CC BY
69
УДК 004.045
Л. Н. БОДРЯКОВА А. А. СТАРОВОЙТОВА
Омский государственный институт сервиса
РАЗРАБОТКА
ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ АВТОМАТИЗАЦИИ ПОДГОТОВИТЕЛЬНО-РАСКРОЙНЫХ ОПЕРАЦИЙ СКОРНЯЖНОГО ПРОИЗВОДСТВА_________________________________
В меховой промышленности большинство технологических операций подготовительнораскройного производства выполняются вручную, что обусловливает их значительную трудоемкость. В связи с этим задача автоматизации процессов путем разработки и внедрения информационных технологий на этапе подготовки и раскроя мехового полуфабриката является актуальной для современных предприятий. Авторами предлагается с помощью разработанного программного обеспечения определять наиболее значимые свойства пушно-мехового полуфабриката с целью формирования базы данных, включающей количественную информацию о свойствах шкурок.
Ключевые слова: подготовительно-раскройное производство, площадь шкурки, длина волосяного покрова, линейная фильтрация, аппроксимированный график изменений длины остевого и пухового волоса.
Задача совершенствования и повышения эффективности функционирования швейных предприятий, производящих изделия из пушно-мехового полуфабриката, в настоящее время является приоритетной. Многие факторы, определяющие конкурентоспособность предприятия: создание условий для рационального использования пушно-мехового полуфабриката и проектирования технологических процессов минимальной длительности, высокое качество выпускаемых изделий — закладываются на этапе скорняжного производства.
Анализ процессов скорняжного производства показал, что технологические операции подготовительнораскройного производства, такие как сортировка пушно-мехового полуфабриката и наборка на изделие, выполняются на предприятиях вручную путем многократного перебора и сравнения характеристик пушно-мехового полуфабриката, поэтому являются наиболее трудоемкими. Пушно-меховой полуфабрикат в отличие от других швейных материалов имеет ограниченный контур сложной конфигурации, а свойства кожевой ткани и волосяного покрова значительно различаются по площади шкурки. Противоречие между необходимостью учета значительного количества свойств пушно-мехового полуфабриката и невозможностью осуществления оперативного и достоверного контроля с помощью существующих технических средств обусловливает актуальность разработки методов определения свойств пушно-мехового полуфабриката, наиболее значимых в процессах скорняжного производства.
Одним из перспективных направлений совершенствования процессов скорняжного производства является разработка и внедрение информационных технологий для процессов подготовительно-раскрой-
ного этапа с целью определения наиболее значимых свойств пушно-мехового полуфабриката и формирования базы данных, включающей количественную информацию о свойствах, на основе которой может выполняться сортировка и назначение шкурок на изделие. Опрос специалистов отрасли и проведенные исследования позволили установить, что к одним из наиболее значимых свойств пушно-мехового полуфабриката относятся линейные размеры и площадь шкурок, а также свойства волосяного покрова (длина, высота, густота, цвет) [1].
В настоящее время специалистами Омского государственного института сервиса разработано программное обеспечение, позволяющее определять линейные размеры, площадь шкурки и длину волосяного покрова. Программное обеспечение разработано в среде «BORLAND C++», для которой характерны универсальность, широкие возможности решения инженерных задач и удобство работы с базами данных. Исходной информацией является цифровое изображение шкурок в различных плоскостях, полученное с помощью фотоаппарата.
Для определения линейных размеров и площади шкурки получают ее изображение в горизонтальной плоскости со стороны кожевой ткани (рис. 1). Изображение считывается из файла, записывается и сохраняется в базе данных. Далее формируется сплай-новый контур полуфабриката в ручном или автоматическом режиме. Автоматический режим предназначен для выделения точек контура из изображения шкуры. Недостатком полученного сплайнового контура мехового полуфабриката является то, что он содержит волосяной покров, выступающий по краям кожевой ткани [2]. Для получения четкого контура разработан алгоритм фильтрации. На вход алгоритма
ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (130) 2014 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (130) 2014
Рис. 1. Выбор ключевых точек
поступает изображение шкурки в виде трех массивов чисел:
Я,СцВ е[0,255], ге [0, Хтах], ]е [0, Утах ],
тах< Утах — размер изображения в пикселях. Эти
где X
массивы — соответственно красная, зеленая и синяя составляющие изображения.
Для работы алгоритма указываются ключевые точки (внутри и вне контура) в ручном или автоматическом режиме (рис. 1). В случае автоматического режима первая эталонная точка (соответствующая области шкуры) выбирается в середине изображения. Вторая эталонная точка выбирается на высоте первой точки на расстоянии 0,9 ширины от края изображения. Если точки выбраны правильно, то происходит переход к следующему этапу. Иначе пользователь указывает точки вручную. Некорректный выбор точек (например, обе точки внутри шкуры или обе точки вне шкуры) может привести к неверной работе алгоритма в дальнейшем.
