MACHINE VISION FOR AUTOMATICVISUAL INSPECTION OF WOODENRAILWAY SLEEPERS USING UNSUPERVISED NEURAL NETWORKS

The motivation for this thesis work is the need for improving reliability of equipment and quality of service to railway passengers as well as a requirement for cost-effective and efficient condition maintenance management for rail transportation. This thesis work develops a fusion of various machine vision analysis methods to achieve high performance in automation of wooden rail track inspection.The condition monitoring in rail transport is done manually by a human operator where people rely on inference systems and assumptions to develop conclusions. The use of conditional monitoring allows maintenance to be scheduled, or other actions to be taken to avoid the consequences of failure, before the failure occurs. Manual or automated condition monitoring of materials in fields of public transportation like railway, aerial navigation, traffic safety, etc, where safety is of prior importance needs non-destructive testing (NDT).In general, wooden railway sleeper inspection is done manually by a human operator, by moving along the rail sleeper and gathering information by visual and sound analysis for examining the presence of cracks. Human inspectors working on lines visually inspect wooden rails to judge the quality of rail sleeper. In this project work the machine vision system is developed based on the manual visual analysis system, which uses digital cameras and image processing software to perform similar manual inspections. As the manual inspection requires much effort and is expected to be error prone sometimes and also appears difficult to discriminate even for a human operator by the frequent changes in inspected material. The machine vision system developed classifies the condition of material by examining individual pixels of images, processing them and attempting to develop conclusions with the assistance of knowledge bases and features.A pattern recognition approach is developed based on the methodological knowledge from manual procedure. The pattern recognition approach for this thesis work was developed and achieved by a non destructive testing method to identify the flaws in manually done condition monitoring of sleepers.In this method, a test vehicle is designed to capture sleeper images similar to visual inspection by human operator and the raw data for pattern recognition approach is provided from the captured images of the wooden sleepers. The data from the NDT method were further processed and appropriate features were extracted.The collection of data by the NDT method is to achieve high accuracy in reliable classification results. A key idea is to use the non supervised classifier based on the features extracted from the method to discriminate the condition of wooden sleepers in to either good or bad. Self organising map is used as classifier for the wooden sleeper classification.In order to achieve greater integration, the data collected by the machine vision system was made to interface with one another by a strategy called fusion. Data fusion was looked in at two different levels namely sensor-level fusion, feature- level fusion. As the goal was to reduce the accuracy of the human error on the rail sleeper classification as good or bad the results obtained by the feature-level fusion compared to that of the results of actual classification were satisfactory.

NDVI With Artificial Neural Networks For SRTM Elevation Model Improvement – Hydrological Model Application

Digital elevation model (DEM) plays a substantial role in hydrological study, from understanding the catchment characteristics, setting up a hydrological model to mapping the flood risk in the region. Depending on the nature of study and its objectives, high resolution and reliable DEM is often desired to set up a sound hydrological model. However, such source of good DEM is not always available and it is generally high-priced. Obtained through radar based remote sensing, Shuttle Radar Topography Mission (SRTM) is a publicly available DEM with resolution of 92m outside US. It is a great source of DEM where no surveyed DEM is available. However, apart from the coarse resolution, SRTM suffers from inaccuracy especially on area with dense vegetation coverage due to the limitation of radar signals not penetrating through canopy. This will lead to the improper setup of the model as well as the erroneous mapping of flood risk. This paper attempts on improving SRTM dataset, using Normalised Difference Vegetation Index (NDVI), derived from Visible Red and Near Infra-Red band obtained from Landsat with resolution of 30m, and Artificial Neural Networks (ANN). The assessment of the improvement and the applicability of this method in hydrology would be highlighted and discussed.

