Официальный сайт движения «Москва без Лужкова!»
Главная Новости Москвы Наши новости Популярное
  • Новости
  • Новости
  • ВХОД В ЛИЧНЫЙ КАБИНЕТ
    логин
    пароль
       
    Новости

    Метад аптычнага распазнавання вобразаў - сродак аптымізацыі вытворчасці

    Сыравінай для асноўнай вытворчасці плітных заводаў, а таксама цэлюлозна-папяровых камбінатаў з'яўляецца тэхналагічная дранка, якую звычайна вырабляюць у драўняна-падрыхтоўчых цэхах біржаў сыравіны гэтых прадпрыемстваў. Відавочна, што ад эфектыўнасці тэхналагічных працэсаў і якасці тэхналагічнай дранкі шмат у чым залежыць эфектыўнасць працы і якасць вырабляецца прадукцыі.

    Значны грузаабарот драўняна-падрыхтоўчых цэхаў пры часта змяняюцца фізіка-механічных уласцівасцях драўнянай сыравіны, а таксама недасканаласць тэхналогій абумоўліваюць неаптымальнай паказчыкаў працэсаў перапрацоўкі драўніны ў дранку, залішнія страты сыравіны (адходы) і павышаныя выдаткі энергіі. Такім чынам, даследаванні, накіраваныя на павышэнне эфектыўнасці аўтаматызацыі тэхналагічных працэсаў драўняна-падрыхтоўчых цэхаў, цалкам актуальныя.

    Сучасныя падыходы да аўтаматызацыі асноўных тэхналагічных аперацый драўняна-падрыхтоўчых цэхаў заснаваныя перш за ўсё на выкарыстанні метаду і сродкаў аптычнага распазнавання вобразаў з мэтай аптымізацыі вытворчасці. Аднак да гэтага часу няма даследаванняў, прысвечаных абгрунтаванню аптымальнага метаду распазнавання вобразаў дачыненні да прыкладным задачам ацэнкі аптымальнасці працы абсталявання драўняна-падрыхтоўчых цэхаў.

    Для павышэння эфектыўнасці працы лініі вырабу тэхналагічнай дранкі навукоўцамі навуковай школы «Інавацыйныя распрацоўкі ў галіне лесанарыхтоўчай прамысловасці і лясной гаспадаркі», якая ўключана ў рэестр вядучых навуковых школ Санкт-Пецярбурга, прапанавана некалькі тэхнічных рашэнняў па аўтаматызацыі кіравання якасцю окорки балансаў ў акорачны барабане. Ідэя заключаецца ў забеспячэнні лініі усталяваным на выхадзе з акорачны барабана вузлом сканавання з блокамі інфармацыі і праграмавання і яго сувязі з прывадамі Шандора і сбрасывателя дрэнна акораных бярвення. Гэтае рашэнне грунтуецца на магчымасці аўтаматычнай ацэнкі плошчы паверхні бярвення з неаддзельны карой.

    Тэарэтычныя даследаванні алгарытму падзяляюцца па сэнсе на вылучэнне на здымку аб'екта (балансу) і бинаризацию малюнка, якая павінна максімальна вылучыць неокоренные ўчасткі балансу. На першым этапе неабходна падзяліць малюнак на фон і доследны аб'ект (акораных баланс). Задача зводзіцца да пошуку двух крывалінейных разрэзаў, якія злучаюць левы і правы краю малюнка. Дамовімся, што пры гэтым у кожным слупку малюнка кропка аднаго і таго ж разрэзу адзіная, а пераход па лініі разрэзу, які ажыццяўляецца ад бягучага слупка кропак да суседняга, не можа быць зроблены са «скокам», які больш ЛЛЛЛЛЛЛЛ Да пікселяў па вертыкалі.

    Абазначым аблічбаваць малюнак J (x, y) (малюнак каардынаты x гарызантальнае, y - вертыкальнае). Шырыню выявы (у пікселах) абазначым W, вышыню - H. Малюнак падзелім на дзве часткі (шырыня кожнай часткі застанецца W кропак, вышыня - H1 і H2 адпаведна). Ўвядзем функцыі C1 (x) і C2 (x), якія падзяляюць аб'ект (баланс) і фон зверху і знізу адпаведна. Такім чынам, выява падзеліцца на падмноства кропак: U1 (падмноства кропак, якія знаходзяцца «вышэй» разрэзу C1 (x)), D (падмноства кропак, якія належаць аб'екту, складаецца з падмноства D1 і D2) і U2 (падмноства кропак, якія знаходзяцца ніжэй разрэзу C2 (x)). З паказаных умоў вынікае:

    дзе p (xp, yp) - адвольная кропка выявы з каардынатамі xp і yp па гарызанталі і вертыкалі адпаведна.

