Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Метод оптического контроля количества хлебобулочных изделий на конвейерных линиях в условиях нестационарной освещенности

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработанный метод оптического контроля количества хлебобулочных изделий на конвейерных линиях характеризуется более стабильной работой в «жестких» условиях производства, имеет высокое быстродействие и низкую ресурсоемкость. Практическая ценность заключается еще и в том, что предложенный метод контроля на базе новых способов цифровой обработки изображений, лежащий в основе работы созданного… Читать ещё >

Содержание

  • 1. ОБЩАЯ ХАРАКТЕРИСТКА ПРОБЛЕМЫ И ОСНОВНЫЕ НАПРАВЛЕНИЯ ЕЕ РЕШЕНИЯ
    • 1. 1. Особенности построения бесконтактных систем контроля изделий на основе систем технического зрения
    • 1. 2. Обзор существующих СТЗ на основе обработки видеоизображений
      • 1. 2. 1. Программно-технический комплекс «Hunter Count»
      • 1. 2. 2. Программно-технический комплекс «uvVideoCounter»
      • 1. 2. 3. Программно-технический комплекс «Система подсчета количества линейных объектов»
    • 1. 3. Постановка задачи, выбор и обоснование направления исследований
    • 1. 4. Выводы
  • 2. Выбор экспериментальной базы. Разработка программно — технических средств и методики проведения исследований
    • 2. 1. Выбор экспериментальной базы и разработка методики проведения исследований
    • 2. 2. Разработка аппаратного обеспечения исследовательского комплекса
    • 2. 3. Разработка программного обеспечения исследовательского комплекса
    • 2. 4. Выводы
  • 3. Разработка методов контроля хлебобулочных изделий на конвейерных линиях в условиях неоднородного динамического освещения контролируемой сцены
    • 3. 1. Фильтрация и предобработка изображения
      • 3. 1. 1. Особенности построения цифровых фильтров для обработки изображений
      • 3. 1. 2. Разработка комбинированного фильтра
    • 3. 2. Сегментация объектов на изображении контролируемой сцены
      • 3. 2. 1. Особенности сегментации изображения
      • 3. 2. 2. Разработка структурной схемы сегментации
      • 3. 2. 3. Локализация областей местоположения объектов
      • 3. 2. 4. Разработка метода выделения контура объекта на основе градиентного метода с использованием экстремальной рекуррентной эвристической процедуры
      • 3. 2. 5. Разработка метода замыкания разрывов контуров
    • 3. 3. Контроль формы хлебобулочных изделий
      • 3. 3. 1. Получение входного вектора нейронной сети
      • 3. 3. 2. Разработка нейронной сети
  • 4. Практическая реализация системы контроля хлебобулочных изделий на конвейерных линиях
    • 4. 1. Методика проведения и результаты эксперимента
    • 4. 2. Основные характеристики системы контроля хлебобулочных изделий на конвейерных линиях
    • 4. 3. Описание программно — аппаратной реализации системы контроля хлебобулочных изделий на конвейерных линиях
    • 4. 4. Выводы

Метод оптического контроля количества хлебобулочных изделий на конвейерных линиях в условиях нестационарной освещенности (реферат, курсовая, диплом, контрольная)

В любой промышленности одной из важных задач является контроль и учет производимых изделий. Для небольших мелкосерийных предприятий использование дорогих узкоспециализированных систем контроля является экономически невыгодным. В основном операцию контроля в таких случаях выполняет непосредственно человек. Следствием этого является сильное влияние психофизиологического состояния контролера на технологический процесс, который меняется в течение рабочего дня (человек устает, теряет бдительность и т. д.), что является одним из основных недостатков неавтоматизированного контроля.

Для решения задач автоматизации контроля изделий одним из наиболее перспективных методов является использование систем технического зрения. На сегодняшний день системы технического зрения показали свою высокую эффективность при решении многих задач, связанных с управлением сложными производствами и автоматизацией производственных процессов [1].

