CC BY
18
3. Зимон А.Д. Адгезия жидкости и смачивание / А.Д. Зимон. - М. : Изд-во "Химия", 1974. -
414 с.
4. Ельцов С.В. Физическая и коллоидная химия / С.В. Ельцов, Н.А. Водолазкая. - Харьков : Изд-во ХНУ, 2005. - 240 с.
5. Яремчук Л.А. Математичш модел1 змочування деревини модифжованими олшними ма-тер1алами / Л. А. Яремчук // Науковий вюник НЛТУ Украши : зб. наук.-техн. праць. - Львш : РВВ НЛТУ Украши. - 2013. - Вип. 23.8. - С. 373-378.
Яремчук Л.А., Поберейко Б.П. Математическая модель работы адгезии масляных композиций на древесине
Приведена математическая модель для исследования работы адгезии масляных композиций на древесной подложке. Теоретически определено время растекания масляной композиции на древесине. Заданы граничные условия термодинамических параметров, которые описывают взаимосвязь древесины (твердое тело) с масляной композицией (жидкость) на основе закона Гиббса для построения математической модели работы адгезии. Определено влияние термодинамических свойств древесины и масляной композиции на краевой угол смачивания поверхности. Получена зависимость времени растекания масляной композиции по поверхности древесины.
Ключевые слова: математическая модель, работа адгезии, адсорбция, масляная композиция, краевой угол смачивания, адсорбент, адсорбат.
Yaremchuk L.A., Pobereyko B.P. The Mathematical Model of Adhesion of Oil Compositions over Wood Surface
A mathematical model for the study of the work of adhesion of oil compositions on the wood substrate is proposed. Time for spreading oil composition over the wood surface is theoretically determined. We identify boundary conditions of thermodynamic parameters that describe the relationship of wood (solid) with an oil composition (liquid) according to the Gibbs law, for construction of the mathematical model of the work of adhesion. The influence of the thermodynamic properties of wood and oil composition on the contact angle of the surface is defined. The dependence of the time for spreading of the oil composition over the wood surface is obtained.
Keywords: mathematical model, the work of adhesion, adsorption, oil composition, the contact angle, the adsorbent, adsorbate.
УДК 677.027 Доц. С.О. Рожков, д-р техн. наук -
Херсонская государственная морская академия
МЕТОД КОМПЕНСАЦИИ ИНФОРМАЦИОННЫХ ПОТОКОВ В ЗАДАЧЕ КОНТРОЛЯ КАЧЕСТВА ТЕКСТИЛЬНЫХ МАТЕРИАЛОВ
Рассмотрен метод построения системы идентификации, которая базируется на использовании автономной системы вычисления меры близости между предъявленным образом и эталоном. Существенной особенностью такого подхода является значительное уменьшение (сжатие) информации, поступающей на вход системы принятия решения. Модель системы оптимальной фильтрации обеспечивает обнаружение отклонения от эталонного состояния объектов сложной структуры. Рассмотренный метод позволяет построить систему распознавания, инвариантной к возмущениям в пространстве объекта.
Ключевые слова: сканирующая система, генерация эталона, ткань, идентификация, распознавание.
Введение. Важнейшей характеристикой продукции текстильной промышленности является качество. Дефекты текстильной продукции вызваны множеством факторов, таких как неисправности производственного оборудования, нарушения технологического процесса, человеческий фактор. Контроль
качества продукции инспекторами-контроллерами малоэффективен, а применение систем контроля качества [1, 10-13] затруднено из-за их высокой стоимости. В настоящее время особый интерес представляет разработка систем технического зрения для эффективного использования их в технологических процессах. Внедрение современных систем обработки информации сдерживается целым рядом факторов: значительные потоки информации в системах управления качеством продукции, высокая стоимость разработки специализированных систем с низким соотношением сигнал/шум в системах обработки информации, например: шумов видеопреобразователей, неравномерности засветки в зоне контроля, вибрациями оборудования и объекта контроля - ткани и т. п.) [8]. Поэтому очевидна необходимость интеграции подсистемы распознавания образов с подсистемой восприятия информации в один конструктивный блок.
