CLASSIFICAÇÃO DE SINAIS ACÚSTICOS UTILIZANDO A TRANSFORMADA WAVELETDISCRETA

Marcelo Moreira Tiago 1, Ricardo Tokio Higuti 1, Cláudio Kitano1, Vander Teixeira Prado 1

1Universidade Estadual Paulista “Júlio de Mesquita Filho”, Ilha Solteira, São Paulo, Brasil, marcelomtiago@yahoo.com.br

Resumo: Este trabalho apresenta uma técnica que utiliza aTransformada Wavelet Discreta para caracterizar a ocorrên-cia de acidentes de trabalho no processo de esquartejamentode aves. São apresentados ensaios que comparam os resul-tados dessa técnica aos obtidos num processo de filtragem,determinando o grau de eficiência de cada um deles.

Palavras-chave: Caracterização de sinais, Transformadawavelet discreta, Aplicações de engenharia.

1. INTRODUÇÃO

Uma das tarefas de grande importância na indústria é aclassificação de materiais. Essa classificação pode ser algosimples como, por exemplo, separar materiais em função deseu peso, ou pode ser algo mais complicado como, por ex-emplo, distinguir ovos trincados de ovos em bom estado [1].

Uma das técnicas empregadas para caracterizar materiaisé a do impacto acústico, que utiliza o som gerado por umaexcitação mecânica para classificar os mesmos. Exemplosde aplicação dessa técnica são a classificação de frutas emrelação ao seu grau de maturação [2] e a classificação de vi-gas de concreto em função de suas propriedades mecânicas[3].

Nessa análise, o som produzido pelo impacto mecânico écapturado utilizando um microfone e processado para se ex-trair a informação desejada. Um dos meios para se classificaros sinais adquiridos é através da análise de Fourier, comoproposto em [1] e [4], por exemplo. Outro método baseia-sena análise multirresolução proporcionada pela TransformadaWavelet Discreta, DWT (do inglês, Discrete Wavelet Trans-form), como proposto em [5].

O estudo apresentado neste trabalho aborda o processoindustrial de esquartejamento de aves. Seu objetivo é clas-sificar os sinais acústicos gerados durante esse processo e, apartir do tipo de som gerado, ativar ou não um sistema defrenagem capaz de parar a serra utilizada ao longo do pro-cesso.O intuito do trabalho é evitar a ocorrência de acidentesdurante o processo de corte de aves.

Na indústria frigorífica, em especial no setor de esquarte-jamento das aves, trabalhadores são responsáveis pela pro-dução dos cortes de carne fornecidos em supermercadoscomo, por exemplo, peito, asas, coxas e sobrecoxas. O tra-balho é feito utilizando uma serra circular movida por ummotor de indução. Durante o processo, as mãos dos operáriosestão sempre muito próximas do conjunto utilizado para cor-tar os alimentos, de modo que qualquer descuido pode causardesde ferimentos leves até amputação de parte da mão.

Como equipamento de proteção individual, os trabal-hadores utilizam uma luva de aço inoxidável. As lu-vas são padronizadas e obedecem regras de segurança pré-estabelecidas pelo departamento de engenharia de segurançados frigoríficos. O problema é que o torque do motor uti-lizado para impulsionar a serra é tão alto que, no caso de umcontato acidental, acaba cortando a luva tanto a luva quantoa mão do operador.

A partir dessas informações, a proposta deste trabalho éutilizar a DWT para identificar o tipo de material que estásendo cortado pela serra circular. A ideia é acionar um sis-tema de frenagem o mais rápido possível, evitando que a luvae, consequentemente, a mão do operador sejam cortados du-rante a ocorrência de um acidente.

1.1. Transformada wavelet

A transformada wavelet é uma técnica utilizada para re-alizar a decomposição de sinais através de um conjunto or-togonal de funções de suporte compacto. Diferentemente datransformada de Fourier que utiliza um conjunto de senos ecossenos como base de sua decomposição, a transformadawavelet realiza a decomposição dos sinais através de umawavelet mãe e suas versões escalonadas e deslocadas notempo, que passam a ser chamadas de wavelets filhas [6].

Genericamente, a função wavelet é definida pela ex-pressão ψ(t) e é apresentada na equação (1)

ψa,b(t) =1√|a|ψ

(t− ba

), a, b ∈ R; a 6= 0 (1)

715

http://dx.doi.org/10.5540/DINCON.2011.001.1.0182

sendo a o fator de escala e b o fator de deslocamento.Há várias famílias de wavelets disponíveis e um dos

fatores primordiais para o sucesso da análise utilizandowavelets é justamente a escolha adequada da família. Comonão há um consenso em relação à escolha das famílias, esseprocesso em geral é feito de modo empírico.

