Logar / Cadastrar
     
  • INICIO
  • Painel
  • Quem Somos
  • Organizadores de Encontros de Sociedades Expositores de Encontros de Sociedades Presidentes de Sociedades Lider de Grupos Colecionadores Visitantes usuarios do sistema
     
    Cédulas e Moedas Medalhas Cédulas Comunitárias Acessórios Extras
     
    • Visitante
      • Descrição
    • Colecionador
      • Descrição
    • Comerciante
      • Descrição
      • lista
    • Distribuidor
      • Descrição
      • lista
    • Fabricante
      • Descrição
      • lista
    • Gerente - Agencias
      • Descrição
      • lista
    • Donos
      • Descrição
      • lista
    • Sociedades Numismáticas
      • Descrição
      • lista
     
    Coleções Loja Virtual Varejo Loja Virtual Atacado Leilão Dropshipping Banco Numismático CCMBR Agencia Numismática Seguradora Cooperativada Sistema Financeiro CCMBR Carrinho de Compras Controle de Estoque Tarifas e Benefícios Limites de Crédito
     

Manual CCMBR Visor

Nilton Romani

<--< anterior
próximo >->

Reconhecimento parcial (fragmentos, danificadas)

<< Anterior Próxima >>

🧩 Capítulo 4.10 – Reconhecimento Parcial (Fragmentos, Danificadas)

Porque a história também se quebra — e ainda assim merece ser lida

Muitas vezes, colecionadores e pesquisadores se deparam com moedas corroídas, cédulas rasgadas, fragmentos antigos ou peças com marcas do tempo.
Apesar de estarem danificadas, essas peças ainda têm valor histórico, arqueológico e emocional.

O CCMBR Visor foi projetado para lidar com esses casos — analisando fragmentos visuais e oferecendo hipóteses prováveis com base em partes reconhecíveis.


🧠 Como o sistema lida com fragmentos?

O Visor ativa uma lógica de “reconhecimento parcial”, onde:

  • A imagem é processada normalmente pelo módulo OpenCV

  • A IA detecta a ausência de partes visuais esperadas

  • O algoritmo foca nas áreas legíveis da imagem:

    • Letras visíveis

    • Bordas ou padrões ainda identificáveis

    • Sombra de brasões ou números

    • Segmentos gráficos da estampa


🔍 Exemplo prático:

Um usuário envia uma foto de uma moeda quebrada, com apenas 60% do disco visível.
A IA responde:

plaintext
Possíveis correspondências: 1. Moeda de 200 Réis – 1931 (Confiança parcial: 68%) 2. Moeda de 200 Réis – 1932 (Confiança parcial: 63%) 3. Moeda de 100 Réis – 1929 (Confiança baixa: 44%) ❗ Peça danificada. Resultados estimados com base em fragmentos reconhecíveis.

🧩 Tipos de fragmentos que podem ser analisados:

🪙 Em moedas:

  • Parte da legenda ou valor (“...EIS”, “...ENTAVOS”)

  • Contorno com frisos ou serrilhado

  • Símbolos parciais (estrela, cruz, esfera)

  • Segmento do busto ou brasão

💵 Em cédulas:

  • Pedaço com assinatura visível

  • Números parciais do valor

  • Detalhe da moldura ou do retrato

  • Estampa de fundo ou faixa de segurança


📈 Estratégias técnicas do Visor para análise parcial:

  • Redução do limiar de confiança para permitir sugestões menos assertivas

  • Aplicação de reconhecimento de OCR parcial (letras e números)

  • Utilização de modelos de comparação segmentada (ex: só a borda ou só a tipografia)

  • Aprendizado contínuo com fragmentos que os usuários confirmam manualmente


🧠 Classificação da resposta como:

  • Reconhecimento parcial com sugestão provável

  • Necessita nova imagem / outro ângulo

  • Peça não reconhecida (sugerir avaliação humana)


💡 Benefícios desse recurso:

SituaçãoResultado para o usuário
Fragmento de peça antiga Permite resgatar a identidade histórica
Moeda corroída ou gasta Identificação aproximada com base visual
Cédula rasgada ou incompleta Ajuda a validar origem ou valor
Peça arqueológica ou achada Primeira pista de identificação

"Mesmo quebrada, uma peça carrega o peso do tempo — e merece ser ouvida."

O reconhecimento parcial torna o Visor mais sensível, mais humano e mais útil para contextos reais.


Comentário

Modulos
Imagem Capitulos
Apresentação do Projeto
O que é a Busca por Imagem na Numismática
Importância da Tecnologia na Preservação Histórica
Diferença entre busca por texto e busca visual
Visão do CCMBR Visor: reconhecimento com inteligência nacional
Arquitetura geral do sistema
Fluxo de operação: da imagem ao resultado
Tecnologias envolvidas (OpenCV, TensorFlow, etc.)
Estrutura do banco de dados de referência
Processamento da imagem: recorte, contraste, fundo
Métricas de comparação e acurácia
Otimização para dispositivos móveis
Classificação numismática das peças
Organização de imagens: ângulos, reverso, variantes
Metadados essenciais por tipo de peça
Curadoria e padronização das imagens
Níveis de confiança e margem de erro nas identificações
Registro de variantes, erros e curiosidades
Upload e captura da imagem (web/mobile)
Visualização dos resultados da busca
Detalhamento da moeda/cédula reconhecida
Funcionalidade de "buscar novamente" ou corrigir
Filtros avançados e consulta manual combinada
Acesso offline (modo catálogo local)
Treinamento contínuo do sistema com novas imagens
Integração com perfis de expositores e lojas
Integração com o módulo de agenda e eventos
Reconhecimento parcial (fragmentos, danificadas)
30/11/-0001
Expansão para moedas estrangeiras
Módulo educativo: explicações, vídeos, glossário interativo
Introdução HTML

Baixar o código fonte da aula

Introdução CSS

Baixar o código fonte da aula

Introdução JavaScript

Baixar o código fonte da aula

Facebook   Twitter   YouTube   Feed de notícias   site   Instagram   CCMBR  

Copyright Agência Numismática CCMBR 2019