Анализ последних исследований. Система автоматического контроля качества (САКК) в общем случае состоит из: сканирующей системы, системы распознавания и системы принятия решения. Известные системы для контроля качества однотонных полей, к которым можно отнести неокрашенную или равномерно (гладко) крашенную ткань, используют оптические методы контроля, например, высокоскоростные системы телевизионного сканирования с когерентными источниками излучения. Однако, несмотря на достаточно высокое быстродействие современных систем технического зрения, используемые в них алгоритмы распознавания не дают возможности осуществлять в реальном масштабе времени выделение локальных особенностей объектов (дефектов) [1, 4, 5, 7]. Методы, которые применяют при реализации систем распознавания: геометрические, байесовские, логические, структурные и другие, в том числе и методы с обучением, дают хорошие результаты при малом количестве обнаруживаемых особенностей. При большом числе локальных особенностей эти методы применять неэффективно из-за сложности их реализации. Одним из способов повышения быстродействия систем распознавания является совершенствование алгоритмов распознавания. При контроле ткани с использованием метода компенсации информационных потоков возникает задача генерации эталона. Использование геометрического метода генерации эталона дает возможности выделять яркости изображения вдоль осей х и у [2]. Этот метод прост в реализации, однако для каждого артикула требуется выполнить построение математической модели, что значительно усложняет обучение системы распознавания. Кроме того, применение данного метода для моделирования тканей сложного переплетения и тканей с рисунком достаточно затруднено.
Использование структурных методов основано на выделении на изображении характерного повторяющегося элемента, который наиболее полно характеризует исследуемую текстуру. Для задачи контроля качества тканей этот метод является перспективным, т. к. текстильная ткань при описании является объектом с определенной структурной характеристикой - частотой по утку и основе.
Основная часть. Метод компенсации информационных потоков предоставляет аппарат, инвариантный к искажениям структуры контролируемого объекта [6-8]. Эталонное изображение должно содержать максимальный объем информации об образе контролируемого объекта. Примером реализации опи-
санных выше принципов является система с поиском корреляционного максимума, предназначенная для распознавания дефектов тканей, подробно описанная в [7-9]. При построении оптимальной системы в качестве целевого функционала можно использовать вероятность правильной идентификации.
Оценка вероятности ошибки связана с оценкой информационного потока соотношением H (K / V)> H (K / D)> Hmax (H (K / V) /2), где H (K / V) - энтропия по описанию при K классах и V описаниях, мера недостаточности описания V по отношению к идеальному описанию, безошибочно указывающему класс; H (K / D) - энтропия по оптимальному решению, где оптимальное решение можно рассматривать как некоторое предельно упрощенное описание, указывающее к какому классу с наибольшей вероятностью принадлежит данный сигнал; Hmax (H (K / V) /2) - максимальная энтропия при Pmax.
В силу связи точной верхней и нижней границ энтропий [9] максимальная вероятность правильной идентификации достигается при H (K / V) = H (K / D) = 0. Рассматривая объект как систему X, а эталон как ее описание Y, можно утверждать, что условная энтропия H (X2Y) обращается в
ноль, если эталон содержится в объекте, т. е. отсутствует неопределенность эталона по отношению к объекту. Таким образом, в рамках задачи идентификации, принятие решения по минимуму условной информации для связанных объектов доставляет минимум вероятности ошибки.
Рассматривая систему с эталонной моделью и конкретным образом рисунка üi, выделим основные потоки информации в системе, движение которой происходит в пространстве состояния x под управлением u. Информационный поток источника Je = Je(x, u, üi, t)и информационный поток эталонной модели порождаются физически различными источниками, но они связаны единством
образа Ü. Их условная информация, таким образом, связана и обладает экстре-
^ * *
мальными свойствами, т. е. существуют такие x и u , которые доставляют минимум условной информации Jty.
Рассматривая потоки JO и Jy как встречные с мерой отклонения J£, где
J£ = Je(x, u, üi, t) - условная информация Jty. В данной постановке решение за-
Q* * т
i: x , u —^ min Je связано с решением задачи идентификации в классе образов ü : üi — Inf Je.
При такой постановке структурная схема системы приобретает вид, приведенный на рис. 1.
Рис. 1. Структурная схема оптимального фильтра
В качестве отклонения выходного сигнала объекта от сигнала модели выступает - условная информация связи между потоком 30 и потоком . При увеличении степени согласования объекта и эталона, взаимная информация возрастает и достигает своего максимума при эквивалентности систем, и существует возможность использовать либо взаимную, либо условную информацию как критерий близости.
Определим удобный для наблюдения параметр, однозначно связанный с 3е используя идею метода допустимых преобразований [0-0], где для допустимого преобразования Е (к, Ь) эталона строится условное распределение g (V,Е) = /(р (V /Е)), монотонно убывающие, если g (V,Е) описывает различие между V и Е. Рассмотрим корреляционную меру близости между эталонным со* и предъявленным образом ю, учитывая апертурное ограничение, связанное с превышением геометрических размеров поля контроля над "окном" датчика.
Сканирующее движение порождает сигналы эталона /* (х) и объекта /(х) с законом сканирующего движения в пространстве эталона как х = х{и (г)} и законом сканирования в пространстве объекта х = х{V(г)} Очевидно, при усреднении по реализациям расстояние между эталоном и объектом определиться:
р* = maxДxр(ю,ю*,Ах) = max^М{0 (х)* Дх)} ,
* (1)
0 0 у '
р* = тахд* Ц 0 (х) 0 (х +Ах) dS',
где: 0* (х) и 0(х) - центрированные сигналы эталона и объекта; Яю - область чувствительности датчика; Бх - пространственный сдвиг между эталоном и изображением.
После осреднения по времени получаем среднее значение отклонения объекта и эталона
1т * ( 1т * ^ р* = тахАх—|р^г = Ц тахАх—|/(х^(г)}/*(х{и (г)} + Ах)dt IdS . (2)
T
1 0 Sa
T
V 1 о
Пространственный сдвиг Ах в области Яю для сигнала объекта определяет параллельное представление изображения объекта в окне Яю. При условии совпадения объекта и эталона 0 = 0* найдется Ах*, при котором:
Ax ^ sup
Дхе Sa
( 1 T \
- J f (x|v (t )} + Ax) f * (x|u (t)}) dt
V1 о
(3)
Au = v(t) - u(t) = 0.
В данной задаче внесена неопределенность совмещения в пределах Sa. Поэтому условие (3) усложняется, переходя в условие Ax (t)е Sa, Ax = const, что позволяет поставить двойственную задачу при ограничениях Au*(t) ^ Ax = const.
Ограничение на управление Дм*(t)eQ определяется требованием связности окрестности образа, т. е. управление должно не превышать допустимого ресурса управления, если деформации не превышают допустимых значений. Таким образом, если задача оптимального управления при ограничениях Дх = const и Дм*(t)eü имеет решение, то образы, порождающие сигналы f и f *, будут близки. Учитывая вышесказанное, определим затраты на управление как условие информационной близости образов а>* и о, что и определяет алгоритм решения задачи идентификации
ощ ^infДм*. (4)
xeSo
Таким образом, выполнение условий затухания управления v (t) = м (t), постоянства координат корреляционного максимума Дх = const и условие совпадения эталона и объекта f = f * доставляют sup р*. В случае деформации объекта (ткани), как линейного преобразования координат х = Ax\, определим связь между аргументами как Axv (t) + Дх = xv (t) + Дм .
При нарушении условия оптимальности Dx зависит от времени
Дх(t) = xv (t) + Дм - Axv (t). (5)
Вектор управления оценим по линейному приближению
Дх (t ) = — Av (t)+—Д(Дм (t))-A—Дv (t), (6)
dv d Дм dv
откуда в общем случае следует связь
Дх (t ) = ( I - A) dx (t )+-dX- Д(Дм (t)). (7)
dv d Дм
Причем, в силу того, что v и Дм равноценные управления
dx = _d_= £, (8)
dv d Дм
где £ - чувствительность системы сканирования к управлению.
Таким образом, в общем случае оптимальное управление в £ окрестности получается как решение уравнения
£Д(Дм (t )) = Дх (t)-(I - A)^v(t). (9)
Очевидно, что условие достижения оптимума и отсутствия деформаций A = I и Ax = const доставляет минимум Дм(г), Дм = 0. Это и определяет принцип минимального управления при совпадении образов.
Таким образом, согласно принципу эластичного эталона, Дм определяет деформацию эталона вдоль траектории сканирования. При этом, если на любом элементарном отрезке траектории Дм < мтах, то малые деформации объекта (ткани) не связаны с дефектами ткани.
Выводы. Рассмотренный подход базируется на использовании автономной системы вычисления меры близости между предъявленным образом и этало-
ном. Существенной особенностью такого подхода является значительное уменьшение (сжатие) информации, поступающей на вход системы принятия решения.
В данном случае система идентификации может быть рассмотрена как система, работающая по отклонению информационного потока объекта от потока эталона, что позволяет ставить вопрос об инвариантности к возмущениям объекта по отношению к эталону. Поэтому на первый план выступают вопросы устойчивости и качества переходного процесса.
Алгоритм метода компенсации информационных потоков при оценке информации отклонения Je по затратам управления в системе стабилизации координат точки корреляционного максимума, работоспособен и имеет достаточно простую реализацию. Исследованная модель системы оптимальной фильтрации обеспечивает обнаружение отклонение от эталонного состояния объектов сложной структуры.
При использовании рассмотренного метода возможно построение системы инвариантной к возмущениям в пространстве объекта. Однако подобная система имеет существенный недостаток - слабые корреляционные свойства изображения, которые значительно ухудшают качество работы системы.
Литература
1. Павлов Ю.А. Автоматизированные системы контроля качества готовых тканей в отделочном производстве / Ю.А. Павловидр. - М. i Изд-во "Легкаяипищ. пром-сть", 1981. - 264 с.
2. Бейтс Р. Восстановление и реконструкция изображений i пер. с англ. / Р. Бейтс, М. Мак-Доннелл. - М. i Изд-во "Мир", 1989. - 336 с.
3. Гонсалес Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - М. i Изд-во "Техносфера", 2OO5. - 1O72 с.
4. Ивахненко А.Г. Самообучающиеся системы распознавания и автоматического управления / А.Г. Ивахненко. - К. i Изд-во "Техшка", 1969. - 392 с.
5. Катыс Г.П. Восприятие и анализ оптической информации автоматической системой. -М. i Изд-во "Машиностроение", 1986. - 416 с.
6. Мартинес Ф. Синтез изображений. Принципы, аппаратное и программное обеспечение i пер. с франц. / Ф. Мартинес. - М. i Изд-во "Радио и связь", 199O. - 192 с.
7. Рожков С.А. Использование метода компенсации информационных потоков при создании систем автоматического распознавания / С.А. Рожков, А.П. Храпливый, Д.А. Бражник, Т.И. Терновая // Автоматика, Автоматизация. Электротехнические комплексы и системы i сб. науч. тр. - 1998. - № 2. - С. 93-1OO.
8. Рожков С.А. Контроль структурных параметров ткани с использованием фильтрации на основе распознавания образов / С.А. Рожков, Д.А. Бражник, К.В. Тимофеев // Проблемы легкой и текстильной промышленности Украины i сб. науч. тр. - 2OO4. - № 2(9). - С. 22O-224.
9. Стратонович Р.Л. Теория информации. - М. i Изд-во "Советское радио", 1975. - 424 с.
10. Писаревский А.Н. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / А.Н. Писаревский, А.Ф. Чернявский, Г.К. Афанасьев и др.; под общ. ред. А.Н. Писаревского, А.Ф. Чернявского. - Л. i Изд-во "Машиностроение", Ленингр. отд., 1988. - 424 с.
11. Neethu N.J. Role of Computer Vision in Automatic Inspection System / N.J. Neethu, B.K. Anoop // International Journal of Computer Applications (O975-8887). - 2O15. - Vol. 123. - No. 13. -Pp. 28-31.
