На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

В Магнитогорском государственном техническом университете им. Г.И. Носова в ходе научной работы создана методика улучшения и сегментации изображения

15.05.2013

Одной из частей АСУ технологическим процессом (ТП) являются подсистемы, использующие модули распознавания образов для информации, полученной в графическом виде. Для таких систем выдвигаются дополнительные требования к информационному обеспечению – прежде всего получение в результате распознавания изображений достоверной, полной и точной информации. Немаловажным фактором для успешного функционирования MES-уровня (Manufacturing Execution System – производственная исполнительная система) является время обработки образа, а для оперативного планирования на ERP-уровне (Enterprise Resource Planning System – система планирования ресурсов производства) необходим точный прогноз этого времени.

Одной из проблем, приводящих к получению и обработке информации графического вида в рамках АСУ ТП металлургического предприятия, является оценка изображений серных отпечатков и фотографий образцов (темплетов), полученных от непрерывно-литой заготовки. Для автоматизации распознавания отпечатков и фотографий требуются проектирование и разработка системы обработки изображений темплетов для определения макродефектов непрерывно-литой заготовки, включающей получение изображения в электронном виде, улучшение, сегментацию и классификацию объектов на его поверхности.

Дефекты, выделяемые на обрабатываемых изображениях темплетов непрерывно-литых заготовок, характеризуются случайным местом положения и нерегулярной формой. В ходе анализа полученных изображений были выявлены следующие особенности:

– перспективные искажения изображения, вызванные геометрическими особенностями темплета;

– неоднородность фона, окружающего темплет;

– наличие рукописных отметок с обратной стороны серного отпечатка;

– наличие областей с повышенной и пониженной яркостью, возникающей за счет неравномерного освещения поверхности;

– низкая контрастность изображения серного отпечатка, связанная с низким содержанием серы в химическом составе изучаемых темплетов;

– отсутствие достаточной резкости на изображении из-за геометрических особенностей темплета.

Решение задачи автоматизации распознавания изображений потребовало разработки методики, позволяющей в зависимости от свойств изображения выбрать траекторию его обработки. Методика использует множество типовых алгоритмов, принятых и используемых в настоящее время.

Подробное описание дается в статье «Прогнозирование времени обработки изображений детерминированными методами», авторы: Мацко И.И., Логунова О.С., Посохов И.А. (Магнитогорский государственный технический университет им. Г.И. Носова).