Início da disciplina de Machine Learning Aplicada: Filtros, Redimensionamento e Detecção de Diferenças em Imagens

Imagem 1 - Atividade prática

A visão computacional é uma das áreas mais fascinantes e em constante evolução da inteligência artificial, e sua aplicação em diferentes cenários, como em sistemas de inspeção de qualidade e processamento de imagens, está crescendo rapidamente. Recentemente, em nosso estudo sobre Machine Learning Aplicada, tivemos a oportunidade de explorar alguns conceitos fundamentais dessa área, aplicando-os em tarefas práticas, como a aplicação de filtros em imagens, redimensionamento dinâmico e até mesmo a simulação de detecção de defeitos em figuras. 

Parte A: Aplicação de Filtros em Imagens

Os filtros são técnicas fundamentais para o processamento de imagens, permitindo melhorar ou modificar características visuais. Ao longo dessa experiência, implementamos uma função que aplica diferentes tipos de filtros a uma imagem, como suavização, detecção de bordas, realce de bordas, nitidez, filtro de mediana e filtro gaussiano. Cada um desses filtros serve a um propósito específico, como suavizar uma imagem ou destacar contornos importantes.

Durante o processo, desenvolvemos um código que permite aplicar filtros dinamicamente, pressionando diferentes teclas para selecionar o filtro desejado. Além disso, cada frame de vídeo capturado, seja de um arquivo ou da webcam, foi processado e salvo com o filtro aplicado. Isso é útil, por exemplo, em sistemas de inspeção automatizada de produtos, onde a detecção de falhas ou irregularidades pode ser facilitada pela aplicação de filtros específicos.

Parte B: Redimensionamento Dinâmico de Imagens

O redimensionamento de imagens é uma tarefa fundamental em muitos sistemas de visão computacional, especialmente quando há a necessidade de adaptar as imagens para diferentes dispositivos ou realizar uma análise em diferentes escalas. Em nosso projeto, criamos uma função que permite redimensionar imagens com base em um fator de escala variável. Além disso, foi implementada a possibilidade de alterar o método de interpolação de redimensionamento em tempo de execução, o que permite comparar os efeitos de diferentes técnicas, como INTER_NEAREST, INTER_LINEAR, INTER_CUBIC, entre outras.

A interatividade foi um dos aspectos mais interessantes dessa parte do projeto. Com a pressão das teclas "+" e "-", o fator de redimensionamento é ajustado dinamicamente, permitindo ao usuário aumentar ou diminuir o tamanho das imagens de forma simples e intuitiva. Isso pode ser extremamente útil em cenários onde a precisão e a adaptabilidade são essenciais, como em sistemas de vigilância, monitoramento de qualidade ou análise de imagens em tempo real.

Parte C: Simulação de Detecção de Defeitos em Produtos

Após capturar uma foto do produto completo, removemos um objetoe tiramos outra foto, garantindo que a câmera não se movesse e que o produto fosse o único a sofrer alterações.

Em seguida, usamos técnicas de subtração de imagem e comparação entre as fotos para identificar as peças faltantes, simulando o comportamento de um sistema de inspeção de qualidade automatizado. Esse tipo de abordagem pode ser extremamente útil em processos industriais, onde a detecção rápida e precisa de peças faltantes ou defeituosas é crucial para garantir a qualidade do produto final e otimizar a produção.

Conclusão

A visão computacional tem um enorme potencial para transformar diversos setores, da indústria à medicina, e seu uso em tarefas como filtragem de imagens, redimensionamento dinâmico e detecção de defeitos é apenas o começo. Neste exercício, exploramos essas técnicas em um cenário prático, desenvolvendo um sistema que pode ser facilmente adaptado para diferentes aplicações. Com a combinação de filtros de imagem, redimensionamento dinâmico e detecção de falhas em produtos, conseguimos criar um pipeline robusto que pode ser integrado em sistemas de monitoramento e inspeção de qualidade.

À medida que a tecnologia avança, os sistemas de visão computacional se tornam cada vez mais sofisticados, oferecendo soluções mais rápidas, precisas e eficientes para uma gama crescente de problemas. Estamos ansiosos para continuar explorando e aprendendo mais sobre esse campo empolgante e suas aplicações práticas!

Por fim, o instrutor passou um trabalho prático individual de manipulação e processamento de imagens e vídeos. A data de entrega é: 06 de Janeiro de 2025.