A transformada wavelet de uma função w(t) é definidaa partir do resultado da equação (1), conforme apresenta aequação (2)

W (a, b) =

∫ ∞−∞

w(t)ψa,b(t)dt. (2)

A grande vantagem da transformada wavelet em relaçãoà transformada de Fourier é a possibilidade da realização deuma análise multirresolução. Devido a isso, torna-se possívelefetuar desde uma aproximação grosseira do sinal em estudoaté uma análise minuciosa dos detalhes mais específicos domesmo [6].

1.2. Transformada wavelet discreta

A transformada wavelet discreta é o resultado daamostragem da transformada wavelet apresentada anterior-mente. Esse processo tem como objetivo permitir que a trans-formada seja implementada através da utilização de sistemasdigitais.

Em termos algébricos, essa afirmação pode ser represen-tada pela equação (3), que clacula a DWT de uma funçãou(t)

U(s, k) =1√2s

∫ ∞−∞

u(t)ψ

(t− 2sk

2s

)d(t) (3)

onde os parâmetros a e b apresentados em (2) são substituí-dos por 2s e 2sk respectivamente.

Essa amostragem é feita utilizando-se potências de doispara facilitar a representação da wavelet discreta através desistemas digitais. A maneira mais prática para se imple-mentar essa transformada é através do algoritmo de Mallat[6], que utiliza um banco de filtros digitais com blocos diz-imadores acoplados em suas saídas filtradas para decomporo sinal original.

São utilizados dois tipos de filtros: um passa-baixas (L)e um passa-altas (H). Os sinais provenientes da filtragempassa-baixas recebem o nome de coeficientes de aproxi-mação (cA), enquanto os sinais provenientes da filtragempassa-altas recebem o nome de coeficientes de detalhes (cD).A Figura 1 apresenta um exemplo dessa técnica, onde umsinal x[n] é decomposto em três níveis de aproximação e de-talhe.

2. PROPÓSITOS

O propósito deste trabalho é utilizar a informação contidanos sons gerados durante o processo de esquartejamento deaves para detectar a ocorrência ou não de acidentes. A ideiaé separar os sons em dois grupos: os referentes ao corte defrango e os referentes ao toque de uma luva de aço inoxidávelna serra. Dessa forma, espera-se detectar toques acidentaisentre a luva e a serra num tempo curto o suficiente para que

Figura 1 – Decomposição do sinal de entrada x[n] em coefi-cientes de aproximação e detalhe.

um dispositivo de frenagem seja acionado, interrompendo aação da serra antes que a luva de aço seja cortada, evitandoassim que a mão do trabalhador seja ferida.

3. MÉTODOS

A Figura 2 apresenta um esboço do sistema utilizado du-rante o processo de esquartejamento de aves em frigoríficos.

Figura 2 – Sistema utilizado no esquartejamento de aves.

Um microfone foi colocado numa região próxima o sufi-ciente para captar o som gerado durante o procedimento decorte. Optou-se por escolher uma região que não fosse alvode resíduos de carne gerados durante o processo de corte,evitando dessa forma que algo obstruísse a captação de sinal.

Os dados captados por esse microfone foram adquiridosutilizando a placa de som de um microcomputador. Para arealização do experimento, foram adquiridos sons referentesao processo de corte de aves e também sons gerados pelocontato da luva de aço inox com a serra.

As operações de corte de aves foram realizadas por umprofissional treinado que realiza esse tipo de serviço diari-amente. Assim como todos os funcionários que realizamesse procedimento, o operador utilizava uma luva de aço in-oxidável como equipamento de proteção. Foram realizadosvários tipos de cortes de frango, tais como os que separam ascoxas e asas do peito, o que separa os pés das coxas e o cortede frango à passarinho, que particiona a coxa em pequenospedaços.

Para a aquisição dos sinais provenientes do contato entrea luva de aço e a serra, utilizou-se um artifício: um pedaço decoxa de frango foi colocado dentro de uma luva de aço parasimular um dedo humano.

716

Optou-se pelo pedaço de coxa devido ao fato de seu for-mato possibilitar o encaixe dessa peça no interior da luva deaço, simulando assim a mão de um operador. Experimental-mente, comprovou-se que o tipo de material utilizado no in-terior da luva não altera as características do som gerado pelocontato entre serra e luva. Este teste foi realizado através dasubstituição do pedaço de coxa por outros materiais como,por exemplo, um pedaço de madeira e um pedaço de bor-racha. Em ambos os casos, o som gerado pelo toque da luvana serra apresentou características semelhantes.

Como já mencionado, a proposta do trabalho é desen-volver um sistema de proteção contra acidentes de trabalho.Dessa forma, não seria prudente utilizar a mão do operadordurante o processo de aquisição dos sinais de sons de luva.