    Схема пабудовы разрэзаў, якія падзяляюць малюнак на фон і аб'ект, прадстаўлена на мал. 1.

    Дадаткова ўвядзем абазначэнне w (M) - лік кропак, якія належаць некаторага падмноства, дзе M - абазначэнне падмноства (U1, D1, D2 альбо U2). Ўвядзем дадатковыя абазначэння для сум яркасцяў і сум квадратаў яркасцяў падмноства - S (M) і S (M) 2 адпаведна; σ2 (M) - дысперсія кропак падмноства.

    Па вызначэнні дысперсія кропак падмноства роўная

    Па вызначэнні дысперсія кропак падмноства роўная

    Для пабудовы ліній разрэзу выкарыстоўваем крытэрый Оцу. З улікам уведзеных пазначэнняў фармальна крытэр можна запісаць у наступным выглядзе:

    З улікам уведзеных пазначэнняў фармальна крытэр можна запісаць у наступным выглядзе:

    Сумы квадратаў яркасцяў кропак малюнка застануцца пастаяннымі безадносна палажэнні разрэзаў:

    Сумы квадратаў яркасцяў кропак малюнка застануцца пастаяннымі безадносна палажэнні разрэзаў:

    Такім чынам, задачу пошуку разрэзаў можна звесці да пошуку двух максімумаў:

    Такім чынам, задачу пошуку разрэзаў можна звесці да пошуку двух максімумаў:

    Задачы пошуку максімумаў функцый (9) і (10) вырашаюцца метадамі дынамічнага праграмавання.

    Пры пабудове «верхняга» разрэзу C1 (x) сукупнасць кропак, якія знаходзяцца злева ад кропкі p (x, y) і вышэй лініі разрэзу, пазначым U1xy, а кропак злева ад кропкі p (x, y) і ніжэй лініі разрэзу - D1xy. Пры пабудове «ніжняга» разрэзу C2 (x) сукупнасць кропак, якія знаходзяцца злева ад кропкі p (x, y) і ніжэй лініі разрэзу, пазначым U2xy, а кропак злева ад кропкі p (x, y) і вышэй лініі разрэзу - D2xy.

    Для захоўвання колькасці кропак, якія належаць мноства U1xy, D1xy, U2xy, D2xy, ўвядзем зменныя ω1U [y] [x], ω1D [y] [x], ω2U [y] [x] і ω2D [y] [x] адпаведна. Для захоўвання сум яркасцяў кропак, якія ўваходзяць у мноства U1xy, D1xy, U2xy, D2xy, выкарыстоўваем зменныя S1U [y] [x], S1D [y] [x], S2U [y] [x] і S2D [y] [x] адпаведна.

    Дадаткова уводзячы розныя зменныя, у якіх захоўваюцца колькасці пікселяў, знойдзем формулы для разліковых значэнняў крытэра Оцу:

    Значэння yprev, пры якіх крытэрый Оцу дасягае максімальнага значэння, вызначаецца пераборам.

    Пасля таго як малюнак балансу аддзеленае ад фону, можам перайсці да другога этапу: падзелу атрыманага малюнка на абкораныя і неокоренные зоны. Неабходна звярнуць увагу, што малююнкі неокоренных зон часцяком могуць апынуцца малоконтрастными у параўнанні з выявай акоранай драўніны. Такім чынам, асноўнай задачай апрацоўкі і аналізу фотаздымкаў з'яўляецца якасная сегментацыя (падзел малюнка на зоны, для кожнай з якіх выконваецца некаторы крытэр аднастайнасці), для чаго варта выкарыстоўваць метад бинаризации, які ўяўляе сабой пераклад каляровага (ці ў градацыях шэрага) выявы ў двухколернае, чорна-белае. Галоўнай мэтай бинаризации з'яўляецца радыкальнае памяншэнне аб'ёму інфармацыі, з якой прыходзіцца працаваць. Інакш кажучы, удалая бинаризация моцна спрашчае працу з выявай. Разгледзім тры варыянты метаду бинаризации малюнка для атрымання якаснай сегментацыі.

