Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 1.944

Aluno: Walber Rodrigues de Oliveira
Orientador:  Prof. Carlos Alexandre Barros de Mello
Título: Reconhecimento de Ferramental Industrial a partir de Modelos 
Tridimensionais em Imagens Adquiridas de Câmera Monocular
Data: 22/12/2020
Hora/Local: 13:30h – Virtual – Interessados em assistir entrar em contato com  o aluno
Banca Examinadora:
Profa. Judith Kelner  (UFPE / Centro de Informática)
Prof. Marcelo Walter (UFRGS / Instituto de Informática)
Prof. Carlos Alexandre Barros de Mello (UFPE / Centro de Informática)


RESUMO:

A visão computacional tem como uma de suas áreas de atuação a busca de 
itens. O uso de tais técnicas possibilita o impulsionamento de diversos 
setores sociais e econômicos.  Em específico, a indústria automobilística 
lança mão constantemente de tecnologia para melhoria de seus processos. No 
processo de criação de novos automóveis, são criadas as estruturas base dos 
produtos.  A ferramentaria é o setor que produz tais itens; são criados 
moldes em forma de matrizes que podem vir a pesar até 20 toneladas e ocupar dezenas de metros quadrados.Cada matriz é formada de dezenas a centenas de componentes, muitos deles únicos.  Estes moldes são concebidos em software de modelagem tridimensional e, através de um processo de manufatura aditiva, passam por diversas alterações até a construção do componente 
final. Uma vez que todos os componentes são construídos, a matriz é montada e é utilizada em prensas hidráulicas que modelam a estrutura metálica dos automóveis. Um passo fundamental consiste na verificação da montagem dos componentes antes de serem levados à prensa. A conferência é feita a olho nu e a única fonte de informação disponível é o modelo tridimensional.   
Falhas na estrutura podem causar danos estruturais e por a saúde dos 
colaboradores em risco.  Com isto, esta dissertação apresenta um modelo de 
reconhecimento dos componentes de uma matriz de ferramentaria automotiva a partir do modelo tridimensional em imagem obtida a partir de câmera 
monocular. A solução proposta modela desde o padrão de aquisição de 
imagens, utilizando marcadores rígidos que podem ser adicionados ao 
ambiente fabril até a geração de dois relatórios.  Após a aquisição das 
imagens de cena, é inferida a posição global ideal da matriz utilizando 
geometria projetiva.  Na próxima etapa, são renderizados os itens buscados 
numa imagem que se torna um modelo canônico da cena. Em paralelo a isto, a imagem de cena passa por um processo de extração de características, onde 
são utilizados algoritmos clássicos como o algoritmo de Canny, e soluções 
modernas baseadas em redes neurais de aprendizagem profunda (o HED – 
Holystically-nested Edge Network). Com isso, são gerados dois relatórios: o 
primeiro relatório é capaz de indicar problemas estruturais nos 
componentes, tais como rachaduras e itens indesejados em cena. O segundo 
relatório demonstra o percentual de casamento dos itens, a partir de uma 
análise comparativa entre a imagem de bordas da cena e o modelo canônico. A solução foi testada em uma indústria automotiva e obteve como resultados de casamento valores médios de 88% de acurácia e 91% de precisão além de 
conseguir identificar problemas estruturais nas ferramentas. A solução 
demonstra ser adequada para aumentar a eficiência do processo de 
conferência, trazendo melhorias de segurança e diminuindo os custos do 
processo.

Palavras-chave:  Reconhecimento de modelos tridimensionais especulares. 
Ferramentaria automotiva. Casamento de template. Visão computacional

Comentários desativados