As luvas de aço inox utilizadas durante o processo sãocompostas por elos de mesmo tamanho e espessura, carac-terísticas essas pré-estabelecidas pelo departamento de en-genharia de segurança dos frigoríficos.

Durante o ensaio, solicitou-se ao operador que efetuassetoques que os trabalhadores considerassem suaves na serra.Dessa forma, se um toque suave pudesse ser detectado, certa-mente um toque mais brusco também seria, aumentando as-sim a sensibilidade do sistema. Os sinais armazenados foramprocessados utilizando o software Matlab.

Inicialmente, propôs-se a utilização de um único filtropassa-bandas para classificar os sinais. Para tanto, após umaanálise espectral, foi escolhida uma faixa de frequência naqual a energia de um dos sinais fosse maior do que a do outro.

A fim de se salientar a diferença entre um sinal e outro,optou-se por realizar o cálculo da energia dos sinais filtra-dos. Para tanto, inicialmente os sinais foram elevados aoquadrado e, na sequência, realizou-se a soma dos mesmosem grupos de 128 pontos. A determinação desse número depontos deu-se de forma empírica e levou em conta a propostade se implementar esse sistema em tempo real. Ressalta-seque o cálculo da energia não pode demandar muito tempo,haja vista que o processamento deve ser rápido o bastantepara evitar que o acidente ocorra.

Na sequência, utilizou-se uma analise baseada na DWTpara classificar os sinais. Optou-se por implementar um sis-tema com três níveis de decomposição. Também foram tes-tadas várias famílias de wavelets, comparando seus resulta-dos aos apresentados durante o processo de filtragem.

4. RESULTADOS E DISCUSSÕES

O processo descrito anteriormente foi realizado para 224amostras, sendo 112 amostras de sinais de frango e 112amostras de sinais de luva. Optou-se por analisar sinais refer-entes ao corte das coxas para a produção do chamado “frangoà passarinho”, que consiste de pequenos pedaços de coxa cor-tados. Esse corte mostrou-se como o mais crítico para seranalisado, pois também envolve o corte de ossos.

Para o caso da análise utilizando somente o processo defiltragem, definiu-se um limiar em função dos valores de en-ergia média dos sinais referentes ao corte de frango. Dessaforma, sinais que ultrapassassem esse limiar indicariam aocorrência de um acidente.

Durante o processo de análise utilizando wavelets, inicial-

mente os sinais adquiridos foram normalizados em funçãode seu valor de pico máximo. Utilizando a DWT, os sinaisforam decompostos em 3 níveis de aproximações e detalhes.A Figura 3 apresenta um exemplo com dez amostras de sinaisreferentes ao corte de frango e dez referentes ao toque daluva na serra. Nesse exemplo, estão apresentadas as decom-posições cA3, cD1 cD2 e cD3, onde utilizou-se a família db2para o cálculo da DWT.

(a) Energia cA3.

(b) Energia cD1.

(c) Energia cD2.

(d) Energia cD3.

Figura 3 – Energia calculada a partir dos coeficientes de aprox-imação e detalhe.

Da Figura 3(c), nota-se que não há a possibilidade de seutilizar essa decomposição para separar os sinais, conformemencionado anteriormente. Já na Figura 3(b), verifica-se queos valores atingidos pelos sinais referentes ao toque de luvasão superiores. Observa-se que tanto na Figura 3(d) quantona Figura 3(a), os valores atingidos pelos sinais referentes aocorte do frango são maiores.

Durante o processo de tomada de decisão, foi estabele-cido um nível de limiar. Dessa forma, sinais de energia su-periores a um determinado limiar indicam a ocorrência dotipo de material que se está buscando, que pode ser frangono caso das decomposições cA3 e cD3 ou luva na decom-posição cD1. Se o nível de limiar foi superado, um indicadoré ativado; se o limiar não foi atingido, o mesmo indicador ézerado. O nível de limiar foi obtido a partir de uma média

717

entre valores de energia máximos para frango (para as de-composições cA3 e cD3) e luva (para a decomposição cD1).

A equação (4) apresenta a operação lógica utilizada paraa tomada de decisão final do processo de análise.

Resultado = D1.(A3.D3) (4)

sendo A3, D1 e D3 as variáveis utilizadas para indicar queo limiar foi ou não alcançado.

Se o resultado dessa operação apresentar nível lógico um,isso indica que houve toque de luva. Caso contrário, indicaque não houve falha durante o processo.