Aprendizado relacional por um modelo neural

As técnicas que formam o campo da Descoberta de Conhecimento em Bases de Dados (DCBD) surgiram devido à necessidade de se tratar grandes volumes de dados. O processo completo de DCBD envolve um elevado grau de subjetividade e de trabalho não totalmente automatizado. Podemos dizer que a fase mais automatizada é a de Mineração de Dados (MD). Uma importante técnica para extração de conhecimentosa partir de dados é a Programação Lógica Indutiva (PLI), que se aplica a tarefas de classificação, induzindo conhecimento na forma da lógica de primeira ordem. A PLI tem demonstrado as vantagens de seu aparato de aprendizado em relação a outras abordagens, como por exemplo, aquelas baseadas em aprendizado proposicional Os seus algorítmos de aprendizado apresentam alta expressividade, porém sofrem com a grande complexidade de seus processos, principalmente o teste de corbertura das variáveis. Por outro lado, as Redes Neurais Artificiais (RNs) introduzem um ótimo desempenho devido à sua natureza paralela. às RNs é que geralmente são "caixas pretas", o que torna difícil a obtenção de um interpretação razoável da estrutura geral da rede na forma de construções lógicas de fácil compreensão Várias abordagens híbridas simbólico-conexionistas (por exemplo, o MNC MAC 890 , KBANN SHA 94 , TOW 94 e o sistema INSS OSO 98 têm sido apresentadas para lidar com este problema, permitindo o aprendizado de conhecimento simbólico através d euma RN. Entretanto, estas abordagens ainda lidam com representações atributo-valor. Neste trabalho é apresentado um modelo que combina a expressividade obtida pela PLI com o desempenho de uma rede neural: A FOLONET (First Order Neural Network).

Avaliação funcional e morfométrica da regeneração neural em modelo experimental com nervo mediano em ratos

O processo de regeneração neural do modelo experimental em nervo mediano foi estudado em 34 ratos da raça Wistar, os quais foram submetidos à micro-neurorrafia término-terminal, sendo analisada a força de preensão do membro anterior e realizada a biópsia para análise morfométrica dos pós-operatórios 10° (8 ratos), 20° (5), 30° (5), 45° (8) e grupo controle não operado (8). Foi aferida a força negativa de preensão com o membro anterior e morfometricamente analisadas a contagem do número de fibras mielinizadas, seu diâmetro, períme-tro e área bem como espessura da bainha de mielina. O teste paramétrico de análise de variância foi utilizado para avaliação do número de fibras, diâmetro, perímetro e área bem como para as comparações de força e espessura da bainha de mielina entre os diferentes grupos. Uma média de 16,62 g (10°); 45,80 g (20°); 91,20 g (30°) e 106,75 g (45°) demonstrou haver um aumento progres-sivo da força de preensão em cada grupo paralelamente à evolução no tempo (p < 0,05), exceto entre o 45° e grupo controle com média de 116,25 g, o que denota regeneração com resultados similares à normalidade no final do período considerado. Não foram detectadas fibras regeneradas no coto distal do 10o dia pós-operatório e a totalidade das fibras mielinizadas presentes foi desconsiderada por apresentar sinais degenerativos. Embora sem significância, o número de fibras aumentou progressivamente até o 30° dia, reduzindo-se no 45°. Quanto à espessura, diâmetro, perímetro e área, verificou-se diminuição sig-nificativa no 20o dia e progressivo aumento nos grupos posteriores. Embora a força e o número de fibras tenham apresentado correlação fortemente negativa pelo coeficiente de Spearman (r = − 0,87) no grupo controle, não foi possível obter correlação entre os dados morfométricos e teste funcional nos demais gru-pos. Conclui-se que o modelo experimental do nervo mediano é válido para o estudo evolutivo da regeneração neural, no período considerado de 45 dias pós-operatórios, porém os dados morfométricos apenas refletem a evolução morfológica e cronológica do processo de regeneração do modelo experimental, não apresentando correlação direta com a função.

