Medição de Temperatura Através de Visão Computacional

Prévia do material em texto

Projeto Integrador III 
 
 
MEDIÇÃO DE TEMPERATURA ATRAVÉS DE VISÃO COMPUTACIONAL 
 
Felipe Kissmann
1
, Guilherme Augusto Segat
2
, Renan Felipe do Vale
3 
1 IFSC Chapecó, Estudante, felipekissmann@outlook.com 
2IFSC Chapecó, Estudante, guilhermesegat@gmail.com 
³ IFSC Chapecó, Estudante, renanfelipedovalle@gmail.com 
Resumo: A proposta do projeto é desenvolver um software capaz de reconhecer um padrão geométrico 
presente numa imagem em espectro infravermelho e calcular a sua temperatura. 
Palavras-Chave: Temperatura, Infravermelho, Visão computacional. 
 
1. INTRODUÇÃO 
Com o avanço da tecnologia a automação vem 
ganhando cada vez mais espaço em diferentes áreas da 
indústria, com o objetivo de trazer maior eficiência de 
produção, além da redução de custos e tempo. 
Em alguns processos industriais a automação 
já se torna essencial por substituir um processo 
repetitivo, como no caso de reconhecimento de objetos, 
para obter-se uma classificação correta durante a linha 
de produção. A diferenciação de objetos pode ser dada 
através do sensoriamento de diferentes características 
como cor, forma, tamanho, peso, entre outros. 
Um tipo de sensoriamento muito usado para 
identificação são as câmeras, que aliadas com um 
software de processamento de imagem, podem extrair 
várias informações do que está sendo monitorado. 
Outro avanço significativo da tecnologia é a 
capacidade de geração de imagens térmicas, que trouxe 
inúmeras vantagens em diferentes áreas da indústria, 
devido ao fato desta conseguir monitorar a temperatura 
de uma área ou objeto a uma boa distância, sem 
nenhum tipo de conexão com o mesmo. 
O problema apresentado para este estudo é a 
dificuldade de monitoramento da temperatura de um 
objeto que pode ter sua localização obstruída e está em 
constante movimento, que é o caso de processos como 
a rotomoldagem ou linha de produção de uma 
agroindústria. Para a resolução deste, será 
desenvolvido um software que possa fazer a análise 
completa de imagens geradas por uma câmera térmica 
e ainda apresentar as informações necessárias para o 
usuário. 
 
2. PROJETO INFORMACIONAL 
Na concepção e projeto de visão 
computacional aparecem diversos questionamentos 
técnicos que precisam ser elucidados para o melhor 
funcionamento do sistema proposto. Abaixo segue uma 
breve revisão sobre os principais aspectos a serem 
observados previamente nessa área. 
2.1 Imagem 
A imagem digital pode ser definida com uma 
função bidimensional f(x,y) onde x e y são 
coordenadas de um plano e f é o valor de de 
intensidade luminosa, cor, brilho ou outra característica 
ou combinação destas na coordenada especificada 
(QUEIROZ; GOMES, 2001). Desta forma uma 
imagem digital é uma matriz de pontos chamados 
pixels com características visuais capazes de expressar 
algo inteligível quando combinados e processável por 
métodos computacionais convencionais. Tal conceito é 
possível de ser visualizado na imagem abaixo. 
 
Figura 1: Representação de uma imagem digital em 
tons de cinza (QUEIROZ; GOMES, 2001) 
 
2.2 Processamento de Imagens 
A primeira etapa do processamento de uma 
imagem consiste na aquisição desta, nesta etapa estão 
envolvidas câmeras digitais que capturam a radiação 
eletromagnética e convertem para uma representação 
digital desta, capaz de ser inteligível por meios 
computacionais (INPE, 2017). 
Em seguida, acontece o pré-processamento da 
imagem, nesta etapa a figura é ajustada a formatos, 
dimensões, correções de ruídos entre outros processos 
que visam tornar mais fácil ou mesmo possível as 
demais etapas do sistema (INPE, 2017). 
Após o pré-processamento ocorre o 
processamento digital, neste momento a imagem é 
realçada de diferentes formas como por exemplo em 
relação ao contraste de cores e bordas, este passo é 
importante pois facilita a obtenção de informações 
sobre a figura (INPE, 2017). 
Por fim ocorre a extração de informações 
desta imagem por meio de técnicas de reconhecimento 
de padrões, cores e demais propriedades e a partir 
destas informações é possível fazer uma interpretação 
visual voltada para uma aplicação específica (INPE, 
2017). 
2.3 Requisitos do cliente 
Neste tópico, serão expostos os requisitos que 
possuem maior importância para o usuário final do 
software. Estes requisitos foram adquiridos em 
conversa com o professor proponente do projeto. 
2.3.1 Reconhecimento de padrão estático ou 
em movimento. 
O programa a ser desenvolvido deverá 
reconhecer um padrão em imagens obtidas por uma 
 
