Publication
An adaptive image pre-processing system for quality control in production lines
| dc.contributor.advisor | Leitão, Paulo | |
| dc.contributor.advisor | Lima, José | |
| dc.contributor.author | Arroyo Esquivel, Esteban | |
| dc.date.accessioned | 2013-01-21T10:38:43Z | |
| dc.date.available | 2013-01-21T10:38:43Z | |
| dc.date.issued | 2012 | |
| dc.description.abstract | Adaptive and self-optimized behaviours in automated quality control systems based on computer vision and hence on digital image processing, constitute an approach that may signi cantly enhance the robustness, e ciency and exibility of the industrial systems. This work presents the development of an adaptive software system designed for the pre-processing of digital images captured in industrial production scenarios. The system is capable of characterizing and distinguishing between di erent image scenes, evaluating their current global quality, determining the best enhancement strategy to be executed and auto-adapting its functional parameters according to the actual generated data. Real images captured in a washing machines production line are presented and used to test and validate the system algorithms. Experimental results demonstrate the robust performance of the system, the image quality enhancements achieved and the improvement of the recognition e ectiveness of the posterior processing algorithms. The contribution of the present work consists in the implementation of a dynamic scene recognition algorithm, based on a neural network architecture and a parametric indexes extraction process, that allows the execution of customized quality correction strategies and it is capable of considering the system's history in order to self-adapt. With this project it is intended to incur in the automated industrial quality control eld by addressing a novel approach on adaptive pre-processing systems for quality enhancement purposes. Os comportamentos adaptativos e auto-optimizáveis nos sistemas de controlo de qualidade baseados em visão arti cial e, portanto, em processamento de imagem, constituem uma abordagem que poderia aumentar signi cativamente a robustez, e ciência e exibilidade das respostas dos sistemas industriais. Este trabalho apresenta o desenvolvimento de um sistema de software adaptativo desenhado para o pré-processamento de imagens capturadas em ambientes de produção industrial. O sistema é capaz de caracterizar e distinguir entre diferentes imagens, avaliar a sua qualidade global actual, determinar a melhor estratégia de melhoramento por executar e auto-adaptar os seus parâmetros funcionais de acordo com a informação gerada. Imagens reais capturadas numa linha de produção de máquinas de lavar são apresentadas e usadas para testar e validar os algoritmos do sistema. Resultados experimentais demonstram o rendimento robusto da arquitectura, os melhoramentos da qualidade da imagem atingidos e o incremento da efectividade de reconhecimento dos algoritmos de processamento posteriores. A contribução do presente trabalho consiste na implementação de um algoritmo dinâmico de reconhecimento de cenários, baseado numa arquitetura de rede neural e num processo de extracção de parâmetros, que permite a execução de estratégias de correcção de qualidade e é capaz de considerar a história do sistema com o objectivo de auto-adaptar-se. Com este projecto pretende-se incorrer no campo do controlo de qualidade automatizado focando uma abordagem novedosa em sistemas de pré-processamento adaptativo com propósitos de melhoramento de imagem. Comportamientos adaptativos y auto-optimizables en sistemas de control de calidad basados en visión arti cial y, por tanto, en procesamiento de imagen, constituyen un abordaje que podría aumentar signi cativamente la robustez, e ciencia y exibilidad de las respuestas de los sistemas industriales. Este trabajo presenta el desarrollo de un sistema de software adaptativo diseñado para el pre-procesamiento de imágenes capturadas en escenarios de producción industrial. El sistema es capaz de caracterizar y distinguir entre diferentes imágenes, evaluar su cualidad global actual, determinar la ejecución de la estrategia de mejoramiento óptima y auto-adaptar sus parámetros funcionales de acuerdo con la información generada. Imágenes reales capturadas en una línea de producción de lavadoras de ropa son presentadas y utilizadas para veri car y validar los algoritmos del sistema. Los resultados experimentales obtenidos demuestran un rendimiento robusto de la arquitectura, mejoras tangibles en la calidad de la imagen y un incremento de la efectividad de reconocimiento de los algoritmos de procesamiento posteriores. La contribución del presente trabajo consiste en la implementación de un algoritmo dinámico de reconocimiento de escenarios, basado en una arquitectura de red neuronal y en un proceso de extracción de parámetros, que permite la ejecución de estrategias de corrección de calidad y es capaz de considerar la historia del sistema con el objectivo de auto-adaptarse. Con este proyecto se pretende incursionar en el campo del control de calidad automatizado enfocando un abordaje novedoso en sistemas de pre-procesamiento adaptativo con propósitos de mejoramiento de imagen. | por |
| dc.identifier.citation | Esquivel, Esteban Arroyo (2012). An adaptive image pre-processing system for quality control in production lines. Bragança: Escola Superior de Tecnologia e Gestão. Dissertação de Mestrado em Engenharia Industrial | por |
| dc.identifier.uri | http://hdl.handle.net/10198/7984 | |
| dc.language.iso | eng | por |
| dc.peerreviewed | yes | por |
| dc.publisher | Instituto Politécnico de Bragança, Escola Superior de Tecnologia e Gestão | por |
| dc.subject | Adaptive systems | por |
| dc.subject | Image pre-processing | por |
| dc.subject | Industrial quality control | por |
| dc.subject | Scene recognition | por |
| dc.title | An adaptive image pre-processing system for quality control in production lines | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| oaire.awardURI | info:eu-repo/grantAgreement/EC/FP7/246203 | |
| oaire.fundingStream | FP7 | |
| project.funder.identifier | http://doi.org/10.13039/501100008530 | |
| project.funder.name | European Commission | |
| rcaap.rights | openAccess | por |
| rcaap.type | masterThesis | por |
| relation.isProjectOfPublication | dabbc4ae-d243-4db3-96d9-1ce103a6a3cf | |
| relation.isProjectOfPublication.latestForDiscovery | dabbc4ae-d243-4db3-96d9-1ce103a6a3cf |