    Першы метад - парогавая апрацоўка выявы. Яна заключаецца ў супастаўленні яркасці кожнага піксела малюнка з зададзенай парогавай яркасцю. Для гэтага можна падзяліць гістаграмы выявы на дзве часткі з дапамогай зададзенага, адзінага для малюнка глабальнага парога, пасля чаго сегментацыя ажыццяўляецца шляхам паслядоўнага сканавання кожнага піксела малюнка (кожны Піксэл адзначаецца як які адносіцца да аб'екта або фону па прыкмеце яркасці, у залежнасці ад таго, перавышана Ці парогавае значэнне). Гэта просты метад, які дазваляе дасягнуць карэктнай сегментацыі, калі гістаграма малюнка носіць рэзка выражаны бимодальный характар ​​(калі на малюнку можна адрозніць два выгляду часта сустракаемых кропак: «яркія» і «цёмныя»). У гэтым выпадку гістаграма падзяляецца з дапамогай адзінага глабальнага парога T, які знаходзіцца ў западзіне паміж пікамі гістаграмы выявы.

    Другі метад - метад Оцу. З яго дапамогай у выпадку бинаризации вылічаюць парог, пры якім да мінімуму зводзіцца сярэдняя памылка сегментацыі. Значэння яркасці кропак фотаздымка разглядаюць як выпадковыя велічыні, іх гістаграму размеркавання - як адзнаку шчыльнасці размеркавання верагоднасцяў выпадковых велічынь. Пры вядомай з гістаграмы шчыльнасці размеркавання верагоднасцяў магчыма вызначэнне аптымальнага парога для падзелу малюнка на месца (неокоренный ўчастак) і фон (акоранай драўніны).

    Ўводзяцца наступныя дапушчэння і абазначэння: малюнак уяўляецца з дапамогай L узроўняў яркасці; hi - лік элементаў малюнка з яркасцю i, i = 0, 1, ..., L - 1; H - агульная колькасць пікселяў на малюнку; гістаграма малюнка з'яўляецца нармалізаваць, і яе можна разглядаць як размеркаванне верагоднасцяў:

    элементы малюнка дзеляцца на два класа C0 і C1 з выкарыстаннем парогавага значэння t, прычым група C0 ўтрымлівае пікселі з яркасцю з мноства (0, 1, ..., t), група C1 - пікселі з яркасцю з мноства (t, t + 1 , ..., L - 1). Верагоднасць прыналежнасці да кожнай з дзвюх груп і сярэднія значэння іх яркасці апісваюцца формуламі:

    - сукупная дысперсія.

    Сукупная дысперсія не залежыць ад парога t, яна разлічваецца па формуле:

    Найбольш простай функцыяй, якая залежыць ад парога t, з'яўляецца межклассовых дысперсія, у сувязі з чым найбольш прымальным з пункту гледжання вылічэнняў аптымальнага парога t з'яўляецца значэнне η:

    Метад Оцу мяркуе, што парог падзелу t з'яўляецца зменнай велічынёй, у сувязі з чым пры правядзенні эксперыментальных даследаванняў закладзем гэтую велічыню ў межах ад 0,5 да 1,5t * па формуле (25).

    Трэці метад бинаризации малюнка - метад Бернс. Усе малюнак дзеліцца на зоны з зададзеным памерам. Далей для кожнага піксела выявы ў межах зоны выкарыстоўваецца парог, значэнне якога роўна сярэдняму арыфметычным найменшага jlow і найбольшага jhigh ўзроўню яркасці ў доследнай зоне:

    Далей для кожнага піксела выявы ў межах зоны выкарыстоўваецца парог, значэнне якога роўна сярэдняму арыфметычным найменшага jlow і найбольшага jhigh ўзроўню яркасці ў доследнай зоне:

    Калі ў прынятай зоне выкарыстоўваная мера кантрасту адказвае умове:

    Калі ў прынятай зоне выкарыстоўваная мера кантрасту адказвае умове:

    дзе ε - зададзеная парогавая велічыня, вызначаная эмпірычным шляхам, то разгляданая зона змяшчае аб'екты толькі адной групы - аб'ектаў або фону.

    У задачу удзельнікаў эксперыментальных даследаванняў ўваходзіла праверка распрацаваных алгарытмаў для аўтаматызаванай ацэнкі якасці окорки балансавай драўніны. Для досведаў былі адабраны ўзоры балансавай драўніны, атрыманыя на Котласском ЦБК ў траўні 2015 года.

    Сутнасць досведаў заключалася ў наступным. Пры дапамозе лічбавай камеры рабіліся здымкі адабраных для досведаў балансаў. Пасля аддзялення малюнка балансаў фрагменты фотаздымкаў апрацоўваліся з выкарыстаннем трох апісаных вышэй алгарытмаў бинаризации малюнка.