Projeto Integrador III 
 
 
câmera térmica, sendo que a posição do objeto poderá 
variar, representando movimento. 
2.3.2 Reconhecimento de temperatura do 
padrão estabelecido. 
Além de reconhecer um padrão, o programa 
deverá monitorar a temperatura de um objeto como um 
todo, não apenas em um ponto. 
2.3.3 Interface para visualização dos dados. 
Também se faz necessário criar uma interface 
para que o cliente possa indicar a forma geométrica a 
ser monitorada. Nessa mesma interface, após calibrado 
o padrão, será indicado a temperatura do objeto. 
 
3. PROJETO CONCEITUAL 
3.1 Estrutura funcional 
Neste item será retratado algumas das 
funcionalidades que o software deverá ser capaz de 
realizar, seguindo uma sequência lógica de execução. 
3.1.2 Função Global 
Para evidenciar o funcionamento do software 
descrito na estrutura funcional, de forma resumida, 
apresenta-se a função global do equipamento, 
conforme o diagrama 
 
 
Diagrama 01: Função Global 
Basicamente o usuário insere imagens com 
dados térmicos no software, que calcula a temperatura 
aproximada do padrão desejado e retorna ao usuário os 
dados desejados no processo. 
3.1.3 Estruturas funcionais alternativas 
A estrutura funcional tem o objetivo de expor 
os componentes do software e as fases do processo de 
funcionamento. No diagrama 02 é possível visualizar o 
funcionamento do software dividido em quatro etapas 
principais que se ramificam em outros passos, essa 
estrutura apresenta a sequência de trabalho e os 
procedimentos que o usuário deve seguir. 
 
Diagrama 02: Estrutura Funcional 
 
 
3.2 Hierarquização de requisitos e seleção 
de soluções 
Para a seleção das opções de soluções foram 
levados em consideração alguns fatores. Dentre eles 
está a disponibilidade de recursos, a experiência dos 
integrantes, conversas com possíveis usuários do 
programa e quantidade de bibliografia sobre as técnicas 
de processamento. 
A seguir será exposta a matriz morfológica 
com destaque nas soluções escolhidas para cada item. 
Posterior à matriz será exposto os motivos pelas quais 
foram escolhidas cada solução. 
 
Tabela 01: Matriz Morfológica com as soluções escolhidas 
 
4. PROJETO PRELIMINAR 
Esta etapa consistiu em sintetizar todas as 
ideias levantadas durante o processo de 
desenvolvimento do projeto como um todo, com um 
intuito de chegar a um resultado final que atenda todos 
os requisitos levantados da melhor forma possível. 
Serão abordados os métodos utilizados para a 
resolução dos problemas do projeto e o detalhamento 
de cada um dos mesmos, justificando sua utilização. 
4.1 Captura de imagens 
O software desenvolvido neste projeto 
trabalha com imagens térmicas, para isto foi necessário 
realizar a captura de algumas destas. As imagens 
iniciais para serem utilizadas no software seriam 
bastante simples, contando com um círculo isolado 
 
Projeto Integrador III 
 
 
aquecido a uma temperatura significativamente maior 
que a ambiente. 
Foi utilizada a câmara termográficaFLUKE 
TI90, uma chapa circular e em alguns casos uma chapa 
retangular, ambas de aço 1020 aquecidas à 
temperaturas que variavam de 30 à 160°C. Para captura 
das imagens, as chapas foram posicionadas em 
pedestais ficando apenas em contato com o ar e 
aquecendo minimamente o ambiente ao seu redor, 
assim gerando imagens com forma mais definida. Na 
figura a seguir, é possível ver a forma circular e 
retangular em seu espectro visível. 
Figura 1: formas retangular e circular. Fonte: Dos autores (2017). 
4.2 Interface 
A interface final do software foi baseada na 
estrutura apresentada no projeto conceitual, porém com 
alguns recursos modificados. 
Ela conta com um botão “carregar” para 
carregamento de imagem a partir das imagens do 
sistema, a imagem escolhida é carregada em um 
PictureBox e a partir daí é possível acionar o botão 
“processar”. Ao processar, mais duas imagens surgem 
em outros dois PictureBox, um mostra o resultado do 
processo “canny”, que faz a detecção de bordas da 
imagem, e a outra mostra o resultado do círculo 
detectado ignorando o restante da imagem. 
Quanto as configurações, estão todas 
presentes na janela raiz do software. No canto inferior 
esquerdo da janela, é possível mudar a escala da 
temperatura conforme a imagem a ser processada, 
possibilitando assim, processar imagens capturadas 
com escala automática. Logo ao lado, estão presentes 
os parâmetros de detecção de círculo, onde cada um 
pode ser alterado individualmente para melhorar os 
resultados obtidos. E por último, no canto inferior 
direito são mostrados os valores RGB do círculo 
detectado e sua temperatura média em graus célsius. 
A seguir, uma imagem da interface completa, 
com uma imagem carregada e processada, com todos 
os parâmetros de configuração ajustados: 
 
