Transcript
UNIVERSIDADE ESTADUAL PAULISTA “Júlio de Mesquita Filho” FEB - FACULDADE DE ENGENHARIA DE BAURU
Curso de Graduação em Engenharia Mecânica
Projeto de pesquisa:
Escaneamento e identificação de amostras de madeira cadastradas em um banco de dados
Alunos: João Paulo de Oliveira Freitas André Marcelino
Orientador: Prof. Dr. Luiz Antonio Vasques Hellmeister
Bauru –Novembro de 2010
1 – INTRODUÇÃO A madeira é um material renovável e possui características impares, comparada a outros materiais, características estas que advêm da variação das suas propriedades ortotrópicas (nos eixos x, y e z, ou nos planos xy – transversal, xz – radial, e yz - tangencial), sendo a classificação e determinação de suas propriedades físicas e mecânicas objeto de extensa e exaustiva pesquisa, carente, entretanto de investigação científica da relação entre as características tangíveis (índices de resistência, dureza, densidade, usinabilidade) e não tangíveis (cor e textura, usabilidade). A seleção de materiais em projetos torna-se necessária e exige ferramentas importantes na orientação e desenvolvimento de novos materiais e produtos inovadores. O escaneamento digital é uma ferramenta capaz de obter marcas visuais e convertê-las em dados para a análise computacional e posterior determinação de algumas características do objeto em estudo. Com sua aplicação em amostras de madeira, o escaneamento e o processamento de dados são capazes de determinar padrões compreensíveis e dessa forma reconhece-los dentro de um banco de dados já cadastrado com amostras anteriormente escaneadas, identificando, dessa forma, qual a origem e as características básicas da madeira estudada. Informações sobre materiais e processos de fabricação estão disponíveis com diferentes conteúdos, suportes e interfaces. Existem recursos disponíveis na internet, os tradicionais Handbooks e catálogos disponibilizados por fornecedores de materiais. Entretanto, tais informações não estão sistematizadas de forma que o designer ou o engenheiro possa recuperá-las à medida de sua necessidade. São fontes de extrema utilidade, mas insuficientes quando se deseja uma investigação mais ampla e rápida, em condições de uso, para especificação de um produto em desenvolvimento. Com o escaneamento é possível associar rapidamente o material a ser utilizado com suas características já reconhecidas por estudos anteriores, sem a necessidade de um estudo mais profundo sobre a amostra disponível. O objetivo geral desta pesquisa é reconhecer padrões de madeira por meio de escaneamento digital, identificando a amostra escaneada dentro de um banco de dados cadastrado com outras amostras de madeira e classificando-a quanto à sua espécie.
2 – REVISÃO BIBLIOGRÁFICA O estudo sistemático da madeira está relacionado, na sua origem, ao início do desenvolvimento científico e tecnológico da humanidade. Galileu (1564-1642) deu início ao desenvolvimento da ciência das estruturas, abordando o estudo do comportamento de vigas e peças tracionadas e formalizando os primeiros fundamentos da Resistência dos Materiais. Hooke (1635-1703) fez uma série de ensaios utilizando diversas espécies de madeira, apresentando a experimentação com corpos elásticos e a relação linear entre forças e deformações. Marriott (1620-1654), retomando os trabalhos de Galileu, corrigiu parcialmente o engano da distribuição uniforme de tensões, admitindo a distribuição linear de tensões de compressão e tração na flexão. Mais tarde, Parent (1666-1716) e Coulomb (1736-1806) obtiveram a equação da tensão máxima nas fibras, como é admitida até hoje. A primeira grande série de ensaios utilizando diversas espécies de madeira foi feita por Musschenbroek (1692-1761), que construindo inúmeros dispositivos de ensaios, estudou e descobriu a variação da resistência à tração em função da posição do corpo-de-prova na árvore. Girard (1765-1836) realizou os primeiros ensaios de compressão em peças estruturais. Navier (1785-1836) mostrou a necessidade de obter nos ensaios não só a tensão de ruptura, mas também o módulo de elasticidade. Duleau, por volta de 1820, e Jourawski (1821-1891) utilizaram conceitos até hoje válidos, para calcular o momento de inércia de vigas de seção composta. A caracterização físico-mecânica da madeira por meio de ensaios ditos destrutivos (convencionais), desde os testes rudimentares de Galileu até os ensaios atualmente preconizados pela NBR 7190/1997 – ABNT (1997) está, cada vez mais, cedendo espaço aos métodos não destrutivos, que consistem basicamente na caracterização do material em serviço, determinando suas propriedades sem comprometer o seu uso final. Mais recentemente a aplicação de novas tecnologias tem sido alvo de estudo na madeira, Lebow et al (1995) classificaram as características superficiais da madeira através da refletância espectral da cor, salientando a importância do aspecto superficial da madeira, sua cor e crescente desenvolvimento dos sistemas computacionais na caracterização de defeitos; Matthaes (2002) estudou a idade, defeitos e outras características da madeira através de Raios Infravermelho (IR Ray), como impressões digitais da madeira obtidas através de espectrometria da absorção do raios IR, sendo hoje amplamente utilizada pela indústria e pesquisas de análise química da mesma.