Несмотря на достигнутые успехи в области построения таких систем [2], проблема автоматизированного контроля выпускаемой продукции с применением таких систем технического зрения по-прежнему остается важной и актуальной. Это обусловлено, в первую очередь, тем обстоятельством, что как сами объекты контроля, так и сцена изображения, на которой они находятся, отличаются значительным многообразием.

В целом в общей задаче контроля изделий можно выделить такие частные цели, как их подсчет, идентификацию и комплексную оценку качества. В силу наличия вышеуказанной проблемы приходится констатировать, что в общем виде задача оценка качества до настоящего времени полностью не решена и при контроле с применением телевизионных систем обычно ограничиваются решением частных случаев, а именно идентификацией изделий и их подсчетом.

В этом направлении на сегодняшний день имеется множество готовых решений, доведенных до массового производства, например, [3,4]. Однако, 4 практика практического применения подобных систем [5−13, 39] показала, что в реальных производственных условиях даже простейшая задача подсчета изделий наталкивается на ряд трудностей.

Например, при решении задачи контроля процесса выпечки хлебобулочных изделий в жарочной печи на выбор алгоритмов обработки изображения сцены и идентификации объектов существенное влияние оказывают следующие факторы:

• неравномерность освещения анализируемой сцены, характер которой может медленно флуктуировать в течение суток;

• не подчиняющаяся статистическим закономерностям спонтанная флуктуация освещенности в течение светового дня, связанная с засветкой сцены перекрываемой тучами солнечным светом через окна;

• изменение чувствительности сенсора видеокамеры из-за оседания на объективе пыли, грязи и жировых отложений;

• наличие вибрации электропривода конвейера, вызывающей как вибрацию самой видеокамеры, так контролируемой сцены изображения;

• неравномерная скорость движения конвейера- .

• появление в зоне анализа посторонних объектов;

• сложность различения контролируемых объектов, удовлетворяющих и не удовлетворяющих заданным критериям качества по форме, цвету, характеру поверхности;

• возможность слияния изображений контролируемых объектов, например, из-за появления между булками хлеба кусков теста или залипания булок между собой.

Цель диссертационной работы заключается в разработке метода контроля изделий на базе систем технического зрения, предназначенных для работы в условиях нестационарности контролируемой сцены изображения, и в создании на его основе специализированных программно-технических средств автоматического контроля количества хлебобулочных изделий на конвейерных линиях в режиме реального времени. 5.

Поставленная цель достигалась решением следующих основных задач:

• анализ методов построения систем контроля и учета изделий, движущихся на конвейерных линиях;

• создание экспериментальной установки для выявления наиболее значимых дестабилизирующих факторов и оценки эффективности применения разрабатываемых методов для компенсации их влияния;

• оценка возможности применения существующих методов цифровой обработки изображений для устранения влияния дестабилизирующих факторов;

• разработка новых алгоритмов цифровой обработки изображения для повышения эффективности метода контроля количества хлебобулочных изделий;

• проведение натурного эксперимента для установления допустимых пределов изменения параметров преобразования информационных сигналов и оценки влияния на них дестабилизирующих факторов, связанных с условиями производства;

• практическая реализация системы автоматического контроля хлебобулочных изделий, движущихся по конвейерной линии.

Методы исследования.

• теория распознавания образов;

• методы математической статистики;

• математическая морфология;

• методы цифровой обработки изображения.

Новые научные результаты диссертационной работы.

• Для повышения эффективности сглаживания шумов и выравнивания освещенности на изображении контролируемой сцены предложено применять комбинированную фильтрацию, состоящую из двух последовательных операций: 1 — сглаживание изображения с помощью локального сглаживающего медианного фильтра- 2 — выравнивание освещения изображения с помощью разработанного глобального фильтра, в основе которого лежит принцип работы пикового детектора.

• Разработан алгоритм локализации местоположений объектов, состоящий из операций первоначального определения местоположения объектов с помощью данных гистограмм столбцов изображения и итогового определения местоположения с помощью последовательного наращивания области до размера объекта, известного из априорной информации, позволяющий более точно определять местоположения объектов конкретного размера на изображении контролируемой сцены.

