Universidad Austral de Chile
Informe Final: Proyecto señal contador de hojas
Adams Muñoz, Marco Vera, Patricio Fuentealba, Víctor Sandoval
Instituto de Electricidad y Electrónica,
Universidad Austral de Chile
Resumen— El presente informe da a conocer el desarrollo y
resultados obtenidos a través de la investigación e
implementación de un proyecto semestral, llamado
“Contador de Hojas”, referente al tratamiento matemático
de señales en tiempo discreto. Este proyecto consistió en dar
solución al conteo de hojas de un pallet a través de las
muestras obtenidas desde un escaneo. Básicamente, lo que
se realizó fue crear un programa que permitiera, con sólo
ingresar las señales escaneadas, obtener el total de hojas
que contiene el pallet. El algoritmo implementado permite
filtrar, correlacionar, encontrar cambios abruptos y
detectar picos y valles de la señal.
I. INTRODUCCION
El presente informe hace referencia a la investigación e
implementación, de un algoritmo eficiente, que permita
encontrar el número de hojas que existen en un pallet,
basándose en señales obtenidas por medio de un escáner y
posterior tratamiento de las imágenes resultantes. La señal
obtenida (señal original) posee imperfecciones, como: ruidos
(debido al acomodamiento no homogéneo de las hojas,
movimientos bruscos del escáner, etc.), redundancia de
información y problemas de borde (no se conoce con certeza
donde comienza y termina la señal), que deben ser
solucionadas. La solución a estos tipos de problemas radica en
el tratamiento digital de señales (TDS), y para esto se efectuó
un proyecto de investigación. El proyecto se resume en:
investigación (búsqueda de información), implementación de
algoritmos (creados por nosotros o extraídos de trabajos
relacionados) y finalmente puesta a prueba del algoritmo final
que permitirá entregar el número total de hojas que posee el
pallet. Este informe presenta las soluciones finales para sus
determinadas problemáticas, como es la detección de picos en
la señal para la cual se implemento un algoritmo para este fin,
utilizando la función Peakdet, que fue creada y subida a la red
para su uso gratuito[1]. Para la detección de cambios abruptos
se implementó un algoritmo encontrado, también en la red
[2], que se basa en la función de Matlab, “cumsum”, pero que
posee unas modificaciones que permiten entenderlo de forma
más simple. Finalmente, para tratar el problema de
correlación, creamos un algoritmo que dé solución al
problema, el cual, en la sección II y III será presentado.
II. DESARROLLO
Para entender de mejor manera el funcionamiento
del algoritmo, se presenta a continuación un diagrama de
bloques que representa gráficamente la organización del
procesamiento de la señal.
Este diagrama muestra la entrada y salida de la señal en cada
bloque, identificando y mostrando los cambios que se realizan
en ella.
1
Figura 1. Diagrama de bloques del algoritmo.
En nuestro diagrama de bloque se observa que la
entrada es la señal original (“cruda”), que se obtiene de una
cámara que toma fotografías automáticamente cada cierto
tiempo, esta señal entra al primer bloque que es la detección
de cambios abruptos, en esta parte se identifica el comienzo y
término de la presencia de hojas en la señal, eliminando las
filas sin información importante. Por resultado sale del bloque
una nueva señal con menos elementos y mejor definida. La
señal que ingresa posee ruido por diversos factores, podemos
mencionar por ejemplo la luminosidad entre otros, es por esto
que se le debe dar un filtrado preliminar para poder atenuar
este tipo de situaciones indeseadas. Esta señal levemente
filtrada, entra al bloque de correlación en el cual se buscan y
eliminan las redundancias de la señal producidas por el
solapamiento. Una vez que sale la señal sin redundancias se
aplica un filtro más estricto, ya que, al bloque de detección de
peak debe ingresar una señal lo más limpia posible de ruidos.
Finalmente llegamos a la detección de peak y valles, donde se
identifican claramente los peak porque cada uno representa la
presencia de una hoja, en cambio un valle solo denota la
ausencia de esta. Hay que tener en cuenta la distancia entre
cada peak, ya que, si no se tienen en cuenta probablemente se
perderían hojas en el conteo, afectando la eficiencia del
algoritmo, finalmente la señal que sale de este bloque,
representa el numero de hojas en el pallet. Cabe mencionar
que se puede trabajar según el sentido de la señal, pues el
muestreo puede ser hacia abajo o bien hacia arriba según sea
deseado, por esta razón se debe indicar este parámetro al
momento de ejecutar el programa.
