Автоматика.
    Автоматизация.
        Электротехнические
            комплексы и системы.

УДК 677.05.059:621.3.078.08

АВТОМАТИЧЕСКАЯ СИСТЕМА РАЗБРАКОВКИ ТКАНЕЙ

С ПЕЧАТНЫМ РИСУНКОМ МЕТОДОМ КОМПЕНСАЦИИ ИНФОРМАЦИОННЫХ ПОТОКОВ

Терновая Т.И.

Контроль качества выпускаемой продукции является актуальным вопросом современного производства. При расширении рынка сбыта готовых тканей украинского производства на ближнем и дальнем зарубежье особенно важно сочетание высокого качества и приемлемой цены. На достижение этого сочетания влияет разработка и внедрение новых методов автоматического контроля готовой продукции.

Одной из главных проблем, возникающих при создании автоматических систем контроля визуальных показателей ткани со сложным печатным рисунком, является проблема обработки большого потока информации в реальном масштабе времени. Сканирование ткани, которое должно проводится с высоким разрешением, передача отсканированного изображения и обработка последнего вызывает значительные затраты машинных ресурсов и времени. Это приводит к тому, что системы, построенные с использованием  современных процессоров и   электроники, не успевают обрабатывать поступающий поток данных в ограниченный интервал времени, обусловленный требованиями производства. Решить данную проблему можно отказавшись от  классического подхода к распознаванию образов и учитывать только те аспекты, которые влияют на разбраковку тканей.

Известно, что наиболее ответственному этапу, сопоставлению эталона и изображения, предшествует предварительная обработка полученного изображения. В системах машинного зрения для реализации таких функций как устранение случайных помех, очертание контуров объекта, выделение составляющих частей, которым соответствуют перепады яркости, и многих других используются различные методы [1]. Анализ данных методов показывает, что использование их в реальном масштабе времени при огромных  потоках данных не представляется возможным.

В отличии от создания систем распознавания объектов окружающего мира с элементами искусственного интеллекта, создание системы автоматической разбраковки текстильных материалов значительно упрощается тем, что:

-  предмет контроля плоский,

-  ракурс сканирования и ориентация ткани не меняется в процессе контроля,

-  можно ограничить степень допустимых деформаций и искажений,

- можно добиться равномерного и постоянного освещения ткани, что устранит изменение цвета и текстуры поверхности, появления границ, обусловленных тенью.

Также следует учитывать, что для качественной разбраковки тканей нет необходимости решать задачу распознавания в полном объеме, так как существуют дефекты, на которые насчитываются одинаковое количество балов влияющие на сортность. Т.е. часто нет необходимости выяснять дополнительные параметры дефектов, например, такие как форма, если известно количество балов соответствующих этому дефекту.

При использовании метода компенсации информационных потоков можно совместить функционально и по времени процесс сканирования и сравнение с эталоном [2]. Структурная схема  системы распознавания с использованием этого метода  показана на рис.1.

Рис. 1 Структурная схема системы распознавания с использованием метода компенсации информационных потоков

Автоматическая система распознавания дефектов ткани со сложным печатным рисунком состоит из двух основных подсистем: подсистемы компенсации информационных потоков от объекта контроля и эталона  хранящегося в памяти ЭВМ и подсистемы классификации.

Подсистема компенсации содержит модуль генерации допустимых деформаций позволяющий управлять считыванием эталона  ткани с рисунком из памяти ЭВМ. К допустимым деформациям относят деформации, не приводящие к снижению качества готовой продукции, т.е. их можно предварительно описать  и определить допустимые границы искажений при которых упругая деформация переходит  в неупругую. Модуль генерации деформаций позволяет управлять допустимыми искажениями по следующим направлениям:

1.        растяжение-сжатие по горизонтали;

2.        растяжение-сжатие по вертикали;

3.        перекос влево;

4.        перекос вправо;

5.        выпуклость-вогнутость.

