Главная Контакты Добавить в избранное Авторы Вопросы и ответы
,

УДК 677.027.081

ИДЕНТИФИКАЦИЯ  ДЕФОРМАЦИЙ ПЕРИОДИЧЕСКИХ  СТРУКТУР
С  ИСПОЛЬЗОВАНИЕМ  СИСТЕМ  ТЕХНИЧЕСКОГО  ЗРЕНИЯ

Биленко М.С., Рожков С.А., Единович М.Б.

Постановка проблемы. Для текстильных  производств Украины важной проблемой является контроль качества рулонных текстильных материалов [1,2]. Операции контроля на таких производствах выполняются, как правило, органолептически, что является малоэффективным методом контроля качества.

Развитие современных информационных технологий позволяет реализовать процесс контроля качества текстильных материалов  в виде автоматизированных интегрированных систем [1, 2]. Для современных систем управления качеством [3] характерно использование статистических подходов. При этом в системах управления могут быть использованы различные технические средства контроля, например телевизионные сканирующие системы и др. Применение таких систем выгодно с точки зрения экономической целесообразности: они хорошо согласуются с существующими информационно–управляющими системами, имеют высокую повторяемость  и относительно дешевы для производства.

Разработка высокоэффективных систем технического зрения, способных осуществлять автоматический контроль качества текстильной продукции в технологических комплексах, позволяет обеспечить для текстильной промышленности значительное повышение качества продукции.

Анализ публикаций по теме исследования. Перекос уточной нити (поперечная нить в полотне ткани) является одним из наиболее распространенных  дефектов в  текстильном производстве, который возникает во время обработки ткани на отбельных, красильных и отделочных линиях как следствие перекоса и износа валов оборудования, неодинаковой скорости движения ткани на технологических переходах [2, 6].

Анализ современного состояния проблемы правки утка показывает, что не существует удовлетворительных средств устранения перекоса, способных работать на разных видах тканей. Большинство известных датчиков перекоса контролируют нарушение симметрии анизотропных свойств ткани, связанное с деформацией ткани, в частности перекосом. Наличие анизотропных свойств и их симметрия обусловлены в первую очередь ортогональной структурой ткани, которая образована переплетениям нитей основы и утка. Существующие датчики перекоса можно классифицировать по виду анизотропии контролируемой величины: плотности, преломляющей способности, электрическому сопротивлению и емкости. Для датчиков, контролирующих нарушение симметрии анизотропии характерно расположения  чувствительных элементов на направлениях, которые не совпадают с нитями основы и утка (рис.1).

Рис.1  Ориентация  чувствительных элементов датчика перекоса утка

 

Известна модель ткани [4], представленная как двумерный ряд Фурье:

,

(1)

 

где  - коэффициенты разложения;  - характерные размеры ячейки ткани;  - размеры раппорта ткани (рис.1а).

Обозначив  и , а , получим выражение (2):

 

.

(2)

 

Опишем деформацию ткани в виде аффинного преобразования:

 

.

(3)

В работе [4] показано, что модель ткани с перекосом по уточным нитям можно представить в виде (4):

 

где ,, .

(4)

 

Целью работы является анализ возможностей применения методов цифровой обработки изображений  в системах машинного зрения для распознавания деформаций периодических структур в приложении к текстильным материалам.

Основная часть. В современной практике неразрушающего контроля качества рулонных материалов используются преимущественно оптико-электронные методы регистрации изображения.

Для проведения эксперимента были использованы изображения образцов ткани простого переплетения, полученные при помощи цифровой видеокамеры.

Рассмотренные образцы тканей были исследованы на отсутствие перекоса уточной нити [7].

В системе автоматического контроля качества для вычисления частотной характеристики для участка изображения ткани воспользуемся дискретным преобразованием Фурье [8]

 

(5)

Анализ полученных результатов позволяет определить, что аффинная деформация изображения ткани порождает аффинную деформацию спектра изображения.

Однако, применение данного метода моделирования вычисления угла перекоса уточной нити неоправданно из-за низкой точности и сложности вычислений.

Для более точной оценки угла перекоса уточной нити  проведем оценку периодичности автокорреляционной функции.  Найдем автокорреляционную функцию из ДПФ изображения ткани (рис. 2, а)

.

(6)

При исследовании периодичности текстуры (ткани) в различных направлениях  воспользуемся полярной разверткой автокорреляционной функции [4] (рис.2, б):

 

(7)

 

 

а)

б)

Рис. 2 Автокорреляционная функция 

а) для изображения ткани, б) в полярных координатах

 

Автокорреляционная функция в полярных координатах представляет периодичность структуры ткани для направлений текстуры .

