Диссертация (1152212), страница 15
Текст из файла (страница 15)
При значительном процентном содержании брака на основе анализа изображения группы гранул, необходимо принять решение о необходимости подачи управляющего сигнала ~33]. При получении автоматизированной системой компьютерного зрения информации об органолептическнх показателей качества гранулы необходимо произвести сравнение полученных данных с эталоном. Сравнение может производится несколькими методами: анализ и сравнение выраженных в понятном для системы цифровом виде органолептнческнх параметров объекта полученного изображения с заранее известными системой органолептическнми параметрами эталона; анализ и сравнение объекта на полученном цифровом изображении с изображением объекта-эталона посредством метода вычитания.
В первом случае задача сводится к сравнению значений органолептических показателей каждой гранулы на кадре цифрового видеофильма с соответствующими значениями объекта эталона. Производится сравнение числовых показателей длины, ширины гранулы в поперечнике, сравнение показателей геометрической формы, текстуры, цвета исследуемой гранулы можно осуществить, используя специальные функции класса Кес1апд1е языка программирования Уа1а и АсйопЯспр1 З.О. В случае использования метода вычитания изображения необходимо определять уровень изменения органолептических показателей качества гранулы по полученному в ходе работы алгоритма разностному изображению, после чего произвести анализ и конвертацию полученных данных в соответствующие коэффициенты динамики изменения гранул. 91 Для мониторинга передвижения гранулы на конвейерной линии необходимо произвести анализ видеофильма, содержащего некую последовательность кадров хь х~, ..., х„.
Переменная х;11,Ь1, характеризующая кадр хь должна удовлетворять следующим неравенствам: 0 < 1 < Е, О < Ь < Н, где Ь вЂ” длина, Н вЂ” высота кадра видеофильма. Необходимо найти такие множества областей изображения для каждого кадра видеофильма, которые соответствуют движущимся объектам. После преобразований данные множества областей должны представлять собой бинаризированные изображения, содержащие в себе пикселы, значение которых принимает только одно из двух возможных значений. Зачастую пикселы условно кодируются как "0" и "1", где "0" условно принимается как неподвижный задний фон, а "1" условно принимается как движущийся объект. На практике при разработке программного обеспечения такая реализация процедуры бинаризации изображения чаще всего имеет значения шестнадцатеричной системы счисления: ФГГГГГГ в для отображения белых пикселов, характеризующих движущиеся объекты, ЮООООО для отображения черных пикселов, характеризующих неподвижный задний фон: ФГг"РГГг, пиксел движущегося объекта, ,1= Х,п, ~ 4000000,пнксел неподвижного фона ' где п — максимальное количество кадров в видеофильме.
Далее необходимо принять В1'1,6~, где 0 < 1 < 1., О < 6 < Н, как некоторое множество пикселов, которое соответствует неподвижному заднему фону. Если получаемое с видеокамеры изображение имеет цвет, то необходимо совершить преобразование цифрового изображения в оттенки серого. Используя побитовые операции можно привести цветное изображение к черно-белому в градациях серого, которое затем может быть преобразовано в бинаризированное изображение.
Такие преобразования позволяют сократить количество уровней градаций серого изображения от 256 до двух — ФОООООО до МГРГгРТ, которые соответственно интерпретируются автоматизированной системой компьютерного зрения как черный и белый цвета. В случае уже получаемого черно-белого изображения можно отметить, что пикселы каждого кадра из всей последовательности кадров видеофильма, а так же множество пикселов, характеризующих собой задний неподвижный фон будут иметь цветовой диапазон от 0 до 255 в десятичной системе счисления или от 4000000 до йГГГГГГ в шестнадцатеричной системе счисления: хДЦ е (4000000„...,ЫГГГГГГ~, ~ = 1, п В(1,Ь) е ~Я)ООООО,...,ФГГГГГГ~, ~ = 1, и Затем необходимо произвести расчет результирующего показателя, который выражен в виде нового множества пикселов, ЯД,Ц при по-пиксельном вычитании фона из анализируемого кадра.
Данный показатель характеризует расхождение показателей интенсивности оттенка серого каждого пиксела на ~-ом кадре и фона, которые необходимо принять по-модулю: С2.4Э После расчета расхождения интенсивности пикселов кадра и фона необходимо произвести выбор полученных пикселов для формирования бинаризированного изображения-маски, которое будет характеризовать изменение положения исследуемого объекта. Выбор пикселов по следующему алгоритму: если различие интенсивности градаций серого ~-ого пиксела больше заданной точности е, показатель которой задается заранее, Графическое представление данного этапа алгоритма представлено на рис.
2.2. Рис. 2 2 блок-схема формирования бинаризированного изображения-маски. Где РДЬ), О < 1 < А, О < 6 < О полученное множество пикселов, характеризующее собой бинаризированное изображение-маску на ~-ом кадре. Стоит отметить, что существуют различные методы построения фона на цифровом изображении, повышающие качество работы алгоритма для идентификации движущихся объектов, такие как пер екурсивные методы обновления модели фона, гистограммный рекурсивный метод, метод Гауссвых распределений и другие.