• Разработан алгоритм сегментации изображения на основе градиентного метода с использованием экстремальной рекуррентной эвристической процедуры, позволяющий более точно определить контуры объектов на изображении с различной текстурой и уровнем освещения (засветки, тени) для более полного восстановления контура объекта.

• Разработан алгоритм замыкания фрагментов контуров на основе морфологической операции замыкания, позволяющий замыкать разрывы между фрагментами контуров изображений выпуклых объектов.

Практическая ценность.

Разработанный метод оптического контроля количества хлебобулочных изделий на конвейерных линиях характеризуется более стабильной работой в «жестких» условиях производства, имеет высокое быстродействие и низкую ресурсоемкость. Практическая ценность заключается еще и в том, что предложенный метод контроля на базе новых способов цифровой обработки изображений, лежащий в основе работы созданного программно — технического комплекса, может быть использован не только для построения систем контроля хлебобулочных изделий, но и в других областях, в частности, для контроля выпускаемой продукции предприятий, специализирующихся на производстве изделий самого различного назначения.

Реализация и внедрение результатов.

Исследования и практические разработки, выполненные в диссертационной работе, являются частью научно — исследовательской работы, выполненной в рамках НИОКР на тему «Разработка программных модулей для идентификации изделий на конвейерных линиях методами нейросетевых технологий» по программе «У.М.Н.И.К.», договор № 15 от 10.12.2008 г. Результаты исследований и их практическая реализация были использованы при разработке системы контроля хлебобулочных изделий на предприятии ОАО «Русский Хлеб». Разработанный программно — технический комплекс используется для контроля хлебобулочных изделий в Республике Казахстан г. УстьКаменогорск на предприятии ТОО «АЛТАЙ VA». Апробация работы.

Работа в целом и ее отдельные результаты докладывались и обсуждались в период с 2008 по 2011гг. на конференциях:

• III научно — практическая конференция «Виртуальные и интеллектуальные системы» — Барнаул, 2008.

• XVII международная научная конференция «Методы и алгоритмы принятия эффективных решений» — Таганрог, 2009.

• X всероссийская научная конференция «Современные исследовательские и образовательные технологии" — Таганрог, 2010.

• VII всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых «Наука и молодежь — 2010» — Барнаул, 2010.

• XXIX всероссийская научно-техническая конференция «Информационные технологии в науке, проектировании и производстве» — Новгород, 2010.

• VII всероссийская научно — техническая конференция «Измерение, автоматизация и моделирование в промышленности и научных исследованиях» — Бийск, 2010.

• Всероссийская научно — техническая конференция студентов, аспирантов и молодых ученых «Научная сессия ТУ СУР — 2011» — Томск, 2011.

• XII Международная научно-техническая конференция «Измерение, контроль, информатизация-2011» — Барнаул, 2011.

• IX Всероссийская научно практическая конференция студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии» — Томск, 2011.

Публикации.

По теме диссертации опубликовано 13 печатных работ, в том числе две печатные работы — в журналах, рекомендованных ВАК, и два свидетельства о государственной регистрации программы для ЭВМ. Структура и объем диссертационной работы.

Диссертация состоит из введения, 4 глав и заключения, изложенных на 132 страницах и иллюстрированных 68 рисунками и 23 таблицами, а также списка литературы из 70 наименований.

Основные результаты работы заключаются в следующем:

1. Выполнен анализ существующих систем контроля на базе систем технического зрения и показано, что основными недостатками при их использовании являются сильная зависимость достоверности подсчета объектов от условий освещения контролируемой сцены.

2. Разработана экспериментальная установка для выявления наиболее значимых дестабилизирующих факторов, апробации и оценки эффективности методов компенсации их влияния.

3. Разработаны новые алгоритмические решения методов цифровой обработки изображений на всех стадиях преобразования информационного сигнала (фильтрация, сегментация, и идентификация) для повышения эффективности работы использованного в работе оптического метода контроля.

4. Проведен натурный эксперимент для установления допустимых пределов изменения параметров методов обработки информационных сигналов и оценки влияния на них дестабилизирующих факторов, связанных с условиями производства.