В зависимости от направления вычислим характеристику периодичности текстуры  для каждого направления [4, 10]:

(8)

где       – нормирующий коэффициент интенсивности корреляционной функции,

– нормирующий коэффициент по координате корреляционного минимума.

,

(9)

где – минимальная амплитуда автокорреляционной функции,

– максимальная амплитуда автокорреляционной функции.

 

,

(10)

где - координата первого автокорреляционного минимума,

- координата второго автокорреляционного минимума.

 

 

На рис. 3 показана одна строка автокорреляционной функции для изображения ткани образца с двумя координатами автокорреляционного минимума. При расчете характеристики принято отсутствие вытяжек.

Рис.3  Строка автокорреляционной функции в полярный координатах

 

Используя алгоритм БПФ [9], произведены расчеты амплитудного спектра для образцов ткани без деформации (рис.4, а), и тканей с перекосом (рис.4, б–г). Результаты моделирования показаны на рис. 4  во втором столбце.

Для исследования анизотропных оптических свойств ткани построим характеристику в полярных координатах (рис. 4). Характеристика периодичности текстуры позволяет определять допустимый угол перекоса в симметрии в диапазоне перекосов .

 

 

Образец ткани

Спектр образца

 

Характеристика периодичности текстуры в полярных координатах

а)

 

б)

в)

г)

 

 

Рис.4  Результаты моделирования алгоритма для различных
углов перекоса нитей утка

Разброс в характеристиках периодичности текстуры  вызван некоторой  нерегулярностью образцов ткани. Дальнейшее развитие метода позволяет определять основные геометрические параметры дл различных типов структур.

Особенностью использования данного метода определения перекоса является однозначность характеристик по углу перекоса для объекта контроля (ткани).

 

Выводы

Использование данного подхода для анализа изображений в градациях уровня серого позволяет применять расширенную статистику описания, что позволяет описывать структуры с точки зрения значимости их взаимодействия.

Анализ анизотропии структуры позволяет осуществлять адаптацию системы к различным типам текстур и может быт использован в системах с компенсацией информационных потоков

Высокое угловое разрешение позволяет определять нарушения свойств структуры тканей  и оценивать их симметрию. Метод характеризуется достаточной стабильностью при постоянных условиях освещенности и позволяет определить деформацию текстуры в широком диапазоне.

Анализ экспериментальных результатов исследования позволяет сделать вывод о перспективности  данного метода при анализе структур, имеющих разные степени закономерности и анизотропии, и может быть использован для структур со слабыми связями.

ЛИТЕРАТУРА

1.                  Биленко М.С., Рожков С.А. Контроль качества текстильных материалов с использованием системы машинного зрения // Проблемы легкой и текстильной промышленности Украины. – 2008. – №1(14). –С.6–11.

2.                  Рожков С.А., Бражник Д.А., Тимофеев К.В. Контроль структурных параметров ткани с использованием фильтрации на основе распознавания образов// Проблемы легкой и текстильной промышленности Украины –2004.  –№2(9).  –С.220–224.

3.                  Лайкер Д. Дао Toyota: 14 принципов менеджмента ведущей компании мира / Джеффри Лайкер; Пер. с англ. – М.: Алпина Бизнес Букс, 2005. – 402 с.

4.                  Рожков С.А., Рудакова А.В., Единович М.Б., Решетняк Ю.С. Математическая модель  ткани  как объекта контроля в задаче термовлажностной обработки // Вестник Херсонского национального технического университета. –2006. –№ 3 (26). –С.127–130.

5.                  Рожков С.А., Биленко М.С., Единович М.Б. Метод генерации изображения эталона для системы автоматического контроля // Вестник Херсонского национального технического университета. –2009. –№2 (35). –С.89–94.

6.                  Единович М.Б. Обобщенная модель датчика контроля линейных деформаций двухмерных объектов // Автоматика. Автоматизация. Электротехнические комплексы и системы.–1998. –№1.–c.89-96.

7.                  Ткани и штучные изделия текстильные. Метод определения величины перекоса: ГОСТ 14067-80. –[Чинний від 30.09.1980]. ­– М.: Издательство стандартов, 1980.– 7 с.

8.                  Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. – М.: Техносфера, 2006. – 616 с.

9.                  Прэтт У. Цифровая обработка изображений: Пер. с англ. – М.: Мир, 1982. – Кн. 1. – 312 с.

10.              Chetverikov D., Henbury A. Finding defects in texture using regularity and local orientation // Pattern Recognition. – Vol. 35. – 2002. – P. 2165–2180.