На сегодняшний день одной из важных проблем данных методов является не приспособленность к резким изменениям освещенности фона и движущихся объектов в процессе съемки. В связи с чем необходимо использовать видеооборудование, имеющее технические возможности и функционал быстрой подстройки экспозиции и выбора соответствующей экспопары для нормализации контраста изображения и минимизации кадров с Р;,4~) можно описать управляющий сигнал: И) = Г < " 1 Ь И(Я Рсу, (ЮИ > 12.5) Где у' — векторный функционал, которая характеризует собой преобразования матрицы Р„ полученного изображения в матрицу Ра действительных значений. Таким образом можно производить преобразование цветного изображения в черно-белое, а так же, например, черно-белое изображение преобразовать в бинарное изображение, содержащее в себе пикселы двух цветов.
Поскольку функционал векторный, то исключено тождественное обратное преобразование черно-белого изображения в цветное. В процессе работы алгоритмов автоматизированной системы в базу данных занесена информация о объекте- эталоне, который может являться как единичным экземпляром на цифровом изображении, так и некоторым множеством таких экземпляров. На практике реализация этого этапа алгоритма представлена в виде цифрового изображения, зз ошибочно идентифицированным движущимся объектом. Зачастую метод вычитания изображений используется в системах компьютерного зрения в космонавтике, авиации [11], автоматизированных системах наблюдения, задачи которых связаны с выделением и сопровождением движущихся объектов, людей, автомобилей 186, 891.
Для построения математических методов анализа динамики объекта необходимо описать условия работы автоматизированной системы — при возмущающем воздействии в локальной зоне при отклонении органолептнческих показателей качества. При отклонении показателей качества на заданную величину необходимо совершить регулирующее воздействие, которое может быть охарактеризовано следующими действиями: увеличение регулирующего воздействия либо уменьшение регулирующего воздействия. При отсутствии значительной динамики изменений исследуемого объекта необходимо оставить параметры технологического процесса без изменений. Данное управление исполнительным механизмом можно выразить как и1'гУ' = УГ+ЕУ) Ч О 1' 1'-7УД.
Имея в заданный момент времени г изображение объекта, выраженное через матрицу на котором запечатлен объект-эталон, в данном случае это гранула пищевого продукта, гранулированный комбикорм. Поскольку цифровое изображение- эталон содержит помимо объекта-эталона еще и задний фон, то необходимо произвести идентификацию объекта-эталона, заднего фона, то есть совершить выделение интересующей локальной зоны для последующего анализа на изображении-эталоне. Выделение локальной зоны из изображения-эталона производится в качестве матрицы х,Ц4), 0 < 1 < Ь, О < Ь < Н, а из цифрового изображения, поступающего с видеокамеры на технологической линии в процессе работы необходимо выделить матрицу х,~7,Ц, 0 < 1 < Е, 0 < Ь < Н, которая характеризует собой выделенную локальную зону анализируемого объекта.
При выполнении действий алгоритма вычитания, которые описаны выше совершается расчет матрицы разности интенсивности пикселов подматрицы х„~Щ и х,.(1,Ц в матрицу М~1,Ь~, 0 < ! < Е., О < Ь < Н. Блок-схема данного алгоритма представлена на рис. Для идентификации движения достаточно брать абсолютные значения пикселов бинаризированных матриц, но для анализа степени динамики и скорости изменения объекта необходимо учитывать как положительные„так и отрицательные значения разности, поэтому формируемая магрица разности интенсивности может иметь: положительные значения, характеризующие повышение степени изменений, отрицательные значения, характеризующие уменьшение степени изменений и нулевые значения, характеризующие отсутствие изменений.
96 Рис. 2.3 Блок-схема алгоритма формирования матрицы разности интенсивности Из полученной матрицы разности интенсивности М~1„Ь) можно извлечь вектора ВЦЦ положительной интенсивности и ~'~~,Ц отрицательной интенсивности, длины которых будут соответствовать уровню изменения анализируемого пиксела от его предыдущего положения.
Данную динамику изменений пикселов анализируемого объекта можно описать как увеличение объекта при %71,6) > $'11,1г), уменьшение объекта при Ъ'11„Ц < ИТ1,6), отсутствие изменений объекта при ИЦЬ) = $"11,Ц. На практике можно рассмотреть случай, когда размер гранул пищевого продукта в процессе производства меняет своей размер из-за нарушений режимов технологического оборудования, причиной этому может служить: изменившаяся частота вращения матрицы гранулятора; изменение влажности пищевой массы гранулятора, вследствие чего нарушается равномерная плотность пищевой массы; изменение степени нагнетания пищевой массы в гранулятор. Стоит отметить, что существует погрешность при анализе изображений, например в случае отсутствия видимых изменений исследуемого объекта программное обеспечение может зафиксировать малую ненулевую разность интенсивности - данная ошибка может возникать по множжествам причин: цифровой шум изображения; вибрация исследуемого объекта на конвейерной линии, вибрация видеодатчика; хроматические абберации линз, вносящие некоторые цветовые и геометрические искажения на цифровое изображение; светочувствительность матрицы видеодатчика, физический размер светочувствительного элемента матрицы и др.
Данную ошибку можно предотвратить эмпирическим путем подбора различных режимов работы видеокамеры, в процессе чего определяются допустимые значения длин векторов ИЦА) и $'(1,Ь). При идентификации наибольшего вектора разностной интенсивности пикселов можно определить знак управляющего воздействия на исполнительный механизм. В случае производства гранулированных пищевых продуктов, таких как хлопья, кукурузные палочки, гранулированный комбикорм, отруби - увеличить или уменьшить степень инжекции пищевой массы в приемник гранулятора, либо уменьшить или увеличить частоту вращения матрицы гранулятора.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
