OMR (Optical Mark Recognition) with PHP
1 gostou714 visualizações
O documento descreve o desenvolvimento de um sistema de reconhecimento óptico de marcas (OMR) com PHP para automatizar a tabulação de dados de questionários. Inicialmente, o autor analisa as limitações de soluções existentes e, então, detalha como implementou um algoritmo que corrige distorções de imagem e identifica marcações com precisão para gerar resultados em JSON. A nova abordagem reduziu significativamente o tempo de processamento e aumentou a capacidade do sistema em 6 vezes.
OMR (Optical Mark Recognition) with PHP
- 2. Quem sou eu? 👨💻 Developer since 2007 👶 Father of a boy 🌱 Organizer @phpmg 👔 Owner @supliutecnologia 🤠 Brazilian ten-string guitar player 🎓 Systems Analyst and Development - UNA - 2011 🎓 Interaction Design Specialist UX/UI - PUC Minas - 2016 https://github.com/jansenfelipe @jansenfelipe https://jansenfelipe.com.br
- 4. Contexto Oferta cursos, palestras, consultorias, workshops para micro e pequenos empreendedores. Empresa que atende todos os 853 municípios do estado de Minas Gerais.
- 5. Contexto Nossos clientes estão gostando?
- 7. Contexto
- 8. Contexto ● Tempo de digitação ● Erro de tabulação ● Tempo para conferir ● Dinheiro ● Demora na publicação do resultado ● Baixa performance
- 9. Contexto Em 2015: 3.308 cursos, palestras, consultorias, etc.
- 10. Contexto Em 2015: 3.308 cursos, palestras, consultorias, etc. (Média de 10 participantes) 33.080 avaliações
- 11. Contexto Em 2015: 3.308 cursos, palestras, consultorias, etc. (Média de 10 participantes) 33.080 avaliações (10 perguntas) 330.800 respostas
- 12. Contexto Como resolver esses problemas?
- 13. Contexto Como resolver esses problemas?
- 14. Contexto Como resolver esses problemas? Depois respondo.. Preguiça.. $ Esqueci.. Preguiça.. Spam.. Nao tenho celular Nao tenho email..
- 15. Contexto Como resolver esses problemas? ● O questionário em papel já funciona bem ● As pessoas respondem na hora ● A memória das pessoas está fresca
- 16. Contexto Precisamos automatizar a tabulação dos dados!
- 17. Contexto Precisamos automatizar a tabulação dos dados! OMR
- 18. O que é OMR?
- 19. O que é OMR? Optical Mark Recognition é o processo de captura de dados marcado por humanos a partir de formas de documentos, tais como pesquisas e testes. https://en.wikipedia.org/wiki/Optical_mark_recognition
- 20. O que é OMR? ● Coleta dados de questionários ● Correção de gabaritos de provas
- 21. O que é OMR?
- 22. O que é OMR? OMR
- 23. O que é OMR? OMR ... Output
- 24. O que é OMR?
- 25. O que é OMR? Analógico Digital false false false false true true
- 27. SDAPS ● Python ● Output CSV ● Linha de comando ● LaTeX http://sdaps.org
- 28. SDAPS - LaTeX $ sdaps "/project01" setup_tex "/example.tex"
- 29. SDAPS - LaTeX $ open /project01/example.pdf
- 31. SDAPS - Adequar ● Manter as bordas ● Manter a posição dos quadrados
- 32. Adequar ao PHP
- 33. SDAPS PHP ● Classe com métodos estáticos ● Executa comandos SDAPS https://github.com/jansenfelipe/sdaps-php
- 34. SDAPS PHP
- 35. SDAPS - Problemas ● Demora (.tif com 10 / ~2 min) ● Formato questionário engessado ● .CSV truncado ● Calibragem ● Output com erros
- 37. Aprendi como funciona Vou fazer com o PHP!
- 38. OMR com PHP ● Reconhecer qualquer formato ● Rápido ● Output JSON
- 39. Como funciona?
- 41. 10 px 10 px
- 42. 10 px 10 px Definir uma tolerância para considerar se é uma marcação válida 80 brancos 20 pretos
- 44. Um mapa!
- 45. Um mapa pode ser um arquivo texto Ele deve informar as posições XY das regiões que serão analisadas.
- 46. Exemplo JSON:
- 47. Em relação aos extremos Exemplo JSON:
- 49. Algoritmo ○ Carregar imagem ○ Carregar mapa JSON ○ Avaliar cada target o % de pixels (Pretos vs. Brancos) ○ SE maior que a tolerância: ■ Considerar TRUE ○ SENÃO ■ Considerar FALSO ○ Gerar output
- 50. Mole! Só implementar! Problemas comuns e falhas
- 52. Digitalização torta Ajustar a bandeja do scanner Corrigir com uma fórmula matemática
- 53. Digitalização torta Descobrir o ângulo de inclinação da reta x em relação a tangente y de uma digitalização correta 45º
- 54. Digitalização torta 45º - 35º = 10º Valor positivo, a imagem será rotacionada no sentido anti-horário 35º
- 55. Impressão em escala reduzida
- 56. Impressão em escala reduzida Impressoras e configurações diferentes Corrigir com uma fórmula matemática
- 57. Impressão em escala reduzida Descobrir a distância entre os dois pontos de uma digitalização correta 2.000 pixels
- 58. Impressão em escala reduzida 2.000px - 1.300px = 700px Ampliar a imagem em 35% 1.300 pixels
- 60. Digitalização ao contrário Nenhuma fórmula matemática encontrada Favor digitalizar novamente
- 61. Algoritmo ○ Carregar imagem ○ Carregar mapa JSON ○ Avaliar cada target o % de pixels (Pretos vs. Brancos) ○ SE maior que a tolerância: ■ Considerar TRUE ○ SENÃO ■ Considerar FALSO ○ Gerar output
- 62. Atualização do algoritmo (antes) ○ Carregar imagem ○ Carregar mapa JSON ○ Avaliar cada target o % de pixels (Pretos vs. Brancos) ○ SE maior que a tolerância: ■ Considerar TRUE ○ SENÃO ■ Considerar FALSO ○ Gerar output
- 63. Atualização do algoritmo (depois) ○ Carregar imagem ○ Carregar mapa JSON ○ Calcular distância entre os pontos. ○ Calcular ângulo de inclinação. ○ Encontrar a posição dos pixels extremos. ○ Calcular ângulo de inclinação. ○ Rotacionar a imagem de acordo com a diferença entre os ângulos. ○ Encontrar novamente a posição dos pixels extremos. ○ Calcular distância entre os pontos. ○ Ajustar tamanho da imagem de acordo com o percentual encontrado. ○ Avaliar cada target o % de pixels (Pretos vs. Brancos) ○ SE maior que a tolerância: ■ Considerar TRUE ○ SENÃO ■ Considerar FALSO ○ Gerar output
- 64. ao implementar..
- 65. Antes ● Tempo de digitação ● Erro de tabulação ● Tempo para conferir ● Dinheiro ● Demora na publicação do resultado ● Baixa performance (300/mês)
- 66. Depois ● Economia (Tempo/Dinheiro) ● Resultado imediato ● Aumento da performance (1.837/mês) 6x mais
- 74. Interessados