 





Ответы на вопросы [_Задать вопроос_]

Читайте также

 
Рожков С.А., Бражник Д.А. Использование нейросетевых структур для построения систем распознавания образов

Биленко М.С., Серов А.В., Рожков С.А., Буглов О.А. Многоканальная система контроля качества текстильных материалов

Рожков С.А., Федотова О.Н. Алгоритм обучения системы распознавания автоматической системы разбраковки тканей

Рожков С.О., Федотова О.М. Алгоритм розпізнавання дефектів тканин для автоматичної системи контролю якості.

Тернова Т.І. Урахування морфогенетичного рівняння в математичній моделі тканини.

Рожков С.А., Куцак Р.С., Бражник Д.А. Исследование процесса деформации ткани на экспериментально-аналитической модели

Рожков С.О., Кузьміна Т.О., Валько П.М. Інформаційна база як основа для створення асортименту лляних виробів.

Голощапов С.С., Петровский А.В., Рожко Ж.А., Боярчук А.И. Измерение доб-ротности колебательного контура на основе метода биения частот

Терновая Т.И. Автоматическая система разбраковки тканей с печатным рисунком методом компенсации информационных потоков

Фанина Л.А., Бражник Д.А. Использование метода компенсации информационных потоков при построении систем управления с речевым интерфейсом

Тернова Т.І. Алгоритм оцінювання деформацій рапорту періодичних об'єктів

Искусство. Декоративно-прикладное искусство. Фотография. Музыка. Игры. Спорт

68 Различные отрасли промышленности и ремесла, производящие конечную продукцию. Точная механика

65 Управление предприятиями. Организация производства, торговли и транспорта

Информационно-измерительные системы

Ковальов О.І. Вимірювання у процесно-орієнтованих стандартах

Полякова М.В., Ищенко А.В., Худайбердин Э.И. Порогово-пространственная сегментация цветных текстурированных изображений на основе метода JSEG

Дзюбаненко А. В. Организация компьютерных систем для анализа изображений

Гордеев Б.Н., Зивенко А.В., Наконечный А.Г. Формирование зондирующих импульсов для полиметрических измерительных систем

Богданов А.В., Бень А.П., Хойна С.И. Релаксация обратного тока диодов Шоттки после их магнитно-импульсной обработки (МИО)

Тверезовский В.С., Бараненко Р.В. Проектирование измерителя добротности варикапов

Тверезовский В.С., Бараненко Р.В. Оптимизированная модель измерителя доб-ротности варикапов

Руднєва М.С., Кочеткова О.В., Задорожній Р.О. Принципи побудови оптимальної структури інформаційно-вимірювальної системи геометричних розмірів об’єктів в діапазоні від 1 нм до 1000 нм

Рашкевич Ю.М., Ковальчук А.М., Пелешко Д.Д. Афінні перетворення в модифікаціях алгоритму RSA шифрування зображень

Дидык А.А., Фефелов А.А, Литвиненко В.И., Шкурдода С.В., Синяков Ф. В. Классификация масс-спектров с помощью кооперативного иммунного алгоритма

Клименко А.K. Обратная модель для решения задач в системах с многосвязными динамическими объектами

Завгородній А.Б. Порівняльне дослідження твердотільних і рідиннофазних об'єктів методом газорозрядної візуалізації

Голощапов С.С., Петровский А.В., Рожко Ж.А., Боярчук А.И. Измерение доб-ротности колебательного контура на основе метода биения частот

Кириллов О.Л., Якимчук Г.С. Диагностирование критерия безопасности при заполнении замкнутых объемов СПЖ косвенным методом

Долина В.Г. Проблеми підвищення точності рефрактометра на основі прозорих порожнистих циліндрів.

Самков О.В., Захарченко Ю.А. Застосування алгоритму клонального відбору для побудови планів модернізації авіаційної техніки

Попов Д.В. Метод формування регламентів технічного обслуговування повітряних суден

Казак В.М., Чорний Г.П., Чорний Т.Г. Оцінювання готовності технічних об’єктів з урахуванням достовірності їх контролю

Тверезовский В.С., Бараненко Р.В. Технические аспекты проектирования цифрового измерителя добротности варикапов

Тверезовский В.С., Бараненко Р.В. Технические аспекты проектирования устройства для разбраковки варикапов по емкостным параметрaм и добротности

Сосюк А.В. Інтелектуальний автоматизований контроль знань в системах дистанційного навчання

Соколов А.Є. Деякі аспекти систезу комп’ютеризованої адаптивної системи навчання

Полякова М.В., Волкова Н.П., Іванова О.В. Сегментація зображень стохастичних текстур амплітудно-детекторним методом у просторі вейвлет-перетворення

Луцкий М.Г., Пономаренко А.В., Филоненко С.Ф. Обработка сигналов акустической эмиссии при определении положения сквозных дефектов

Литвиненко В.И., Дидык А.А., Захарченко Ю.А. Компьютерная система для решения задач классификации на основе модифицированных иммунных алгоритмов

Лубяный В.З., Голощапов С.С. Прямоотсчетные измерители расхождений емкостей

Беляев А.В. Построение навигации для иерархических структур в WEB-системах и системах управления WEB-сайтом

Терновая Т.И., Сумская О.П., Слободянюк И.И., Булка Т.И. Контроль качества тканей специального назначения с помощью автоматических систем.