На этапе фильтрации пользователь выбирает размер фильтра, и затем с помощью кнопки «Фильтрация» вычисляется цвет каждого пикселя в отфильтрованном растре. Линейная фильтрация (рис. 2) выполняется для увеличения гладкости границ шкурки (контура кожевой ткани) на изображении и удаления шума (контура волос).
На следующем этапе происходит выделение на изображении контура шкурки, в результате которого точки, принадлежащие контуру шкуры, окрашиваются в черный цвет, а точки, принадлежащие фону, — в белый. Для каждой точки растра производится следующая процедура: в пространстве Я (так как цвет трехмерен) ищется евклидово расстояние между данной точкой и двумя эталонными точками [2]. Если точка ближе к эталонной точке фона, то она окрашивается в белый цвет, иначе — в черный. Для того чтобы данная операция прошла успешно, изображение должно удовлетворять следующим условиям: цвет фона и шкурки должен сильно отличаться, например, черная шкурка на белом фоне. Для успешного выполнения следующего этапа алгоритма необходимо, чтобы изображение шкурки было со всех сторон окружено фоном. Точки, принадлежащие контуру шкуры, окрашиваются в черный цвет. Точки, принадлежащие фону, окрашиваются в белый цвет.
После выполнения всех этапов автоматического поиска контура происходит добавление точек в структуру данных и уточнение контура. Алгоритм формирует структуру данных Ь, представляющую собой связный список точек, принадлежащих контуру
Рис. 2. Выделение контура без фильтрации (а) и с линейной фильтрацией (б)
шкурки. Программное обеспечение позволяет быстро обрабатывать изображение меховой шкурки и формировать сплайновый контур для дальнейшего автоматического определения линейных размеров шкурок и площади их сложного контура с учетом топографических участков.
Помимо линейных размеров и площади шкурки в процессах сортировки учитывают показатели волосяного покрова. Для этого в формируемую базу данных вносится информация о длине волосяного покрова.
Данный процесс состоит из восьми этапов (рис. 3).
Исходные данные — цифровое изображение изменений длины волосяного покрова по ширине шкурки, для получения которого шкурку перегибают в поперечном направлении, размещают на плоской опоре, фиксируя с помощью зажима, после чего с помощью цифрового фотоаппарата получают изображение. К исходным данным также относятся количественные характеристики компонент цвета волосяного покрова, эталонного квадрата, зажима шкурки и фона рабочей поверхности, которые позволяют идентифицировать вышеперечисленные элементы изображения (рис. 4).
Выходные параметры — аппроксимированный график изменений длины остевого и пухового волоса по ширине шкурки на линии сгиба.
После ввода исходной информации выполняется поиск эталонного квадрата. Данный объект позволяет определить масштаб изображения и положение хребтовой линии. С этой целью вводится величина цветового отклонения (к), т.е. допустимая разница между значением красной, зеленой и синей компонент цвета в исследуемой точке и введенным эталоном цвета квадрата. Графический интерфейс программы позволяет ввести данный параметр в интерактивном режиме и оценить результат. Выбранная величина цветового отклонения и эталоны цвета перечисленных выше объектов изображения могут
б
а
КОНЕЦ ^
Рис. 3. Алгоритм программы определения длины волосяного покрова
вводиться один раз при обработке партии шкурок, что создает условия для автоматизации процесса.
Для определения эталонного квадрата изображение анализируется по вертикали и горизонтали. Каждой точке изображения приписывается вес либо единица, либо ноль. С этой целью численное значение компонент цвета — значение г, д, Ь в текущей исследуемой точке сравнивается с показателями введенного эталона цвета квадрата. В случае, когда компоненты цвета исследуемой точки отличаются от численного значения соответствующих параметров эталона на величину, большую к, точке приписывается
вес, равный нулю, в противном случае — вес, равный единице. Таким образом, величина цветового отклонения (к) в значительной степени определяет точность определения эталонного квадрата.
Далее выполняется поиск центра эталонного квадрата. Будем рассматривать его как некую фигуру, имеющую одинаковую плотность в каждой точке, тогда справедливо утверждение, что центр фигуры совпадает с центром масс, который можно найти по формуле:
Ц"хр(х,у)йхйу Цур(х,у)йхйу
Цр(х,У)^У ' с Цр(х,у)йхйу
где О — область изображения, содержащая фигуру, р(х, у) — плотность фигуры в точке, в условных единицах.