    Вынікі апрацоўкі малюнкаў супастаўлялі з эксперыментальнымі дадзенымі па абмеры плошчы добра акораных і недастаткова акораных участкаў балансаў. Абмер выконваўся па наступнай методыцы: акораных баланс абгортвалі ў празрысты поліэтылен, на якім ўручную абводзілі ўчасткі з неаддзельны карой, затым разгортвалі плёнку, абмяралі абведзеных ўчасткі і разлічвалі іх плошчу.

    Пры апрацоўцы эксперыментальных дадзеных выкарыстоўваліся асноўныя метады статыстычнай апрацоўкі.

    Вынікі ацэнкі плошчы неокоренной паверхні па фотаздымках, а таксама вынікі супастаўлення гэтых ацэнак з дадзенымі эксперыментаў паказалі:

    • ацэнкі долі (%) неокоренной паверхні, атрыманыя пры дапамозе метаду парогавай апрацоўкі малюнка, стабільна ніжэй дадзеных, атрыманых у ходзе эксперыментаў (мал. 2);
    • ацэнкі, атрыманыя пры дапамозе метаду Бернс, у агульным выпадку вышэй звестак, атрыманых у ходзе эксперыментаў (мал. 3);
    • у залежнасці ад абранага парога падзелу, пры дапамозе метаду Оцу былі атрыманы ацэнкі, якія як вышэй, так і ніжэй адзнак, атрыманых у выніку эксперыментаў. Прычым калі зададзены парог падзелу блізкі да разлічанаму па формуле (15), ацэнкі блізкія да атрыманых у ходзе эксперыментаў (мал. 4, 5; табл. 1).

    Па дадзеных табл. 1 можна зрабіць наступныя высновы:

    Пры выкарыстанні метаду парогавай апрацоўкі малюнка плошчу неокоренной паверхні сартыментаў (%), атрыманая пры ацэнцы здымкаў, менш эксперыментальных значэнняў у сярэднім на 25,2%. Даверныя мяжы для адрознення ± 16,5%.

    Калі задаць парог падзелу, роўны аптымальнаму па формуле (15), то пры выкарыстанні метаду Оцу плошчу неокоренной паверхні, атрыманая пры ацэнцы фотаздымкаў, менш эксперыментальных значэнняў у сярэднім на 3,2%. Даверныя мяжы для адрознення ± 14,4%.

    Пры выкарыстанні метаду Бернс плошчу неокоренной паверхні, атрыманая пры ацэнцы здымкаў, больш эксперыментальных значэнняў у сярэднім на 26,7%. Даверныя мяжы для адрознення ± 16,3%. Колькасці праведзеных эксперыментаў (n = 300) дастаткова, каб зрабіць выснову аб давернай верагоднасці атрыманых вынікаў 95%. Вытворцам вядомая праблема ацэнкі якасці тэхналагічнай дранкі. Які ўжываецца сёння метад мяркуе ўзяцце пробы кандыцыйных фракцыі, сартаванне пробы на лабараторным аналізатары, узважванне і вызначэнне працэнтных суадносін фракцый. Метад даволі працаёмкі і працяглы і не дазваляе аператыўна атрымліваць ацэнку якасці дранкі і пастаянна адсочваць яго. Калі па выніках аналізу чарговы пробы будзе выяўлена, што якасць дранкі нездавальняючы, даволі складана ацаніць, колькі няякаснай дранкі ўжо паступіла на далейшую апрацоўку.

    На аснове выкладзенага вышэй спецыялісты Санкт-Пецярбургскага дзяржаўнага лесатэхнічнага універсітэта сумесна з навукоўцамі Вяцкі дзяржаўнага універсітэта распрацавалі аўтаматызаваную сістэму вызначэння якасці тэхналагічнай дранкі - лазерны вымяральнік адлегласці. Яго асноўныя элементы - лазер і прыёмнік выпраменьвання. Прамень лазера з высокай хуткасцю перамяшчаецца перпендыкулярна кірунку руху канвеернай стужкі, адлюстроўваецца ад паверхні дранкі, якія знаходзяцца на ёй, і трапляе ў прыёмнік. Мноства адлікаў адлегласці, атрыманых за адзін праход лазернага прамяня па стужцы, дазваляюць атрымаць зрэз масы дранкі, якая знаходзіцца на канвееры ў канкрэтным месцы. Па меры руху стужкі лазер шматкроць скануе паверхню канвеера з размешчанай на ім дранкай і атрымлівае новыя зрэзы. Мноства зрэзаў дазваляе атрымаць поўную карціну наяўнасці дранкі на канвееры і яе памераў.