Análise morfológica neural e da densidade de espinhos dendríticos da amígdala medial de ratas durante o ciclo estral

A amígdala medial (AMe) é um núcleo superficial do complexo amigdalói-de, ocupando seu aspecto rostromedial. A AMe modula uma série de comportamen-tos, além de modular a memória e o aprendizado associado a estímulos olfativos e visuais. Em ratos, é uma estrutura sexualmente dimórfica e está dividida em quatro subnúcleos: ântero-dorsal (AMeAD), ântero-ventral (AMeAV), póstero-dorsal (AMePD) e póstero-ventral (AMePV). A AMe apresenta células com características morfológicas variadas e receptores para hormônios gonadais amplamente e heterogeneamente distribuídos entre todos os seus subnúcleos. O presente trabalho teve como obje-tivos caracterizar a morfologia dos neurônios dos subnúcleos AMeAD, AMeAV, AMePD e AMePV de ratas na fase de diestro e verificar a densidade de espinhos dendríticos de neurônios dos subnúcleos AMeAD, AMePD e AMePV de ratas nas fa-ses de diestro, pró-estro, estro e metaestro. Para tal, foram utilizadas ratas Wistar (N=24) que, após a identificação da fase do ciclo estral, foram anestesiadas e per-fundidas, tiveram seus encéfalos retirados e seccionados (cortes coronais de espes-sura de 100 e 200 µm), submetidos à técnica de Golgi. A seguir, os neurônios foram selecionados e desenhados com auxílio de câmara clara acoplada a um fotomicroscópio. Na avaliação da morfologia dos neurônios, observou-se que eles são do tipo multipolar, células estreladas e bitufted, sendo encontrados em todos os subnúcleos da AMe de ratas na fase de diestro além de células com corpos celulares arredondados, fusiformes, piriformes, ovais e com características piramidais. Para a quanti-ficação da densidade de espinhos dendríticos, foram desenhados os primeiros 40 µm de 8 ramos dendríticos de 6 fêmeas por fase do ciclo estral e por subregião da AMe. Os resultados da contagem dos espinhos dendríticos foram submetidos a ANOVA de uma via e ao teste de Newman-Keuls. Verificou-se que, em diestro, a densidade de espinhos nas regiões AMeAD, AMePD e AMePV, foi maior quando comparada às demais fases do ciclo estral. Além disso, em diestro, a AMePD apresentou a maior densidade quando comparada com as regiões AMeAD e AMePV. O estudo mostrou que os neurônios da AMe de ratas estudadas na fase de diestro apresentaram morfologia variada e a densidade de espinhos dendríticos va-riou na AMeAD, AMePD e AMePV durante o ciclo estral de ratas, especialmente na AMePD. Os resultados obtidos sugerem a plasticidade induzida por esteróides se-xuais na morfologia e na fisiologia da AMe de ratas.

Metabolismo da homocisteína e defeitos do tubo neural : um estudo bioquímico e molecular no sul do Brasil

Os defeitos de fechamento de tubo neural constituem uma das malformações mais freqüentes na espécie humana, apresentando alta morbi-mortalidade. Sua etiologia é considerada multifatorial, estando envolvidos fatores genéticos e ambientais. Estes fatores estão relacionados principalmente com o metabolismo da homocisteína. Realizamos um estudo de caso-controle com o objetivo de estudar os fatores bioquímicos e genéticos relacionados ao DTN na nossa população. Em pares de afetados com DTN e suas mães e pares de pacientes normais e suas mães foram avaliados dosagem de folato, vitamina B12, homocisteína e polimorfismos da enzima metileno tetraidrofolato redutase (MTHFR), C677T e A1298C. A dosagem de folato nos casos foi 11,37 ng/mL(±6,72) e nos controles 5,64 ng/mL(±4,16) (p<0,001). O folato sérico das mães foi 7,27 ng/mL (±4,48) e 3,90 ng/mL (±1,77) nas mães controles (p<0,001). A média de dosagem de vitamina B12 foi de 641,88 pg/mL ((±262,21) nos casos e 743,27 pg/mL (±433,52) nos controles (p= 0,205). A média de dosagem de vitamina B12 nas mães dos casos foi 354,75 pg/mL (±142,06) e 465,25 pg/mL (±194,91) nas mães controles (p=0,004). O nível de homocisteína plasmático médio foi 6,89 μmol/L(±4,48) para os casos e 5,41 μmol/L (±2,55) para os controles (p=0,099). Nas mães dos casos a dosagem média de homocisteína foi 7,23 μmol/L (±2,64) e 7,00 μmol/L (±2,24) nas mães controles (p=0,666). Não houve diferença entre a freqüência dos genótipos C677T e A1298C da MTHFR nos casos e controles e suas mães. Para o polimorfismo C677T as freqüências dos alelo C e T foram respectivamente 0,6585 e 0,3414 nos pacientes com DTN; 0,6590 e 0,3410 nos controles; 0,6460 e 0,3540 nas mães dos casos e 0,6136 e 0,3860 nas mães controles. Para o polimorfismo A1298C as freqüências dos alelos A e C foram respectivamente 0,7436 e 0,2564 nos pacientes com DTN; 0,7610 e 0,2390 nos controles; 0,8055 e 0,1945 nas mães dos casos e 0,8065 e 0,1935 nas mães controles. Identificamos que indivíduos homozigotos 677TT apresentam um maior nível de homocisteína e este é inversamente relacionado com os níveis de vitamina B12. Estes achados sugerem que uma alteração metabólica relacionada ao metabolismo da homocisteína e principalmente devido à diminuição da vitamina B12 seja um fator de risco para DTN na nossa população.