2.1 – COR E TEXTURA Holdschip (2008) declara que a cor não possui existência material. É apenas uma sensação provocada pela ação da luz sobre o observador por comprimentos de onda da luz produzida por uma fonte luminosa e modificada pelo objeto. Portanto, seu aparecimento está condicionado à presença de três participantes: fonte de luz, objeto e observador (MELCHIADES; BOSCHI, 1999). A cor de um objeto pode ser afetada por três fatores: • Pela característica da luz incidente sobre o objeto. • Pelas próprias características dos diferentes objetos em refletir diferentes partes da luz incidente. • Pela interpretação desta informação por parte do observador. A luz refletida de um objeto incide sobre os olhos do observador chegando até o cérebro onde é interpretada como uma sensação de cor (SHARMA, 2002). Machado et al (2003), estudando o desempenho da madeira em edifícios, declaram que a escolha de uma madeira não deve basear-se somente na sua designação comercial, mas deverá ser complementada pela indicação da designação botânica bem como da “qualidade” pretendida, por referência a uma classe de qualidade (associada a utilizações estruturais ou não estruturais) ou por imposição de limites quantos aos aspectos estruturais (textura, número de anéis por cm2). Comentam ainda que a designação comercial de uma resinosa encontra-se frequentemente relacionada com uma determinada imagem de distribuição dos anéis de crescimento associada a essa madeira, ou seja, a sua textura. Madeira (1997) apresenta embasamento para a classificação e segmentação de imagens a partir de sua textura, que é caracterizada pela distribuição bidimensional da sua imagem, sendo que distribuições do mesmo tipo correspondem a regiões do mesmo tipo. O modelo baseado na distribuição de probabilidade, utilizando modelos matemáticos, inclusive redes neurais, permite a classificação consoante à sua textura, obtendo um sistema de classificação e segmentação de imagens naturais confiável, em face da variação de luminosidade e erros introduzidos pelo sistema ótico e sua digitalização. A interpretação de imagens obtidas é possível pelo processamento de dados.
2.2 – ESCANEAMENTO Camargo & Abackerli declaram que o avanço tecnológico vem possibilitando aos computadores pessoais tornarem-se cada vez mais rápidos, fazendo com que a realidade virtual seja utilizada no projeto e a criação de ferramentas que possibilitem a transferência de informações e objetos do mundo real para o virtual, com a facilidade de criação de modelos computacionais, utilizando a computação gráfica em conjunto com a realidade virtual. Imagens podem ser obtidas, inclusive, com o auxílio de dispositivos de captação com baixo custo, como por exemplo, máquinas fotográficas digitais, webcams e celulares com câmera embutida, além de outros equipamentos com recursos ópticos similares. Nessa mesma linha de pesquisa encontram-se equipamentos que reconhecem padrões em escaneamento bidimensionais. Como é o caso de scanners biométricos. Os mais utilizados atualmente são os de impressões digitais, os quais a partir de uma imagem do dedo polegar, indicador ou da palma da mão, com o auxílio de um software, associa o padrão geométrico a um banco de dados de imagens e informações, reconhecendo a pessoa que passa pelo escaneamento. Da mesma forma que os scanners biométricos são utilizados, a proposta deste trabalho visa a utilização de um scanner de mesa comum, utilizado em microcomputadores para obter imagens que serão avaliadas através de um módulo computacional e posteriormente cadastradas em um banco de dados.
2.3 – A BIBLIOTECA COMPUTACIONAL OpenCV A OpenCV (Open Source Computer Vision Library), originalmente desenvolvida pela Intel, em 2000, é uma biblioteca multiplataforma, totalmente livre ao uso acadêmico e comercial, para o desenvolvimento de aplicativos na área de Visão Computacional (VC), bastando seguir o modelo de licença da BSD Intel. A OpenCV possui módulos de processamento de imagem e vídeo I/O, estrutura de dados, álgebra linear e GUI (interface gráfica do usuário). É básica com sistema de janelas independentes, controle de mouse e teclado, além de mais de 350 algoritmos de VC como: filtros de imagem, calibração de câmera, reconhecimento de objetos, análise estrutural e outros. O seu processamento de imagens é em tempo real.
