Sistema de inspección visual automática de defectos superficiales en materiales minerales: implementación monoprocesador de memoria única versus implementación multiprocesador de memoria compartida

Darna Sequeiros, Javier (2021). Sistema de inspección visual automática de defectos superficiales en materiales minerales: implementación monoprocesador de memoria única versus implementación multiprocesador de memoria compartida. Thesis (Master thesis), E.T.S. de Ingenieros Informáticos (UPM).

Description

Title: Sistema de inspección visual automática de defectos superficiales en materiales minerales: implementación monoprocesador de memoria única versus implementación multiprocesador de memoria compartida
Author/s:
  • Darna Sequeiros, Javier
Contributor/s:
  • Maravall Gómez-Allende, Darío
Item Type: Thesis (Master thesis)
Masters title: Inteligencia Artificial
Date: June 2021
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Inteligencia Artificial
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB) | Preview

Abstract

Este Trabajo de Fin de Máster tiene como objetivo implementar un sistema multiprocesador de memoria compartida para la inspección visual automática de bloques minerales empleados en la construcción civil que utilice el juego de la minoría para optimizar la carga de trabajo de los procesadores utilizados, y compararlo con un sistema convencional monoprocesador de memoria única que resuelva el mismo problema. El problema de inspección visual automática abordado en este TFM es la detección y clasificación de defectos superficiales en bloques minerales utilizados en construcciones civiles. En nuestro trabajo nos hemos centrado en tres defectos básicos: agujeros, manchas y grietas. El sistema monoprocesador está constituido por dos módulos fundamentales. Uno de los módulos detecta y segmenta los defectos utilizando el algoritmo de Canny para detectar bordes complementado con otras operaciones adicionales de morfología matemática para mejorar la segmentación. El segundo módulo extrae variables discriminantes de las segmentaciones y las utiliza para clasificar los defectos. Tras varias pruebas con diferentes combinaciones de clasificadores y variables discriminantes, se han elegido los momentos de Zernike para extraer las variables discriminantes. Para la clasificación se ha elegido el algoritmo del vecino más próximo (1-NN) con la distancia euclídea con el que hemos obtenido una ratio de acierto global para todos los defectos de 95.92%. Los mencionados módulos de detección y de reconocimiento de defectos de la versión monoprocesador han servido como módulos básicos para implementar la versión multiprocesador, añadiendo un módulo específico de generación de árboles cuaternarios (quadtrees) de las imágenes digitales a inspeccionar, de tal manera que la generación del árbol cuaternario se realiza con una profundidad r parametrizada por el usuario. En el sistema multiprocesador, a su vez, se han desarrollado dos funciones básicas: una de ellas implementa el juego de la minoría para repartir las memorias locales entre los procesadores y la otra se utiliza para la detección y clasificación de los defectos existentes en cada memoria local. Finalmente, para poder evaluar a fondo el sistema multiprocesador con imágenes con un número y unas distribuciones de defectos arbitrarias, se ha desarrollado un módulo específico de generación de imágenes sintéticas de dimensión elevada (5,6MBytes o superiores) en las que se implantan defectos captados de imágenes reales. Estas imágenes sintéticas son necesarias para la experimentación con la versión multiprocesador de memoria compartida a fin de disponer de imágenes que se beneficien en mayor medida de las ventajas del sistema multiprocesador. Para la experimentación del sistema multiprocesador de memoria compartida se han realizado diversas pruebas con el juego de la minoría (aplicado como decíamos para garantizar la distribución óptima de las memorias locales entre los procesadores) así como diversas pruebas relativas a la eficiencia de detección y reconocimiento de defectos. El juego de la minoría distribuye los procesadores de forma proporcional a la carga de defectos en las memorias locales, en concordancia con el modelo teórico del juego de la minoría, aunque su convergencia puede verse afectada por el número de procesadores y memorias. Por otro lado, la detección y clasificación se ven muy afectadas por la profundidad de los árboles y el tamaño de las imágenes y los defectos. Cuando aumenta la profundidad, en ocasiones aparecen falsos positivos, y cuanto más pequeñas son las subimágenes almacenadas en las memorias locales y más grandes son los defectos, más probabilidad hay de que queden cortados algunos defectos por las divisiones de la imagen, causando errores de clasificación. Sin embargo, si los parámetros se eligen correctamente, estos casos se dan mucho menos. La experimentación de la versión multiprocesador de memoria compartida con imágenes sintéticas de elevada dimensión nos ha proporcionado una eficiencia de reconocimiento global de los defectos de interés comparable a la obtenida con la versión monoprocesador de memoria única con la ventaja de aumentar al mismo tiempo su eficiencia computacional. Es importante recalcar que estos resultados de la versión multiprocesador en relación con los obtenidos en la versión monoprocesador son válidos exclusivamente para el caso de imágenes de entrada de elevada dimensión (≈5.6Mbytes). No obstante, para imágenes de baja dimensión (≈200Kbytes) la versión monoprocesador proporciona unas eficiencias suficientes, tanto computacional como en reconocimiento de defectos, y no requieren por tanto ser procesadas por un sistema multiprocesador.