Classificação de sinais acústicos utilizando a transformada wavelet discreta e a decomposição de modo empírico: aplicações na área de alimentos

Abstract

Um dos setores de grande importância na indústria frigorífica é o responsável pelo esquarte- jamento de aves, no qual peças inteiras são separadas em partes menores para comercialização. O processo de esquartejamento pode ser feito de forma automática, através de máquinas de corte, ou por trabalhadores, que cortam as aves utilizando uma serra circular. Por ser um tra- balho manual e envolver uma lâmina de corte, a periculosidade desse tipo de trabalho é alta, de maneira que mesmo com o uso de uma luva de aço inox como equipamento de proteção, costumam ocorrer acidentes que podem variar desde pequenos cortes até amputação de parte da mão do trabalhador atingido. Neste trabalho, é apresentado um método de análise de sinais para evitar que esse tipo de acidente ocorra. Esse sistema baseia-se na análise dos sinais acústicos envolvidos gerados durante esse processo e são utilizados para desligar o motor que impulsiona a serra e acionar um sistema de frenagem em casos quando houver a ocorrência de acidentes. O problema é abordado utilizando inicialmente um filtro digital e, posteriormente, com as técni- cas de análise multirresolução apresentadas pelas wavelets. Além disso, empregou-se também a decomposição de modo empírico, que também realiza uma análise multirresolução dos sinais decompondo os mesmos em funções de modo intrínseco. Visando detectar o maior número possível de toques suaves de luva na serra sem que cortes de ossos de frango fossem confundi- dos com toques de luva, o sistema apresentou um índice de acertos de aproximadamente 70%, havendo a ocorrência de apenas 2% de falsos positivos. Além desse problema, abordou-se o caso de detecção de trinca em ovos, no qual o objetivo era separar ovos trincados de ovos in- teiros utilizando um sistema barato e eficiente...

One of the most important sectors in the meatpacking industry is chicken quartering, where whole pieces are cut into smaller ones. The quartering process can be done by automatic ma- chines or by manually cutting the chickens using a circular saw. The manual technique imposes physical risks for the workers, which wear protective stainless steel gloves. Small injuries or, in the worst case, amputation of part of the hand can occur in the event of an accident. In this work, we propose a methodology to prevent this type of accident, which is based on the anal- ysis of the acoustic signals generated during this process. In the event of an accident, the saw touches the metal glove, the acoustic signals are processed and used to turn off the engine that drives the saw and trigger a braking system. The problem is firstly analyzed using a digital filter and then with multiresolution techniques by wavelet analysis. In addition, the empirical mode decomposition technique is also employed, which also performs multiresolution analysis of sig- nals. These three techniques are implemented and compared. The method presented a 70% of successful detection of light touches of saw/glove and 2% of false positives, when a normal cut operation is detected as a saw/glove touch, in general occurring when cutting specific parts of bone. Besides this problem, the case of eggshell crack detection is studied, where the goal was to separate cracked eggs from intact eggs using an inexpensive and efficient system. A solenoid was used as a source of mechanical excitation and the resulting acoustic signals were acquired and processed. The same signal processing techniques were employed and compared, with small changes in parameters. As a result, it was possible to detect 80% of cracked eggs and 100% of intact eggs. The multiresolution technique... (Complete abstract click electronic access below)