Поскольку печатный рисунок и структура ткани напрямую не связаны, что обусловлено возможностью нанесения печатного рисунка на деформированную ткань, модуль генерации шумов, обусловленных структурой ткани работает автономно от модуля деформаций рисунка. Он учитывает сигнал рассогласования изображений структуры сканируемого изображения и эталонной структуры и также управляет генерацией эталона. В отличии от реализации такой системы для распознавания выделенного дефекта задача упрощается тем,  что, во-первых, в отличии от дефекта, вид и степень деформаций предсказуемы и для их хранения требуется меньше системных ресурсов вычислительной техники. И, во-вторых, т.к. большинство деформаций в отличии от дефектов появляются постепенно, увеличиваясь или уменьшаясь в каждом последующем раппорте ткани, автоматическая система успевает адаптироваться и более качественно осуществлять позиционирование изображения эталона на отсканированное изображения контролируемой ткани [3]. Таким образом, изображение полученное со сканера компенсируется эластичным эталоном и классификатор, входящий в подсистему классификации, учитывает при принятии решения степень деформации контролируемого объекта. Программа сопоставления эталона и изображения выделяет вектор рассогласования, который подается на модуль генерации допустимых деформаций, позволяя последнему генерировать деформированный в допустимых пределах эталон.

Систему компенсации потока информации, поступающего от реального объекта, потоком от эталона можно реализовать с использованием аналоговых элементов, что позволит ей работать в реальном масштабе времени. Фактически на систему классификации брака ткани со сложным печатным рисунком  поступает только сигнал дефекта, что существенно облегчает его распознавание при разработанных  в настоящее время классификаторах для однотонных тканей [4]. Существующие алгоритмы обработки отсканированного изображения позволяют обнаруживать дефекты с амплитудой сигнала не превышающей амплитуды сигнала рисунка ткани и распознавать эти дефекты.

Программа сопоставления эталона и изображения обрабатывает разность информационных потоков

что по объемам существенно меньше информационному потоку от сканера, а в случае отсутствия искажений и деформаций  близка к нулю. При ограниченных реальных пропускных способностях компьютерных сетей, использование метода компенсации информационных потоков позволит интегрировать автоматическую систему распознавания дефектов готовой продукции в систему управления предприятием с использованием современных информационных технологий.

Одним из наиболее ответственных этапов распознавания является совмещение изображения и эталона с учетом допустимых деформаций. Причем на этом этапе отсутствует анализ изображения и идет настройка эластичного в допустимых пределах эталона на контролируемый объект. Анализируются затраты на управление  эталоном, а также величина и направление его изменений.  Характер и мера допустимых деформаций закладываются в автоматическую систему предварительно и корректируются на этапе обучения и настройки.

Совмещение удобно производить, используя сетку отсчетов на эталоне и изображении. Шаг отсчетов можно выбирать равномерный либо изменяющийся в зависимости от структуры рисунка. Смещение каждого узла  сетки  эталона Ω_st относительно его положения на сетке отсканированного изображения Ω_sc может быть задано вектором , совокупность которых составляет случайное векторное поле деформаций

заданное на сетке Ω.

Оценим сдвиг h двумерного случайного поля ,   , по одной из координат j₁  или   j₂. Пусть случайное поле задано разностным стохастическим уравнением [5]:

где   ρ  и  r - коэффициенты корреляции  между соседними значениями по строке и столбцу соответственно;

           - независимые гауссовские случайные величины с нулевыми средними и единичными дисперсиями:

Рассмотрим формирование изображений предшествующее совмещению. Раппорты изображений рисунка  получаемые от эталона и контролируемой ткани выражаются формулами (6) и (7) соответственно:

где      - аддитивная помеха;

N    - количество узлов совмещения на координатной сетке.

