Sélection de la langue

Recherche

Identification of hopper gate sprocket during grain car unloading using digital image processing.

Mohan, A.L., Karunakaran, C., Jayas, D.S., et White, N.D.G. (2010). « Identification of hopper gate sprocket during grain car unloading using digital image processing. », Transactions of the ASABE, 53(4), p. 1313-1320.

Résumé

En général, on met au point les applications de la visionique basées sur la reconnaissance des formes en utilisant des images acquises en laboratoire. Ces applications sont soumises à d’importantes contraintes dans le monde réel. Par exemple, un éclairage ambiant qui change constamment peut poser de nombreux problèmes pour la reconnaissance des formes. L’objectif à long terme de la présente étude est d’automatiser le déchargement des wagons à céréales dans les silos. La première étape de cette automatisation consiste à bien reconnaître la roue dentée de la porte de la trémie du wagon. On a élaboré des algorithmes pour détecter et reconnaître la roue dentée avec une exactitude de 100 % dans des conditions d’éclairage appropriées. On a également évalué la performance de ces algorithmes pour la reconnaissance de la roue dentée sur un wagon se trouvant dans diverses conditions d’éclairage, ce qui devrait être le cas dans une installation de déchargement de céréales type. On a fait l’acquisition d’images monochromes de la roue dentée en utilisant diverses sources lumineuses, comme des lampes à incandescence (à lumière directe ou diffuse), des lampes fluorescentes et des lampes à diodes luminescentes, avec des variables possibles comme la présence d’une personne derrière la roue, la présence de lumière parasite ou différents arrière-plans. Pour la reconnaissance de la roue dentée, on a eu recours à des techniques de corrélation et de reconnaissance des formes utilisant une image modèle que l’on a combinée à la détection des formes. Avant la comparaison avec le modèle, on a prétraité les images en utilisant des techniques de traitement des images, comprenant entre autres le filtrage du bruit et la détection des contours. L’image modèle obtenue avec la source lumineuse semblable à celle utilisée pour l’acquisition des images simulant le milieu de travail était plus efficace pour reconnaître la roue dentée. Avec l’image modèle utilisée dans la technique de corrélation, la roue dentée a été reconnue facilement dans les images obtenues avec toutes les sources lumineuses quand aucune des variables ci-dessus n’était introduite. La combinaison de la corrélation avec la détection des formes a donné de meilleurs résultats que la corrélation seule dans la reconnaissance de la roue dentée dans les images avec variables extérieures.

Signaler un problème sur cette page
Veuillez cocher toutes les réponses pertinentes :
Date de modification :