Análise multivariada de imagem para monitorização avançada de processos e produtos

Abstract

Este trabalho de dissertação aborda um tema de importância crescente na área de Engenharia Química que é a Análise e Processamento de Imagens para efeitos de Controlo de Processos e Produtos. O objetivo essencial é extrair das imagens a informação relevante e usá-la de forma crescente na monitorização de um conjunto de parâmetros de um dado processo e/ou produto. Assim, torna-se possível implementar o controlo estatístico multivariado do processo (MSPC) ou supervisionar a qualidade de produtos em tempo real.Nesta dissertação processam-se as imagens recolhidas, usando determinadas metodologias, para obter a informação relevante para os fins em vista. Entre as metodologias usadas incluem-se: Análise aos Componentes Principais (PCA); Mínimos Quadrados Parciais (PLS); Metodologias de Classificação; Análise e Processamento Clássico das Imagens; Análise das Transformadas de Onduletas (WTA); Cartas de Controlo (nomeadamente, Hotelling’s T 2 e Q).O presente trabalho é dividido em três partes. Cada uma corresponde a um objetivo distinto e logo as estratégias e metodologias são funcionalmente distintas. Os objetivos são: (i) a construção de um modelo que permita monitorizar, a partir de tomografia elétrica, o comportamento de um parâmetro (altura da interface de dois líquidos invencíveis num tubo), sem que para tal seja necessário reconstruir a imagem em causa; (ii) desenvolvimento de um algoritmo que permita a análise simultânea de cor e forma; (iii) desenvolvimento de um algoritmo que permita o controlo estatístico multivariado de processos a partir de análise e processamento de textura e de cor simultaneamente.Para atingir o primeiro objetivo, recorreu-se à regressão usando a metodologia PLS, após uma análise prévia dos dados através de PCA. Tal permitiu explorar o sistema em causa (dois líquidos imiscíveis, óleo e água num tubo) e construir um modelo que permitiu a monitorização da altura central da interface com uma boa precisão e robustez.O segundo objetivo foi atingido com o desenvolvimento do algoritmo de Deteção e Classificação de Objetos (DCO), que emprega a análise e processamento clássico das imagens, para detetar e separar objetos do fundo e extrair algumas features relevantes para a sua posterior identificação. Emprega também abordagens de classificação aliadas a PCA para determinar a cor e a forma dos objetos em causa.Finalmente, testou-se uma estratégia recentemente proposta, que cruzava WTA e MSPC, para a monitorização em tempo real de produtos texturados: Multiscale and Multivariate Image Analysis. Com este algoritmo foi possível detetar todas as falhas (de tamanho, forma e cor) do processo simulado neste trabalho, cumprindo assim o terceiro objetivo.No final deste trabalho, foi possível constatar que as imagens constituem uma fonte rica de informação. O processamento e análise digital de imagens em conjunto com as estratégias e metodologias exploradas nesta dissertação revelaram-se uma combinação com grande potencial para a área da Engenharia Química, nomeadamente no controlo de processo e/ou produtos.

In this dissertation strategies are presented that allow to extract useful information from images in real time. That information can be there used for monitoring a set of product or process parameters and implement image-based Multivariate Statistical Process Control.The main goal of Multivariate Image Analysis for Process and Product Monitoring is to "squeeze"the images to obtain, by applying proper methodologies, the information required to process monitoring and control. Acording with, are: Principal Component Analysis; Partial Least Squares; Classifiers; Classical Digital Image Processing; Wavelets Transforms; Control Charts (e.g. Hotelling’s T 2 & Q).This work is divided into three parts. Each one correspond to a different goal: (i) derive a model for monitoring the interface heights using Electrical Tomography; (ii) develop an algorithm that enables the identification of objects using simultaneously spectral and shape information extracted from images; (iii) to implement on-line, for the first time, a recently proposed algorithm for image-based process monitoring, called Multiscale and Multivariate Image Analysis (MSMIA).To reach the first goal, a PLS Regression modelling approach was developed after PCA analysis. With this approach it was possible to build a model to monitor this interface height with good accuracy and robustness.The second goal was reached by building an algorithm, that combines classical digital image processing and Multivariate Image Analysis approaches. This approach was able to detect the color and shape of objects.In the scope of third goal, Multiscale and Multivariate Image Analysis was implemented on-line and tested. With this strategy, it was possible to detect all simulated process faults (size, shape & color).With this work, it was possible to demonstrate that images are a rich source of information. Digital Image Processing allied with advanced data analysis and modelling is a powerful combination to use in Chemical Engineering, namely for process and/or product control.