Содержание к диссертации
Введение
Глава 1. Анализ объекта исследования и постановка задачи 12
1.1 Исследование и анализ технологического процесса производства гранулированных комбикормов как объекта автоматизации 12
1.2 Анализ технологического процесса гранулирования на примере процесса гранулирования комбикормов 36
1.3. Анализ и применение оптимизационных алгоритмов при производстве гранулированного комбикорма 46
1.4 Анализ факторов, влияющих на ухудшение основных показателей качества сырья, промежуточных продуктов и готовой продукции комбикормовой промышленности 55
1.5 Анализ современных методов определения органолептических показателей качества сырья, промежуточных продуктов и готовой продукции комбикормовой промышленности 57
1.6 Анализ использования систем компьютерного зрения и методов обработки изображений в качестве инструмента контроля качества производственного процесса в различных промышленных отраслях 62
1.7 Анализ использования систем компьютерного зрения в качестве инструмента контроля качества производственного процесса в пищевой промышленности 75
1.8 Описание задач технологии компьютерного зрения при помощи математических, программных и алгоритмических средств 81
1.9 Выводы по 1 главе 84
Глава 2. Методика построения программно-аппаратного комплекса по мониторингу органолептических показателей качества гранулированных пищевых продуктов 86
2.1 Математические и алгоритмические начала обработки видеокадров и цифровых изображений в автоматизированной системе компьютерного зрения 86
2.2 Методы определения контуров исследуемых объектов на примере производства гранулированного комбикорма 99
2.3 Методы определения вершин многогранника 104
2.4 Методы определения относительных размеров многогранника 111
2.5 Краткие выводы по 2 главе 120
Глава 3. Организация и методика проведения экспериментальных исследований, программная реализация системы компьютерного зрения, разработка структурно-параметрических моделей основных этапов технологической линии производства гранулированного комбикорма 121
3.1 Организация и методика проведения экспериментальных исследований. 124
3.1.1 Монтаж и расположение системы компьютерного зрения в производственный процесс 126
3.1.2 Этапы подготовки оборудования системы компьютерного зрения к видеосъемке 129
3.2 Анализ режимов работы используемой в ходе экспериментальных исследований видеокамеры 133
3.3 Анализ временных интервалов между кадрами в режимах высокоскоростной съемки 139
3.4 Обработка результатов экспериментальных исследований через реализацию алгоритмов системы компьютерного зрения 142
3.4.1 Получение исходного изображения и повышения резкости кадра 143
3.4.2 Реализация методов фильтрации с целью уменьшения шумов на изображении и бинаризация изображения 148
3.4.3 Программная реализация алгоритма выделения границ объекта 152
3.4.4. Использование класса Rectangle как объект для анализа геометрических размеров гранулы 157
Заключение 162
Список используемой литературы 165
Приложение 1. Листинг программы FrameRateTest 173
Приложение 2. Листинг программы QualityChecker 175
Приложение 3. Функциональная схема автоматизации 198
Приложение 4. Акт о внедрении результатов работы 199
- Исследование и анализ технологического процесса производства гранулированных комбикормов как объекта автоматизации
- Анализ использования систем компьютерного зрения в качестве инструмента контроля качества производственного процесса в пищевой промышленности
- Методы определения вершин многогранника
- Реализация методов фильтрации с целью уменьшения шумов на изображении и бинаризация изображения
Исследование и анализ технологического процесса производства гранулированных комбикормов как объекта автоматизации
Гранулированный комбикорм - изделия, представленные в виде гранул, состоящих из сложной однородной смеси очищенных и измельченных до необходимой крупности различных кормовых средств и микродобавок, с высоким содержанием белка, витаминов и микроэлементов, вырабатываемые по научно-обоснованным рецептам и обеспечивающие полноценное сбалансированное кормление животных [25,29,9]. Основным сырьем для производства гранулированных комбикормов являются зерновые, зернобобовые культуры, ячменная, пшеничная и овсяная мука, кормовая патока, побочные кормовые продукты масложировой промышленности, такие как жмых и шрот, а так же кормовые продукты сахарной промышленности, в том числе меласса, сушеный свеловичный жом, сахар. Такое многообразие применяемого сырья позволяет выпускать разнообразные виды гранулированных комбикормов [17]. На рисунке 1.1 представлена технологическая структурная схема производства комбикорма. Условные обозначения: ЖД — пункт разгрузки железнодорожного транспорта, АВТ - пункт разгрузки автомобильного транспорта, ЭЛЕВ — элеватор, МКК — микокарб (консервирующая добавка), АД-3000-ГК, 10-ДК-2500, 5-ДК-50 -дозаторы дискретного действия.
Производство комбикорма выполняется по технологической схеме с предварительным приготовлением смесей компонентов. Зерновое сырье поступает в цех комбикорма через железнодорожный и автомобильный терминалы, из элеватора и механизированных складов тарного сырья. На линии загрузки склада-4 и бункеров цеха осуществляется загрузка зерновых и шротовых компонентов в расходные бункеры, а на линии завалки минерального сырья происходит механизированная подача соли, мела, фосфатов и других компонентов комбикорма. Линия дозирования предварительных смесей зерна совместно с линией дробления выполняют подготовку зерновых предсмесей; линия дозирования минеральных компонентов производит минеральные предварительные смеси (кормосмеси) и белково-витаминные добавки. Весовые рычажные дозаторы со стрелочной индикацией АД-3000, 10-ДК и 5-ДК обеспечивают точность дозирования порядка 1%.
Как следует из рис. 1.1, технологические подсистемы, а следовательно и соответствующие программные блоки управления технологическим оборудованием цеха комбикорма включают в себя:
подсистему загрузки зернового сырья;
подсистему хранения зернового сырья (склад-4);
подсистему дозирования предсмесей зерна;
подсистему дозирования минсырья;
линию дробления зерновой смеси;
подсистему дозирования готового продукта;
подсистему гранулирования комбикорма;
подсистему экструдирования зернового сырья;
подсистему ввода производственного задания.
На рисунке 1.2 представлена наиболее распространенная на кормовых предприятиях линия производства комбикорма [3, 20]. В состав линии входит следующее оборудование: / - транспортеры-разделители; 2 - транспортер подачи БВМД; 3 - дробилка зерна; 4,13 - нории; 5 - охладитель; 6 - емкости для измельченных грубых кормов; 7 - дробилка-измельчитель грубых кормов; 8 -бункер-питатель грубых кормов; 9 - бункеры готовой продукции; 10, 11 -приемный бункер; 12 - авторазгрузчик; 14 - комбикормовый агрегат; 75 -смеситель; 16- пресс-гранулятор; 77- бункеры-накопители фуражного зерна.
Технологический процесс производства гранулированных комбикормов можно разделить на следующие основные стадии [30]:
- Прием зернового и мучнистого сырья: оперативный прием, разгрузка и складирование зернового сырья, поступающего по железной дороге и автомобильным транспортом. На предприятиях средней и малой мощности они могут быть совмещены.
- Очистка сырья от посторонних примесей: очистка от крупных не кормовых примесей осуществляют на зерновых сепараторах, просеивающих машинах, в которых устанавливают рамы с полотнами решетными №150-200 (отверстиями 0 15-20 мм) или проволочными сетками. Так же производится очистка от металл омагнитных примесей.
Прием и оперативное накопление сырья: складирование сырья осуществляют в складах силосного типа или механизированных складах напольного хранения.
- Отделение пленок (шелушение): данный технологический процесс предусматривает отделение ядра зерна от внешних оболочек. Удаление внешних оболочек зерна повышает питательную ценность корма, доступность к перевариванию, а отделение зерновых оболочек снижает травмирование слизистых пищеварительного тракта, что особенно актуально для молодых особей и отдельных видов животных.
- Дозирование основных компонентов: взвешивание или объёмное отмеривание установленных рецептом порций компонентов комбикорма -подготовленные к смешиванию компоненты поступают в оперативные бункера, из бункеров дозаторы подают компоненты в смесительный агрегат в строго определённых количествах.
- Дозирование концентрата (БВМК): Премиксы растаривают, подают по отдельной линии в наддозаторный бункер и вводят в состав комбикорма или предварительной смеси согласно рецепту. Премиксы, поступающие бестарно, из бункеров для хранения транспортом подают непосредственно в наддозаторные бункера.
- Измельчение зерновых и шротов: целью измельчения является достижение наиболее равномерного гранулометрического состава продукта.
Гранулометрическая характеристика компонентов после измельчения влияет как на последующие процессы смешивания и гранулирования, так и на эффективность усвоения корма организмом животного.
- Подготовка и ввод жира: Жидкие компоненты поступают на комбикормовые заводы в различной таре. Жир, например, поступает в деревянных бочках, автомобильных цистернах с подогревом. Для ввода в комбикорма используют типовую установку В6-ДСЖ, которая включает электроталь с захватным устройством для опоражнивания бочек с жиром, наполнительный и расходный баки, жироловушку, расходомеры и фильтры для очистки жира.
- Подготовка и ввод мелассы: подогревание мелассы до определенной температуры, в зависимости от рецепта приготовления комбикорма, поступление мелассы в специальную установку, где происходит ее постоянный подогрев, подача мелассы в смеситель непрерывного действия при помощи системы насосов.
- Смешивание компонентов: частицы перемешиваемых материалов, при воздействии на них рабочих органов смесителей, изменяют свое положение в пространстве относительно друг друга без какого-либо изменения химических свойств или агрегатного состояния. Цель процесса - получить однородную по составу смесь.
- Гранулирование комбикормов: в прессах-грануляторах рассыпной комбикорм подвергается пропариванию и прессованию в гранулы. Пропаривание производится в смесителе пресса с целью нагрева и увлажнения рассыпного комбикорма, обеспечивающих формование гранул, санитарно-гигиеническую обработку и повышение усвояемости корма. Одновременно в смеситель пропариватель могут вводиться жир животный кормовой, меласса и другие жидкие компоненты. Обработка комбикормов паром перед прессованием повышает температуру комбикорма и его влажность, понижает вязкость мелассы - все это способствует улучшению качества гранул, повышению производительности пресса и снижению расходов электроэнергии.
Анализ использования систем компьютерного зрения в качестве инструмента контроля качества производственного процесса в пищевой промышленности
При печати этикетки при производстве банок газированной воды coca-cola используется системы компьютерного зрения [97]. Одной из важной промежуточной операцией в этом процессе является нанесение специальным резиновым ковриком, называемым офсетной покрышкой, логотипа продукции. При помощи данной офсетной покрышки оборачивают металлический цилиндр, который при вращении с одной стороны соприкасается с устройством подачи краски, а с другой стороны соприкасается с банкой газированной воды, в результате чего производится фиксация логотипа продукции на банке. На полную отделку банки уходит один оборот такого цилиндра. Поскольку частота прохождения банок данной технологической операции настолько высоко, что невозможно использование зрения технолога в качестве инструмента органолептического контроля качества, поэтому оперативный контроль качества операции производится при помощи системы компьютерного зрения. Стандартами качества при производстве данного газированного продукта является недопустимость неправильной наклейки логотипа. Сложность обеспечения покраски каждой банки обуславливается тем, что пропускная способность операции покраски составляет до 2200 банок/мин. Для контроля наклейки этикетки используется высокоскоростная камера, производительность которой позволяет снимать каждую индивидуально каждую банку на высокоскоростном конвейере. Система компьютерного зрения используется не только для проверки цвета, но и для контроля дефектов: например горловина банки формируется в несколько технологических этапов, вследствие чего необходим контроль качества процесса. Бракованные банки выбрасываются с конвейера при помощи пневмотрубок (рис. 1.20) и оправляются на переработку.
На сегодняшний день подобные системы технического зрения для контроля качества жидкой пищевой продукции применяются все чаще. Одно из таких решений — системы компьютерного зрения Cognex, которые предоставляют системы для контроля качества процесса производства напитков. Система определяет дефекты наклеивания этикетки на стеклянной бутылке, совершает проверку того насколько ровно наклеена этикетка, присутствуют ли на ней складки и прочие ошибки производства (рис. 1.21). Стоит отметить, что невозможно использование ручного труда для контроля качества на подобной конвейерной линии, поскольку пропускная способность процесса очень высока, и идентифицировать при помощи органов зрения бутылку с бракованной этикеткой при таких скоростях очень сложно. Фотографии, представленные на рисунках произведены при помощи очень короткой выдержки фотоаппарата, поэтому на рисунках движение продукции кажется отсутствующим, при этом по факту движение продукции на таких производственных линиях может достигать до 2000 штук в минуту.
Помимо использования систем технического зрения при производстве напитков, оно так же применяется для контроля качества формы выпечки на хлебобулочных предприятиях (рис. 1.22). которые используются для контроля геометрической формы изделий [63,75]. Главной проблемой при таком контроле является получение изображение высокого контраста, необходимо, чтобы продукт хорошо контрастировал с фоном, текстурой конвейера. Такие условия должны достигаться при помощи различных светофильтров, специальной подсветки и других средств. Продукция Cognex при работе использует множество различных алгоритмов обработки изображения, которые производят сравнение с шаблоном, поиск дефектов, считывание текстовой маркировки, штрих-кодов. В некоторых производствах встает вопрос о необходимости контроля показателей качества трехмерной формы. Для решения этой задачи все чаще используются лазерные триангуляционные камеры, которые используют лазерную линейную подсветку, при изменении формы которой определяются показатели качества. Стоит отметить, что данные средства дают плохие результаты при производстве продукции с зеркальной, глянцевой или прозрачной поверхностью. В таком случае система технического зрения на основе лазерной подсветки будет работать некорректно, поскольку лазерный луч будет отражаться от зеркальной, глянцевой или прозрачной поверхности, либо преломляться, что будет негативно сказывать на работе системы.
На пищевых производствах можно встретить комбинирование систем компьютерного зрения и роботизированные системы по транспортированию продукции. Использование роботизированной техники позволяет снизить использование ручного труда при выполнении различных операций, эффективность которого значительно ниже по сравнению с роботизированными системами на скоростных конвейерах. Поэтому применение технологий машинного зрения совместно с роботами может существенно повысить эффективность производства. Один из таких примеров является система, задачей которой является идентификация колбасной продукции при помощи видеокамеры и последующее перемещение продукции посредством роботизированной руки (рис. 1.23).
Система работает таким образом, что идентифицирует и захватывает продукцию, находящуюся в произвольном положении на конвейерной линии. Это позволяет избежать настройки оборудования таким образом, чтобы положение колбасной продукции на конвейер всегда имело строгую ориентацию. Недостатком такой системы является слабая эффективность работы при применении ее на производствах с большим количеством продукции маленьких геометрических размеров, захват которой труднодостижим на текущем этапе развития робототехники.
Стоит отметить систему Checkpoint 900 компании Cognex, которая использует технологии машинного зрения для контроля качества и правильного расположения бутылок в готовой упаковке на высокоскоростной упаковочной линии заводе компании Мегк, г. Аресибо, Пуэрто-Рико [64]. Система использует библиотеки программных средств технического зрения, а так же съемный PCI-модуль видеопроцессора для обработки видеосигнала. До использования систем компьютерного зрения на данном предприятии имелась проблема падения бутылок на бок в упаковочной машине. Следствием данного дефекта производства в дальнейшем являлось некомплектность упаковки с бутылками, поэтому при решении данной задачи потребовалась автоматизированная система компьютерного зрения, которая позволяла полностью осуществлять контроль качества процесса. Для более подробного рассмотрения сути проблемы необходимо более детально рассмотреть процесс упаковки. Операция по упаковыванию бутылок происходит в упаковочной машине Skinetta Model 800 (рис. 1.24), которая формирует упаковку из двенадцати бутылок по четыре бутылки в три ряда.
