Với mục đích thử nghiệm để đưa vào ứng dụng thực tế, các mẫu ảnh để xử lý được thu thập từ thực tế tại nhà máy cán thép NasteelViNa và cán thép Thái Trung tại Thái Nguyên. Ảnh của các đầu bó thép D10-D16 trơn và D10 – D16 cường lực được chụp bằng máy ảnh dân dụng thông thường ống kính 6.2 đến 18.6mm. Độ phân giải 10.1 Mpixels. Ánh sáng khi chụp tại kho trong nhà máy là ánh sáng tự nhiên không dùng đèn flash.
Thực hiện chương trình
Ngôn ngữ được sử dụng trong lập trình thực hiện thuật toán 2.6 là Matlab phiên bản 2017
Đọc file ảnh và chuyển sang ảnh xám, ảnh nhị phân
a) b)
c) d)
g) h)
Hình 3.12 Các bước thực hiện tách đối tượng trong ảnh a) ảnh nguyên bản b) ảnh xám c) ảnh nhị phân d), e), f) các bước trung gian g) tìm biên để xác định
hưởng thực hiện hình thái học h) kết quả tách các đối tượng.
Kết quả: Số đếm trong ảnh N=108 (hình 3.13)
n =108
Bảng 3.3 Độ chính xác kết quả đếm qua ảnh đầu bó thép (%) Loại thép Số ảnh
xử lý
Bằng đầu Không
bằng đầu
10 vằn 100 100% 98%
12 vằn 100 100% 99%
> 14 100 100% 100%
Trong các trường hợp với ảnh thép 10 vằn và 12 vằn mà đầu bó thép không bằng thì không đạt được kết quả 100%. Lý do được giải thích trong hình 3.14 Với sai số này cần có biện pháp hỗ trợ cơ khí “vỗ” để tạo ra bó thép bằng đầu. Việc này được thực hiện giống như chúng ta cầm bó đũa dỗ một đầu xuống sẽ được bó đũa ở phía đầu dỗ xuống các đầu cây đũa đều tiếp xúc với cùng mặt phẳng và có bó đũa bằng đầu. Khi đó chụp ảnh đầu bó đũa phía dỗ xuống này sẽ không có ảnh đầu đũa bị thụt vào.
Với bó bằng đầu kết quả đạt 100%.
Đầu cây thép bị thụt vào
Hình 3.14 Trường hợp đầu cây thép bị thụt vào 3.4 Nhận xét và đánh giá, so sánh
mục 2.5.2) Khi đó chúng ta cần kết hợp watershed mới xử lý được nếu cứ xử lý theo hình thái học định hướng lại có xu hướng khoét sâu vào đối tượng mà không có hiệu quả như các trường hợp khác.
Hướng phát triển: Đã có các nghiên cứu về cứng hóa các thuật toán xử lý ảnh. Do vậy việc nghiên cứu hoàn thiện phương pháp đề xuất sau đó thực hiện thuật toán này trên FPGA để có thể có một thiết bị cầm tay sử dụng chuyên dụng cho đếm thép bó hoặc các loại ảnh đầu bó tương tự là hoàn toàn khả thi.
KẾT LUẬN CHƯƠNG 3
Chương 3 thực hiện việc tiến hành thực nghiệm để tách các cây thép trong ảnh đầu bó thép để thực hiện quá trình đếm. Với loại thép tròn do tính đồng nhất của chúng nên các ảnh đầu bó khi thực hiện tách và đếm tương đối dễ dàng khi sử dụng hình thái học kinh điển. Với ảnh đầu bó cây thép vằn phương pháp hình thái học có định hướng sẽ rất hữu ích khi tách các đối tượng trong ảnh.
Phương pháp đếm số đối tượng qua ảnh được áp dụng nhiều trong cuộc sống và nhiều khi là phương pháp duy nhất để thực hiện việc đếm. Khó khăn lớn trong việc đếm qua ảnh là trong một số trường hợp ảnh của các đối tượng này dính với nhau hoặc chồng lấn lên nhau. Luận văn chỉ khảo sát trong trường hợp ảnh các đối tượng dính nhau. Để tách các đối tượng dính nhau phương pháp hình thái học co ảnh đã được áp dụng. Tuy nhiên trong nhiều trường hợp không thể áp dụng được phương pháp này vì khi thực hiện pháp co ảnh qua mỗi lần thực hiện diện tích của đối tượng (hoặc nhóm đối tượng) sẽ bị giảm đi có những khi giảm đến 0 vẫn chưa tách được. Trong trường hợp này thực hiện hình thái học là phương pháp rất hữu ích.
