Диссертация (1152160), страница 52
Текст из файла (страница 52)
6.24. Здесь штриховыми стрелками обозначены каналы передачи информации в режиме обучения, а сплошными - каналы передачи информации в режиме распознавания, т. е., в процессе идентификации, классификации или анализа предметов.В этих условиях весьма перспективно использование данной системы всоставе программно - технического модуля СКЗ ИЭС, поскольку модуль можетработать с неориентированными и произвольно расположенными пищевымиизделиями (сырье, полуфабрикаты или готовой продукции), адаптироваться кнепредсказуемым изменениям производственных условий.
Таким образом,ИЭС, снабженные модулем СКЗ будет являться неотемлемой частью экспертной системы и будет служить для автоматизации контроля и прогнозированияхода технологических процессов в недетерминированной и изменяющейся производственной обстановке.333Рис. 6.24. Адаптивная система логического распознавания объектов6.7.5. Основные показатели качества изображений передаваемого модулемСКЗ в ИЭСПрежде чем обрабатывать изображение, необходимо оценить его качество, выработать показатели, по которым можно оценить изображение, какединое целое.
Качество изображения может определяться статистическими,спектральными, яркостными и другими характеристиками изображения.Наиболее часто качество оценивается в результате сравнения двух изображений– реального и эталонного. К основным показателям, характеризующим качество изображений, относятся [80]: яркость; контрастность; преобладающий тон;резкость.Перед выработкой критериев и методов оценки качества была выбранацветовая модель.
Наиболее простой для понимания и удобной для математического описания представляется модель RGB, поскольку она ближе всего к пред-334ставлениям о природе чувствительности к цвету человеческого глаза. RGBприменяется практически во всех технических устройствах для получениярастровых изображений и программных продуктах по обработке этих изображений. Кроме того, она, при необходимости, легко преобразуется в другие цветовые модели. В качестве основных требований к показателям качества изображений можно назвать: наглядность, возможность вычисляться для сравнения.Недостатком этого способа является отсутствие численного выражениядля показателей качества.Яркость изображения можно выразить, как среднюю яркость всех пикселей.
Яркость пикселя вычисляется по формуле:Yp = Rp + Gp + Bp(6.1)Яркость всего изображения Y, содержащего N пикселей, будет равна:∑Y =()(6.2)В соответствии с рекомендациями стандарта Федеральной комиссии связи(FCC), яркость изображения вычисляется по формуле [100]:Y =∑()(6.3)Коэффициенты соответствуют яркости цветовой модели YСrCb.Перейти к относительным величинам можно, разделив фактическоезначение яркости на максимально возможное значение яркости:(6.4)Тогда Yrel будет лежать в диапазоне [0,1]. Значение 0 будет соответствоватьабсолютно чѐрному изображению, а значение 1 – абсолютно белому.Контрастность изображения: различают яркостную и тоновую контрастность.
Яркостная контрастность представляет собой разницу между яркостьюотдельных участков изображения (пикселей) и яркостью изображения в целом.Вычисление яркости можно рассматривать как конвертацию цветного изображения в ахроматические цвета. Практически, яркостная контрастность — это335сравнение двух участков изображения, приведенных к ахроматическим цветам.У контрастного изображения количество тѐмных и светлых пикселей должнобыть приблизительно одинаковым, разница в их яркости — значительна, а основное место нахождения различающихся пикселей будет возле границ диапазона.
В качестве критерия оценки яркостной контрастности можно рассматривать дисперсию яркости пикселей изображения:(6.5)За безразмерный критерий оценки яркостной контрастности можно взятьотношение среднеквадратического отклонения к максимально возможномузначению яркости:(6.6)Более сложный случай представляет тоновая контрастность. Конвертированные в оттенки серого цвета могут иметь одинаковую яркость, но визуальночѐтко различаться. Поэтому тоновая контрастность вычисляется более сложно.Расстояние в цветовой модели RGB между отдельным пикселем изображения исредним тоном определяется по формуле:(6.7)Средний тон пикселя для всего изображения в модели RGB для каждойсоставляющей вычисляется следующим образом:(6.8)(6.9)(6.10)336В качестве оценки тоновой контрастности изображения можно взятьсреднее расстояние между пикселями и средним тоном:(6.11)Преобладающим тоном можно считать средний тон.Поскольку резкость в разработке программного обеспечения для предлагаемого в работе аппаратно-программного модуля СКЗ ИЭС не учитывается,здесь она не рассматривается.6.8.
Выводы по 6 главе1. В шестой главе проработаны методологические основы построения интегрированной экспертной системы (ИЭС) контроля и прогнозирования показателей качества пищевой продукции в процессе производства.2. Выделены отличительные особенности ИЭС контроля показателей качества пищевой продукции в процессе производства. Исследована и предложена методика разработки этой системы.3. Исследованы и проанализированы основные этапы разработки базданных ИЭС контроля в потоке показателей качества пищевой продукции, аименно:- проведена постановка задачи на проектирование БД предметной области;- разработана интегрированная концептуальная модель БД предметной областиИЭС;- разработаны: дерево целей БД, состав основных элементов системы БДИЭСКК пищевой продукции.
Проработаны основные фазы и этапы проектирования БД ИЭСКК ПП. Представлена VAD-диаграммы потока данных;- разработано описание семантики предметной области в виде системы функциональных и многозначных зависимостей между атрибутами концептуальноймодели БД предметной области;- разработана автоматизированная системы обработки данных;337- созданы приложения БД, в которые в соответствии с основными функциями исодержимым БД входят: программы обработки и передачи запросов, создание иобработка отчетов, программа управления приложениями;- разработана архитектура БД.4. Разработанная специализированная БД ИЭС контроля показателей качества пищевой продукции является единой информационной средой, осуществляющей информационное обеспечение контроля органолептических показателей качества пищевой продукции.5.
Разработаны основные этапы построения базы знаний ИЭС контролякачества пищевой продукции:- разработана структура и функции системы баз знаний ИЭС;- рекомендованы уровни, способы, методы и языки представления знаний дляИЭС;- разработаны требования к языкам представления знаний;- спроектирована модель представления знаний в ИЭС контроля качества пищевой продукции;- предложена адаптивная стратегия поиска логического вывода при решенииИЭС задач контроля показателей качество пищевой продукции.6. Разработаны основы создания модуля СКЗ ИЭС для организации автоматического контроля в потоке показателей качества пищевой продукции(например, цвета, формы, выявление брака).7. Представлены основные показатели качества изображений на основеСКЗ.338ГЛАВА 7.
ИЭС КОНТРОЛЯ И ПРОГНОЗИРОВАНИЯ КАЧЕСТВАПИЩЕВОЙ ПРОДУКЦИИ С ВОЗМОЖНОСТЬЮ ОПЕРАТИВНОГОУПРАВЛЕНИЯ ХОДОМ ПРОЦЕССОВ ЕЕ ПРОИЗВОДСТВА7.1. Основные задачи, структура и этапы разработки ИЭС контроля ипрогнозирования качества пищевой продукции в процессе производстваИнтегрированная экспертная система (ИЭС) контроля и прогнозированиякачества пищевой продукции решает следующие задачи:- контроль в режиме реального времени органолептических показателей качества сырья, полуфабрикатов и готовых пищевых изделий;- идентификация текущего состояния технологических процессов;- прогнозирование качества готовой пищевой продукции;- поддержка принятия управленческих решений в реальном времени в условиях неопределенности для регулирования процессов производства.Таким образом, основными категориями решаемых данной ИЭС задач являются: контроль, наблюдение (мониторинг), прогнозирование и поддержкапринятия управленческих решений для регулирования процессов производства.Основные свойства разрабатываемой ИЭС контроля показателей качествапищевой продукции представлены на рисунке 7.1.Рисунок 7.1.
Основные свойства ИЭС контроля показателей качества пищевойпродукцииОсновными свойствами разработанной ИЭС контроля показателей качества пищевой продукции являются следующие:3391. Раздельное хранение знаний, представленных в символьной форме и компонентов обработки этих знаний (глава 6, п.6.3).2. Способность ИЭС делать выводы и принимать решения на основании сохраненной информации, которая представляется в системах не явно.3. Способность ИЭС к четким пояснениям, т.е система должна по требованию вывести для пользователя понятную и ясную для него цепочку рассуждений о состоянии в данный момент ТП данного производства.4.
Способность ИЭС к обучению, которая подразумевает, например, способность выводить новые знания на основании информации, полученной отпользователя.5. Способность ИЭС широко использовать информацию, полученную ранееот экспертов в заданной области – производства определенной пищевой продукции и контроля качества этой продукции в процессе ее производства.Структурная схема ИЭС контроля и прогнозирования качества пищевойпродукции приведена на рисунке 7.2. Основу ее составляет база данных БД,база знаний (БЗ) и подсистема поддержки принятия решения. При этом БЗ ввиде семантической сети состоит из фактов и правил.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
