Abordagens de classificação e interpretação em análise de imagens para controle de qualidade

Abstract

A presente dissertação propõe métodos para classificação e interpretação em análise de imagens no contexto de controle de qualidade e autenticidade de produtos. O trabalho é composto por três artigos. Inicialmente, uma revisão bibliográfica sobre métodos de seleção de variáveis em análises de imagens fornece uma visão inicial sobre o assunto. No segundo artigo, propõe-se uma sistemática para detecção de medicamentos falsificados com base em imagens de comprimidos, bem como para identificação das regiões dos comprimidos mais relevantes para a tarefa de classificação. A aplicação do método em dois bancos de dados resultou em desempenhos de classificação de 100% na porção de teste, e a comparação com um método reportado na literatura como referência na interpretação de imagens mostrou que a abordagem proposta é superior em termos de robustez. O terceiro artigo propõe uma abordagem hierárquica para classificação de qualidade de carne a partir de imagens de contrafilé bovino. O método combina dois classificadores em uma abordagem de natureza hierárquica na qual a ordem de utilização dos classificadores é determinada pela acurácia dos mesmos. A sistemática foi validada em seis diferentes conjuntos de dados com acurácia de 90% ou mais elevada, e desempenho superior ao gerado pela abordagem de referência ao avaliarem-se métricas de desempenho de classificação como acurácia, sensibilidade e especificidade.

This dissertation proposes methods for classification and interpretation in image analysis in the context of product quality control and authenticity. The work consists of three articles. Initially, a literature review on feature selection methods in image analysis provides an initial view on the subject. In the second article, a system for the detection of counterfeit medicines based on tablet images is proposed, as well as for the identification of the most relevant tablet regions in the classification task. Validation of the method in two databases resulted in classification performances of 100% in the test portion, and the comparison with a method reported in the literature as a reference in image interpretation showed that the proposed approach is superior in robustness. The third article proposes a hierarchical approach to classify meat quality based on beef images. The method combines two classifiers in a hierarchical approach in which the order in each the classifiers are applied is determined by their respective accuracy. The systematic was validated in six different datasets with accuracy 90% or higher, and performance superior to the one generated by the reference approach when assessing accuracy, sensitivity and specificity.