Figura 2: interface em funcionamento. Fonte: Dos autores (2017). 
4.3 Detecção do objeto 
Partiu-se da ideia de detectar três tipos de 
objetos: quadrados, triângulos e círculos. Conversando 
com pessoas que tentaram desenvolver o software em 
outros projetos integradores, viu-se que a maior 
dificuldade de padrão à ser encontrado se dava nos 
circulares, sendo assim, esse foi o primeiro objeto a ser 
trabalhado. 
Utilizando a plataforma de desenvolvimento 
Visual Studio, a biblioteca EmguCV e programando 
em C#, iniciou-se a fase de desenvolvimento do 
software. 
Após fase de pesquisa, viu-se que 
anteriormente ao uso de ferramentas que detectam 
padrões circulares, tratar a imagem com alguns filtros 
facilitaria a detecção do objeto. Com a imagem em 
mãos foram aplicados alguns filtros, onde após 
analisados os resultados, foram mantidos ou 
descartados do programa final. Nos tópicos a seguir se 
dá uma breve explicação na ferramenta que detecta os 
círculos bem como seus parâmetros. 
Tendo em vista que a equipe executora teve o 
propósito de encontrar um padrão e se dedicar em fazer 
a correta relação entre os valores do conjunto de pixels 
com determinada temperatura, apenas o padrão circular 
está sendo utilizado e será explicado na sequência. 
4.3.1 Hough Circles 
Dentro da biblioteca Emgu CV, há diversas 
ferramentas que auxiliam na detecção de padrões, 
dentre elas, está a ferramenta denominada Hough 
Circles. 
Esta ferramenta tem como objetivo encontrar 
todos os padrões circulares presentes numa imagem e 
armazená-los em um vetor denominado circles. Dentro 
desta ferramenta, há alguns parâmetros calibráveis 
onde é possível especificar quais círculos e de quais 
tamanhos devem ser encontrados. Também é possível 
descrever o quão distante deve estar um círculo de 
outro, prevenindo assim, que os círculos se 
sobreponham. Na figura abaixo é possível ver todos os 
parâmetros ajustáveis da função Hough Circles, que 
ficarão disponíveis para calibração de cada imagem. 
 
Projeto Integrador III 
 
 
 
Figura 3: parâmetros de detecção. Fonte: Dos autores (2017). 
Para um melhor entendimento do usuário, será 
explicado aqui qual a função de cada parâmetro. 
4.3.1.1 Canny Threshold e Threshold 
Linking 
Trata-se dos limiares para o processo de 
histerese. Para cada imagem haverá valores que podem 
auxiliar na detecção da imagem, como podem 
atrapalhar. Os valores desses filtros variam de 0 à 255, 
onde 0 irão tratar qualquer conjunto de pixels como 
limiares e 255 irão reconhecer apenas limiares muito 
bem definidos. Para melhor esclarecimento, nas 
imagens a seguir irei calibrar dois valores diferentes 
para a mesma imagem. 
Nessa imagem consta a imagem em espectro 
infravermelha original. 
 
Figura 4: espectro infravermelho. Fonte: Dos autores (2017). 
Essa imagem é o resultado da aplicação do 
filtro com valores relativamente baixos. 
 
Figura 5: aplicação canny. Fonte: Dos autores (2017). 
Agora, na figura à seguir, a calibração está 
com valores mais condizentes para encontrar os 
limiares corretos do padrão circular. 
 
Figura 6: aplicação canny. Fonte: Dos autores (2017). 
4.3.1.2 Acumulador 
Dentre as funções da Hough Circles talvez 
seja este o parâmetro mais confuso para explicação. De 
forma resumida, quanto mais baixo, mais fácil de 
encontrar círculos falsos pela função Hough Circles. 
Na bibliografia utilizada, os autores recomendam testar 
valores para cada imagem, não apresentando um 
padrão específico para seguir. Nas figuras abaixo é 
possível ver que para pequenas mudanças neste 
parâmetro, há grandes diferenças nos círculos 
encontrados. 
 Neste primeiro caso foi colocado 10 no 
acumulador e o mesmo encontrou vários círculos 
inexistentes. 
 
Figura 7: acumulador 10. Fonte: Dos autores (2017). 
Já nesse segundo caso, para a mesma imagem, 
foi incrementado um valor de 4 no acumulador, 
totalizando 14. Nota-se um resultado totalmente 
diferente do caso anterior. 
 
Figura 8: acumulador 14. Fonte: Dos autores (2017). 
 
4.3.1.3 Resolução de Centro 
Trata da relação inversa da resolução do 
acumulador para a resolução da imagem. Por exemplo, 
se for parametrizado como 1, o acumulador terá a 
mesma resolução da imagem original, caso seja 
parametrizado como 2, o acumulador tem metade da 
altura e largura. Neste caso, o software irá trabalhar 
apenas parametrizado em 1. 
4.3.1.4 Distância Mínima 
Este parâmetro se refere à distância entre o 
centro de dois círculos. Visto que as imagens retiradas 
para testes no software possuem apenas um círculo, a 
distância pode ser máxima (255). 
 
Projeto Integrador III 
 
 
4.3.1.5 Raio mínimo 
Como o próprio nome já diz, se refere ao raio 
mínimo do círculo à ser encontrado. 
4.3.1.6 Raio máximo 
Esse parâmetro tem como função limitar os 
círculos que devem ser encontrados em um raio 
máximo. Caso o valor seja 0, não há valor máximo de 
raio. 
4.4 Detecção de temperatura 
A partir da detecção do objeto são obtidas 
algumas informações como a posição do centro do 
círculo nas coordenadas X e Y dentro da imagem e o 
tamanho do raio. Com isso é executado um algoritmo 
que armazena a cor de cada pixel dentro da região 
detectada. 
Este algoritmo se baseia na execução de dois 
laços de repetição e um teste condicional, os laços de 
repetição utilizam a informação do centro do círculo e 
do raio para percorrer um quadrado nas coordenadas X 
e Y, pixel a pixel. Já o teste condicional visa delimitar 
a região onde a cor de cada pixel será armazenada, para 
isso parte-se da equação do círculo abaixo: 
Equação: Equação do círculo 
 [1] 
Onde: 
r: raio 
x: coordenada x 
y: coordenada y 
Desenvolvendo e aplicando as variáveis 
disponíveisna aplicação é possível dizer que está 
dentro do círculo qualquer pixel que puder ser descrito 
pela inequação abaixo, onde é considerado dentro do 
objeto o pixel cuja a raiz quadrada da soma das 
coordenadas em x e y ao quadrado são menores do que 
o raio detectado. 
Equação: Inequação que delimita os pixels 
dentro do objeto 
 √ [2] 
Onde: 
 : raio do objeto detectado 
x: coordenada x do pixel 
y: coordenada y do pixel 
Desta forma o algoritmo percorre uma região 
retangular, pixel a pixel, e quando o teste condicional 
identifica que o pixel está dentro do círculo, este tem 
sua cor armazenada no padrão RGB, conforme é 
demonstrado na imagem abaixo. 
 
Figura 9: identificação RGB. Fonte: Dos autores (2017). 
Após mapear e armazenar cor de cada pixel 
dentro da figura detectada, o sistema extraí a média 
aritmética simples de cada componente identificado, 
desta forma obtendo a tonalidade média da figura. 
O princípio básico da câmera trata-se de 
aplicar uma escala de cor de acordo com a temperatura 
das regiões da imagem que está sendo vista ou 
capturada. Essa escala pode ser vista na figura abaixo e 
nota-se que ela é unidimensional e atribui cores mais 
vermelhas para temperaturas mais quentes, mais verdes 
para intermediárias e mais azuis para temperaturas 
mais baixas. As temperaturas máxima e mínima podem 
ser arbitradas manualmente ou definidas 
automaticamente pela câmera 
 
Figura 10: escala de temperatura. Fonte dos autores (2017) 
Uma característica importante é que está 
escala é unidimensional, o que gera um problema pois 
a criação de cores em sistemas computacionais digitais 
se dá em múltiplas dimensões, como no modelo RGB, 
onde uma cor é formada por uma parcela de vermelho, 
uma parcela de verde e uma parcela de azul. Por isso, 
foi preciso encontrar um modelo de correlação que 
consiga transformar um modelo multidimensional (cor) 
em um modelo unidimensional (temperatura) com 
precisão. 
O modelo desenvolvido se baseia na 
observação do comportamento do padrão RGB ao 
longo da escala. Percebeu-se que dentro da variação de 
temperatura sempre há uma cor dominante, a qual se 
trata da vermelha no último terço do span (faixa de 
variação da temperatura) da medição, verde no terço 
central e azul no terço inferior. 
Há também um canal de cor que varia 
aumentando ou diminuindo junto com a temperatura 
indicando a transição e forçando a mudança de 
tonalidade, este canal de cor é o segundo de maior 
intensidade e com base nele se obtém a variação de 
temperatura. Por fim o canal restante no modelo RGB é 
nulo (zero) ou intensidade e variação nula e pode ser 
desconsiderado durante a mudança de cor. 
A variação de cor se dá entre 0 e 255, logo se 
faz uma escala simples dentro de cada patamar levando 
em consideração a média da cor e como se dá a relação 
de variação dentro daquele patamar 
No esquemático demonstrado na figura abaixo 
percebe-se a cor dominante, variante e nula para cada 
faixa da escala de cor correlacionando com a 
temperatura. 
 
Projeto Integrador III 
 
 
 
Figura 11: Modelo RGB. Fonte: Dos autores (2017). 
5. Resultados 
O sistema foi testado através da comparação 
dos resultados revelados por ele e pelos que são 
fornecidos na câmera termográfica da Fluke bem como 
no software da mesma. Pode-se afirmar que o software 
desenvolvido consegue apresentar resultados 
satisfatórios, bastante fiéis aos que são mostrados pelo 
sistema profissional. 
Abaixo é possível visualizar uma imagem 
tirada com a câmera termográfica e temperatura que ela 
identificou. 
 
Figura 12: imagem câmera termográfica. Fonte: Dos autores (2017). 
A seguir, uma captura de tela do software 
desenvolvido processando uma imagem tirada 
segundos após a anterior, apenas com a função de 
informações desabilitada. Nota-se que a temperatura 
média observada é muito fiel a temperatura 
identificada pela câmera.
Figura 13: resultado obtido. Fonte: Dos autores (2017). 
 
Em testes percebeu-se que o sistema apresenta 
uma diferença de até 10°C em relação a imagem da 
câmera, isso se mostra por alguns fatores como: 
diferença de tempo entre a captura da imagem com 
informações e sem informações o que faz o objeto ter 
sua temperatura alterada, nas imagens da câmera a 
temperatura apresentada se trata de um ponto ou 
pequena região do objeto enquanto no software 
desenvolvido se calcula a temperatura média de todo o 
objeto, além disso, pela tecnologia da câmera não ser 
aberta é difícil precisar o funcionamento do algoritmo 
que calcula a temperatura logo é bastante complexo 
garantir uma fidelidade completa. 
Por vezes é necessário mudar os parâmetros 
de detecção de objetos para conseguir realizar o 
processamento da imagem em virtude da qualidade de 
captura e nitidez das bordas o que é uma tarefa um 
pouco trabalhosa e inviável para produto final, porém, 
completamente aceitável para um projeto em 
desenvolvimento como este. 
Contudo, é possível afirmar que o software 
apresenta um resultado bastante satisfatório dentro das 
condições de desenvolvimento do trabalho, a técnica de 
detecção de temperatura a partir da cor se mostrou 
bastante eficiente e robusta, trazendo resultados fiéis ao 
real. A interface é amigável e de fácil utilização. 
 
5. REFERÊNCIAS 
BRASIL. J Viana. Universidade Federal Rural 
do Rio de Janeiro. Processamento da Imagem. 
Disponível em: 
<http://www.ufrrj.br/institutos/it/de/acidentes/sr4.htm>
. Acesso em: 16 mar. 2017. 
 
QUEIROZ, José Eustáquio Rangel de; 
GOMES, Herman Martins. Introdução ao 
Processamento Digital de Imagens. Campina Grande: 
Ufcg, 2001. 
 
 INFRARED. Câmeras Termográficas. 
Disponível em: 
<http://www.infraredequipamentos.com.br/index.php/t
ermografia-e-corona/camera-termografica.html>. 
Acesso em: 16 mar. 2017. 
 
 CONCEITO.DE (Brasil). Conceito de 
Imagem. Disponível em: <http://conceito.de/imagem>. 
Acesso em: 13 mar. 2017. 
 
 
INPE. Instituto Nacional de Pesquisa Especial. Teoria 
: Processamento de Imagens. Disponível em: 
<http://www.dpi.inpe.br/spring/teoria/realce/realce.htm
>. Acesso em: 16 mar. 2017.