A. Filtrado de la señal.
Un filtro digital es un sistema que, dependiendo de las
variaciones de las señales de entrada en tiempo y amplitud, se
realiza un procesamiento matemático sobre dicha señal,
generalmente mediante el uso de la Transformada Rápida de
Fourier (FFT). Los filtros digitales tienen como entrada una
señal analógica o digital y en su salida tienen otra señal
analógica o digital, pudiendo haber cambiado en amplitud,
frecuencia, o fase dependiendo de las características del filtro
digital [3].
El filtro implementado para tratar nuestra señal contador
corresponde a un filtro pasa banda [3], pues se requiere
Universidad Austral de Chile
analizar sólo un intervalo de valores cercanos a la frecuencia
que determina la presencia de la hoja, a esta frecuencia la
llamaremos frecuencia principal. El algoritmo que utilizamos,
fue implementado por nosotros, el cual se basa principalmente
en el uso de la función FFT como base. No fue necesario
buscar otros algoritmos que cumplieran esta función, pues éste
nos ha dado muy buenos resultados hasta ahora (ver sección
de III. Resultados).
La forma de cómo funciona el algoritmo de filtrado
implementado es la siguiente:
1- Aplicación de la FFT a la señal: con esta operación se
obtiene el espectro frecuencial de la señal, el cual,
gráficamente, indica el valor de la frecuencia principal.
2- Eliminación de frecuencias irrelevantes: En esta sección se
elige un intervalo no muy extenso (éste debe estar centrado en
la frecuencia principal y su frecuencia espejo), Con el fin de
quitar las frecuencias que corresponden al ruido que posee.
3- Aplicación de la Transformada Rápida de Fourier Inversa
(IFFT): esta función nos permite obtener la señal filtrada y así
poder tener una apreciación más clara de la presencia y no
presencia de cada hoja del pallet.
B. Detección de cambios abruptos.
Uno de los problemas que presenta la señal contador,
es lo que respecta a la detección de cambios abruptos o
detección de bordes, el cual es necesario solucionar si se
requiere de un algoritmo contador de hojas que sea rápido y
eficiente, lo cual implica que no trabaje en zonas irrelevantes
de las señales a tratar.
Para esto se utilizo el algoritmo basado en suma acumulativa
(CUSUM), el cual en este caso trabaja con un método llamado
derivación intuitiva [4], en el cual se tiene una relación de
verosimilitud, la que puede ser, la comparación entre la
varianza de la señal o la comparación de los promedios de la
señal. El comportamiento típico de esta relación es que
muestra una pendiente negativa antes del cambio y una
pendiente positiva después del cambio, como se puede observa
en la figura 2. Por lo tanto, la información pertinente, por lo
que al cambio se refiere, se encuentra en la diferencia entre el
valor de la relación de verosimilitud y su valor mínimo actual,
y la regla de decisión correspondiente es entonces, en cada
instante de tiempo, para comparar la diferencia a un umbral de
la siguiente manera:
Donde:
Tiempo de detención:
Un ejemplo simple de un cambio en el promedio μ, de una
secuencia aleatoria, es si primero se toma entonces
existen tres formulaciones:
2
En la tercera formulación, las observaciones son procesadas
por una integral ordinaria y luego se utiliza un umbral de
adaptación. Este es el funcionamiento de un contador de
cambio de promedio [5], y es cómo funciona el algoritmo
CUSUM que se implementó para solución de nuestro
problema.
Figura 2.comportamiento típico de la relación de verosimilitud ,
correspondiente al cambio en el promedio de una secuencia Gaussiana con
varianza constante.
Se implementó el algoritmo CUSUM, a partir de un algoritmo
obtenido de internet [2], al cual se le han hecho algunas
modificaciones para utilizarlo sobre la señal contador.
C. Correlación.
Para dar solución al problema de la correlación entre
señales, indagamos en varias fuentes para ver si es que existía
alguna función ya implementada, pero obtuvimos resultados
negativos. Luego investigamos acerca del índice que
determina la correlación máxima entre 2 señales y lo que
encontramos se muestra en la siguiente ecuación [6]:
Donde r es la correlación entre las señales x e y en el
instante k. Este valor se obtiene operando con la varianza y
covarianza entre las señales.
La ecuación anterior fue el índice utilizado en el algoritmo
para encontrar la correlación de las señales. Tenemos que
tener en cuenta que la señal original, obtenida del escaneo,
viene dada por una matriz y cada fila de ella es una imagen del
escáner.
La forma de cómo funciona el algoritmo implementado con
respecto a la correlación es la siguiente:
Vamos a considerar solo 2 señales S1 y S2.
1- Fijamos una “ventana” de los primeros 500 valores de la
señal S2 que llamaremos ventana2.
2- Se genera una “ventana” de los últimos 500 valores de la
señal S1 que llamaremos ventana1.
3- La ventana1 se va desplazando de uno en uno hacia el
inicio de la señal y cada instante se va comparando con la
ventana2 obteniéndose un vector r(k).