Buscando avaliar a eficiência do método, foram testadasalgumas famílias de wavelets. Os resultados foram compara-dos em função da porcentagem de acertos e de falsos posi-tivos. Para o cálculo da porcentagem de acertos, foram tes-tados somente sinais de luva. O objetivo era verificar quala porcentagem dos sinais que seria detectada utilizando osvalores de limiar pré-estabelecidos;

Já para o cálculo da porcentagem de falsos positivos,foram testados somente sinais de frango. O objetivo eraverificar qual a porcentagem dos sinais de frango que seriaidentificado pelo sistema como sinais de luva em função dosvalores de limiar pré-estabelecidos, culminando assim numfalso positivo. A Tabela 1 apresenta os resultados obtidos.Foram apresentadas somente as famílias que apresentaram omaior índice de eficiência, ou seja, maior porcentagem deacertos e menor porcentagem de falsos positivos.

Tabela 1 – Resultados do sistema de classificação de materiais.

haar db2 db4 sym4 FiltragemAcertos (%) 76,8 74,1 78,6 76,8 69,6

Falsos Positivos (%) 7,1 10,7 12,5 14,3 45,5

Da Tabela 1, nota-se que a família haar apresentou umnúmero menor de falsos positivos. Esse fato é importante,pois um número alto de falsos positivos acarretaria queda deprodução e, por conseguinte, inviabilizaria a aplicação do sis-tema. Já a família db4, apesar de ter sido mais eficiente nadetecção de toques de luva, apresentou um número de falsospositivos maior.

Nota-se que nem todos os toques de luva foram detecta-dos. Esse fato deve-se ao tipo de teste que foi realizado, ondesomente toques suaves foram realizados. Considerando quenum acidente real o toque seria provocado com uma forçamaior, os limiares pré-estabelecidos seriam alcançados, acio-nando o sistema de frenagem.

Verifica-se a ocorrência de uma grande melhora dos resul-tados ao se utilizar wavelets em comparação com uma oper-ação de filtragem passa-banda, justificando assim a utilizaçãodesta técnica.

5. CONCLUSÕES

O objetivo final do trabalho é evitar acidentes envolvendoo processo de esquartejamento de aves a partir da classifi-cação dos sinais acústicos gerados durante esse processo. Apartir dos resultados obtidos, conclui-se que é possível uti-lizar a DWT para essa finalidade.

A comparação entre o sistema utilizando wavelets e o sis-tema utilizando apenas um filtro passa-banda mostrou que autilização da DWT contribuiu com um aumento na eficiênciado sistema. A decomposição dos sinais em vários níveis é agrande vantagem da DWT. Dessa forma, é possível aumentaro índice de acertos do sistema, evitando os falsos positivos,que são os momentos em que um corte de frango é confun-dido com um toque leve de luva na serra.

A variação dos resultados devido a escolha da famíliaressalta a importância da escolha adequada. Ademais, fatorescomo o número de decomposições e o número de pontos uti-lizados no cálculo da energia dos sinais também são fatoresque podem influenciar no resultado final do sistema.

Ressalta-se que o ensaio apresentado nesse trabalho é denatureza estritamente prática, destacando-se que todos os re-sultados apresentados foram obtidos através de simulaçõesreais em ambiente frigorífico.

Assim como todos os sistemas eletrônicos, esse sis-tema também é passível de falhas, motivo pelo qual se faznecessária a utilização de um dispositivo redundante paragarantir a integridade física do operador. Atualmente, há umdispositivo baseado na utilização de sensores indutivos sendotestado justamente para essa finalidade.

Por fim, propõe-se manter o protótipo em teste por umperíodo de tempo mais elevado, verificando assim sua confi-abilidade durante a rotina de trabalho dos frigoríficos.

AGRADECIMENTOS

Os autores agradecem à CAPES pelo apoio financeiro e àINOVUS Indústria de Máquinas Automáticas Ltda. ME pelaconcessão dos dados utilizados durante os ensaios.

REFERÊNCIAS

[1]DOI A.H.A. Eissa. Comparative eggshell stability assess-ment using three different non-destructive sensing instru-ments and breakage force strength. Journal of Food En-gineering, 93(4):444 – 452, 2009.

[2]DOI J. Wang, A. H. Gómez, A. G. Pereira. Acoustic im-pulse response for measuring the firmness of mandarinduring storage. Journal of Food Quality, 29(4):392–404,2006.

[3]DOI Y. Ito, T. Uomoto. Nondestructive testing method ofconcrete using impact acoustics. NDT & E International,30(4):217 – 222, 1997.

[4]DOI T. Conde, A. Mulet, G. Clemente, J. Benedito. De-tection of internal cracks in manchego cheese using theacoustic impulse-response technique and ultrasounds.Journal of Dairy Science, 91(3):918 – 927, 2008.

[5]PUB K. Seki, S. Shin, T. Tabaru. Discrimination of nor-mal and studless tyres by wavelet sound analysis. InSICE 2004 Annual Conference, volume 3, pages 2312–2315, 2004.

[6] S.C. Burrus, R.A. Gopinath, and H. Guo. Introductionto Wavelets and Wavelet Transforms: A Primer. PrenticeHall, 1997.

718