Поскольку рассматриваемая фигура состоит из конечного числа точек, интегралы заменяем суммами:
мм мм
ЕЕ'-ш('Л ЕЕ]-ш('Л
¡=1 л
'=1 л
г,
с М М ' с ММ
ЕЕ^л ЕЕ^л
¡=1 Л '=1 л
где и(1, Л) — вес точки с координатами (' ]), полученный на предыдущем шаге.
На следующем этапе определяют ориентацию и размер эталонного квадрата. С этой целью вокруг найденного центра эталонного квадрата строится пробный квадрат некоторого размера, повернутый на некоторый угол, находится суммарный вес точек, принадлежащих пересечению границ эталонного и пробного квадратов. Находятся все точки, принадлежащие границе, после чего суммируются их веса ш(1, Л).
о
о
о
о
.9, Распознавание контура (^Г~)[п~)[х~1
•2
3
Рис. 4. Диалоговое окно программы:
1 — эталоны цвета рабочей поверхности, волосяного покрова, зажима и эталонного квадрата; 2 — графики изменений длины волосяного покрова по ширине шкурки;
3 — эталонный квадрат
1
ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (130) 2014 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (130) 2014
2
3
Рис. 5. Определение длины волосяного покрова в искомой точке:
1 — элемент диалогового окна, позволяющий задавать расстояние до хребтовой линии;
2 — полученный результат;
3 — элемент диалогового окна, определяющий тип волосяного покрова
1
Ш = |р(х,у)йЬ ,
I
где Ш — суммарное значение весов точек, принадлежащих границе пересечения эталонного и пробного квадратов.
Процедура повторяется для углов от 0 до 360*, перебор происходит с некоторым шагом. Фиксируется максимальное значение параметра точек, принадлежащих пересечению границы и пробного квадрата, и параметры размещения пробного квадрата. После чего процедура повторяется для большего размера квадрата. Перебор по ширине квадрата завершается, когда в качестве значения параметра получен ноль, т.е. пробный квадрат стал настолько широким, что эталонный квадрат умещается в нем целиком без пересечения границ. Максимальное значение характерно для распознанного таким образом эталонного квадрата, построение которого выполняется в автоматическом режиме (рис. 4).
На следующем этапе выполняется поиск точек, принадлежащих зажиму. Линия, определяющая положение зажима на последующих этапах, используется в качестве исходной линии при определении длины волосяного покрова. С целью нахождения положения данной линии изображение анализируется по вертикали с некоторым шагом й. При нахождении точки, цвет которой ближе к эталону цвета зажима, чем к эталонам цветов шкурки и фона, точка запоминается и выполняется переход к следующей вертикали.
В результате формируется массив точек, принадлежащих зажиму. Методом наименьших квадратов [3] выполняется поиск прямой, характеризующий положение исходной линии, и определяется угол (а) между полученной прямой и горизонтальным направлением. Для упрощения анализа с учетом угла а выполняется поворот изображения, чтобы направление найденной линии приняло горизонтальное положение. Полученная прямая используется в качестве начальной координаты при определении длины волосяного покрова.
Задача седьмого этапа — распознавание изображения волосяного покрова шкурки, результатом является график изменения длины волосяного покрова (остевых и пуховых волос) по ширине шкурки.
Методика анализа аналогична пятому этапу. Изображение исследуется по горизонтали (координата г) и вертикали (координата ]) с шагом 1 пиксель. Рассматривается участок изображения вокруг точки с текущими координатами (г, ]). Размеры анализируемой площади — высота участка один пиксель, ширина } пикселей. При условии соответствия цвета всех точек исследуемой области цвету волосяного покрова шкурки, текущая точка принимается за крайнюю точку линии пуховых волос и выполняется переход к следующей вертикали. Текущая точка считается принадлежащей границе остевых волос в случае, когда цвет хотя бы одной точки анализируемой области соответствует цвету шкурки. В диалоговом окне предусмотрен элемент «ширина анализируемой
области», позволяющий изменять показатель I. Правильность выбора данного критерия в значительной степени определяет точность измерений.
Выходные данные — график изменений длины остевых и пуховых волос по ширине шкурки по линии сгиба заносится в базу данных, информацию которой используют при выполнении сортировки шкурок, складки на изделие и расчете размеров шаблона (рис. 5).
Для определения длины волосяного покрова в точке, являющейся краевой для проектируемого шаблона, с помощью диалогового окна вводят расстояние, на котором данная точка находится от хребтовой линии шкурки, и осуществляют выбор интересующего показателя — длины остевых или пуховых волос. После команды «измерить» в диалоговом окне выводится полученный результат, в натуральных единицах (в мм) и ошибка измерения.