ONNIS-GI: uma rede neural oscilatória para segmentação de imagens implementada em arquitetura maciçamente paralela

A presente tese apresenta a concepção de uma rede neural oscilatória e sua realização em arquitetura maciçamente paralela, a qual é adequada à implementação de chips de visão digitais para segmentação de imagens. A rede proposta, em sua versão final, foi denominada ONNIS-GI (Oscillatory Neural Network for Image Segmentation with Global Inhibition) e foi inspirada em uma rede denominada LEGION (Locally Excitatory Globally Inhibitory Oscillator Network), também de concepção recente. Inicialmente, é apresentada uma introdução aos procedimentos de segmentação de imagens, cujo objetivo é o de situar e enfatizar a importância do tema abordado dentro de um contexto abrangente, o qual inclui aplicações de visão artificial em geral. Outro aspecto abordado diz respeito à utilização de redes neurais artificiais em segmentação de imagens, enfatizando as denominadas redes neurais oscilatórias, as quais têm apresentado resultados estimulantes nesta área. A implementação de chips de visão, integrando sensores de imagens e redes maciçamente paralelas de processadores, é também abordada no texto, ressaltando o objetivo prático da nova rede neural proposta. No estudo da rede LEGION, são apresentados resultados de aplicações originais desenvolvidas em segmentação de imagens, nos quais é verificada sua propriedade de separação temporal dos segmentos. A versão contínua da rede, um arranjo paralelo de neurônios baseados em equações diferenciais, apresenta elevada complexidade computacional para implementação em hardware digital e muitos parâmetros, com procedimento de ajuste pouco prático. Por outro lado, sua arquitetura maciçamente paralela apresenta-se particularmente adequada à implementação de chips de visão analógicos com capacidade de segmentação de imagens. Com base nos bons resultados obtidos nas aplicações desenvolvidas, é proposta uma nova rede neural, em duas versões, ONNIS e ONNIS-GI, as quais suplantam a rede LEGION em diversos aspectos relativos à implementação prática. A estrutura dos elementos de processamento das duas versões da rede, sua implementação em arquitetura maciçamente paralela e resultados de simulações e implementações em FPGA são apresentados, demonstrando a viabilidade da proposta. Como resultado final, conclui-se que a rede ONNIS-GI apresenta maior apelo de ordem prática, sendo uma abordagem inovadora e promissora na solução de problemas de segmentação de imagens, possuindo capacidade para separar temporalmente os segmentos encontrados e facilitando a posterior identificação dos mesmos. Sob o ponto de vista prático, a nova rede pode ser utilizada para implementar chips de visão digitais com arquitetura maciçamente paralela, explorando a velocidade de tais topologias e apresentando também flexibilidade para implementação de procedimentos de segmentação de imagens mais sofisticados.

Relação entre tensão neural adversa e estudos de condução nervosa em pacientes com sintomas da Síndrome do Túnel do Carpo

Resumo não disponível.