5. Разработан метод контроля на базе предложенных алгоритмических решений, реализованный в программно — техническом комплексе для автоматического контроля хлебобулочных изделий, движущихся по конвейерной линии жароч.

123 ной печи и позволяющий выполнять достоверный контроль в условиях производства с вероятностью ошибки от 0,01% до 0,1%.

Заключение

.

Показать весь текст

Список литературы

  1. Техническое зрение роботов/В.И. Мошкин, A.A. Петров, B.C. Титов, Ю.Г.Якушенков- Под общ.ред. Ю. Г. Якушенкова. М.: Машиностроение, 1990.- 272 с.
  2. Техническое зрение роботов / Под ред. А. Пью- Пер. с англ. Д.Ф. Миронова- Под ред. Г. П. Катыса. М.: Машиностроение, 1987. -320с.: ил.
  3. Ким Николай. Обработка и анализ изображений в системах технического зрения: учебное пособие / Н. Ким. М.: Издательство МАИ, 2001.- 164 с.
  4. С. Р. Учебный курс по системам технического зрения на базе программной среды Labview. Электронный ресурс. / С. Р. Горгуца, П. М. Михеев, А. С. Соболев. Режим доступа: http://www.automationlabs.ru/ images/ Thesises/ vision%20course.pdf
  5. Видеодатчики и камеры машинного зрения. Электронный ре-сурс./Режимдоступа:11ир:/Л^т. sickautomation. ru/catalog/sensors/complex/sensorvideo. html.
  6. О. Машинное зрение от SICK/IVP. Электронный ресурс./Режим доступа: http://www.kit-e.ru/assets/ files/pdf/20070l66.pdf.
  7. Техническое зрение в системах управления мобильными объектами 2010: Труды научно технической конференции — семинара. Вып. 4 / Под ред. P.P. Назирова. — М.: КДУ, 2011. — 328 с.
  8. Казанский H. JL, Попов С. Б. Система технического зрения для определения количества гель частиц в растворе полимера / Казанский H.JI., Попов С. Б. Компьютерная оптика. — № 3. — с.325−331.
  9. Ю.Жихарев И. М. Особенности обработки изображений при решении задач автоматизированного подсчета и контроля изделий/И.М. Жихарев. Материалы девятой региональной конференции по математике «МАК-2006». Барнаул: изд-во Алт. Ун-та, 2006. — с. 58 -60
  10. П.Жихарев И. М. Комплекс программно-технических средств для решения задач оперативного контроля и учета выпечки хлебобулочных изделий / И. М. Жихарев. Ползуновский альманах. Барнаул, изд-во Алт. гос. тех. университета, 2006.- № 4.- с. 36.
  11. И.М. Метод определения формы изделия для системы контроля хлебобулочных изделий на поточных печных линиях / И. М. Жихарев. Ползуновский альманах. — № 3. — 2007. — С. 4445.
  12. Р. Цифровая обработка изображений. / Р. Гонсалес, Р. Вудс.- Перевод с английского под редакцией П. А. Чочиа. М.: «Техносфера», 2005 г. — 1072с.
  13. Система подсчета однородных объектов «Hunter Count». Электронный ресурс./Режим доступа: http://www.elsy.com.ua/ru/hunter-count-p-34.html.
  14. Система подсчета автомобилей «Hunter, А Count». Электронный ресурс./Режим доступа: http://www.elsy.com.ua/ru/po-hunter-c-16.html.
  15. Программно — технический комплекс «uvVideoCounter». Электронный ресурс./Режим доступа: http://www.vidon.ru/softportal/site2884.html.
  16. Система подсчета количества линейных объектов. Электронный ресурс./Режим доступа: http://www.semiol.dp.ua/index.php7idM2.
  17. Я.А., Юрьев А. Н., Яшин В. В. Цифровые методы обработки и распознавания бинарных изображений. Красноярск: Изд — во Краснояр. ун -та, 1992 — 248 с.
