Разработка системы автоматического управления удалённого управления распределительным устройством

ВВЕДЕНИЕ 4
1. ТЕОРИТИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ МАШИННОГО ЗРЕНИЯ 7
1.1 Анализ объекта автоматизации 7
1.2 Развитие подходов к построению систем компьютерного зрения 11
1.3 Исследование иностранной литературы и зарубежных аналогов объекта автоматизации. 55
2. РАЗРАБОТКА АППАРАТНОЙ СОСТАВЛЯЮЩЕЙ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ. 58
2.1 Общее описание автоматизированной системы (структурная схема и подбор оборудования). 58
2.2 Разработка функциональной схемы автоматизированной системы. 62
2.3 Разработка принципиальной электрической схемы автоматизированной системы. 63
3. ПРОГРАМНОЕ ОБЕСПЕЧЕНИЕ И АЛГОРИТМ РАБОТЫ СИСТЕМЫ АВТОМАТИЗАЦИИ 66
3.1 Разработка программного обеспечения системы управления. 66
3.2 Разработка алгоритмов автоматизированной системы управления. 95
3.3 Реализация и апробация автоматизированной системы. 105
ЗАКЛЮЧЕНИЕ 109
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 112
Приложение А 115
Приложение Б 116
Приложение В 117
Приложение Г 118

Весь текст будет доступен после покупки

В данной выпускной квалификационной работе будет рассматриваться создание автоматизированной системы удалённого управления сортировки и выявления брака вишен по цвету.
Актуальность. Машинное зрение – это применение компьютерного зрения для промышленности и производства. В то время как компьютерное зрение – это общий набор методов, позволяющих компьютерам видеть, областью интереса машинного зрения, как инженерного направления, являются цифровые устройства ввода-вывода и компьютерные сети, предназначенные для контроля производственного оборудования, таких как роботы-манипуляторы или аппараты для извлечения бракованной продукции.
Машинное зрение является подразделом инженерии, связанное с вычислительной техникой, оптикой, машиностроением и промышленной автоматизацией. Одно из наиболее распространенных приложений машинного зрения – инспекции промышленных товаров, таких как полупроводниковые чипы, автомобили, продукты питания и лекарственные препараты. Люди, работавшие на сборочных линиях, осматривали части продукции, делая выводы о качестве исполнения. Системы машинного зрения для этих целей используют цифровые и интеллектуальные камеры, а также программное обеспечение обрабатывающее изображение для выполнения аналогичных проверок. Хотя машинное зрение – процесс применения компьютерного зрения для промышленного применения, полезно перечислить часто используемые аппаратные и программные компоненты. Типовое решение системы машинного зрения включает в себя несколько следующих компонентов:
– Одна или несколько цифровых или аналоговых камер (черно-белые или цветные) с подходящей оптикой для получения изображений.
– Программное обеспечение для изготовления изображений для обработки. Для аналоговых камер это оцифровщик изображений
– Процессор (современный ПК c многоядерным процессором или встроенный процессор, например – ЦСП)
– Программное обеспечение машинного зрения, которое предоставляет инструменты для разработки отдельных приложений программного обеспечения.

Весь текст будет доступен после покупки

1. ТЕОРИТИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ МАШИННОГО ЗРЕНИЯ
1.1 Анализ объекта автоматизации
Автоматизированные системы в производственной среде могут работать неутомимо, точно и быстро – особенно, по сравнению с людьми. Однако, их эффективность традиционно зависит от поступления деталей с фиксированной ориентацией в пространстве и на фиксированных местах – а это сильно усложняет сложность сборочного процесса.
Особенностью изображения является его простейшая характеристика или свойство. Некоторые признаки являются естественными в том смысле, что они устанавливаются визуальным анализом изображения, в то время как другие, так называемые искусственные признаки, получаются в результате его специальной обработки и измерений. Природные особенности: легкость (яркость), фактура различных областей изображения и форма контуров объектов. Обычно анализ изображения включает в себя получение внешнего контура изображаемых объектов и запись координат точек этого контура. Чаще всего вы хотите получить внешний контур в виде замкнутой кривой или набора сегментов дуги.

Весь текст будет доступен после покупки

1) Gpgraders [Электронный ресурс]. - URL: https://www.gpgraders.com/products/cherry-grading-machines.html.
2) Low-level networking interface [Электронный ресурс]. URL: https://docs.python.org/2/library/socket.html.
3) Multiprocessing – Process-based «threading» interface [Электронный ресурс]. URL: https://docs.python.org/2/library/multiprocessing.html.
4) NumPy URL: https://www.numpy.org/.
5) OpenCV на python: выделение контуров [Электронный ресурс]. URL: http://robotclass.ru/tutorials/opencv-python-find-contours/.
6) Optical sorters take over California's cherry industry [Электронный ресурс]. URL: https://www.thepacker.com/article/optical-sorters-take-over- californias-cherry-industry.
7) Python URL: https://www.python.org/.
8) Raspberry Pi 2 Model B – второе поколение Raspberry Pi [Электронный ресурс]. URL: https://micro-pi.ru/raspberry-pi-2-model-b-rpi-bcm2836bcm2837.

Весь текст будет доступен после покупки