---ABSTRACT---The purpose of this Master's Final Project is to implement an automatic inspection multiprocessor system that uses the minority game to optimize the workload of the processors involved, and to compare it with a conventional monoprocessor-single memory system that solves the same problem. The automatic visual inspection problem tackled in this TFM is the detection and classification of surface defects in mineral blocks used in the civil construction industry in which we have focus or interest on three basic surface defects: holes, stains and cracks. The monoprocessor single memory architecture is based on two modules. One of them segments the defects by using the Canny algorithm to detect borders plus other methods to improve the resulting segmentation. The other module extracts discriminant variables from those segmentations and uses them to classify the defects. After several tests with the combination of different classifiers and discriminant variables, we have obtained the best results with the Zernike moments as the discriminant variables, along with the average, standard deviation and amplitude of the pixels from the defect, so that holes and stains can be distinguished more easily. The 1-NN algorithm was chosen for classification, giving a total accuracy ratio of 95.92%. The two above-mentioned modules used by the monoprocessor-single memory version have been also used to implement the multiprocessor-shared memory version combined with an additional specific module that generates quadtrees from the digital images to be inspected in order to generate the local memories of the multiprocessor version, the quadtree´s depth can be specified by the user. The multiprocessor version itself has in turn three main functions. The first one implements the minority game to distribute the local memories among the processors and the second function detects and classifies the defects appearing in the local memories. Finally, in order to test the multiprocessor version with images whose amount and distribution of defects are arbitrary, a specific module that generates synthetic images by implanting defects from real images has been also implemented. These synthetic images are necessary for the thorough experimentation with the multiprocessor version. Several tests have been performed on the multiprocessor system, testing the minority game, which, as mentioned previously, is used to optimize the distribution of the local memories among the processors. The minority game distributes the processors proportionally to the distribution of the defects, in accordance with the minority game theoretical model, although the convergence can be affected by the number of processors and memories. On the other hand, the detection and classification efficiencies may be heavily affected by the depth of the quadtree and the size of both the images and the defects inside them. Increasing the depth sometimes leads to false positives, and the smaller the image divisions are and the bigger the defects are, the highest the chance is for a defect to be cut by the quadtree transformation, resulting in classification errors. However, these cases are far less likely if the parameters are chosen adequately, although we have implemented a module for the generation of synthetic input images of very high dimension in order to avoid the abovementioned problem of defect’s distortion due to the quadtree transformation, thus being able to test properly the multiprocessor system. Those tests resulted in a global efficiency in defect’s recognition similar to the one obtained with the monoprocessor single memory version although at a higher computational efficiency. We remark that the experimental results provided by the multiprocessor version as compared with the monoprocessor version are exclusively valid for input images of high dimension (5.6 Mbytes or higher), However for input images of low dimension (≈200Kbytes) the monoprocessor version provides excellent recognition and computational efficiencies and therefore they are not required to be inspected by means of a multiprocessor version.

More information

Item ID: 67897
DC Identifier: https://oa.upm.es/67897/
OAI Identifier: oai:oa.upm.es:67897
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 29 Aug 2021 16:49
Last Modified: 29 Aug 2021 16:49
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM