Сетевое издание
Современные проблемы науки и образования
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 1,006

АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ КЛАССИФИКАЦИИ ТОЧЕЧНЫХ ДЕФЕКТОВ ЛИСТОВОГО СТЕКЛА

Ефимов И.В. 3 Петров Д.Ю. 1, 3 Иващенко В.А. 3, 1 Мешалкин В.П. 2, 4
1 Институт проблем точной механики и управления РАН
2 Институт общей и неорганической химии имени Н.С. Курнакова РАН
3 Саратовский государственный технический университет имени Ю.А. Гагарина
4 Российский химико-технологический университет имени Д.И Менделеева
В статье «Алгоритмическое обеспечение классификации точечных дефектов листового стекла» рассмат-риваются вопросы построения алгоритма классификации данных дефектов и его применения в ком-плексе программ для анализа листового стекла на дефекты. При этом авторы делают основной акцент на реализации алгоритма классификации дефектов, который играет ключевую роль в работе системы. Ста-тья начинается с введения, в котором в общих чертах описывается принцип работы комплекса программ идентификации точечных дефектов листового стекла и алгоритм их классификации с использованием искусственной нейронной сети и эвристических правил определения типа дефекта. Рассмотрена блок-схема алгоритма и представлено его детальное описание. В конце статьи приведено взаимодействие предложенного программного комплекса с системой управления многостадийным производством ли-стового стекла и описание инструментальных средств разработки программного комплекса.
Алгоритм; Классификация; Стекло; Дефект; Эвристическая процедура
1. Большаков А.А., Шатохин В.В. Синтез автоматизированных комбинированных обучаю-щих систем // Системы управления и информационные технологии. – 2004. - № 4 (16). - С. 73-77.
2. Будов В.М., Саркисов П.Д. Производство строительного и технического стекла. – М. : Высшая школа, 1991. - 319 с.
3.Домнич В.С., Иващенко В.А., Петров Д.Ю. Автоматизация поиска причин аварийных си-туаций при формовании листового стекла // Проблемы управления. - 2011. № 5. С. 52–58.
4. Ефимов И.В., Петров Д.Ю., Каплина Т.В. Экспертная система для идентификации точеч-ных дефектов листового стекла // Материалы Всероссийской научной конференции с меж-дународным участием «Проблемы критических ситуаций в точной механике и управлении». – Саратов : Наука, 2013. - С. 50-52.
5. Куранов С.В., Иващенко В.А. Системный подход к построению системы автоматизиро-ванного управления процессом варки стекла // Современные проблемы науки и образова-ния. – 2013. – № 2. - URL: www.science-education.ru/108-9054 (дата обращения: 02.12.2013).
6. Мешалкин В.П. Экспертные системы в химической технологии. - М. : Химия, 1995. – 367 с.
7. Саркисов П.Д., Бутусов О.Б., Мешалкин В.П. Компьютерные инструментальные средства молекулярной инженерии и вейвлетно-морфометрический анализ текстуры наноматериалов // Теоретические основы химической технологии. – 2011. – Т. 45. - № 1. - С. 3-14.
8. Саркисов П.Д., Бутусов О.Б., Мешалкин В.П., Севастьянов В.Г., Галаев А.Б. Математиче-ские методы анализа фрактальных структур на микрофотографиях нанокомпозитов // Теоре-тические основы химической технологии. – 2010. – № 3.
9. Фурман Я.А. Введение в контурный анализ. Приложения к обработке изображений и сигналов. - М. : Физматлит, 2003. – 592 с.

Предложен алгоритм классификации точечных дефектов в листовом стекле на основе использования искусственной нейронной сети и эвристических правил классификации дефектов; рассмотрено место комплекса программ идентификации точечных дефектов в системе управления многостадийным производством листового стекла.

На различных стадиях производства листового стекла нарушения, возникающие в технологическом процессе (ТП), могут привести к возникновению различного рода дефектов в листовом стекле. Дефекты листового стекла ГОСТ Р 54170-2010 подразделяются на оптические и точечные. Точечный дефект - это включения газового, кристаллического или иного происхождения, например пузырь, свиль, мошка и т.д. [2].

Для повышения энергоресурсоэффективности и качества листового стекла, устранения причин возникновения в нём дефектов необходима разработка научно обоснованных методов и алгоритмов их классификации [6].

Предложен алгоритм классификации точечных дефектов в листовом стекле, являющийся составной частью комплекса программ идентификации точечных дефектов листового стекла (КПИТДЛС).

Функционирование КПИТДЛС в режиме реального времени включает: 1) локализацию дефекта в листовом стекле; 2) определение типа контура ядра дефекта, сбора, накопления и систематизации данных для его распознавания по предложенному набору эвристических правил.

Этап локализации дефекта стекла включает операции оптического сканирования движущейся ленты стекла и компьютерной обработки отсканированного изображения. Сканирование выполняется специальной оптической автоматизированной системой. Локализация дефекта в движущейся ленте стекла осуществляется по захвату электрического сигнала с видеокамеры, его фильтрации и частотному анализу.

Алгоритм классификации дефектов в листовом стекле состоит из следующих этапов: 1) представление контура дефекта в виде набора элементарных векторов; 2) эквализация контура (приведение к единому размеру) [9]; 3) перевод набора векторов к совокупности скалярных значений; 4) определение типа контура (гладкий или с изломами); 5) распознавание дефекта; 6) передача типа дефекта на сервер базы данных (БД), взаимодействующий с АСУ ТП.

Блок-схема нейронно-эвристической процедуры классификации точечных дефектов стекла представлена на рис. 1. Информацию о контуре дефекта в векторной форме считывает блок 1. Она преобразуется в совокупность скалярных значений для передачи во входной слой искусственной нейронной сети (ИНС) (блок 2). Блок 3 определяет типа контура дефекта. Геометрическая форма дефекта определяется в блоке 4. В блоке 5 выполняется считывание информации о яркости дефекта для подготовки исходных данных для эвристической процедуры (блок 6). В блоке 6 на основе эвристических правил определяется тип дефекта. Блок 8 обеспечивают сохранение полученной информации в БД и её отображение оператору.

Рис. 1. Блок-схема нейронно-эвристической процедуры

Для принятия управленческих решений по коррекции ТП используется информация из блока 9. В случае если тип дефекта определить не удалось, технологу передается соответствующее сообщение (блок 10), при получении которого он анализирует полученные данные, изменяет эвристические правила, проверяет адекватность новых настроек и заменяет на них используемые.

Перед подачей на классификатор контур дефекта кодируется последовательностью (блока 2), состоящей из комплексных чисел (элементарных векторов). На контуре фиксируется начальная точка и осуществляется его обход по часовой стрелке. Каждый вектор записывается в виде комплексного числа a+ib, где a – смещение точки по оси X, а b – смещение по оси Y. Смещение определяется относительно предыдущей точки контура. В итоге получается набор элементарных векторов: , где − элементарный вектор [3].

Набор элементарных векторов в зависимости от размеров дефекта может иметь различную длину, что недопустимо для классификатора, имеющего ограниченное число входов. Поэтому выполняется эквализация (приведение к определенному размеру) исходного контура (2048 элементарных векторов) до заданного размера путем замены нескольких элементарных векторов одним.

Элементарные векторы переводятся в скалярный вид . В итоге получается вектор скалярных значений , который подается на вход ИНС для классификации типа контура. На выходе ИНС получается набор значений (). Тип контура соответствует конкретному номеру возбужденного нейрона, определяемому по соотношению . Первый выход соответствует типу «гладкий контур», а второй ? «контур с изломами». Выбор структуры, обучение и моделирования ИНС выполнено с применением пакета прикладных программ MATLAB версии 7.11 (R2010b).

База знаний (БЗ) автоматизированной комплексной системы идентификации точечных дефектов в листовом стекле содержит набор эвристических правил, в соответствии с которыми выполняется сравнение информации о дефекте [4]. Исходной информацией для реализации эвристической процедуры классификации является: I ? интенсивность пропускания светового потока ядром дефекта, δ ? наличие искажений вокруг ядра, ф ? форма ядра, к ? тип контура, ? ширина и ? длина ядра.

Ниже приведены правила определения типов.

