Диссертация (1152212), страница 14
Текст из файла (страница 14)
При анализе технологического процесса были определены наиболее информативные органолептические показатели качества гранулированного комбикорма: геометрическая форма, длина, ширина, цвет гранул, которые необходимо непрерывно определять в процессе производства. При анализе источников показано, что в существующих в настоящее время методов оценки этих органолептических показателей качества присутствует субъективный фактор оценки, поскольку определение этих показателей производится органами чувств технологами на производственной линии, либо путем лабораторных измерений. Помимо субъективной части оценки данных показателей качества стоит отметить невозможность использования данных методов для непрерывной автоматизированной оценки качества продукта в потоке.
При сравнении и анализе работы пищевых производств Восточной Европы можно сделать вывод о том, что Россия несколько отстает от других стран с достаточно развитой пищевой промышленностью. Причиной этому является использование производителями дешевого рабочего труда, эффективность которого значительно ниже автоматизированных систем, систем компьютерного зрения. ГЛАВА 2. МЕТОДИКА ПОСТРОЕНИЯ ПРОГРАММНО- АППАРАТНОГО КОМПЛЕКСА ПО МОНИТОРИНГУ ОРГАНОЛЕПТИЧЕСКИХ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ГРАНУЛИРОВАННЫХ ПИЩЕВЫХ ПРОДУКТОВ.
2.1 Математические и алгоритмические начала обработки видеокадров и цифровых изображений в автоматизированной системе компьютерного зрения Одним из распространенных подходов к контролю технологического процесса через анализ видеоизображения является сравнение получаемых в процессе кадров с эталонным изображением. Задачей алгоритма является анализ двух изображений - полученного с видеокамеры кадра и эталонного изображения, с последующим поиском разности между этими изображениями. При существенном отличии между эталонным и полученном изображении автоматизированной системе управления необходимо совершить корректирующее воздействие для приведения гьзраметров процесса в удовлетворительное состояние.
Степень отличия между сравниваемыми изображениями характеризуется соответствующими переменными алгоритма, которые описываются индивидуально для конкретных технологических процессов. Данный подход эффективен при технологических процессах, когда объекты„ изображенные на видеокадрах находятся с незначительным отклонением в одинаковой позиции на кадре. Одним из таких примеров технологического процесса является производство батончиков мюсли.
На рис. 2.1 видно, что экструдер имеет шесть выходных отверстий прямоугольной формы, благодаря которой пищевой массе придается форма. При видеосъемке такого участка производства мюлей позиция пищевого жгута на двух последовательно получаемых изображений незначительно изменяется, поэтому при автоматизированном контроле качества имеет место применение метода вычитания изображений и сравнения получаемых видеокадров с эталонным ~98$ Рис. 2.1 Изображение технологического процесса экструдирования пищевой массы на технологической линии производства мюслей.
Стоит отметить, что исходя из задач автоматизированной системы контроля качества позиция объекта на видеокадре может являться одним из важных параметров мониторинга состояния процесса. Информация об изменении позиции объекта так же может служить критерием оценки качества технологического процесса. Использовании данного метода неэффективно к рассыпной или гранулированной продукции, такой как отруби, гранулированный комбикорм, гранулированный творог, кукурузные палочки, поскольку позиция каждого объекта на получаемом видеокадре значительно изменяется из-за особенностей производства. Сравнение полученного кадра с эталонным в данном производственном процессе в большинстве случаев будет давать высокие показатели отличия изображений.
Информация о позиции объектов в данном случае не является важным критерием оценки качества процесса, поскольку важнее произвести оценку органолептических показателей качества получаемого продукта, таких как формы, геометрические размеры, цвет, текстура поверхности. 87 При решении задач систем компьютерного зрения, таких как обработка и анализ изображения, поиск текстурных паттернов, выделение границ объектов требуется высокая производительность аппаратного обеспечения, большой объем оперативной памяти, доступ к базе данных эталонных изображений.
Для успешной реализации алгоритмов систем компьютерного зрения важна высокая скорость обработки информации, поэтому необходима разработка математических основ обработки цифровых изображений, видеосигнала в потоке. Это позволяет существенно снизить нагрузку и требования к аппаратному обеспечению, а так же формализовать методы и алгоритмы по решению задач систем компьютерного зрения. На сегодняшний день методология формирования и преобразования изображения при помощи ПЗС-матрицы в цифровой код описана во множестве литературных источников, посвященным решении задач систем компьютерного зрения и алгоритмам обработки изображений ~7, 32, 351.
