Transferir como ODP, PPTX
Carregado porRomualdo Andre
Corrigindo o vestibular com Python e OpenCV
O documento discute o uso de Python e OpenCV para corrigir provas de vestibular usando reconhecimento óptico de marcas (OMR). Explica o que é OMR, como funciona a análise de imagens com computação visual e bibliotecas como OpenCV, e possíveis problemas como folhas dobradas ou marcações mal feitas que podem ser resolvidos aumentando a sensibilidade do algoritmo e melhorando o alinhamento do formulário.
Corrigindo o vestibular com Python e OpenCV
- 1. Corrigindo o vestibularcom Python e OpenCV Romualdo André da Costa Analista de TI – UFRB
- 2. O que éum OMR? ● Optical Mark Recognition (OMR) ● Melhor alternativa para coletar dados de terceiros. ● Assim é possível ler marcações e convertê-las em registros alfanuméricos para armazenamento e processamento usando um computador (Wynn,1984)
- 3. O que éum OMR? ● Baixo custo por prova. ● Confiança de quase 100%. ● OMR completos, com software e hardware dedicados, chegam a custar mais de US$ 30.000 (Hussmann; Deng, 2005)
- 4.
- 5. Fonte: Hussmann; Deng(2005) Como funciona?
- 6. Computação visual ● A computaçãovisual trata de processos onde busca-se dar sentido à imagem e extrair informações, inclusive em conjunto com a inteligência artificial (GONZALEZ; WOODS, 2010) ● Biblioteca OpenCV. (OPENCV, 2013)
- 7.
- 9. Problemas ● Folha dobrada ●Marcação mal feita ● Marcação incorreta
- 10.
- 11.
- 12.
- 13. Conclusão ● Aumentar sensibilidade –Captura marcações mal feitas e incorretas. – Pode capturar ruídos (problema de impressão, sujeira). ● Melhorar algoritmo de alinhamento – Formulário com quatro pontos de referência. ● Processo fica mais lento, porém menor custo de manutenção ● Independência tecnológica.
- 14. Referências BERGERON, B. OpticalMark Recognition: Tallying information from filled-in 'bubbles'. Postgraduate Medicine. Vol. 104, no. 2, ago. 1998. Disponível em: <http://www.omrsolutions.com/download/case_studies/medical.pdf>. Acesso em: 3 out. 2013. GONZALEZ, R. C.; WOODS, R. E.. Processamento Digital de Imagens. 3 ed. São Paulo: Pearson Prentice Hall. 2010. HUSSMANN, S.; DENG, P. W. A high-speed optical mark reader hardware implementation at low cost using programmable logic. Real- time Imaging, volume 11, número 1, p.19-30. 2005. Disponível em: <http://www.sciencedirect.com/science/article/pii/S1077201405000124>. Acesso em: 15 out 2013. OPENCV, Open Source Computer Vision Library. Disponível em: <http://opencv.org/about.html>. Acesso em: 15 nov 2013. WYNN, R.. Optical Mark Recognition: How OMR compares with other data entry techniques. Data Processing. Vol. 26, no. 9, nov 1984. Disponível em: <http://www.sciencedirect.com/science/article/pii/0011684X84904349>. Acesso em: 3 out 2013.
- 15.
- 16.