Apesar dos v´arios estudos realizados, grande parte dos sistemas de vis˜ao apresen- tados fornecem uma detec¸c˜ao da posi¸c˜ao do fruto a duas dimens˜oes. A localiza¸c˜ao do fruto a trˆes dimens˜oes ´e obtida pelo movimento do dispositivo ao longo da linha de vista at´e que seja detectada a presen¸ca do fruto. Esta detec¸c˜ao ´e alcan¸cada pelo uso de diferentes sensores tal como sensores de toque (Kawamura et al. (1987) e Slaughter e Harrel (1988)) ou de sensores ultras´onicos (Slaughter e Harrel (1987), Slaughter e Harrel (1988) e Harrel et al. (1989)). Alguns estudos, apresentados em Kawamura et al. (1987), Kassay (1992) e Buemi et al. (1995), utilizam a vis˜ao es- tereosc´opica para determinar a posi¸c˜ao do fruto. O uso de um sensor que fornece directamente a informa¸c˜ao tridimensional reduz o tempo de c´alculo necess´ario para realizar a correspondˆencia estereosc´opica ou simplificar a tarefa de mover o bra¸co rob´otico at´e ao fruto. Nesta situa¸c˜ao, o ´unico sistema de medi¸c˜ao 3D foi apresentado para a colheita de mel˜oes em Benady e Miles (1992).
Desta forma, podemos concluir que para al´em das t´ecnicas de detec¸c˜ao dos frutos, tamb´em os sistemas mecˆanicos s˜ao de extrema importˆancia nestes sistemas robotiza- dos. Na tabela 3.1 ´e apresentado um resumo de v´arios estudos onde se apresentam algumas caracter´ısticas interessantes: o fruto a inspeccionar, o equipamento uti- lizado, os m´etodos de processamento utilizados e os resultados na inspec¸c˜ao dos frutos (detec¸c˜ao e falsas detec¸c˜oes).
Referˆencia Fruto Sensores e acess´orios
M´etodo de detec¸c˜ao Detec¸c˜ao de frutos verdes Sucesso/Falsas detec¸c˜oes (%) Parrish e Goksel (1977) Ma¸c˜as P/B + F Intensidade (Thr + EC + CR) N˜ao NA D’Esnon et al. (1987)
Ma¸c˜as C Cor (Thr) N˜ao NA
D’Esnon et al. (1987), Rabatel (1988)
Ma¸c˜as 3C + 3F Cor (R´acio + Thr) Sim 50% /6= 0%
Whitaker et al. (1987)
Tomates P/B Formas (CHT + Con- tornos)
Sim 68% / 42%
Levi et al. (1988) Laranjas C + F + LA
Formas (Gradiente + Cor- respondˆencia)
N˜ao 70% / NA
Slaughter e Harrel (1987)
Laranjas C + LA Cor (HSV + CL) N˜ao 75% / NA
Sites e Dewilche (1988) Ma¸c˜as e Pˆessegos P/B + F + L Intensidade (Thr + EC + CL) N˜ao 84% / 20% Slaughter e Harrel (1988), Harrel et al. (1989)
Laranjas C Cor (RGB + CB) N˜ao 75% / NA
Juste e Sevilla (1991)
Laranjas P/B + F + 2LA
Intensidade (Thr) N˜ao 80% / Alta% Juste e Sevilla
(1991)
Laranjas 2P/B + 2F + 2LA
Intensidade (R´acio + Thr) N˜ao 80% / 10 % Juste e Sevilla
(1991)
Laranjas C Cor (RGB + CB) N˜ao 90% / 3-5 %
Cardenas-Weber et al. (1991)
Mel˜oes P/B Intensidade (Thr + EC + CR)
N˜ao 84% / 10%
Kassay (1992) Ma¸c˜as 2C Cor (Thr + Stereo) N˜ao 41% / NA
Dobrousin e Edan (1992) Mel˜oes P/B + Blower Intensidade (Thr + EC + CR) N˜ao 80% / NA Benady et al. (1991) Mel˜oes Laser e P/B + Blower Formas (Perfil + CHT + CR) Sim 100% / 0%
Pl´a et al. (1993) Laranjas P/B + LA
Formas (Conc + Thr e Ajuste)
Sim 75% / 8%
Buemi et al. (1995) Tomates C Cor (HSV + Thr) N˜ao 90% / NA
Chamelat et al. (2006)
Uvas (tintas)
— Cor (RGB + HSV) N˜ao 99% / NA
P/B-Cˆamara Preto/Branco, C-Cˆamara de cor, F-Filtro, LA-Luz artificial
Thr-Thresholding, EC-Extrac¸c˜ao de caracter´ısticas, CL-Classificador linear, CB-Classificador Bayesiano, CR-Classificador baseado em regras, RGB-Espa¸co de cor RGB, HSV-Espa¸co de cor HSV,
CHT-Transformada Circular de Hough, Gradiente-Imagem Gradiente, Conc-Imagem concava, Perfil-Imagem de perfil NA-N˜ao apresentado
4
Software de vis˜ao
Antes da implementa¸c˜ao do nosso sistema de inspec¸c˜ao visual foi necess´ario fazer um levantamento de um conjunto de softwares existentes, a an´alise das mais valias dos mesmos quanto ao projecto pretendido e o rumo mais acertado para o desen- volvimento de um sistema fi´avel.
