A visão computacional, um dos ramos mais dinâmicos e promissores da inteligência artificial, tem sido amplamente explorada em aplicações como sistemas de inspeção de qualidade, vigilância e processamento de imagens. Recentemente, tivemos a oportunidade de nos aprofundar nos fundamentos dessa área por meio de tarefas práticas durante a disciplina de Machine Learning Aplicada, onde trabalhamos com filtros de imagem, redimensionamento dinâmico e simulações de detecção de defeitos.
Parte A: Aplicação de Filtros em Imagens
Os filtros desempenham um papel fundamental no processamento de imagens, ajudando a melhorar ou modificar características visuais para atender a diferentes finalidades. Durante as atividades, implementamos uma função que aplica diversos tipos de filtros em imagens, incluindo:
- Suavização: Para reduzir ruídos e tornar a imagem mais uniforme.
- Detecção de Bordas: Destacar os contornos principais.
- Realce de Bordas e Nitidez: Tornar as bordas mais definidas.
- Filtro de Mediana e Gaussiano: Aplicados para remoção de ruídos específicos.
 |
O código desenvolvido permite que o usuário aplique filtros dinamicamente, escolhendo a opção desejada por meio de atalhos no teclado. Cada frame capturado é processado e salvo com o filtro aplicado, demonstrando uma possível aplicação em sistemas de inspeção automatizada de produtos para detecção de falhas ou irregularidades.
Parte B: Redimensionamento Dinâmico de Imagens
O redimensionamento é essencial para sistemas de visão computacional, principalmente quando é necessário adaptar imagens a diferentes dispositivos ou escalas de análise. Durante o projeto, desenvolvemos uma função que permite redimensionar imagens dinamicamente com base em um fator de escala ajustável. Entre os métodos de interpolação explorados estão:
- INTER_NEAREST
- INTER_LINEAR
- INTER_CUBIC
 |
A interatividade foi um destaque dessa parte do projeto: utilizando as teclas "+" e "-", os usuários podem alterar o fator de escala em tempo real, comparando os efeitos de diferentes técnicas de redimensionamento. Essa funcionalidade é especialmente útil em aplicações como monitoramento de qualidade e análise de imagens em tempo real.
Parte C: Simulação de Detecção de Defeitos em Produtos
Para a simulação, capturamos duas fotos: uma do produto completo e outra após a remoção de um objeto. Com a câmera mantida fixa, realizamos uma comparação entre as imagens utilizando técnicas de subtração de imagem para identificar diferenças. Essa abordagem simulou o funcionamento de um sistema de inspeção automatizado capaz de detectar peças faltantes ou defeituosas, um recurso valioso em processos industriais.
 |
Conclusão
Os experimentos realizados demonstraram o enorme potencial da visão computacional para resolver problemas complexos em diversos setores. A combinação de técnicas como aplicação de filtros, redimensionamento dinâmico e detecção de falhas resultou em um pipeline robusto, aplicável a sistemas de monitoramento e inspeção de qualidade.
Com os avanços tecnológicos, sistemas de visão computacional estão se tornando cada vez mais sofisticados, trazendo soluções mais rápidas, precisas e eficientes para uma ampla gama de aplicações. Estamos entusiasmados para continuar explorando esse campo e expandindo nossos conhecimentos.
Próximos Passos
Para consolidar o aprendizado, o instrutor propôs um trabalho prático individual com manipulação e processamento de imagens e vídeos. Data de entrega: 6 de janeiro de 2025. O projeto desafiará os alunos a aplicar os conceitos e técnicas discutidos em um contexto realista, promovendo um aprendizado ainda mais significativo.