В современном обществе с появлением и повсеместным распространением персональных компьютеров, производить измерения стало гораздо проще, а также практически мгновенно анализировать измеренные величины, на их основе получать неизвестные параметры. Само понятие техническое зрение – это применение компьютерного зрения в промышленности и производстве. Техническое зрение является подразделом инженерии, связанное с вычислительной техникой, оптикой, машиностроением и промышленной автоматизацией [1].
Современные системы наблюдения в основном делятся на два типа: аналоговые и цифровые, каждая из которых имеет свои достоинства и недостатки. Немаловажную роль при выборе системы мониторинга играет цена. Аналоговые системы обычно включают в себя несколько относительно недорогих камер, но для полноценной работы системы необходимы дорогие платы для регистрации и оцифровки полученных данных. Цифровые камеры стоят дороже, что объясняется наличием в самой камере уже встроенной схемы оцифровки, регистрации и прочее. Однако дополнительных опций, такие как возможность сохранения фотографий на флеш-накопитель, автономные датчики движения, возможность подключения нескольких камер и т.д., еще увеличивают общую стоимость оборудования.
Сложность проблемы распознавания изображений может быть объяснена отсутствием единой общепризнанной методики разработки алгоритмов в области технического зрения. В настоящее время известно несколько основных алгоритмических подходов используемых при разработке практических систем анализа изображений. Это гистограммные преобразования, анализ проекций, линейная и нелинейная фильтрация изображений, яркостная и текстурная сегментация, корреляционное обнаружение и согласованная фильтрация, морфологический подход Ю.П. Пытьева, математическая морфология Серра, метод «нормализации фона», преобразование Хаффа, структурно-лингвистический подход и ряд других [2].
Объект системы технического зрения – это тот или иной объект внешнего мира, информация о котором представляет интерес для использования в практической задаче. Такими объектами могут выступать как технические объекты (например, объекты инфраструктуры железной дороги или орбитальная космическая станция), так и объекты пищевой и медицинской промышленности: жидкости, порошки, поверхности тканей. Масштаб и размеры объектов интереса могут быть самыми разными, как может разниться и та информация, которую требуется извлечь с помощью технического зрения.
Проработки вопроса нахождения оптимальных технических средств для автоматизированной системы бесконтактного определения параметров материалов недостаточно. Для достижения обеспечения полного функционала системы необходимо особое внимание уделить разработке алгоритмов обработки информации и программному обеспечению. В данной статье представлены результаты опробования автоматизированной системы бесконтактного определения параметров материалов в среде визуального программирования LabVIEW с библиотекой обработки и анализа изображений IMAQ Vision фирмы National Instruments (США).
В качестве входных данных для анализа в автоматизированной системе бесконтактного определения параметров материалов используются два вида изображений: вид сбоку и вид сверху. Данные изображения получаются путем реализации следующих действий: предварительная обработка изображений с устранением помех и «шумов», а также сложного текстурированного фона и оптических искажений, оцифровка видеоизображений с камер с помощью стандартизированной библиотеки функциональных блоков LabVIEW для работы USB веб-камерами, преобразование оцифрованных изображений в модель типа RGB (тип кодировки U8)
Анализ полученных на входе системы изображений выполняется с помощью методов яркостно-геометрического анализа растровых изображений, результатом которого является предварительное определение границ исследуемой области, позволяющее в векторной форме сформировать описание объекта визуального контроля [3]. Сформированное на данном этапе векторное описание объекта визуального контроля позволяет определить вес материалов, предварительно рассчитав значение объема и насыпную плотность.
Тестирование работоспособности системы показало адекватность предложенного алгоритма (максимальная относительная погрешность при определении веса материалов в процессе экспериментов не превысила 7%) и эффективность применения данных алгоритмов в автоматизированной системе бесконтактного определения параметров материалов.
Описанный алгоритм был реализован в специализированном программном продукте. Для большей наглядности осуществляется построение 3D модели поверхности материала, программная реализация выполняется по средствам графического индикатора 3D-поверхности, предназначенного для отображения двумерных данных в виде поверхности на трехмерном графике. Таким образом, интерфейс программы в конечном виде представлен на рисунке 1.
Рисунок 1 – Внешний вид программы с 3D моделью исследуемого объекта
В результате выполнения данной работы было выполнены следующие действия:
1. Разработана структура автоматизированной системы бесконтактного определения параметров материалов
2. Разработаны алгоритмы определения веса материалов и доказана адекватность и эффективность применения данных алгоритмов в системе в процессе экспериментов.
Таким образом, автоматизированная система бесконтактного определения параметров материалов может быть внедрена в реальных производственных условиях.
Библиографический список
- Шапиро Л., Стокман Дж. Компьютерное зрение: Учебное пособие для студентов вузов: Пер. с англ. – Москва: Издательство “БИНОМ. Лаборатория знаний”, 2006. – 752 с., ил. Библ. с.: 714-716.
- Обработка и анализ цифровых изображений с примерами на LabView и Imaq Vision. Визильтер Ю.В., Желтов С.Ю., Князев В.А., Ходарев А.Н., Моржин А.В., ДМК Пресс, Москва, 2007 год.
- Методы исследований организации экспериментов. К.П. Власов, П.К. Власов, А.А. Киселев, изд. ”Гуманитарный центр”, 2002 год.