ЕСЛИ ( = «круг» ИЛИ = «овал») И = «гладкий контур» И ( > 90% И < 100%) И ³ И ( = true ИЛИ = false), ТО дефект = «Пузырь».

ЕСЛИ = «ломаная форма» И = «контур с изломами» И ( > 70% И < 85%) И >> И = true, ТО дефект = «Свиль».

ЕСЛИ ( = «круг» ИЛИ = «овал») И = «гладкий контур» И ( > 50% И < 85%) И ³ И ( = true ИЛИ = false), ТО дефект = «Сульфатный пузырь».

ЕСЛИ = «ломаная форма» И = «контур с изломами» И ( > 0% И < 40%) И ³ И = true, ТО дефект = «Включение».

ЕСЛИ = «ломаная форма» И = «контур с изломами» И ( > 300% И < 7040%) И ³ И = false, ТО дефект = «Матовость поверхности».

ЕСЛИ = «круг» И = «гладкий контур» И = 0% И = И = false, ТО дефект = «Капля олова».

ЕСЛИ = «ломаная форма» И = «контур с изломами» И = 0% И = И = false, ТО дефект = «Оксид олова».

Указанные выше правила хранятся в БЗ текстовом виде, что позволяет ее дополнять и изменять, не затрагивая систему в целом. Эти правила компилируются системой при старте и в дальнейшем выполняются в режиме реального времени.

Для реализации разработанного алгоритма предлагается КПИТДЛС, обеспечивающий функционирование средств сбора информации с датчиков и видеокамер, автоматизированной системы управления резкой ленты стекла, автоматизированных рабочих мест (АРМ) технолога и оператора (АРМО) (рис. 2). Взаимодействие указанных компонентов осуществляется через (БД) реального времени (РВ) и общей БД производства (ОБДП). БДРВ поддерживает синхронизацию, репликацию данных и их резервирование для обеспечения отказоустойчивости в реальном масштабе ТП. ОБДП обеспечивает с помощью АРМ начальника производства и АРМ технолога решение задач автоматизированной системы управления производством ? MES-системы [3; 5; 7; 8]. АРМО являются составной частью соответствующих АСУ ТП и обеспечивают решение задач оперативного операторского управления соответствующих ТП.

БДРВ обеспечивает взаимодействие комплекса программ, АСУ резки и упаковки листового стекла и АРМО. На промышленном компьютере АСУ резкой и упаковкой листового стекла решается задача оптимизации раскроя ленты стекла с учетом производственного задания и размещения на ленте стекла выявленных дефектов. БДРВ обеспечивает оперативное решение задачи оптимизации раскроя ленты стекла за счет быстрого обмена информацией. Программное обеспечение КПИТДЛС разработано на языке программирования C++ с использованием среды разработки Visual Studio 2008 под расширение реального времени Windows RTX и реализуется на промышленном компьютере на базе отказоустойчивого двухпроцессорного сервера Fastwel AdvantiX IS-4U-SYS5.

Рис. 2. Блок-схема структуры системы управления многостадийным производством листового стекла

Разработанное алгоритмическое обеспечение предоставляет в режиме реального времени классификацию наиболее часто встречающихся точечных дефектов листового стекла. Оно обеспечивает функционирование КПИТДЛС в составе автоматизированной системы управления многостадийным производством высококачественного листового стекла.

Рецензенты:

Твердохлебов В.А., д.т.н., профессор, главный научный сотрудник лаборатории системных проблем автоматизации и управления Института проблем точной механики и управления РАН, г.Саратов.

Якунин А.Н., д.ф.-м.н., старший научный сотрудник, заведующий сектором лаборатории системных проблем автоматизации и управления Института проблем точной механики и управления РАН, г.Саратов.


Библиографическая ссылка

Петров Д.Ю., Мешалкин В.П., Ефимов И.В., Иващенко В.А., Петров Д.Ю., Иващенко В.А., Мешалкин В.П. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ КЛАССИФИКАЦИИ ТОЧЕЧНЫХ ДЕФЕКТОВ ЛИСТОВОГО СТЕКЛА // Современные проблемы науки и образования. – 2013. – № 6. ;
URL: https://science-education.ru/ru/article/view?id=11433 (дата обращения: 29.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674