Разработка системы автоматизированного контроля качества сыпучих пищевых продуктов

ВВЕДЕНИЕ 4
Глава 1 АНАЛИЗ ОБЪЕКТА ИССЛЕДОВАНИЯ И ПОСТАВНОВКА ЗАДАЧИ 6
1.1 Анализ применения систем компьютерного зрения и методов обработки изображений для контроля качества в промышленных процессах 6
1.2 Анализ использования систем компьютерного зрения для контроля качества в пищевой промышленности 17
1.6 Описание задач технологии компьютерного зрения с использованием математических, программных и алгоритмических средств 24
ГЛАВА 2. МЕТОДИКА ПОСТРОЕНИЯ ПРОГРАММНО- АППАРАТНОГО КОМПЛЕКСА ПО МОНИТОРИНГУ ОРГАНОЛЕПТНЧЕСКИХ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ГРАНУЛИРОВАННЫХ ПИЩЕВЫХ ПРОДУКТОВ 27
2.1 Математические и алгоритмические способы обработки видеокадров и цифровых изображений в автоматизированной системе компьютерного зрения 27
2.2 Методы определения вершин многогранника 42
2.4 Методы определения относительных размеров многогранника 48
ГЛАВА 3. РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СИСТЕМЫ КОМПЬЮТЕРНОГО ЗРЕНИЯ И СОЗДАНИЕ СТРУКТУРНО-ПАРАМЕТРИЧЕСКИХ МОДЕЛЕЙ КЛЮЧЕВЫХ ЭТАПОВ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ПРОИЗВОДСТВА ГРАНУЛИРОВАННЫХ ПИЩЕВЫХ ПРОДУКТОВ. 61
3.1 Разработка системы компьютерного зрения 63
3.1.1 Монтаж и размещение системы компьютерного зрения в производственном процессе 65
3.1.2 Работа и подготовка оборудования системы компьютерного зрения к видеосъемке 68
3.3 Анализ временных интервалов между кадрами в высокоскоростных режимах съемки 75
3.4 Реализация алгоритмов системы компьютерного зрения 78
3.4.1 Получение исходного изображения и повышения резкости кадра 78
3.4.3 Программная реализация алгоритма выделения границ объекта 83
85
ГЛАВА 4. МОДЕЛИРОВАНИЕ ПОДСИСТЕМЫ ПЕРЕМЕЩЕНИЯ СЫПУЧИХ ПРОДУКТОВ 88
4.1 ФУНКЦИОНАЛЬНАЯ СТРУКТУРА ПОДСИСТЕМЫ ПЕРЕМЕЩЕНИЯ СЫПУЧИХ ПРОДУКТОВ 88
4.2 Моделирование системы перемещения конвейера 89
4.3 Подбор аппаратных средств 96
ЗАКЛЮЧЕНИЕ 105
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 107
ПРИЛОЖЕНИЯ 112

Весь текст будет доступен после покупки

Пищевая промышленность России играет ключевую роль в агропромышленном комплексе страны, обеспечивая потребности населения в качественных и доступных продуктах питания. На современном этапе её развитие невозможно без широкого внедрения инновационных технологий, автоматизации и систем управления, что особенно актуально в условиях растущей конкуренции и повышения требований к качеству продукции.
Одной из стратегических задач отрасли является использование вторичных ресурсов, таких как отходы сельского хозяйства, животноводства и перерабатывающей промышленности. Эти ресурсы, после соответствующей обработки, могут стать ценным компонентом в производственных процессах, что позволяет снизить затраты на использование зерновых культур и увеличить рентабельность производства. Таким образом, автоматизация процессов переработки и контроля качества таких материалов становится ключевым направлением для модернизации пищевой промышленности.

Весь текст будет доступен после покупки

ГЛАВА 1 АНАЛИЗ ОБЪЕКТА ИССЛЕДОВАНИЯ И ПОСТАВНОВКА ЗАДАЧИ

1.1 Анализ применения систем компьютерного зрения и методов обработки изображений для контроля качества в промышленных процессах

Системы компьютерного зрения всё шире применяются для автоматизации контроля качества в производственных процессах различных отраслей промышленности. За последнее десятилетие заметный прогресс наблюдается в области биометрической идентификации.
Примером таких разработок является деятельность российской компании «Синезис», которая создает программное обеспечение и системы автоматического распознавания. Эти системы способны решать широкий спектр задач, включая:
- распознавание лиц;
- идентификацию транспортных объектов;
- выявление тревожных ситуаций;
- мониторинг несанкционированного вмешательства в работу банкоматов;
- обнаружение нештатных ситуаций на автозаправочных станциях.
Для решения задач распознавания лиц используется метод гибкого сравнения на графах. При этом лицо на изображении представляется в виде графа с взвешенными вершинами и рёбрами. Процесс распознавания заключается в деформации графа полученного изображения для наилучшего соответствия эталонному графу, который остается неизменным.
Различные реализации этого метода могут использовать разные структуры графов (пример визуализации представлен на рисунке 1.1). Такой подход обеспечивает высокую точность идентификации и возможность применения в самых разных сценариях.

Весь текст будет доступен после покупки

1. Адилов P.M. Исследование и разработка методов анализа многоградационных растровых изображений в системах технического зрения: дис. канд. техн. наук : 05.13.17/ Пенза, 2005
2. Апанасенко, С. И. Автоматизация контроля влажности кондитерских масс с применением интеллектуальных технологий [Текст] : дис. канд. техн. наук : 05.13.06 / Апанасенко Сергей Игоревич. —М., 2010. — 131 с.
3. Афанасьев В.А. Руководство по технологии продуктов, белково- витаминно-минеральных концентратов и премиксов. Том 1 Воронеж, 2008. — 196 с.
4. Буряк Д. Ю. Метод автоматизированного конструирования процедур анализа изображений с использованием генетических алгоритмов: дис. канд. физ.-мат. наук: 05.13.11/ М., 2004
5. Денисюк B.C. Алгоритмы выделение особенностей на изображениях с целью классификации заболеваний растений // Конструирование и оптимизация параллельных программ. Новосибирск, 2008. - №16. - с. 171-182.
6. Гнеушев А. Н. Математическое моделирование выделения признаков видеоизображения в реальном масштабе времени: Дис. канд. физ.-мат. наук : 05.13.18/ Прософт. - М., 2006
7. Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техно-сфера, 2005.- 1072 с.
8. ГОСТ Р 51899-2002 Комбикорма гранулированные. Общие технические условия.
9. ГОСТ Р 52254-2004 для крупного рогатого скота.
10. Гранулирование продуктов [Текст] / A.C. Абрамов, Н.И. Полунина. М.Я. Москва: Колос, 1969

Весь текст будет доступен после покупки