OMR (Optical Mark Recognition) with PHP

Transcript

1. 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
3. Compartilhar experiência
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?
6. Contexto Vamos aplicar um questionário para saber!
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
26. Soluções do mercado
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
36. Aprendi como funciona
37. Aprendi como funciona Vou fazer com o PHP!
38. OMR com PHP • Reconhecer qualquer formato • Rápido • Output JSON
39. Como funciona?
40. Como funciona? Analisando pixels!
41. 10 px 10 px
42. 10 px 10 px Definir uma tolerância para considerar se é uma marcação válida 80 brancos 20 pretos
43. Como ser rápido? ? ? ? ? ? ? ?
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:
48. Output JSON: false false false false true true
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
51. Digitalização torta
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
59. Digitalização ao contrário
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
67. Inspiração de biblioteca PHP github.com/jansenfelipe/omr
70. ImageMagick src/Commands/ScanCommand.php
72. Publiquei no Blog
73. Apareci no Google
74. Interessados
75. Obrigado! github.com/jansenfelipe jansen.felipe@gmail.com @jansenfelipe