12. Chetverikov D. Finding defects in texture using regularity and local orientation / D. Chetveri-kov, A. Henbury // Pattern Recognition. - 2OO2. - Vol. 35. - Pp. 2165-218O.
13. Kumar, A. Computer-vision-based fabric defect detectioni A survey / A. Kumar // IEEE Trans. Ind. Electron. - 2OO8. - Vol. 55. - Pp. 348-363.
Рожков С. О. Метод компенсаци шформацшних потогав у задачi контролю якост текстильних матерiалiв
Розглянуто метод побудови системи щентифшащ!, яка грунтуеться на використан-ш автономно'! системи розрахунку мiри близькост мiж пред'явленими образом та ета-лоном. 1стотною особливютю такого пiдходу е значне зменшення (стиснення) шформа-цп, що надходить на вхiд системи прийняття рiшення. Розглянутий метод дае змогу по-будувати систему розпiзнавання, яка буде iнварiантною до збурень у простер об'екта.
Ключовг слова: сканувальна система, генерацiя еталона, тканина, щентифшацш, розпiзнавання.
Rozhkov S.O. The Method of Compensation of Information Flows in the Problem of Quality Control of Textile Materials
The method of construction of an identification system, which is based on the use of an autonomous system of computation measures of closeness between the presented image and the reference automaton, is considered. The essential feature of this approach is significant reduction (compression) of information input to the decision support systems. The model of optimal filtration system provides detection of deviation from the reference of one condition of the objects of complex structure. The considered method allows constructing system detection of invariant with respect to perturbations in the space of the object.
Keywords: scanning system, generation of reference automaton, fabric, identification, pattern recognition.
УДК647.038.3:681.2.083 Ст. наук. ствроб. В.М. Головач, канд. техн. наук; астр. О.С. Баранова -НУ бюресурав i природокористування Украти, м. КиИв
АНАЛ13 ВПЛИВУ ХАРАКТЕРИСТИК ДЕФЕКТУ ФАНЕРИ НА К1ЛЬК1СТЬ ПУЛЬСАЦШ ВИХ1ДНОГО СИГНАЛУ УДАРНОГО ДАВАЧА
Розглянуто проблему виявлення внутршшх дефектов фанери на стадil виробниц-тва. Виникае потреба у створенш обладнання неруйшвного контролю для визначення розшарованих областей фанери на раншх стадiях виробництва. Переваги використання методу вшьних коливань перед шшими методами - можливють контролю виробу в умовах виробництва, контроль матерiалiв з високими коефщентами затухания пруж-них коливань, а також знаходження дефекпв на значнш глибиш. Дослiджено, що шд час контролю дефекту розшарування фанерного матерiалу на вихщний сигнал ударного давача впливають такi характеристики дефекту: площа Я, глибина И та мюце розташу-вання дефекту.
Ключовi слова: фанера, дефектоскопш, метод вшьних коливань, розшарування, площа, глибина, мюце залягання дефекту.
Вступ. Найбiльш ефективних результат для контролю внутрiшнiх де-фектiв фанери можна досягти за правильного вибору методу дефектоскопп. Ме-тоди неруйтвного контролю, якi засноваш на вимiрюваннi власних коливань, хоч i не так поширеннi як ультразвукова дефектоскопия, але набувають остан-нiм часом широкого використання [1].
За основу в робот взято метод вшьних коливань, теоретичш та експери-ментальнi основи якого викладено в роботах О.М. Полiщука, А. А. Шжурша та iн. у галузi деревообробка, Б.А. Глаговского, 1.Б. Московенко та iн. - щодо ви-роб1в машинобуд1вно1 промисловостi. Переваги використання методу вшьних коливань перед iншими методами - можливкть контролю виробу в умовах виробництва, контроль матерiалiв з високими коефщкнтами затухання пружних коливань, а також розташування дефектiв на значнiй глибинi. Метод вшьних коливань техшчно досить просто реалiзуeться, система може бути бшьш мо-
