Studio e sperimentazione di un sistema intelligente per la rilevazione automatica di difetti su flaconi ad uso farmaceutico
Profile Card Research project
Share this record with your favourite social network:
- Starting date
- July 13, 2005
- Duration (months)
- 9
- Departments
- Computer Science
- Person in charge
- Murino Vittorio
Description
Lo scopo della ricerca consiste nello studio sperimentale di un sistema
software per la rilevazione automatica di difetti su flaconi di vetro ad
uso farmaceutico. Il sistema dovrà essere in grado di segnalare la
difettosità del flacone osservato da una telecamera ottica. L'approccio
proposto si basa sull'apprendimento automatico basato sull'osservazione
di un insieme ampio di campioni rappresentativi (buoni e difettosi).
Dall'osservazione di tali campioni (i.e., training set) il sistema
imparerà (i.e., fase di training) a discriminare i casi di “flacone
senza difetti” dai casi di “flacone difettoso” estendendo poi tale
capacità discriminatoria anche su flaconi mai precedentemente osservati
(i.e., fase di classificazione). Verranno identificate le possibili
tipologie di difetti che saranno categorizzate in maniera opportuna,
prevedendo lo stanziamento di diversi classificatori, ognuno
specializzato su uno specifico difetto. Si prevede inoltre che un
singolo classificatore concentri l'area di ricerca del difetto su una
sottofinestra limitata dell'immagine acquisita.
I settori di indagine coinvolti in tale progetto riguardano lo studio di
operazioni preliminari sull'immagine (rimozione del rumore, riduzione
dei riflessi, etc.), l'estrazione di caratteristiche salienti (i.e.,
feature) che maggiormente evidenziano la discriminazione del difetto, lo
studio e la parametrizzazione ottimale del classificatore e lo studio e
sperimentazione di tecniche per l'addestramento ottimale coinvolgendo
più classificatori in maniera cooperativa (i.e., multiclassificazione).
software per la rilevazione automatica di difetti su flaconi di vetro ad
uso farmaceutico. Il sistema dovrà essere in grado di segnalare la
difettosità del flacone osservato da una telecamera ottica. L'approccio
proposto si basa sull'apprendimento automatico basato sull'osservazione
di un insieme ampio di campioni rappresentativi (buoni e difettosi).
Dall'osservazione di tali campioni (i.e., training set) il sistema
imparerà (i.e., fase di training) a discriminare i casi di “flacone
senza difetti” dai casi di “flacone difettoso” estendendo poi tale
capacità discriminatoria anche su flaconi mai precedentemente osservati
(i.e., fase di classificazione). Verranno identificate le possibili
tipologie di difetti che saranno categorizzate in maniera opportuna,
prevedendo lo stanziamento di diversi classificatori, ognuno
specializzato su uno specifico difetto. Si prevede inoltre che un
singolo classificatore concentri l'area di ricerca del difetto su una
sottofinestra limitata dell'immagine acquisita.
I settori di indagine coinvolti in tale progetto riguardano lo studio di
operazioni preliminari sull'immagine (rimozione del rumore, riduzione
dei riflessi, etc.), l'estrazione di caratteristiche salienti (i.e.,
feature) che maggiormente evidenziano la discriminazione del difetto, lo
studio e la parametrizzazione ottimale del classificatore e lo studio e
sperimentazione di tecniche per l'addestramento ottimale coinvolgendo
più classificatori in maniera cooperativa (i.e., multiclassificazione).
Sponsors:
- GlaxoSmithKline S.p.A.
-
Funds: assigned and managed by the department
Syllabus: ART66 - Attività Commerciale
Project participants
- Umberto Castellani
- Assistant Professor
- Riccardo Gherardi
- Vittorio Murino
- Full Professor