Следует отметить, что значения длины волосяного покрова, полученные с помощью разработанного программного обеспечения (в качестве объекта исследования были выбраны шкурки норки), хорошо коррелируют с результатами исследований длины волосяного покрова, полученными с помощью известных методик (измерения длины волосяного покрова с помощью линейки), что подтверждает возможность его применения в процессах скорняжного производства.
Использование разработанного программного обеспечения позволит внедрить автоматическую сортировку шкурок по линейным размерам и площади, длине волосяного покрова на основе объективных характеристик, выполнять проектирование меховых скроев, учитывая данные свойства пушномехового полуфабриката при раскрое шаблонов различной ширины, что позволит снизить трудоемкость подготовительного этапа скорняжного произ-
водства и повысить качество выполнения данных операций. Однако в ходе последующих исследований необходимо продолжить разработку программного обеспечения для определения таких свойств пушномехового полуфабриката, как густота волосяного покрова, наличие дефектов и других свойств, учитываемых в процессах скорняжного производства.
Библиографический список
1. Бодрякова, Л. Н. Анализ возможностей применения компьютерных технологий в операциях подготовительного этапа скорняжного производства / Л. Н. Бодрякова, П. И. Михайлов, В. И. Стельмашенко // Актуальные проблемы создания и использования новых материалов и оценки их качества. — М. : РГУТиС, 2010. - С. 88-93.
2. Андросова, Г. М. Автоматизация процесса проектирования изделий из пушно-мехового полуфабриката на основе матричных элементов : моногр. / Г. М. Андросова, И. Г. Бра-илов, О. В. Свириденко, А. А. Старовойтова. — Омск : Омский гос. ин-т сервиса, 2009. - 222 с.
3. Фихтенгольц, Г. М. Курс дифференциального и интегрального исчисления : учебник / Г. М. Фихтенгольц. — 8-е изд., перераб. и доп. — М. : ФИЗМАТЛИТ, 2003. — 680 с.
БОДРЯКОВА Людмила Николаевна, кандидат технических наук, доцент (Россия), доцент кафедры «Сервис и технологии изделий легкой промышленности». СТАРОВОЙТОВА Анастасия Александровна, кандидат технических наук, доцент (Россия), доцент кафедры «Сервис и технологии изделий легкой промышленности».
Адрес для переписки: [email protected]
Статья поступила в редакцию 10.04.2014 г.
© Л. Н. Бодрякова, А. А. Старовойтова
Книжная полка
Борисенко, И. Н. Вычислительные машины, системы и сети : учеб. электрон. изд. локального распространения : конспект лекций / И. Н. Борисенко ; ОмГТУ. - Омск : Изд-во ОмГТУ, 2014. -1 o=эл. опт. диск (CD-ROM).
Изложен материал о принципах построения и использования ЭВМ; об устройстве основных компонентов ЭВМ; о способах передачи информации и основных методах построения вычислительных сетей. Освещены также основы программирования. Издание представлено в виде конспекта лекций. Каждая лекция сопровождается контрольными вопросами, что поможет при самостоятельной проработке лекционного материала. Предназначено студентам очной, вечерней и заочной форм обучения специальности 220301 «Автоматизация технологических процессов и производств», изучающим дисциплину «Вычислительные машины, системы и сети».
Гегечкори, Е. Т. Интеллектуальные информационные системы : учеб. электрон. изд. локального распространения : учеб. пособие / Е. Т. Гегечкори, О. Б. Малков ; ОмГТУ. - Омск : Изд-во ОмГТУ, 2014. - 1 о=эл. опт. диск (CD-ROM).
Излагаются теоретические и организационно-методические вопросы разработки и применения интеллектуальных информационных систем (ИИС). Рассматриваются классификация, архитектура, этапы проектирования ИИС, выбор инструментальных средств. Практические аспекты применения ИИС излагаются для решения ряда задач, возникающих в различных областях, технического анализа и прогнозирования, динамического планирования и реинжиниринга бизнес-процессов, управления знаниями. Предназначено для студентов заочной формы обучения специальности 080801 «Прикладная информатика (в экономике)», а также для студентов и аспирантов других технических и экономических специальностей. Может быть полезно для специалистов, разрабатывающих и использующих системы поддержки принятия управленческих решений, корпоративные информационные системы и системы управления знаниями, а также для преподавателей и аспирантов вузов, занимающихся исследованиями в области применения интеллектуальных информационных технологий в управлении экономическими объектами и процессами.
ОМСКИЙ НАУЧНЫЙ ВЕСТНИК № 2 (130) 2014 ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