    Лазернае прылада прыводзіцца ў рух крокавым рухавіком. Кіраванне з дапамогай шыротным-імпульснай мадуляцыі дазваляе без дадатковай зваротнай сувязі дакладна ведаць, дзе ў кожны момант часу знаходзіцца лазерны прамень. Аднак немагчыма загадзя даведацца, чым прыводзіцца ў дзеянне канвеерная стужка і якія дапушчальныя межы адхіленні хуткасці яе руху, таму прывад канвеера прапануецца абсталяваць энкодером, які забяспечыць інфармацыю аб дакладнай хуткасці канвеера і ў адпаведнасці з ёй дазволіць карэктаваць алгарытм працы сканавальнага лазернага модуля.

    Інфармацыя з лазернага модуля і энкодера паступае на ўваход кампутара. Звесткі пра мноства станаў канвеера, паслядоўна паступаюць на ўваход кампутара ад лазернага модуля, і адлегласць паміж імі, вылічанае з дапамогай энкодера, дазваляе аднавіць межы кожнай асобнай трэскі, разлічыць яе плошчу і аднесці да той ці іншай катэгорыі: буйная, дробная або кандыцыйных. Дадзеныя назапашваюцца ў памяці кампутара, і на падставе сабранай статыстыкі можна зрабіць выснову аб суадносінах фракцый дранкі розных памераў. У залежнасці ад месца ўстаноўкі сістэмы і пастаўленых задач аператар атрымлівае інфармацыю аб ходзе тэхпрацэсу, ўзнікненні аварыйнай сітуацыі ці неабходнасці аператыўнага ўмяшання ў працу асобных механізмаў. Фазавы метад вымярэння адлегласці дазваляе сістэме працаваць на выдаленні да 15 м і забяспечваць дакладнасць вымярэнняў у долях міліметра, што з'яўляецца прымальным для дадзенай задачы.

    У якасці аднаго з варыянтаў гатовага сканавальнага лазернага модуля прапануецца выкарыстоўваць лазерны триангуляционный 2D-датчык LS2D вытворчасці НВП «Прызма» (г. Екацярынбург). Гэты датчык можа абслугоўваць канвеер шырынёй 500 мм, а наяўнасць інтэрфейсу Ethernet 10/100 дазваляе без дадатковага абсталявання падключаць яго да кампутара.

    Табліца. Зводныя дадзеныя па статыстычнай апрацоўцы

    вынікаў эксперыментаў апрацоўкі лічбавых малюнкаў
    дасведчаных узораў балансаў
    вынікаў эксперыментаў апрацоўкі лічбавых малюнкаўдасведчаных узораў балансаў

    Для вызначэння перамяшчэння канвеера падыходзіць любы інкрэментаванага энкодер у камплекце з подпружиненным крапежных рычагом і мерных колам з гумовым пакрыццём. Для апрацоўкі сігналаў ад датчыка і сканара падыдзе аднаплатавы кампутар Raspberry PI2 з наступнымі характарыстыкамі: ARM-працэсар з чатырма ядрамі з частатой 1 Ггц, 1 Гбайт аператыўнай памяці, порт Ethernet 10/100 для падлучэння сканэра і раздым BH-40 з партамі ўводу-вываду для падлучэння энкодера, аперацыйная сістэма сямейства Linux.

    Плюсы прапанаванай сістэмы: высокія хуткасць і дакладнасць сканавання; форма і памеры дранкі, яе становішча на стужцы не ўплываюць на вынік; не патрабуецца пераробка канвеера - трэба толькі дапрацаваць наяўнае абсталяванне.

    Прапанаваная сістэма дазволіць пазбавіцца ад неабходнасці правядзення аналізу пробаў дранкі. З улікам павышэння прадукцыйнасці ўстаноўкі і невысокай кошту кампанентаў сістэма акупіцца за некалькі месяцаў. Калі арганізаваць сканаванне дранкі да і пасля сартавання, то можна атрымліваць аператыўную інфармацыю пра стан нажоў высечкі лесу машыны, сіт сартавальнай машыны, аб'ёмах насечанай драўніны і адходаў.

    Дар'я Куніцкая, аспірант каф. ТЛЗП СПбГЛТУ,
    Ігар Грыгор'еў, д-р тэхн. навук, праф., заг. каф. ТЛЗП СПбГЛТУ


     

    Найди свой район!

    Восточный

    Западный

    Зеленоградский

    Северный

    Северо-Восточный

    Северо-Западный

    Центральный

    Юго-Восточный

    Юго-Западный

    Южный

    Поиск:      


     
    Rambler's Top100
    © 2007 Движение «Москва без Лужкова!»