Кроме того, существуют факторы, оказывающие влияние на качество работы алгоритмов по обработке и анализу полученного цифрового изображения. К таким факторам относятся: — Разрешение матрицы, которое оказывает значительное влияние на качество получаемого изображения ~801. Существует множество различных стандартов разрешения матриц цифровых видеокамер, разрешение которых варьируется от 1бх!б пнкселов до 10240х4320 и 8192х8192 пикселов. Большее разрешение матрицы цифровой видеокамеры позволяет получать более детализированное и четкое изображение, по сравнению с матрицами меньшей разрешающей способности, но при этом увеличивается нагрузка на аппаратное обеспечение и время работы алгоритмов при обработке и анализе полученного с такой матрицы изображения. — Физический размер матрицы, который оказывает влияние на количество шумов и глубину резкости изображения 196].
Чем больше площадь светочувствительного элемента матрицы видеокамеры, тем больше получаемое соотношение сигнал-шум прн заданной чувствительности. Так же от размера пиксела зависит такой параметр, как динамический диапазон матрицы. вв Существует несколько стандартизированных размеров цифровых матриц, размеры которых варьируются от 2,4х1,8 мм до Збх24мм. — Светочувствительность матрицы цифровой камеры, которая является одним из важнейших факторов качества получаемого цифрового изображения 195~.
При использовании камер с низким показателем светочувствительности элементов матрицы на изображении могут появляться дополнительные шумы, артефакты изображения, которые негативно влияют на дальнейшей анализ и обработку изображения. Кроме вышеприведенных факторов, влияющих на качество получаемого изображения так же стоит отметить дефекты матрицы при производстве, тепловые эффекты, дробовый шум и другие. Поскольку светочувствительным элементом матрицы цифровой камеры является пиксел, то получаемое с такой матрицы цифровое изображение можно представить в виде матрицы уровней освещенности поверхности фотографируемого объекта, каждым элементом которой является пиксел.
В литературе существует установившаяся запись в матрицы с переменными: (2.1) Матрица цифровой видеокамеры имеет размеры Н пикселов в высоту и Е пикселов в длину, каждый из которых имеет свой ггараметр освещенности, или числа градаций яркости У. Размер получаемого изображения в пикселах так же соответствует размерам матрицы цифровой видеокамеры. Показатель т' градаций освещенности чаще всего выбирают равным степени двойки — У = 2"', а значения переменных Н и Е должны быть натуральными числами.
Имея эти данные можно 89 определить общее количество информации в битах, которое будет занимать полученное изображение — 1 = Н х Е х с, где с — коэффициент, характеризующий собой цветное изображение. Данным коэффициентом можно пренебречь, если изображение черно-белое. В случае черно-белого режима видеофильм можно представить в виде матрицы А;,ь где ~, ~' — переменные соответствующие координатам столбца и строке матрицы, переменная й — соответствует количеству кадров в видеофильме.
В случае цветного режима съемки видеофильм представляется в виде матрицы А;,,ь Для анализа видеофильма необходимо произвести оценку динамики изменения его кадров. Необходимо определить матрицуД;, характеризующую собой интересующий фрагмент одного кадра, а так же матрицу ЩЦ, характеризующую собой изменение цветности н значений уровней яркости снимаемого объекта, и которая будет соответствовать выделенному фрагменту на протяжение всего видеофильма.
Цель системы автоматического регулирования технологического процесса с использованием технологий компьютерного зрения — обеспечение неизменности и стабильности параметров технологического процесса с незначительными отклонениями, поскольку данное постоянство протекания технологического процесса напрямую влияет на параметры качества выходного продукта. При производстве гранулированных пищевых продуктов, таких как отруби, кукурузные палочки, гранулированный комбикорм, гранулированный сухой завтрак можно выделить такие важные параметры технологического процесса, как: частота вращения матрицы гранулятора, скорость нагнетания пищевого сырья в приемник гранулятора, влажность сырья, температура в грануляторе. Все эти параметры имеют существенное влияние на органолептические показатели качества гранулированного продукта, такие как: текстура поверхности гранулы, геометрическая форма гранулы, линейные размеры гранулы, цвет гранулы.
Стоит отметить, что при мониторинге участка производственной линии посредством технологий компьютерного зрения в кадр попадает некоторое количество гранул, которые могут иметь как незначительные отличия друг от друга и эталона, так и значительную степень изменения. Поэтому необходимо производить эо идентификацию гранул со значительной степенью отклонений органолептических показателей качества от эталона, а затем производить подсчет таких гранул для вычисления процентного количества брака в заданной последовательности кадров. Использование автоматизированной системы компьютерного зрения позволяет решить эту задачу, поскольку при визуальном мониторинге посредством человеческих органов чувств данная задача трудновыполнима н требует от технолога производственной линии значительной концентрации и внимания.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