Методы определения вершин многогранника
При использовании приведенных в параграфе № 2.2 методов выделения контуров объектов можно получить изображение с выделенными контурами объектов. В качестве примера, иллюстрирующего работу алгоритмов выделения контуров, можно привести обработку изображения с идеальными условиями (рис. 2.8), при которых отсутствуют цифровые шумы, цветовые изменения фона, пыль, имеется высокая контрастность и т.д. На рисунке изображены фигуры эллиптического характера, черный контур которых характеризуют переход от фона к цвету гранулы.
Для дальнейшего анализа изображения и самих гранул необходимо выделить каждую гранулу, как самостоятельный геометрический объект, который представляет собой выпуклый многогранник, вершины которого лежат на контуре гранулы. При решении этой задачи стоит рассмотреть изображение контура единичной гранулы (рис. 2.9).
Поскольку матрица цифровой видеокамеры считывает изображение по-пиксельно, то изображение представляет собой двумерную матрицу размерами w х h пикселов, где w - ширина изображения, h - высота изображения. Каждый пиксел изображения принадлежит матрице a[w,h], имеет координату.
Пусть существуют такие точки A(xl,yl), В(х2,у2), которые лежат на контуре гранулы, а так же на одной прямой, при этом yl = у2, xl Фх2. Анализ контурного изображения, с целью нахождения опорных точек, происходит методом по-пиксельного сканирования, в процессе которого цвет пиксела контурного изображения с координатами xh yj проверяется на эквивалентность с черным и белым цветом. Блок-схема алгоритма нахождения опорных точек представлена на рис. 2.10. Алгоритм данной блокс-хемы характеризует последовательный перебор пикселов с целью нахождения пиксела нужного цвета.
Имея полученные координаты точек A(xl,yl) и В(х2,у2), необходимо произвести расчет координаты точки О(х0, уО), лежащей на прямой АВ, такой что АО = ОВ (рис. 2.11). Зная, что yl = у2 = уО можно произвести вычисление длины отрезка АВ по формуле: тогда координата хО рассчитывается по формуле
Полученные координаты точки О(х0, уО) следует использовать для дальнейшего итеративного поиска точек, лежащих на контуре гранулы.
Имея координаты точки О(х0, уО), необходимо произвести поиск точек С(хЗ,уЗ), D(x4,y4), таких что точка О(х0, уО), лежит на отрезке CD, при этом CO=OD; координаты оси абцисс точек С и D удовлетворяют следующему равенству: хЗ = хО = х4 (2.13)
Отрезок DC расположен перпендикулярно отрезку АВ, а точки С и D лежат на границе контура гранулы (рис. 2.12). На основании имеющихся данных можно построить многогранник ABCD, с вершинами A(xl,yl), В(х2,у2), С(хЗ,уЗ), D(x4,y4), который будет характеризовать гранулу в геометрическом представлении. Разумеется, такой многогранник не может в полной степени использоваться для анализа геометрических размеров гранулы, поэтому для повышения точности измерений необходимо увеличить число вершин многогранника. Увеличение вершин многогранника необходимо производить с соблюдением заданной точности є, которая может быть представлена как: заданное количество итераций по поиску вершин; общее количество найденных вершин; минимальное расстояние между вершинами. Введение такой переменной необходимо в качестве семафора для выхода из циклов алгоритма поиска вершин.
Для увеличения вершин многогранника можно прибегнуть к рекурсивному разбиению имеющихся отрезков АО, OB, СО, DO, с последующим нахождением вершин, лежащих на контуре объекта. Графическое представление результата алгоритма показано на рис. 2.13, где а — иллюстрация пошаговой работы алгоритма рекурсивного поиска; б - иллюстрация полученного многогранника с вершинами, лежащими на границе объекта.
Увеличение числа вершин многогранника увеличивает точность дальнейших операций по определению геометрических размеров гранул. Графическое изображение двух полученных многогранников с разным числом вершин представлено на рис. 2.14, где а - многогранник с 14 вершинами, б — многогранник с 30 вершинами.