Шеховцов А.В. Інформаційний аспект: розпізнавання образів індивідуума.

Полякова М.В. Определение границ сегмента упорядоченной текстуры на изображении с однородным фоном с помощью многоканального обнаружения пачки импульсов.

Литвиненко В.И. Прогнозирования нестационарных временных рядов с помощью синтезируемых нечетких нейронных сетей

Ковриго Ю.М., Мисак В.Ф., Мовчан А.П., Любицький С.В. Автоматизована система діагностики генераторів електростанцій

Браїловський В.В., Іванчук М.М., Ватаманюк П.П., Танасюк В.С. Керований детектор імпульсного ЯКР спектрометра

Забытовская О.И. Построение функции полезности по экспериментальным данным.

Шиманські З. Апаратні засоби сегментації мовного сигналу

Хобин В.А., Титлова О.А. К вопросу измерения парожидкостного фронта в дефлегматоре абсорбционно-диффузионной холодильной машины (АДХМ)

Фефелов А. А. Использование байесовских сетей для решения задачи поиска места и типа отказа сложной технической системы

Слань Ю. М., Трегуб В. Г. Оперативна нейромережна ідентифікація складних об’єктів керування

Ролик А.И. Модель управления перераспределением ресурсов информационно-телекоммуникационной системы при изменении значимости бизнес-процессов

Кириллов О.Л., Якимчук Г.С., Якимчук С.Г. Изучение электрического поля с помощью датчика измерителя электростатического потенциала на модели замкнутого металлического объема

Грицик В.В. Застосування штучних нейронних мереж при проектуванні комп’ютерного зору.

Гасанов А.С. Информационные технологии построения систем прогнозирования отказов

Шеховцов А.В., Везумский А.К., Середа Е.С. Алгоритм сжатия информации без потерь: модифицированный алгоритм LZ77

Ходаков В.Е., Жарикова М.В., Ляшенко Е.Н. Методы и алгоритмы визуализации пространственных данных на примере моделирования распространения лесных пожаров.

Полякова М.В., Крылов В.Н. Обобщённые масштабные функции с компактным носителем в задаче сегментации изображений упорядоченных текстур. – C. 75 – 84.

Полторак В.П., Дорогой Я.Ю. Система распознавания образов на базе нечеткого нейронного классификатора.

Литвиненко В.И. Синтез радиально-базисных сетей для решения задачи дистанционного определения концентрации хлорофилла.

Бражник Д.А. Управление совмещением изображения объекта в сцене и эталонного изображения.

Бабак В.П., Пономаренко А.В. Локализация места положения сквозных дефектов по сигналам акустической эмиссии.

Мороз В. В. R-D проблема и эффективность систем сжатия изображений.

Крылов В.Н., Полякова М.В., Волкова Н.П. Контурная сегментация в пространстве гиперболического вейвлет-преобразования с использованием математической морфологии.

Квасников В.П., Баранов А.Г. Анализ влияния дестабилизирующих факторов на работу биканальной координатно-измерительной машины.

Казак В.М., Гальченко С.М., Завгородній С.О. Аналіз можливості застосування імовірнісних методів розпізнавання для виявлення пошкоджень зовнішнього обводу літака.

Тищенко И.А., Лубяный В.З. Управление коммутационными процессами в интегрированных сетях связи.

Корниенко-Мифтахова И.К.,Филоненко С.Ф. Информационно-измерительная система для анализа характеристик динамического поведения конструкций.

Тверезовский В.С., Бараненко Р.В. Модель измерителя емкости с линейной шкалой измерений.

Полякова М.В., Крылов В.Н. Мультифрактальный метод автоматизированного распознавания помех на изображении.

Рожков С.О., Федотова О.М. Алгоритм розпізнавання дефектів тканин для автоматичної системи контролю якості.

Бражник Д.А. Использование проективного преобразования для автоматизации обнаружения объектов.

Ходаков В.Є., Шеховцов А.В., Бараненко Р.В. Математичні аспекти створення автоматизованої системи „Реєстр виборців України”