Esta biblioteca foi desenvolvida nas linguagens de programação C/C++. Também, dá suporte a programadores que utilizem Python e Visual Basic e desejam incorporar a biblioteca a seus aplicativos. A versão 1.0 foi lançada no final de 2006 e a 2.0 foi lançada em setembro de 2009. A
biblioteca
tem
diversas
áreas
de
aplicação,
como:
Humano-Computador
Interface (HCI), identificação de objetos, sistema de reconhecimento facial, reconhecimento de movimentos, gravação de vídeos, robôs móveis, reconstrução 3D, realidade virtual, realidade misturada e realidade aumentada. A estrutura da OpenCV é dividida em:
cv — Módulo das principais funcionalidades e algoritmos de VC.
cvaux — Módulo com algoritmos de visão
cxcore — Módulo de estrutura de dados e álgebra linear.
highgui — Módulo de controle de interface e dispositivos de entrada.
ml — Módulo de Machine Learning (é um tipo de máquina de aprendizagem).
ed — Manual de estrutura de dados e operações.
Figura 1 – Exemplo de funcionamento de alguns módulos OpenCV Para o projeto em questão foi escolhido o módulo “cvaux”, pois ele possui técnicas de reconhecimento baseadas em contornos de regiões e descrição de texturas. Duas características importantes quando se estuda padrões em madeira, os quais se pretendem
identificar a partir do escaneamento e processamento de imagens. A cor da madeira também é analisada com o auxílio desse módulo e utilização de histogramas de imagens.
3 – PROPOSTAS DESTA PESQUISA Esta pesquisa tem por objetivo identificar algumas espécies de madeira a partir da análise das imagens de amostras escaneadas, com base em um banco de dados pré-definido.
4 – MATERIAL E MÉTODOS Trata-se de uma pesquisa descritiva desenvolvida a partir do raciocínio dedutivo, com a análise de um grupo com 14 amostras de diferentes espécies de madeira. 4.1 - AMOSTRAS (PADRÕES E PARA ESTUDO) As amostras, que formam o nosso universo de estudo, foram adquiridas a partir da compra de um estojo com 14 espécies de madeira. Essas 14 espécies que constituem o banco de dados e suas espécies são: Ipe (Tabebuia spp.), Jatobá (Hymeneacourbaril), Cumaru (Dipteryxodorata), Massaranduba
Tatajuba
(Manilkara
(Bagassaguianensis), spp.),
Andiroba
Purpleheart
(Peltoggyne
(Carapaguianensis),
Angelim
spp.), Pedra
(Hymenolobium spp.), Garapa (Apuleia), Cedro (Cedar – Cedrellaodorata), Tigerwood (Astroniumlecoitei), Itaúba. (Mezilaurus spp.), Jarana (Holopyxidium spp.) e Piquia (Caryocarvillosum).
Figura 2– Amostras de madeira utilizadas
4.2 - EQUIPAMENTOS Os equipamentos, utilizados no referido experimento, são listados abaixo: 1. Scanner fotográfico HP Scanjet G4050 2. Microcomputador desktop, processador Intel®Core™ 2 Quad Q6600 (2.40 GHz, 8 MB L2 cachê,1066 MHz FSB), Memória 4GB DDR2 800MHz,Disco Rígido SATA de 320GB 3. Monitor de 19’’ 4. Mouse óptico 5. Teclado 6. Software open source (biblioteca OpenCV)
Figura 3 – Representação do sistema e ordem de funcionamento
4.3 - MÉTODO Inicialmente será realizado o cadastramento de 14 amostras de madeira de diferentes espécies no banco de dados. Para isso haverá o escaneamento das amostras, registro de suas espécies, classificação das características observadas na imagem e salvamento dos dados na biblioteca OpenCV. O ensaio de identificação será realizado dentro do universo das 14 amostras. A classificação será feita pelo software OpenCV, que irá comparar a amostra com o seu banco
de dados anteriormente cadastrado. A identificação levará em conta três características da madeira: sua cor, sua textura e seu contorno. Portanto, a amostra, escolhida aleatoriamente, tendo sua identificação conhecida (etiquetada pelo software), terá sua cor, textura e contorno analisados digitalmente através de seu escaneamento e comparação com a biblioteca, pré-estabelecida. O próprio software apresentará a associação final entre a peça escaneada e a anteriormente cadastrada.
4.4 - PROCEDIMENTO Tendo o banco de dados cadastrado, o ensaio seguirá as seguintes etapas: 1.
