Rilevazione bolli di grandine su parti d'auto

La seguente tesi sarà focalizzata sulla fattibilità di un sistema di identificazione bolli di grandine su parti d’auto. Il sistema deve essere fatto da una fotocamera, un computer a basso consumo di potenza (raspberry pi) ed una striscia di luci. Tutto il setup hardware è stato adattato dagli ingegneri terzi, mentre la parte software sviluppata da me. In particolare, l’algoritmo doveva essere principalmente fatto da due YOLO Object detector in cascata. Alla fine, analizzando il lato software sarà provata oppure no la fattibilità del progetto. Procederemo allenando in Matlab i due diversi detector, il primo per identificare un fascio di luce riflesso ed il secondo bolli di grandine. In breve, l’idea del progetto è: una videocamera registra un video della parte d’auto sotto esame, ogni frame sarà processato dal primo detector, se nell’immagine è presente il fascio di luce riflesso, esso sarà tagliato e processato dal secondo detector. D’altronde, come prima approssimazione entrambi i detector saranno studiati separatamente senza considerare connessioni tra loro. Questo ricadrà nel salvare tempo durante la progettazione dell’algoritmo arrivando subito al punto della fattibilità del progetto. In ogni modo, come punto iniziale, attraverso il capitolo uno vedremo cos’è object detection, mentre nel capitolo due descriveremo l’algoritmo YOLO(You Only Look Once) per object detection. A questo punto, nel capitolo tre etichetteremo il dataset d’immagini considerando il fascio di luce riflesso e successivamente queste etichette saranno usate per l’allenamento e la misura delle prestazioni del YOLO detector. Seguendo, attraverso il capitolo quattro, ripeteremo gli stessi step visti durante il capitolo tre, ma questa volta con l’obbiettivo di individuare bolli di grandine su immagini più piccole. Infine, nell’ultimo capitolo saranno confrontate le prestazioni di entrambi i detetor e saranno tratte le conclusioni sulla fattibilità del progetto.