CALCULADOR DA RESISTÊNCIA DE RESISTORES BASEADO EM CLASSIFICAÇÃO DE OBJETOS SOB RASPBERRY PI COM THREAD

Resumo

A necessidade de classificadores, principalmente nas áreas de agronomia e medicina, está cada vez maior e com requisitos mais trabalhosos para a computação, como por exemplo o processamento e análise de imagens digitais, assim, este trabalho teve como objetivo o desenvolvimento de algoritmos para classificação de objetos, a aplicação de Threads em ambientes com multiprocessadores para aumentar a velocidade dos classificadores, viabilizando sistemas de tempo real de baixo custo. Os algoritmos demonstrados nesse artigo, são de uso geral, podendo ser aplicado em qualquer área de interesse, como agronomia para separação ou colheita por grau de maturidade e até contagem de células e detectores de anomalias para a área médica. Obteve-se ganho significativo de desempenho, utilizando-se threads, havendo uma proporção maior de ganho de acordo com o aumento da resolução. Os classificadores deste artigo foram testados em ambiente controlado para detecção, contagem e separação de objetos (M&M’s e transistores) por cor e área. Todos resultados obtidos foram gerados a partir de sistemas computacionais de baixo custo “Raspberry PI 4”, e a biblioteca gratuita “OpenCV”. Obteve-se excelentes resultados, onde a maior taxa de erro foi de ~8,82% na classificação do transistor marrom e ~6,89 para a cor preta. Trabalhos futuros incluem integração do sistema embarcado em esteiras ao longo de fábricas, para separação de itens relevantes ou não, aplicando classificadores melhores como o “HAAR Cascade”.

 Palavras-chave: OpenCV; Processamento de imagens; Python; Raspberry; Thread.

RESISTOR RESISTANCE CALCULATOR BASED ON OBJECT RATING UNDER RASPBERRY PI WITH THREAD

The need for calculators, especially in the areas of Agronomy and Medicine, is increasingly growing and with more demanding requirements for computing, such as the processing and analysis of digital images. This paper aimed at developing algorithms for classifying objects and application of Threads in environments with multiprocessors to increase the speed of the classifiers, enabling low-cost real-time systems. Algorithms shown in this article are of general use and can be applied in any area of interest, such as Agronomy for sorting or harvesting by degree of maturity and even cell counting or anomaly detectors within medical field. Results show significant performance gains using threads, with a greater proportion of gain according to the increase in resolution. Classifiers in this paper were tested in a controlled environment for the detection, counting and separation of objects (M & M’s and transistors) by color and area. All results were generated from low-cost computer systems “Raspberry PI 4”, and the free library “OpenCV”. The highest error rate was ~ 8.82% for the brown transistor rating and ~ 6.89 for the black color. Future studies include integration of the embedded system on conveyor belts throughout factories, for the separation of relevant items or not, applying better classifiers such as the “HAAR Cascade”.

 Key Words: OpenCV. Image processing. Python. Raspberry. Thread.