Inicialmente, foi estudada a hip´otese de se desenvolver integralmente um software de inspec¸c˜ao e a cria¸c˜ao de rotinas, a serem usadas para o processamento e classifica¸c˜ao das uvas. No entanto, esta via criava limita¸c˜oes ao n´ıvel do tempo necess´ario, exigindo um desenvolvimento e uma melhoria constante de algoritmos, j´a existentes e fortemente estudados, a ser desenvolvidos. Desta forma, e tendo em conta que grande parte das rotinas a ser usadas neste trabalho j´a foram estudadas e muito aprimoradas, ao longo dos anos, fez todo sentido a op¸c˜ao por softwares de inspec¸c˜ao que disponibilizam estas rotinas ao mesmo tempo que oferecem a possibilidade de configura¸c˜ao de todos os parˆametros dos algoritmos.
Estes softwares de inspec¸c˜ao permitem o desenvolvimento de uma aplica¸c˜ao to- talmente personalizada com a possibilidade de utilizar algumas rotinas b´asicas, e outras mais complexas, para o processamento e classifica¸c˜ao das imagens. Outra grande vantagem para o uso destes softwares tem a ver com o facto destes sistemas
estarem preparados para ser utilizados com hardware de alta qualidade para o efeito da inspec¸c˜ao, como sistemas de ilumina¸c˜ao, cˆamaras, entre outros.
Tendo por base estas caracter´ısticas foram seleccionados os seguintes softwares: Neu- rocheck, Omron FZ Xpectia, Common Vision Blox e Sherlock.
De seguida ser´a feita uma apresenta¸c˜ao ligeira de algumas caracter´ısticas de cada um dos sistemas que levaram `a escolha final do software a ser utilizado.
4.1
NeuroCheck
O NeuroCheck ´e um dos mais conhecidos softwares de inspec¸c˜ao apresentando uma enorme lista de funcionalidades.
Como se pode observar na figura 4.1, este software tem uma ´area de trabalho bas- tante completa disponibilizando um elevado n´umero de rotinas, v´arios m´etodos de execu¸c˜ao, sistema de controlo remoto que permite controlar remotamente o pro- grama, entre muitas outras configura¸c˜oes que possibilitam o ajuste do funcionamento ao gosto e necessidade de cada operador e aplica¸c˜ao.
O Neurocheck ´e um sistema de processamento desenhado para utiliza¸c˜ao em pro- cessos de produ¸c˜ao autom´atica e gest˜ao de qualidade. Oferece uma interface gr´afica integrada para a configura¸c˜ao interactiva das aplica¸c˜oes de inspec¸c˜ao visual e a sua execu¸c˜ao autom´atica numa linha de montagem.
O Neurocheck est´a projectado para ser utilizado num computador com o sistema operativo Windows. A empresa respons´avel por este software oferece uma grande quantidade de hardware que pode ser ligado ao sistema, tal como placas de entrada ou sa´ıda de dados, frame-grabbers e cˆamaras.
Uma caracter´ıstica muito interessante ´e a possibilidade de desenvolvimento de DLL’s para uma aplica¸c˜ao espec´ıfica e a sua utiliza¸c˜ao no Neurocheck. A possibilidade de desenvolver uma aplica¸c˜ao em Visual C++ ou Visual Basic atrav´es de uma interface
4.1. NEUROCHECK 77
OLE disponibilizada para o efeito ´e tamb´em um factor muito importante, j´a que permite a cria¸c˜ao de uma aplica¸c˜ao personalizada e optimizada para uma ´unica aplica¸c˜ao em concreto.
Apesar da grande quantidade de recursos disponibilizados por este software, bem como a ´optima documenta¸c˜ao dispon´ıvel, este programa apresenta-se mais voca- cionado para inspec¸c˜ao em ambientes industriais, como verifica¸c˜ao de soldaduras, OCR (leitura de caracteres em escalas de cinzentos) e inspec¸c˜ao de presen¸ca de com- ponentes, por exemplo. Desta forma, para a aplica¸c˜ao pretendida de detec¸c˜ao de uvas, este software n˜ao apresenta ferramentas para uso com cor capazes de proces- sar e tratar as imagens que apresentam muito ru´ıdo quando comparadas a linhas de montagem que podem ser totalmente projectadas para melhorar as condi¸c˜oes de inspec¸c˜ao.