Este trabalho propõe uma abordagem que emprega técnicas de processamento de imagens e classificação de padrões para o reconhecimento de dígitos apresentados no contador de consumo de medidores de gás natural. Tais imagens são obtidas em campo a partir de condições reais de operação, diferentemente da maioria das abordagens encontradas na literatura que se baseiam em imagens adquiridas em ambientes controlados. Inicialmente o contador de consumo é segmentado por técnicas de processamento de imagens. A segmentação é realizada com base no espaço de cor HSL da imagem, diferentemente da maioria dos trabalhos apresentados na literatura que utilizam imagens em tons de cinza. Em seguida os dígitos são individualmente segmentados e suas características extraídas de forma a compor uma base de conhecimento. Esta base serve de apoio para realizar a classificação e reconhecimento dos dígitos. Por fim, é feita uma comparação entre o desempenho dos classificadores KNN, SVM e ELM no reconhecimento de dígitos segmentados. Os resultados demonstram que as redes neurais ELM possuem um desempenho superior aos outros classificadores testados. Além disso, a metodologia mostrou-se promissora neste cenário, chegando a alcançar 95% de taxa de acerto no reconhecimento dos dígitos. Apresentando menos de 5% de falha no processo de segmentação do contador de consumo, considerando-se uma base com 903 imagens de medidores de gás. Diante da escassez de bases de imagens compatíveis com a finalidade desta pesquisa, tem-se como outro objetivo deste trabalho a disponibilização de uma base de dados contendo imagens de medidores de consumo de gás natural. Esta base é composta por imagens de medidores com tamanhos variados, obtidas em campo a partir de condições reais de operação. Fazem parte também desta base, imagens resultantes do processo de segmentação individual dos dígitos, com o objetivo de atender pesquisadores que pretendam apenas aplicar novos métodos de classificação. / This work proposes an approach that employs image processing techniques and pattern classification for the recognition of digits displayed in the counter of consumption of natural gas meters. These images are obtained in the field from actual operation conditions, unlike most of approaches in the literature that are based on images acquired in controlled environments. Initially, the counter of consumption is segmented by image processing techniques. The segmentation is performed based on the HSL color space of the image, unlike most of the works presented in the literature that uses images in grayscale. Then the digits are individually segmented and their features extracted in order to compose a knowledge base. This base serves as support to perform the classification and recognition of digits. Finally, a comparison is made between the performance of classifiers KNN, SVM and ELM in the recognition of segmented digits. The results demonstrate that the ELM neural networks have a performance superior to the other tested classifiers. Furthermore, the methodology showed to be promising in this scenario, reaching 95% success rate in recognition of digits. Presenting less than 5% fault in the process of segmentation the counter of consumption, considering a database with 903 images of gas meters. Given the scarcity of images compatible with the finality of this research, has as another objective of this work the availability of a database containing images of natural gas consumption meters. This base consists of images of gas meters with varying sizes, obtained from actual operating conditions. Also part of this base, resulting images of the individual segmented digits process, in order to meet researchers who wish to apply new methods of classification.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.utfpr.edu.br:1/2210 |
| Date | 15 September 2016 |
| Creators | Gonçalves, Julio Cesar |
| Contributors | Centeno, Tania Mezzadri, Centeno, Tania Mezzadri, Fabro, João Alberto, Oliveira, Lucas Ferrari de |
| Publisher | Universidade Tecnológica Federal do Paraná, Curitiba, Programa de Pós-Graduação em Computação Aplicada, UTFPR, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UTFPR, instname:Universidade Tecnológica Federal do Paraná, instacron:UTFPR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds