Автореферат (1152211), страница 4
Текст из файла (страница 4)
В процессе экспериментальных исследований было установлено, что б40 пикселей соответствуют расстоянию в 200 мм, таким образом, что расстояние = 0,3125 мм, соответствовало 1 пикселю на изображении. Учитывая, что гранулы имеют шероховатую и неровную поверхность, экспериментальным путем было определено, что границы гранул определяются с точностью ~2 пикселя. Так же в зависимости от размеров гранул, рецептуры и других характеристик технологического процесса могут возникать дополнительные погрешности в виде рассыпчатой по конвейерной линии крупки в виде пыли, частиц сырья.
Для тестирования разработанного программного обеспечения данные погрешности не учитывались, кроме того было произведено несколько допущений, таких как равномерность распределения гранул на участке конвейерной линии и вибрация самой конвейерной линии, а так же гранул на ее поверхности. В ходе разработки программно-алгоритмического обеспечения был введен класс йес~ащ!е, который при помощи алгоритмов, описанных в главе 2. пп. 2.3-2.4 диссертационной работы позволяет представлять хранить информацию о каждой идентифицированной грануле. Данный класс является объектом программы, и при идентификации новой гранулы происходит создание нового объекта в оперативной памяти системы, При экспериментальных исследованиях и тестировании алгоритмов было проведено разделение рассматриваемых гранул на продукцию надлежащего качества и продукцию ненадлежащего качества (рис. 18).
На рисунке представлено изображение в градациях серого продукции надлежащего качества (рис. 18, а)., которая геометрические размеры, соответствующие эталонным размерам с некоторыми допусками. На правом изображении видно, что продукция ненадлежащего качества представлено в виде гранул, геометрические размеры которой меньше порядком двух раз по сравнению с эталоном, И б Рис. 18. Сравнение бинаризированных изображений готовой продукции надлежащего качества (слева) и продукции ненадлежащего качества (справа) Визуальный результат работы алгоритма рекурсивного поиска на примере продукции надлежащего качества и ненадлежащего качества можно соответственно наблюдать на рис.19 и рис,20. На данных изображениях представлены 4 окна рабочего приложения системы.
В левом верхнем углу представлено полученное из исходного бинаризированное изображение; в правом верхнем углу представлено изображение, получено после детектирования границ объектов; в нижнем правом углу представлено изображение, получаемое при помощи алгоритма рекурсивного поиска внугри гранулы, которое визуально выглядит как желтая сетка, покрывающая гранулу; в левом нижнем углу представлено дополнительное изображение, на котором показаны вершины многогранника каждой гранулы, а так же представлена линия, характеризующая размер гранулы в поперечнике.
Рис.19 Визуальный результат работы алгоритма рекурсивного поиска на примере продукции надлежащего качества. Рис.20 Визуальный результат работы алгоритма рекурсивного поиска на примере продукции ненадлежащего качества. В заключении приведены основные результаты работы: 1. Рассмотрен вопрос о необходимости использования систем компьютерного зрения уже на этапе проектирования современного технологического оборудования, поскольку в цеховых условиях пищевых предприятий дополнительный монтаж цифровых видеокамер и прокладка соединительных кабелей внутри технологического оборудования практически невозможны из-за конструкции существующего оборудования и ремонтной базы пищевых предприятий. 2. Выполнен анализ возможности использования системы компьютерного зрения в качестве интеллектуального датчика для систем мониторинга, анализа и контроля процесса производства гранулированных пищевых продуктов на примере производства гранулированных отрубей, гранулированного комбикорма и кукурузных палочек.
3. Разработаны алгоритмы; алгоритм определения границы объектов на основе оператора Собеля; алгоритм идентификации гранулы на цифровом изображении и распознавании ее как самостоятельный объект„ алгоритм формирования многоугольника, посредством класса Кес1апд1е, который характеризует распознанную гранулу и содержит в себе информацию об органолепти чески х показателях качества гранулы; алгоритм сравнения полученных при помощи системы компьютерного зрения значений органолептических показателей качества продукта с соответствующими показателями качества объекта-эталона.
4. Разработана функциональная схема автоматизации с использованием вибрационного стола и системы компьютерного зрения. 5. Впервые предложены: методологии получения из цифрового изображения пищевой гранулы органолептических показателей качества; метод рекурсивного поиска границ внутри гранулы, который позволяет определить опорные точки исследуемого объекта для дальнейшей идентификации органолептических показателей качества. 6. Решение поставленных задач стало возможным благодаря известным достижениям в области математических методов компьютерного зрения. Результаты анализа процесса гранулирования пищевых продуктов переданы по акту ОАО "Мельничный комбинат в Сокольниках".
Научные и практические результаты настоящего исследования используются в учебном процессе ФГБОУ ВО "МГУПП" на кафедре "Автоматизированные системы управления биотехнологическими процессами". Публикации автора по теме диссертации 1. Петряков А.Н., Благовещенская М.М., Савостин С.Д., Благовещенский И.Г. Программирование при автоматизированной системе управления производственной линией комбикормового предприятия // Хранение и переработка сельхозсырья. — 2015. № 4. С. 50-52.
2. Петряков А.Н., Благовещенская М.М., Савостин С.Д., Благовещенский И.Г. Применение оптимизационных алгоритмов в решении задач комбикормового рациона кормления животных // Пищевая промышленность. — 2015 г. № 6. С. 46-48. 3. Петряков А.Н. Благовещенская М.М. Носенко А.С, Использование генетических алгоритмов и методов роя части в производстве комбикормов // Пищевая промышленность.
— 2015 г. № 6. С. 18-21. 4. Петряков А.Н., Благовещенская М.М., Колодин А.А. Внедрение современных автоматизированных технологий в процесс гранулирования комбикормов // Сборник научных докладов 11 международной научнопрактической конференции "Автоматизация и управление технологическими и бизнес-процессами в пищевой промышленности" - 2016 г. с. 123-127 5. Петряков А.Н., Благовещенская М.М., Зверев А.Е. Автоматизация технологического процесса линии гранулирования комбикормов // Сборник научных докладов П международной научно-практической конференции "Автоматизация и управление технологическими и бизнес-процессами в пищевой промышленности" - 2016 г. с.
119-123. 6. Петряков А.Н., Благовещенская М.М., Савостин С.Д., Благовещенский И.Г. Применение алгоритмов распознавания формы объектов для автоматизации контроля органолептических показателей качества комбикормового производства // Сборник трудов по результатам научной конференции с международным участием «Развитие пищевой и перерабатывающей промышленности России: кадры и наука». - 2017 г.
С. 194-196. 7, Петряков А.Н., Благовещенская М.М., Савостин С.Д., Исследование и разработка методов автоматического контроля и управления качеством комбикормов в процессе их производства с использованием интеллектуальных технологий // Сборник трудов по результатам международной научно-практической конференции «Автоматизация и управление технологическими и бизнес-процессами пищевой промышленности», 15 — 17 апреля 2015 г., МГУПП.
Петряков Александр Николаевич РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ДЛЯ КОНТРОЛЯ ОРГАНОЛЕПТИЧЕСКИХ ПОКАЗАТЕЛЕЙ КАЧЕСТ'ВА ГРАНУЛИРОВАННЫХ ПИЩЕВЫХ ПРОДУКТОВ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ Автореф. дне. на соискание ученой степени канд. тех. наук Подписано в печать... Заказ № Формат 60х90/16. Усл. печ. л. 1. Тираж 100 экз. Типография .
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
