Método baseado em visão computacional para reconhecimento de dígitos visando a leitura de consumo em hidrômetros com indicação analógica e digital

Abstract

Este trabalho se concentrou no campo de visão computacional aplicada a instrumentos de medição. Seu objetivo foi fazer a extração de dígitos de um hidrômetro analógico para obter o consumo instantâneo por meio de Optical Character Recognition (OCR) e estimar a vazão de água proveniente. Inicialmente, realizou-se a detecção dos dígitos em duas etapas. Na primeira, alinhou-se a imagem horizontalmente, utilizando a transformada de Hough e encontrou-se o visor do hidrômetro baseando-se em seu formato geométrico. Na segunda, fez-se a detecção de bordas por Canny e filtraram-se os dígitos com base nas dimensões dos contornos e algumas regras específicas de proporção e distâncias. A extração, por sua vez, foi realizada assim que as coordenadas de recorte foram adquiridas para cada um dos sete dígitos da sequência. Os dígitos recortados foram agrupados em um conjunto de 5000 imagens para conduzir o aprendizado de máquina, o qual foi alcançado mediante os classificadores Support Vector Machine (SVM), k-Nearest Neighbor (kNN) e Multilayer Perceptron (MLP). Estes, com as melhores condições de contorno testadas, produziram taxas de erro que cresciam, respectivamente. Por causa de sua melhor performance, o SVM foi escolhido para executar o OCR no sistema de visão computacional. Em testes feitos no hidrômetro analógico de uma bancada de teste, também construída para o projeto, foi constatado que o sistema de visão funcionava relativamente bem sob determinadas condições. Com iluminação adequada dentro do laboratório e um material plástico semitransparente ao redor da webcam, usado para evitar reflexo de luz no visor do hidrômetro, a detecção de dígitos era invariante da posição da webcam para determinadas distâncias. Em um teste rodado por um período maior que vinte e seis horas, a máquina foi forçada a reconhecer os dígitos a cada minuto com uma permissão de cinco tentativas por minuto. Os dados resultantes revelaram as chances de sucesso do sistema era de 50% para fazer o reconhecimento de dígitos. Além disso, resultados mostraram que a medição de vazão possuía um erro de cerca de 9% em relação ao valor de vazão inspecionado na bancada.