4- Se busca el máximo valor del vector r(k) y se encuentra el
punto donde comienza la información redundante de S1.
5- Se elimina esa información y se une S1(ahora cortada) con
S2.
Universidad Austral de Chile
6- Se repite este ciclo hasta que se haya realizado a todas las
filas de la matriz de la señal original.
D. Detección de peaks y valles.
La motivación de este proyecto, radica en encontrar la
cantidad exacta de hojas que hay en un pallet, por ende uno de
los problemas fundamentales es encontrar los picos y valles
que existen en la señal contador, ya que un pico representa la
presencia de una hoja mientras que el valle es la ausencia de
esta. Para la búsqueda de estos parámetros utilizamos un
algoritmo de detección de picos y valles. El algoritmo a
utilizar es peakdet, una función gratuita, creada por Eli
Billauer, Licenciado en Ingeniería eléctrica, el algoritmo se
obtuvo de su página web [1].
La función peakdet lo que hace es buscar máximos, de una
función y lo hace tomando un valor de esta y lo compara con
sus proximidades derecho e izquierdo, si el valor tomado es
mayor que sus pares comparados, este es asignado como un
máximo. Análogamente para encontrar los mínimos realiza el
mismo procedimiento, solo que ahora si el valor tomado
resulta menor que sus próximos, será asignado como mínimo.
Para saber si un máximo encontrado corresponde o no a un
pico, se utiliza un margen de distancia mínimo entre máximos
y mínimos, si la distancia entre estos sobrepasa el límite
establecido, el máximo y mínimo correspondiente se cataloga
como pico o valle.
III. RESULTADOS
En esta sección se mostraran los resultados obtenidos al
implementar los algoritmos que fueron utilizados para tratar la
señal contador y de esa manera llegar a la solución del
problema.
A. Filtrado de la señal.
Para el algoritmo se realizaron dos filtrados, un primer filtrado
de tipo leve (intervalo de atenuación de frecuencias de FFT
amplio), para no quitar demasiada información a la señal
original y así poder comparar unas con otras, con el fin de que
la correlación funcione de manera más óptima. El otro filtro
implementado debe atenuar lo máximo posible de ruido de la
señal, para así tener una correcta detección de peaks como se
muestra en la figura 6.
B. Detección de cambios abruptos.
En cuanto a los resultados obtenidos en la detección
de cambios abruptos, se puede mencionar que:
En un principio se trabajaron algoritmos por separado para la
detección del comienzo y del final de la señal, finalmente y
como forma de optimizar el algoritmo se trabaja en uno solo la
detección de ambos cambios (inicio y fin). La forma de trabajo
del algoritmo es recorrer cada fila de la matriz que conforma
la señal a tratar, comparando los promedios de estas con un
promedio de referencia dado, el cual corresponde
aproximadamente al promedio de las señal justo después del
cambio, una vez que detecta la fila en la cual se produce el
cambio, se trabaja sobre esta buscando la suma acumulativa
para luego buscar el punto de inflexión que es el punto de
interés ya que es en dicho punto donde aproximadamente
comienza o termina la señal. El algoritmo busca primero el
3
comienzo y luego el fin de la señal, para ambos casos funciona
como fue descrito anteriormente. Para el caso del fin de la
señal se trabaja con la señal invertida. Una vez detectados los
puntos se eliminan las secciones de la señal que no son de
relevancia, es decir del punto de comienzo hacia atrás y del
punto de termino hacia adelante.
El resultado de este algoritmo se puede apreciar claramente en
la figura 3 mostrada a continuación, en la imagen superior se
muestra la grafica que arroja la cusum, en donde el punto de
inflexión es el punto de cambio. En la imagen inferior se
observa la grafica de la fila de la señal en la cual ocurre el
cambio. A simple vista se observa que el resultado que arroja
la cusum es de calidad ya que se aprecia que la señal si
comienza en el punto entregado.
Para la experimentación de este algoritmo se trabajo con una
señal con dos sentidos de escaneo, de arriba hacia abajo y
viceversa, para el primer caso la cusum arrojo como punto de
cambio de comienzo de la señal, el valor 1500 el cual se
encontraba en la fila 9, y como punto de termino 1711, en la
fila 67.
Figura 3. resultado punto inicio de la cusum.
C. Correlación.
Luego de la implementación del algoritmo de
correlación, se realizaron diversas pruebas, las cuales
mostraban empíricamente que existían errores tales como:
1- La mayoría de los puntos de corte se encontraban entre la
muestra 1600 y 1900 pero habían puntos que se alejaban
significativamente del rango como se muestra en la figura 4.
