Teses e Dissertações (BDTD USP - IFSC)

URI permanente para esta coleçãohttp://143.107.180.6:4000/handle/RIIFSC/9

Navegar

Filtros

2009 - 200912010 - 20141

Configurações

Assunto: search.filters.subject.Fuzzy logic

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Nenhuma Miniatura Disponível
    Item
    Estratégia atencional para busca visual e reconhecimento invariante de objetos baseada na integração de características bottom-up e top-down
    (2014-03-17) Neves, Evelina Maria de Almeida
    Uma das tarefas básicas dos mecanismos atencionais é decidir qual a localização dentro do campo visual, em que devemos prestar atenção primeiro. Um objeto que contenha características distintas, tais como orientação, forma, cor, tamanho, brilho, textura, etc. diferentes, pode atrair a atenção de uma maneira \"bottom-up\". A informação \"top-down\" baseia-se no conhecimento prévio e tem uma grande influência nas localizações atendidas. Inspirado nos mecanismos da Atenção Visual Humana, embora sem a pretensão de simulá-la, este trabalho prevê o desenvolvimento de uma nova metodologia que integra os dois tipos de informações: \"bottom-up\" e \"top-down\". Características \"bottom-up\" são geradas a partir de Momentos e essas informações são utilizadas em mapas de saliência, enquanto que um conhecimento prévio é utilizado para gerar pistas \"top-down\". Neste trabalho, desenvolveu-se uma metodologia específica para a busca e o reconhecimento visual em cenas com múltiplos objetos, utilizando para isso uma rede \"fuzzy\" contendo três subsistemas \"fuzzy\". Dada uma imagem de entrada, o objetivo consiste em se detectar regiões que possam conter informações mais significativas, a fim de que se possa guiar e restringir processamentos mais complexos. A inclusão de mecanismos de atenção (seleção de uma região de interesse dentro da imagem) é de fundamental importância pois os resultados obtidos pelo método podem ser usados para controlar a aquisição da imagem de uma maneira dinâmica. O modelo proposto está estruturado em três estágios principais: O primeiro estágio consiste em se segmentar os objetos e extrair características globais dos mesmos baseadas principalmente na teoria dos momentos, tais como tamanho, orientação, formato e distância e também média de nível de cinza. Por intermédio da comparação de um objeto com os outros presentes na cena, características \"bottom-up\" de conspicuidade são usadas para guiar a atenção ao objeto mais diferente. Por intermédio do uso da lógica \"fuzzy\" é possível inferir com grande flexibilidade algumas regras de decisão baseadas nos princípios de percepção visual tais como as leis Gestalt. O segundo estágio consiste de um subsistema \"fuzzy top-down\" que combina diferentes características de acordo com a relevância das mesmas em diferentes tarefas. Finalmente, o terceiro estágio consiste de um subsistema \"fuzzy\" que integra as informações obtidas dos subsistemas anteriores e fornece um índice geral de saliência, e indica a provável localização do objeto a ser reconhecido. A nova abordagem foi testada com objetos geométricos levando-se em consideração as características que atraem a atenção dos serem humanos
  • Nenhuma Miniatura Disponível
    Item
    Avaliação da qualidade de placas de madeira através de um sistema de interferência nebuloso baseado em redes adaptativas.
    (2009-05-26) França, Celso Aparecido de
    A inspeção visual automática é uma tarefa importante para a produtividade industrial. Ela pode ser aplicada em controle de qualidade para substituir operadores humanos em trabalhos perigosos ou repetitivos. O estágio de classificação em controle de qualidade da produção industrial é freqüentemente baseado no conhecimento humano. Portanto, torna-se importante alimentar um sistema visual automático com dados nebulosos ou ambíguos. Um sistema \"neuro-fuzy\" é uma forma adequada de implementar isto. O trabalho contribui na área tecnológica de inspeção visual com o desenvolvimento de uma nova abordagem para avaliação da qualidade de placas de madeira utilizadas na fabricação de lápis. Outra contribuição foi a divisão do vetor de características, fazendo com que cada característica específica seja tratada em uma rede neural própria. O método é baseado em duas redes neurais, cada uma tratando com apenas uma característica de entrada. Os resultados das redes neurais são combinados através de lógica nebulosa (\"fuzzy) fornecendo um sistema com maior poder discriminante do que aqueles que utilizam métodos tradicionais. O sistema se caracteriza por ser ágil, repetitivo, com um padrão de classificação definido e por possuir baixo custo.