  18. А.Ю., Брусенцев В. А. Методы и алгоритмы компьютерной графики в примерах на Visual С++, 2-е изд., перераб. и доп. СПб.:БХВ-Питербург, 2003. — 560 е.: ил.
  19. Обработка изображений на ЭВМ/Е. А. Бутаков, В. И. Островский,, И. Л. Фадеев. М.: Радио и связь, 1987. — 240 с.
  20. Введение в контурный анализ- приложения к обработке изображений и сигналов/ Я. А. Фурман, A.B. Кревецкий, А. К. Передреев, A.A. Роженцов, Р. Г. Хафизов, И. Л. Егошина, А.Н. Леухин- Под ред. Я. А. Фурмана. 2-е изд., испр. — М.: ФИЗМАЛИТ, 2003. -592 с.
  21. Л.П. Введение в цифровую обработку изображений. -М.: Сов. радио, 1979. 312 с.
  22. Э.Т., Соколова Т. Ю., Шандурина Г. Ф. Инженерная и компьютерная графика. 2-е изд., перераб., — М.: ДМК Пресс, 2001. — 592 с.
  23. В.В., Калинин Г. А. Обработка изображений на языке Си для IBM PC: Алгоритмы и программы. М.:Мир, 1994 — е., ил.127
  24. У. Цифровая обработка изображений: Пер. с англ. М.: Мир, 1982. -Кн.1 -312с.
  25. .В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов. М.: Высш. шк., 1983. — 295с.
  26. Методы автоматического обнаружения и сопровождения объектов. Обработка изображений и управление / Б. А. Алпатов, П. В. Бабаян, O.E. Балашов, А. И. Степашкин. М.: Радиотехника, 2008. — 176 с.
  27. Т.С. Хуанг, Дж. -О. Эклунд, Г. Дж. Нуссбаумер, Ш. Зохар, Б. И. Юстуссон, Ш. -Г. Тян. Быстрые алгоритмы в цифровой обработке изображений: Пер. с англ. М.: Радио и связь, 1984- 224 е., ил.
  28. Е.А. Компьютерная геометрия и алгоритмы машинной графики. Спб.: БХВ-Питербург, 2003 — 560с.
  29. Д. Алгоритмические основы машинной графики: Пер. с англ. М.: Мир, 1989. — 512 с.
  30. A.JI. Автоматизированные телевизионные системы наблюдения. Часть I. Аппаратная средства и элементарная база. Учебное пособие для курсового и дипломного проектирования. -СПб: СПбГУИТМО, 2005. 88с.
  31. A.JI. Автоматизированные телевизионные системы наблюдения. Часть II. Арифметико-логические основы и алгоритмы. Учебное пособие для курсового и дипломного проектирования. СПб: СПбГУИТМО, 2005. — 88с.
  32. Р., Вудс Р., Эддинс С. Цифровая обработка изображения в среде MATLAB Москва: Техносфера, 2006. 616с.
  33. И.О., Емельянов Г. М. Выделение контуров изображения движущегося объекта / Титов И. О., Емельянов Г. М. вестник новгородского государственного университета. — № 55. — с.27−31.
  34. Pierre Francus. Image Analysis, Sediments and Paleoenvironments. -2005.- 330c.
  35. Ph.D. Alexander Kolesnikov, PhD Thesis: Efficient Algorithms for Vectorization and Polygonal approximation, http://cs.ioensuu.fi/~koles/approximation/Ch30.html.
  36. Boykov, Y., Veksler, O., Zabih, R.: Fast Approximate Energy Minimization via Graph Cuts. IEEE Trans, on Pattern Analysis and Machine Intelligence 23 (2001) 1222−1239.
  37. Perez, P., Gangnet, M., Blake, A.: Poisson image editing. In: SIGGRAPH. (2003).
  38. Rousson, M., Brox, Т., Deriche, R.: Active unsupervised texture segmentation on a diffusion based space. In: International Conference on Computer Vision and Pattern Recognition. Volume 2., Madison, Wisconsin, USA (2003) 699−704.
  39. Kitamoto, A., Takagi, M.: Area proportion distribution relationship with the internal structure of mixels and its application to image classification. Systems and Computers in Japan 31 (2000) 57−76.
  40. F.Rooms, A. Pizurica W. Philips «Estimating image blur in the wavelet domain» ACCV Proc. pp.210−215, 2002.
  41. P. Vivirito, S. Battiato, S. Curti, M. La Cascia, and R. Pirrone, «Restoration of out of focus images based on circle of confusion estimate», Proceedings of SPIE 47th Annual Meeting. Seattle, WA, USA, 2002.
  42. У., Шенк К. Полупроводниковая схемотехника: Справочное руководство. Пер. с нем. М.: Мир, 1982. — 512 с.
  43. П., Хилл У. Искусство схемотехники М.: Мир, 1998. -704с.
  44. А.Б. Нейронные сети: распознавание, управление, принятие решиний. М.: Финансы и статистика, 2004. — 176 с: ил. -(Прикладные информационные технологии)
  45. М.Б. Нейронные сети: Учебное пособие. М.: МИ-РОС и ВЗМШ РАО, 1993. — 96с.
  46. Брилюк Дмитрий. Распознавание человека по изображению лица и нейросетевые методы. / Д. Брилюк, В. Старовойтов М.: Минск, 2001.
  47. В.В., Дли М.И., Голупов Р. Ю. Нечеткая логика и искусственные нейронные сети. М: Физмалит, 2001. — 221 с.
  48. А.И. Теория нейронных сетей. Кн. I: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР, 2000. -416 е.: ил. (Нейрокомпьютеры и их применение).
  49. Каллан Роберт. Основные концепции нейронных сетей.: Пер. с англ. М.: Издательский дом «Видьямс», 2001. — е.: ил. — Парал. тит. англ.
  50. Лю Б. Теория и практика неопределенного программирования / Б. Лю- Пер. с англ. М.:БИНОМ. Лаборатория знаний, 2005. -416с.: ил. — (Адаптивные и интеллектуальные системы).
  51. В.И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия — Телеком, 2003. — 94с.
  52. Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. М.: Горячая линия — Телеком, 2006. — 452 с.
  53. С. Нейронные сети для обработки информации / Пер. с польск. И. Д. Рудинского. М.: Финансы и статистика, 2002. -344 с.
  54. Уотсон, Карли, Нейгел, Кристиан, Педерсен, Якоб Хаммер, Рид, Джон Д. Скиннер, Морган, Уайт, Эрик. Visual С# 2008: базовый курс.: Пер. с англ. -М.: ООО «И.Д.Вильяме», 2009. 1216с.
  55. Похомов Б.И. C/C++ и MS Visual С++ 2008 для начинающих. -СПб.: БХВ Петербург. 2009. — 624 с.
  56. Хортон Айвор. Visual С++2005: базовый курс.: Пер. с англ. М.: ООО «И.Д.Вильяме», 2007. — 1152 с.
  57. П.В. С#. Сборник рецептов. СПб.:БХВ-Петербург, 2007. -432с.
  58. В.А. Компьютерная графика, мультимедиа и игры на Visual С#2005. М.: Жарков Пресс, 2005. — 812с.
  59. Ю. Программирование трехмерной графики СПб BHV — Санкт — Петербург, 1998. — 256 с.
  60. A.B. Графика трехмерной компьютерной игры на основе OpenGL. M.: ДИАЛОГ — МИФИ, 2004. — 384 с.
  61. Е. И., Борисов Н. В. Основы интерфейса OpenGL: Методические указания к практическим и лабораторным работам по курсу «Лингвистическое и программное обеспечение САПР».131
  62. Алт. гос. техн. ун-т. им. И. И. Ползунова. Барнаул: Изд-во АлтГТУ, 2000. — 28 с.
  63. А. Библия для адъюнктов и соискателей. Как подготовить и защитить кандидатскую диссертацию: методическое пособие. СПб.: ВАС, 1998.С.1−254.
  64. Дюбуа Поль. MySQL, 2 е изд.: Пер. с англ. — М.: Издательский дом «Вильяме», 2004. — 1056с.
  65. М.В. Самоучитель MySQL 5 / М. В. Кузнецов, И. В. Симдянов СПб.: БХВ — Петербург, 2007. — 560с.
Заполнить форму текущей работой