Trong thời gian thực hiện luận văn em đã hệ thống lại được các kiến thức cơ bản về xử lý ảnh và nghiên cứu thêm được một số nghiên cứu của các giả về hình thái học gradient, watersheed. Thực nghiệm được thực hiện với một trường hợp cụ thể trong công nghiệp là đếm số cây thép qua ảnh đầu bó thép. Em xin cảm ơn các thày, cô giáo trong Khoa Công nghệ thông tin trường đại học Công nghệ Thông tin và Truyền thông Đại học Thái Nguyên đã tận tình trong quá trình truyền đạt kiến thức. Cảm ơn thày giáo hướng dẫn TS Phạm Đức Long đã giải thích, giúp đỡ em trong quá trình thực hiện luận văn.
HƯỚNG PHÁT TRIỂN
Ứng dụng kỹ thuật xử lý ảnh trong cuộc sống nói chung và trong sản xuất công nghiệp nói chung là một hướng nghiên cứu ứng dụng có nhiều tiếm năng.
Những phát triển của em có thể tập trung vào:
Xây dựng thuật toán khắc phục trường hợp hình 2.32
Xây dựng các mạch phát hiện lỗi ví dụ mạch phá hiện lỗi trong các bản mạch linh kiện trên dây chuyền sản xuất
Nghiên cứu cứng hóa các chương trình xử lý ảnh; khi đó các chương trình xử lý ảnh sẽ tách rời khỏi máy tính và hoạt động ổn định hơn, đáp ứng được trong các môi trường khắc nghiệt như công nghiệp, chiến tranh .
còn có hạn chế và lĩnh vực nghiên cứu yêu cầu kiến thức rộng nên trong luận văn của em có thể còn có những khiếm khuyết. Em rất mong nhận được sự chỉ bảo, giúp đỡ của các thày cô giáo. Em xin chân thành cảm ơn.
Thái Nguyên Ngày 01 tháng 10 năm 2020 HỌC VIÊN
NGUYỄN THỊ THANH XUÂN
[1] Amruta Pandit, Jyoti Rangole, Literature Review on Object Counting using Image Processing Techniques, International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering, Vol. 3, Issue 4, April 2014.
[2] Sanaullah Khan, Aamir Khan, Faisal Saleh Khattak, Arslan Naseem, An Accurate and Cost Effective Approach to Blood Cell Count, International Journal of Computer Applications (0975 – 8887) Volume 50 – No.1, July 2012.
[3] Jeydeo K.Dharpure, Madhukar B.Potdar, Counting Objects using Homogeneous Connected Components, International Jourpplications , Volume 63 – No.21, February 2013.
[4] Pham Duc Long, Construcing hardwave to Count Number of Steel Bar in the Steel Bunches by Image Processing, TNU Journal of Science and Technology, 6- 2018.
[5] Jos B.T.M. Roerdink, Arnold Meijster, The Watershed Transform: Definitions, Algorithms and Parallelization Strategies, IOS Press, Fundamenta Informaticae 41, 187–228, 2001.
[6] Amandeep Kaur, Aayushi, Image Segmentation Using Watershed Transform, International Journal of Soft Computing and Engineering (IJSCE) ISSN: 2231- 2307, Volume-4, Issue-1, March 2014.
[7] Zhun Fan, Jiewei Lu, Benzhang Qiu, Tao Jiang, Kang An, Alex Noel Josephraj, and Chuliang Wei, Automated Steel Bar Counting and Center Localization with Convolutional Neural Networks, Published in ArXiv 2019.
[8] Serge Beucher, P. Soille, J.F. Rivest, Morphological gradients, Proc. SPIE
"Image Science and Technology", San Jose, California, Feb. 1992.
[9] Pham Duc Long, Oriented Morphology and Application to Count the Number of Steelbars in the Bunches by Image Processing, TNU Journal of Science and Technology, 6- 2020.
[10] LO Chua, L Yang, Cellular Neral Network Theory, IEEE Transactions on circuits and systems, 1988.
Counting on Conveyor Belt Based on Machine Vision, Journal of Information Hiding and Multimedia Signal Processing Volume 7, Number 2, March 2016.
[12] Weiyan Hou, Zhengwei Duan, Xiaodan Liu, “A Template Covering based Algorithm to Count the Bundled Steel Bars,” 2011 4th International Congress on Image and Signal Processing, 2014, pp. 1813-1816.
Một số mã nguồn chương trình Hiình thái học gradient