Технические науки / 12. Автоматизированные системы управления на производстве

К.т.н. Колдаев В.Д.

Национальный исследовательский университет МИЭТ, Россия

Автоматизированные производственные системы распознавания изображений

Системы автоматизации технологических процессов представляют собой совокупность аппаратных, программных и конструктивных средств, ориентированных на решение типовых и конкретных задач, освобождающих человека частично или полностью от непосредственного участия в процессах получения, преобразования, передачи и использования информации. Задачи автоматизации, связанные с повышением производительности и эффективности труда, улучшением качества продукции, оптимизацией управления, имеют иерархическую организацию и могут решаться центральной, либо децентрализованной структурой в зависимости от производственного цикла (процесса), подлежащего проектированию. Структурная модель автоматизации, может быть представлена пирамидой, разделенной на уровни, соответствующие системам, выполняющим определенное задание (рис.1).

Рис.1. Горизонтальная и вертикальная коммуникации уровней иерархии

Для каждого уровня иерархии выполняются следующие правила: получение и обработка информации должны осуществляться независимо; время обмена информацией между уровнями минимально; интерфейсы определяются физической структурой и содержанием [1].

Все уровни пирамиды имеют информационно-техническую связь друг с другом. Датчики и исполнительные элементы на полевом уровне обрабатывают сигналы, производят предварительную обработку измерительных величин, оценивают нормальные и предельные значения, получают и передают на верхний уровень в сжатой форме релевантные данные. На уровне управления логика компонентов позволяет общаться не только с системами вышестоящего уровня управления производством, но и с компонентами внутри данного уровня.

Коммуникация на иерархических уровнях различна: с возрастанием уровней иерархии задачи автоматизации централизуются в большей степени, хотя количество устройств, участвующих в процессе автоматизации, уменьшается и они становятся производительнее. Несмотря на то, что частотность отдельных передач сокращается – увеличиваются размер и срок актуальности блоков данных, но требования к реальному времени понижаются.

Сообщения, передаваемые на вышестоящие уровни, необходимо вначале сокращать и сжимать, так как информационная концентрация препятствует перегрузке уровня данными. Сведения, которые передаются на нижестоящий уровень, необходимо наоборот расширить дополнительной информацией. При этом, если обмен данными между уровнями будет минимальным, то объем горизонтального потока информации на каждом уровне увеличивается.

Такое распределение обработки позволяет использовать принцип вычислительных систем с общей шиной, где в качестве ведущего применен универсальный процессор, а ведомые устройства выполняются в виде контроллеров или подчиненных процессоров. На полевом уровне передаются данные небольшим количеством и с высокой степенью актуальности. Чем выше иерархический уровень, тем больше характеристик имеют передаваемые данные, т.е. передаются большие пакеты данных, являющиеся актуальными длительное время (рис.2).

а б

Рис.2. Компоненты автоматизации с прямыми (а) и с интенсивными поперечными связями (б)

При решении задач технического зрения в автоматизированных производственных системах (АПС) возникают вопросы, связанные с комплексным описанием среды функционирования с учетом априорной информации, созданием модели предметной и проблемной области, анализом видео объектов, работой в реальной динамической среде.

При обработке изображений используются различные методы сегментации, нормализации и распознавания. Для решения возникающих при этом задач необходимо, с одной стороны дальнейшее улучшение параметров изображения системы (чувствительности, разрешающей способности и т.д.), с другой стороны – совершенствование алгоритмов обработки изображений. Компьютерная реализация сегментации основана на предположении, что пиксели в сегментированной области должны иметь сходные оптические характеристики по интенсивности, цвету, текстуре, в то время как разные области, хотя бы по одной из этих характеристик различаются.

Важной проблемой сегментации является интеграция (связывание) признаков объектов в единый образ – байндинг. Признаки, используемые при кодировании информации об изображении, имеют различную природу: геометрические, спектральные или динамические характеристики. При выполнении сегментации цифрового изображения вся его поверхность разбивается на области, каждой из которых присвоен свой номер (маркер области). Таблица областей строится в процессе анализа сегментированного изображения, при этом вычисляется площадь каждой области, средняя яркость, предельные координаты по строкам и столбцам. Каждая строка таблицы содержит информацию, относящуюся к одной области изображения: маркер области, среднюю яркость, площадь, предельные координаты, значения признаков области [2].

Для построения описания изображения приняты следующие признаки областей, которые заносятся в таблицу: площадь s_i; средняя яркость g_i; координаты центра тяжести (x_i,y_i); связность h_i; длина внешнего контура p_i; длина внутренних контуров q_i; количество выступов (впадин) внешнего контура t_i; максимальный размер a_i; минимальный размер b_i (i – номер области в таблице). На основе вычисленной системы признаков строится граф структурного описания, инвариантного к преобразованиям сдвига, поворота, масштаба и изменения освещенности. В работе выделены два вида признаков:

1) областей, которые характеризуют инвариантные к преобразованиям свойства структурных элементов (удлинение области (отношение наибольшего размера к наименьшему), коэффициент формы (отношение площади области к площади минимального описанного прямоугольника), связность, количество выступов внешнего контура, относительная длина внешнего контура (отношение квадрата длины контура к площади области));

2) соотношений, которые являются характеристиками отношений между парами структурных элементов (относительная площадь (отношение площадей двух областей), относительная яркость (разность средних уровней яркости двух областей), относительное расстояние (отношение расстояния между центрами двух областей к минимальному расстоянию между областями), относительная ориентация (разность между ориентациями двух областей)).

В процессе развития систем обработки изображений появилось большое количество подходов к представлению изображений и структур данных для их реализации. Каждому виду представления соответствует своя группа структур данных, реализующих это представление [2].

При позиционном представлении плоскость изображения разбивается с помощью прямоугольной сетки на элементы одинакового размера (квадраты), которые для рассматриваемого приложения являются наименьшими неделимыми частями изображения. В зависимости от вида взаимосвязей между хранимыми элементами позиционное представление делится на матричное, пирамидальное и дерево квадратов.

При структурном описании изображение представляется набором объектов – набором некоторых базисных элементов: графических примитивов и отношений между ними. Тогда структурное описание можно разделить на описание в терминах объектов и их отношений и описание формы отдельно взятого объекта.

При комбинированном описании для представления изображения одновременно используется как позиционное, так и структурное представление. Объединение представлений может быть выполнено на уровне одной структуры или с помощью организации двух баз данных изображений и связей между ними.

Таким образом, задачи распознавания видеоизображений сводятся к решению задач, связанных с вводом объекта в систему обработки изображений, фильтрацией помех, контурной сегментацией, выбором эффективной системы признаков, поиском оптимальных алгоритмов принятия решения и разработкой рекомендаций по выбору основных параметров АПС.

Литература

1. Колдаев В.Д. Выделение элементов контуров многоуровневых изображений градиентными методами [Текст] / В.Д. Колдаев, В.А. Абрамов, Н.В. Морозова // Электронная техника, серия «Экономика и системы управления», 1985. – №9. – Вып.4(57). – С.48-52.

2. Колдаев В.Д. Эвристические алгоритмы контурной сегментации изображений [Текст] / В.Д. Колдаев // Научно-технический журнал «Известия высших учебных заведений. Электроника». – М.: МИЭТ, 2007. – №4. – С.71-75.