Pré-configuração (calibração do scanner, configuração do software e seleção
do módulo a ser utilizado). 2.
De dentro do universo de amostras, será escolhida uma aleatoriamente que em
seguida será escaneada e descartada do grupo de amostras a serem estudadas. 3.
A partir do manuseio do software, a imagem da amostra escaneada será tratada
por processamento de imagens e analisada, através do módulo da biblioteca, para enfim o software apresentar o resultado final, definindo então a espécie analisada. Os passos 2 e 3 serão repetidos até que todas as amostras tenham sido identificadas.
4.5 - ANÁLISE DOS RESULTADOS Tendo em mãos as amostras escaneadas e sabendo a sua real espécie, será possível comparar o resultado encontrado pelo software com a informação real já conhecida. Analisando então esses resultado e fazendo a estatística de erros, observar-se-á se o experimento será ou não satisfatório, ou seja, se é ou não possível identificar uma espécie de madeira conhecendo sua cor, sua textura e seus contornos, via escaneamento digital.
5 – CRONOGRAMA
ATIVIDADES Levantamento Bibliográfico Aquisição e implementação de software e scanner digital Criação do banco de dados Processamento e análise de resultados Redação do relatório final
1 XXX
PERÍODO (TRIMESTRE) 2 3 XXX
4
XXX XXX XXX XXX
6 - BIBLIOGRAFIA ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 7190: Projeto de estruturas de madeira. Rio de Janeiro: ABNT, 1997, 107 p. BRITO, J. A., Novo Aeon, Um Ambiente de Programação para Visão Computacional, UNIVERSIDADE FEDERAL DA BAHIA, INSTITUTO DE MATEMÁTICA, DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO, Salvador, 2009. CORADIN, V.T.R. & CAMARGOS, J.A.A. Noções sobre anatomia da madeira e identificação anatômica. Brasília, IBAMA, 2001. 43 p. FERRANTE, M. - Seleção de Materiais. São Carlos: EDUFSCar, 1996. Segunda Edição 2002. FERREIRA, M.; MORAES, A., Tutorial OpenCV. http://www.tecgraf.puc-rio.br/~malf/opencv/ ; 17/11/2010.
Disponível
em:
HELLMEISTER, J.C. Sobre a determinação das características físicas da Madeira. 3 ed. São Carlos: EESC USP. (1982).119p. HELLMEISTER, L.A.V. APLICAÇÃO DO MÉTODO DAS ONDAS DE TENSÃO NA CARACTERIZAÇÃO MECÂNICA DE TORAS, PRANCHAS E TÁBUAS DE Pinus taeda L. 2003. 164p Tese (Doutorado em Agronomia/Energia naAgricultura-Engenharia Ruarl) Faculdade de Ciências Agronômicas,Universidade Estadual Paulista, Botucatu, 2003. HOLDSCHIP, R. A influência dos sistemas de gerenciamento de cores em provas digitais 2008 123 P. Dissertação de Mestrado, Universidade Estadual Paulista, Bauru, 2008. MACHADO, A., Comando numérico aplicado às máquinas-ferramentas. 4. ed. São Paulo: Ícone, 1990. MAINIERI.C & CHIMELO, J.P. Fichas de características das madeiras brasileiras 2 ed. São Paulo, Instituto de Pesquisas Tecnológicas, Divisão deMadeiras, Publicação n° 1791, 418 p. IPT 1989. MARENGONI, M; STRINGHINI, D, Tutorial: Introdução à Visão Computacional usando OpenCV, Universidade Presbiteriana Mackenzie, 36 p. OpenCVReference Manual, Intel Corporation, http://www.cs.unc.edu/Research/stc/ FAQs/OpenCV/OpenCVReferenceManual.pdf., 2001. PINHO, C.M.D.; FEITOSA, F.F.; KUX, H, Classificação automática de cobertura do solo urbano em imagem IKONOS: Comparação entre a abordagem pixel-a-pixel e orientada a objetos, Instituto Nacional de Pesquisas Espaciais – INPE, Anais XII Simpósio Brasileiro de Sensoriamento Remoto, Goiânia, Brasil, 16-21 abril 2005, INPE, p. 4217-4224. OPENCV ORG, OpenCV Wiki. Disponível em http://opencv.willowgarage.com/wiki/. 30/10/2010.
Compromisso de Orientação De acordo:
_______________________________________ André Marcelino (Aluno)
_______________________________________ João Paulo de Oliveira Freitas (Aluno)
_______________________________________ Luiz Antonio Vasques Hellmeister (Professor Orientador)