Поскольку  сложный рисунок в большинстве случаев наносится на ткань печатным способом, нет строгой привязки структуры ткани и раппорта рисунка и, следовательно, аддитивная помеха имеет две составляющие:

где      - аддитивная помеха, вызванная несовершенством оборудования для сканирования и передачи отсканированного изображения;

         -  аддитивная помеха, вызванная структурой ткани.

Для идеального случая, т.е. при отсутствии деформаций и помех имеем:

Для реальных условий контроля тканей на производстве разность (9) не равна нулю и ее получение, передача и анализ вызывает значительные затраты машинных ресурсов и времени. Поэтому системы автоматической разбраковки не успевают обрабатывать поступающий поток данных в ограниченный интервал времени, обусловленный требованиями современного производства.

Оценить совпадение можно из условия:

где α – мера деформации по одному из видов деформации.

Полагая, что h  - сдвиг по координате j₁, запишем

где

таким образом, минимальная дисперсия ошибки определяется формулой

где          T  –  интервал времени между соседними отсчетами;

g – отношение дисперсий информационной последовательности и помехи:

Но необходимо учесть, что общее число N точек в области Ω равно произведению N₁ ∙ N₂. при отсутствии помехи в наблюдениях, т.е. при

аналогично могут быть найдены и другие параметры, такие как поворот, совместные сдвиг и поворот, и др.

Управляя эталоном в пределах допустимых деформаций можно свести разницу  к нулю и в дальнейшем анализировать затраченные на достижение этого ресурсы управления.

Для эластичного эталона формула (6) будет иметь вид:

где    - управление деформациями.

Совмещение эластичного эталона и изображения контролируемой ткани осуществляют за счет изменения  до достижения при отсутствии дефектов

Подставим (7) и (16) в формулу (17), получим

Отсюда искажения можно оценить, анализируя управление допустимыми деформациями  :

где     -  погрешность, обусловленная несовершенством оборудования для сканирования и передачи отсканированного изображения и помеха, вызванная структурой ткани.

При достаточно качественном оборудовании сканирования и передачи отсканированного изображения контролируемой ткани и компенсации шумов, обусловленных структурой ткани, погрешностью можно пренебречь,  и деформации полностью компенсируются управляющим воздействием блоком генерации допустимых деформаций:

Поскольку управляющее воздействие  известно, то на распознавание деформаций не затрачиваются машинные и временные ресурсы.

Выводы:

1. При ограниченных реальных пропускных способностях компьютерных сетей, использование метода компенсации информационных потоков позволит интегрировать автоматическую систему распознавания дефектов готовой продукции в систему управления предприятием с использованием современных информационных технологий.
2. Введение в систему генерацию упругих деформаций повышает скорость и надежность распознавания дефектов ткани на стадии разбраковки и определения сортности.
3. Распознавание деформаций ткани можно проводить, анализируя управление допустимыми деформациями  , что позволяет экономить машинные и временные ресурсы.

1.                   Хорн Б.К.П. Зрение роботов :Пер. с анг. - М.: Мир, 1989.-487 с., ил

2.                   Храпливый А.П., Рожков С.А., Терновая Т.И., Бражник Д.А. Использование метода компенсации информационных потоков при создании систем автоматического распознавания  // Автоматика, Автоматизация. Электротехнические комплексы и системы. - 1998, №2.  С. 93-100.

3.                   Тернова Т.І.,  Храпливий  А.П., Бражник О.М., Тимофеєв К.В., Рожков С.О.  Пристрій для визначення просторового зміщення зображення об’єкту по відношенню до еталону зображення. Патент 30433А Україна, МКВ G06К 9/00, №4707484/SU; Опубл. 15.11.2000 р., Бюл. № 6-11

4.                   Федотова О.Н. Разработка классификатора системы разбраковки тканей:  Диссертация на соискание ученой степени кандидата  технических наук: 05.13.07.- Херсон. 1996. –150 с.

5.                   Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений / Ульяновск: УлГТУ, 2000. – 131с.