È stato condotto inizialmente uno studio approfondito sulle tecniche di image processing che sarebbero poi tornate utili ai fine dello sviluppo dell’algoritmo; successivamente si sono svolti vari esercizi di programmazione per l’apprendimento dell’utilizzo del tool commerciale di image processing (Halcon). È stato assegnato il seguente caso d’uso: in immagini bianco e nero che inquadrano la testa della rotaia, il piede della rotaia e il pietrisco, effettuare l’individuazione della testa della rotaia nella scena, individuare il “gauge corner” (punto di contatto ruota-rotaia) e la presenza di crepe con una determinata lunghezza, inclinazione, densità e interdistanza (difetto denominato RFC: Rolling Fatigue Contact). Si è proceduto ad uno studio sperimentale per il miglioramento delle performance degli algoritmi già esistenti di individuazione della testa della rotaia e di individuazione delle crepe su gauge corner. Per quanto concerne l’individuazione della testa della rotaia è stato applicato un filtro direzionale, essendo la rotaia sempre verticale nella scena, che ha evidenziato i bordi della rotaia. Dallo studio dell’istogramma dell’immagine filtrata si è implementato un algoritmo che individua i due bordi della rotaia. Per quanto concerne la rilevazione dei difetti è stato applicato un filtro di Gauss configurato per l’individuazione di strutture lineari nella scena, tale filtro applicato alla sola parte di rotaia interessata al fenomeno delle crepe ha prodotto dei risultati che, opportunamente filtrati, potrebbero costituire lo step iniziale dell’algoritmo di individuazione dei difetti. Utilizzando questi algoritmi preliminari, da ogni immagine di rotaia processata, viene estratta la quantità di crepe che soddisfano le caratteristiche di difettosità (lunghezza crepe, interdistanza, densità e loro angolazione) in modo da generare una serie di dati scalari relativi ad ogni spezzone di rotaia.
PROGETTAZIONE DI UN MODULO SOFTWARE PER L'ESTRAZIONE DI DATI SCALARI PROVENIENTI DA ALGORITMI DI IMAGE PROCESSING
PANSINI, ANTONIO
2019/2020
Abstract
È stato condotto inizialmente uno studio approfondito sulle tecniche di image processing che sarebbero poi tornate utili ai fine dello sviluppo dell’algoritmo; successivamente si sono svolti vari esercizi di programmazione per l’apprendimento dell’utilizzo del tool commerciale di image processing (Halcon). È stato assegnato il seguente caso d’uso: in immagini bianco e nero che inquadrano la testa della rotaia, il piede della rotaia e il pietrisco, effettuare l’individuazione della testa della rotaia nella scena, individuare il “gauge corner” (punto di contatto ruota-rotaia) e la presenza di crepe con una determinata lunghezza, inclinazione, densità e interdistanza (difetto denominato RFC: Rolling Fatigue Contact). Si è proceduto ad uno studio sperimentale per il miglioramento delle performance degli algoritmi già esistenti di individuazione della testa della rotaia e di individuazione delle crepe su gauge corner. Per quanto concerne l’individuazione della testa della rotaia è stato applicato un filtro direzionale, essendo la rotaia sempre verticale nella scena, che ha evidenziato i bordi della rotaia. Dallo studio dell’istogramma dell’immagine filtrata si è implementato un algoritmo che individua i due bordi della rotaia. Per quanto concerne la rilevazione dei difetti è stato applicato un filtro di Gauss configurato per l’individuazione di strutture lineari nella scena, tale filtro applicato alla sola parte di rotaia interessata al fenomeno delle crepe ha prodotto dei risultati che, opportunamente filtrati, potrebbero costituire lo step iniziale dell’algoritmo di individuazione dei difetti. Utilizzando questi algoritmi preliminari, da ogni immagine di rotaia processata, viene estratta la quantità di crepe che soddisfano le caratteristiche di difettosità (lunghezza crepe, interdistanza, densità e loro angolazione) in modo da generare una serie di dati scalari relativi ad ogni spezzone di rotaia.I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14253/69451