Реализация методов фильтрации с целью уменьшения шумов на изображении и бинаризация изображения
При использовании методов повышения резкости изображения неизбежны возникновения шумов на изображении, которые являются негативными факторами для алгоритмов распознавания формы и размера объектов, а так же производят негативное влияние на результат при сравнении цветовой текстуры исследуемого объекта с объектом-эталоном в базе данных системы. Стоит отметить, что возникновение шумов так же может быть связано с параметрами светочувствительности видеокамеры, а так же с недостаточностью освещения исследуемого объекта, поэтому необходимо использовать специальные методы и алгоритмы для уменьшения степени зашумления изображения.
Для решения этой задачи можно прибегнуть к модифицированной практической реализации методов и алгоритмов, описанных в пп. 3.4.1. Использование матрицы свертки возможно не только для увеличения резкости изображения, но и для уменьшения количества шумов на изображении. Матрица свертки Мп используемая для увеличения резкости изображения принимает значения [ ( -1, -1, -1 ), ( -1, 9, -1 ), ( -1, -1, -1 ) ] и имеет размерность 3x3, в то время как матрица свертки, необходимая для уменьшения шумов на изображении может принимать, как правило, действительные значения от 0 до 1 для ячеек в окрестности центральной ячейки, которая перемножается со значением к-го пикселя на /-ой итерации по строкам и у-ой итерации по столбцам, и значение равным 1 для центральной ячейки матрицы сверки (рис. 3.17).
В данном случае значение коэффициента нормирования div подобрано равным 6, а результат вычислений выглядит следующим образом: (12x0,5 + 14x0,75 + 41x0,5 + 43x0,75 + 84x1,0 + 24x0,75 + 2x0,5 + 1x0,75 + 43x0,5) х 1 / div = 32, где 32 новое значение пиксела. Размер используемой матрицы свертки Ма напрямую влияет на степень интенсивности шумоподавления, чем больше размерность матрицы свертки Ms, тем больше происходит размытие изображения. Пример матрицы свертки, размерностью 5x5 представлен на рисунке 3.18, где все коэффициенты матрицы приведены в нормированный вид таким образом, чтобы коэффициент нормирования был равен 1.
Поскольку полученное полутоновое изображение гранул содержит пикселы с варьирующимися показателями градаций серого, что можно наблюдать при многократном увеличении кадра (рис. 3.13), то для более корректной работы алгоритмов определния границ гранул необходимо бинаризировать изображение таким образом, чтобы цифровое изображение содержало два цвета, один из которых характеризует гранулы, а другой характеризует задний фон. Бинаризация изображения производится при помощи метода Янни, в процессе работы которого входное полутоновое изображение принимается как A(ij), где 0 і L, 0 j Н. Принимается соответствующее пороговое значение t, при превышении которого можно произвести идентификацию принадлежности пикселя к фону или объекту. В случае содержания на изображении областей с большой степенью изменения яркости пикселей вводится двойное ограничение, выраженное как tl t2. В результате работы алгоритма бинаризации первоначальное полутоновое изображение принимает следующие значения: где в шестнадцатеричной системе счисления показаны цветовые показатели соответствующие фону — #000000, который интерпретирован как черный цвет и цветовые показатели соответствующие объекту — #АААААА, который интерпретирован как серый цвет. Визуальный результат выполнения блока бинаризации представлен на рисунке 3.19.
Процессе работы алгоритма бинаризации можно назвать адаптивным, поскольку имеет место выбора оптимального порогового значения topt, которое вычисляется через нахождение наибольшего значения амплитуды уровня серого gm и наименьшего значения амплитуды уровня серого gn. Формула расчета оптимального порогового значения topt следующая
Недостатком данной методики бинаризации цифрового полутонового изображения является низкая чувствительность к низкоконтрастным областям объектов на изображении, в то же время в качестве преимущества стоит отметить простоту реализации на любом объектно-ориентированном языке программирования, а так же высокую скорость работу, которая обуславливается линейной сложностью алгоритма - О(п), увеличивающейся пропорционально размеру изображения.