2- No coincidió el número de hojas que poseía la
senal1contador (correspondiente al escaneo de un pallet de
arriba hacia abajo) con las que tenía la senal2contador
(correspondiente al escaneo del mismo pallet de abajo hacia
arriba).
Luego se realizaron algunas adaptaciones para solucionar los
errores presentados:
Para solucionar el primer problema se acotó el intervalo para
encontrar los puntos de máxima correlación, pero todos
cercanos al promedio, basándonos en que el escáner recopila
imágenes a distancia casi constante. El resultado de lo anterior
se muestra en la figura 5.
Para el problema N°2, relacionado con la diferencia de hojas,
no obtuvimos una solución satisfactoria, pero relacionamos
este error con algún tipo de problemas de escaneo o a la
correlación de la señal.
Universidad Austral de Chile
Figura 4: Gráfica que muestra los puntos de corte de cada fila de la señal
original, resaltando los puntos que se alejan del promedio.
Figura 5: Gráfica que muestra los puntos de corte de cada fila de la señal
original, luego de acotar el intervalo de los puntos de corte.
D. Detección de peak y valles.
Al efectuar las pruebas del algoritmo peakdet, sobre la señal
contador, se produjeron errores tales como saltar picos donde
sí debería existir una hoja. Para la solución de este dilema, se
efectúo un filtrado que elimina los ruidos y regenera un pico
en el lugar que falta, tal como se aprecia en la figura 6
remarcado en el rectángulo naranjo, haciendo que peakdet
funcione sin mayores problemas.
Figura 6: Grafico de filtrado de la señal, con color azul se aprecia la señal sin
filtrar, con color rojo la señal filtrada.
Para probar si el algoritmo verdaderamente no se saltaba
ningún peak de la señal, se graficó las distancias entre peaks y
peaks dando como resultado el grafico de la figura 7. Lo que
muestra, es que las distancias entre peaks solo varían entre 27
y 35, y en ningún caso se sobrepasa el doble del promedio,
que es aproximadamente 30. Si esto pasara significaría que el
algoritmo se salta hojas, pero no es así. Además se aprecia un
decrecimiento en las distancias entre peaks, como muestra la
línea roja, lo que es explicable ya que las hojas que están más
abajo del pallet se encuentran más aplastadas por el peso de
las demás.
4
Figura 7: Grafico que muestra las distancias entre peaks de la señal contador.
Abcisa: peaks ; Ordenada: distancia entre peaks.
IV. CONCLUSIONES
Para encontrar la solución se trabajó con algoritmos de
diversos tópicos, ejemplo de aquello lo podemos encontrar en
el filtrado de la señal, se eliminaron varias frecuencias del
espectro, ya que correspondían a ruido indeseado en la señal,
el problema del filtrado es que hay que tener mucha precisión
en elegir las frecuencias de corte, para trabajar eficientemente
en ella, otra área de desarrollo fue la búsqueda del comienzo y
fin de las hojas en la señal, ya que la cámara comienza a tomar
fotografías más arriba del comienzo del pallet lo cual agrega
información sin importancia. Se observaron resultados de
CUSUM, programa basado en una función que posee Matlab,
se realizaron pruebas gráficas para determinar el comienzo de
la presencia de las hojas. Para el problema de la correlación se
trabajó con dos fotografías y sus respectivas señales en donde
se buscaron las similitudes que se podían observar, existieron
problemas donde podemos mencionar que la mayoría de los
puntos de corte se encontraban entre la muestra 1600 y 1900,
pero habían puntos que se alejaban significativamente del
rango, para solucionar el problema se acotó el intervalo para
encontrar los puntos de máxima correlación, pero todos
cercanos al promedio, basándonos en que el escáner recopila
imágenes a distancia casi constante. Finalmente se llegó a la
detección de peak en donde se trabajó básicamente en las
distancias que habían entre cada peak y cuando hay una que
escapa al rango significa que hay un error, para aquello se
realizaron pruebas gráficas en donde se ratifican las distancias
entre peaks y peaks.
V. REFERENCIAS BIBLIOGRAFICAS
[1] http://www.billauer.co.il/peakdet.html
[2]http://www.mathworks.com/matlabcentral/newsreader/view
_thread/252101
[3]http://es.wikipedia.org/wiki/Filtro_digital
[4] Michele Basseville, Igor V. Nikiforov “Detection of
Abrupt Changes: Theory and Application”, publicado por
Prentice-Hall, Inc.
[5] Mohamad Khalil ; Oussama Mustapha; Dimitri Lefebvre,
Marwa Chendeb, Abrupt change detection algorithm: from
theory to implementation.
[6] Thorsten Last, Chris D Nugent, Frank J Owens, Multi-
component based cross correlation beat detection in
electrocardiogram analysis. http://www.biomedical-
engineering-online.com/content/3/1/26