Dissertação
Automating Droplet Recognition in Liquid-Liquid Extraction: a Tailored Circle Detection Method EVALUATED
Este trabalho aborda a identificação automatizada e medição de gotas dentro de uma coluna de Extração Líquido-Líquido (ELL) usando técnicas avançadas de processamento de imagem, possibilitando potencialmente a implementação de um sistema de controlo em tempo real. O objetivo desta tese é apresentar um algoritmo otimizado para detecção de gotículas e comparar seu desempenho com um método clássico, o Transformada de Hough para Círculos. A implementação do método proposto exibiu melhorias notáveis quando aplicado a imagens sintéticas, superando o método HT original em todos os parâmetros de avaliação. Em cenários complexos, alcançou um aumento de 30% na precisão, de 10% na sensibilidade e uma redução significativa de mais de 20% na desvio médio de diâmetro de Sauter. No caso de imagens reais, observou-se que o algoritmo otimizado alcançou uma precisão de 50%, uma sensibilidade de 57% e um desvio médio de diâmetro de Sauter negligenciável de 0% sob condições simplificadas. Em resumo, o algoritmo supera o HT convencional para círculos, especialmente com imagens sintéticas. Imagens reais apresentam desafios devido à qualidade da imagem, afetando precisão e sensibilidade. No entanto, o desvio médio de diâmetro de Sauter consistentemente baixo demonstra o potencial do algoritmo para previsão precisa do diâmetro médio de Sauter com ajuste adequado dos parâmetros. Em geral, a qualidade da imagem do mundo real apresenta desafios na detecção de círculos, mas as forças do algoritmo em imagens sintéticas mostram-se prometedoras.
dezembro 7, 2023, 16:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar
