автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Автоматизация контроля цвета хлебобулочных изделий при управлении процессами выпечки

На правах рукописи

РЫЛЁВ Сергей Сергеевич

АВТОМАТИЗАЦИЯ КОНТРОЛЯ ЦВЕТА ХЛЕБОБУЛОЧНЫХ ИЗДЕЛИЙ ПРИ УПРАВЛЕНИИ ПРОЦЕССАМИ ВЫПЕЧКИ

Специальность 05.13.01 - Системный анализ, управление и обработка информации (в пищевой и химической промышленности) 05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

- 1 НОЯ 2012

Воронеж-2012

005054118

005054118

Работа выполнена на кафедре информационных и управляющих систем ФГБОУ ВПО «Воронежский государственный университет инженерных

технологий»

Научный руководитель: Заслуженный деятель науки РФ,

доктор технических наук, профессор Битюков Виталий Ксенофонтович (ФГБОУ ВПО ВГУИТ, г. Воронеж) Научный консультант: Кандидат технических наук

Ребриков Дмитрий Иванович (ФГБОУ ВПО ВГУИТ, г. Воронеж) Официальные оппоненты:Заслуженный деятель науки РФ,

доктор технических наук, профессор Дворецкий Станислав Иванович (ФГБОУ ВПО ТГТУ, г. Тамбов) Заслуженный деятель науки РФ, Доктор технических наук, профессор Благовещенская Маргарита Михайловна (ФГБОУ ВПО МГУПП, г. Москва) Ведущая организация: ОАО «Центравтсматика», г. Воронеж

Защита состоится «8» ноября 2012 г. в 13 час. 30 мин. на заседани диссертационного совета Д 212.035.02 в ФГБОУ ВПО «Воронежский г« сударственный университет инженерных технологий» по адресу: 39403 г. Воронеж, проспект Революции, 19, конференц-зал.

Отзывы на автореферат (в двух экземплярах), заверенные гербовс печатью учреждения, просим направлять по адресу: 394036, г. Вороне: пр. Революции, 19, ФГБОУ ВПО ВГУИТ, ученому секретарю диссертащ онного совета Д212.035.02.

Текст автореферата и объявление, о защите размещены на сай' ВАК РФ http://vak.ed.gov.ru «Л3у> г.СыЛ^^ЛО 12 г.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВП ВГУИТ.

Автореферат разослан «¿£» сентября 2012 г. Ученый секретарь диссертационного совета /у

кандидат технических иаук, доцент Хаустов И. А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы.

В настоящее время часть показателей качества хлебобулочных изделий (ХБИ) определяется по органолептическим показателям согласно ГОСТ и ТУ. Одним из таких показателей, важным с точки зрения потребителя, является цвет изделия и равномерность окраски. Проблема контроля этого показателя качества заключается в субъективности его оценки человеком, т.к. порог чувствительности и особенность восприятия цвета у каждого человека индивидуальны, а один и тот же цвет разными людьми будет интерпретирован различно. Кроме того, объективные трудности :вязаны с физикой отражения и поглощения света при различных услови-IX освещения. Различный спектральный состав освещения может давать >ДИнаковый отклик на зрительных рецепторах, что не исключено в усло-)иях производства. При отсутствии оперативных автоматизированных методов контроля нет возможности вносить изменения в ходе технологиче-:кого процесса для достижения заданного показателя качества.

Таким образом, актуальной является задача разработки автоматизи-юванного метода контроля цвета хлебобулочных изделий, а также систе-ш поддержки принятия решений при управлении технологическим провесом выпечки ХБИ с использованием математических моделей динами-:и изменения показателя качества.

Основной характеристикой объекта, обусловливающей его цвет, яв-яется спектральный коэффициент отражения. В настоящее время, в связи о снижением стоимости цифровой фототехники, к одним из перспективах методов контроля цветности можно отнести метод анализа цифровых зображений, преимуществом которого является низкая стоимость, про-тота контроля, возможность бесконтактного измерения, одновременная ценка свойств нескольких объектов или большой площади, возможность омпьютерной обработки сигнала и интеграции в контур АСУТП.

Основные теоретические положения по применению цифровых изо-ражений для анализа цветовых характеристик объектов рассмотрены в аботах: Р. Гонсалеса, Д. Джада, М. Кривошеева. Некоторые зависимости [ежду спектрами различных физико-химических показателей и показате-ями качества приведены в работах: А. Краснова, 3. Гарша, А. Герасимова, 'ти работы служат основой для разработки методик, позволяющих по па-аметрам цифрового изображения автоматически определять показатели

качества хлебобулочных изделий, характеризующих его цвет в соответствии с ГОСТ, что необходимо для хлебопекарных производств.

В связи с этим актуальность работы определяется необходимостью разработки новых методов контроля цветности ХБИ и синтеза системы поддержки принятия решений по управлению процессом выпечки с учетом полученных измерений.

Исследование выполнялось в рамках госбюджетной НИР «Разработка и совершенствование математических моделей, алгоритмов регулирования, средств и систем автоматического управления технологическими процессами» (№ г.р. 01960007315).

Цель: разработка системы поддержки принятия решений по управлению процессами выпечки хлебобулочных изделий с учетом цвета корки на основе непрерывно измеряемых цветовых спектрах поверхности ХБИ и математической модели динамики изменения цвета корки, обеспечивающей с достаточной точностью воспроизведение использующегося органо-лептического метода контроля качества, автоматизацию и оперативность оценки качества производимой продукции.

Для достижения указанной цели поставлены задачи:

1. Системный анализ проблем и методов автоматизации оценки качествг показателей цветности в промышленности.

2. Синтез структуры системы поддержки принятия решений по управлению процессом выпечки ХБИ на основе проведенного системного анализа

3. Разработка метода автоматизированного контроля цвета корки ХБИ с учетом произвольных параметров цветового спектра поверхности изделия.

4. Синтез математической модели, описывающей динамику изменена цвета корки ХБИ.

5. Разработка и реализация системы поддержки принятия решений пс управлению с учетом показателя цветности ХБИ в условиях производства.

Объект исследования. Технологический процесс выпечки ХБИ. Методы исследования. В работе используются методология системного анализа и моделирования систем, математического моделирования и дифференциального исчисления, методы идентификации и оптимизации.

Научная новизна:

1. Структура системы поддержки принятия решения по управлении: технологическим процессом выпечки ХБИ.

2. Новый метод автоматизированного контроля показателя цветности на основе обработки информации об измеряемых цветовых спектра*

поверхности ХБИ, отличающийся использованием автоматизированного отбора наиболее информативных параметров цветового спектра с использованием метода аналитических иерархий и использование нейронной сети для оценки показателя качества ХБИ.

3. Математическая модель динамики изменения показателя цветности, позволяющая прогнозировать значение показателя цветности при заданных температуре и времени выпечки ХБИ, а также рассчитывать корректирующие значения времени и температуры выпечки.

4. Специальное математическое и алгоритмическое обеспечение для реализации системы поддержки принятия решений по управлению технологическим процессом выпечки ХБИ с учетом цвета корки ХБИ.

Практическая значимость работы заключается в создании автоматизированной системы контроля цветовых показателей качества хлебобу-ючных изделий на основе анализа цифровых изображений, системы под-;ержки принятия решений для повышения эффективности АСУ ТП в хле-5опекарном производстве.

Математическая модель, метод контроля, алгоритмическое и про-раммное обеспечение для определения показателей качества хлебобулоч-1ых изделий по цифровому изображению успешно апробированы на ОАО Липецкхлебмакаронпром» (г. Липецк).

Внедрение разработанной методики позволяет в производственных 'словиях повысить оперативность определения качества выходной проекции и осуществлять поддержку принятия решений по управлению фоцессом выпечки ХБИ.

Апробация работы.

Основные положения диссертационной работы были доложены на 1еждународной конференции «Математические методы в технике и тех-юлогиях» ММТТ-24 (Псков, 2011), международной научно-практической :онференции, посвященной 80-летию ГОУ ВПО ВГТА и 50-летию кафедры ИУС (Воронеж, 2009), II международной научно-практической конфе-юнции, посвященной 80-летию ГОУ ВПО ВГТА, 60-летию кафедры Технологии хлебопекарного, макаронного и кондитерского производств» Воронеж, 2010).

Публикации. По результатам проведенных исследований и практи-еских разработок опубликовано 9 научных работ, включая 3 работы в на-чных изданиях и журналах, рекомендованных Высшей аттестационной омиссией.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Материал изложен на 168 страницах, содержит 66 рисунков и 21 таблицу. Список литературы из 125 источников и приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цели и задачи, научная новизна диссертационной работы, представлены выносимые на защиту научные положения и результаты.

В первой главе проведен литературный обзор способов контроля органолептических показателей хлебобулочных изделий, в частности такого показателя как цвет корки и равномерность окраски, дана классификация применяемых методов определения цветовых характеристик объектов. Обоснован выбор метода анализа цифровых изображений для контроля цвета корки хлебобулочного изделия, приводятся основные преимущества метода. Сделан вывод, что на сегодняшний день нет автоматического метода для контроля цвета корки хлебобулочного изделия подходящего для применения в контуре АСУ хлебопекарного производства и методов моделирования, позволяющих связывать параметры цветовых спектров с показателями качества. Сформулированы цели и задачи исследования.

Во второй главе рассматриваются вопросы обработки информации от измерительной системы. Информация нуждается в дальнейшей обработке с целью получения представления о качественных параметрах объекта и выработки управляющего воздействия. С точки зрения системного подхода рассмотрена проблема связи выходных данных измерительной системы и показателей качества (цвета изделия и равномерности окраски). Предложена системная модель, рассматривающая процесс как последовательность действий по преобразованию исходной информации.

Первым звеном в функциональной модели (рис. 1) является блок классификации (распознавания ситуации), позволяющий разделить исходное множество на подмножества, соответствующим областям с одним максимумом. Входными данными для блока классификации является массив измеряемых значений, полученных с объекта исследования:

Н = (И,,И ь—,Ьт),

где й, — значение экспериментальной точки, т - количество экспериментальных точек. При этом применяется классификация экспериментальных данных Н с помощью функций расстояния, что позволяет производить

кластеризацию данных. Подход к кластеризации, предусматривает использование показателя качества, который обеспечивает минимизацию выбранного показателя качества - сумма квадратов ошибки:

(1)

Н

где Ыс - число кластеров, 5. - множество образов, относящихся к /' - му

кластеру, а т/ = —- вектор выборочных средних значений для мно-N.

жества 5.; N. - количество образов, входящих во множество Б.

теория распознавания образов

Подмножества классифицированных данных одномодальных выборок

методы идентификации

параметры распределения

алгоритм классификации

Идентификация

подмножеств классифицирован н ых данных одномодальных выборок

алгоритм структурно-параметрической идентификации

Метод анализа иерархий

значимые параметры

распределения

Нейронная сеть

Спредолениа

значимых параметров

Мгтрицы парных сравнений

показатепь качества

принятие решения

о значении показателя к

Рис. 1. Структура функциональной модели

жслерт, структура сети, обучающая выборка

Показатель качества (1) определяет общую сумму квадратов отклонений характеристик всех образов, входящих в некоторый кластер, от соответствующих средних значений по кластеру. К такому алгоритму относится алгоритм «К внутригрупповых средних». Таким образом, информация к следующему блоку переходит в виде: Я, = (Ни Н2.....К),

н2 = (1ь,+/, И „+2,..., к,),

Нк = (7г/+;> И1+2,..., И,„У,

где к - количество унимодальных областей, И, - экспериментальные точки, п, у, т - количество экспериментальных точек в соответствующей унимодальной области.

I

н

О 0.3

Й 0.25

•

• .

> 1 • •

Д/(Ди.) • •

>

• « • А/']

15 21) ' 25 30 35 40 45

РII . , „ ^21

И (цветовой тон),

Рис. 2. Представление поверхности булки «Городской» с продолжительностью выпечки 19 мин. в координатах цветовой модели НБ! ,

Следующий блок выполняет аппроксимацию экспериментальных данных и определение параметров аппроксимирующей функции, которые необходимы для анализа показателей качества объекта, что в работе осуществлено с использованием оценок центральных, начальных моментов V других числовых характеристик, отражающих те или иные черты распределения измеренной величины. Мода Мо показывает наиболее вероятное значение (максимум) измеряемой величины. Первый начальный момент //, характеризует среднее значение или положение, центр распределение измеряемой величины /г на числовой оси. Второй центральный момент /А - степень рассеяния измеряемой величины И относительно //,. Третик центральный момент служит для характеристики асимметрии (скошенности) распределения величины А. Четвертый центральный момент служит для характеристики крутости (островершинности или плосковер-шинности) распределения величины 1г. Моменты более высоких порядко! описывают более тонкие особенности формы распределения.

Наряду с указанными параметрами для описания распределений применяются и другие характеристики: среднеквадратическое отклонение, коэффициент асимметрии - (скошенность) относительно симметричного нормального распределения, коэффициент эксцесса - (островершинность) распределения относительно нормального распределения. На выходе данного блока получаем следующую совокупность данных:

Ри, И21, Ни, ^4/' °и Мои И12, И 22, Ип, 1-1-12, а2, А 2, Е2, МОЪ

Ни, И2к, А'л, Рл. "ь Ак, Ек, Мок.

Реализация третьего блока в работе осуществлена с использованием метод анализа иерархий модифицированный (МАИМ) для выбора наиболее значимых статистических параметров распределения экспериментальных данных, что позволяет выбрать наиболее значимые из них с точки зрения оценки показателей качества, а также выявить степень влияния параметров, используя экспертные оценки для дальнейшего решения задачи. В данном методе эксперт оценивает значимость одной альтернативы по отношению к другой четверкой чисел (а,,^,^,«,), смысл которой состоит в следующем: степень значимости первой альтернативы находится в пределах от я, до аА, но вероятнее всего она находится в пределах от а, до а,. При выборе чисел а,, а,, а, и а, эксперт использует классическую шкалу, предложенную Т. Саати. Для проведения дальнейших расчетов нечеткая матрица парных сравнений дефаззифицируется, дальнейшие расчеты аналогичны классическому методу.

В последнем блоке необходимо по значимым параметрам принять решение о величине показателя качества. Для этого необходимо по совокупности параметров классифицировать поверхность изделия к одному из численных или лингвистических значений показателя качества. В работе предложено использование нейронной сети, которая при подаче на ее входы значений с заранее известными выходными значениями способна обучаться и в дальнейшем с высокой степенью точности классифицировать набор исходных данных.

Количество входных нейронов для сети определяется размерностью входного вектора (количеством значимых параметров), а количество выходных нейронов соответствует размерности ожидаемого выходного вектора сети у (количеству показателей качества).

В третьей главе рассмотрено применение разработанной функциональной модели для контроля цвета и равномерности окраски корки хлебобулочного (ХБ) изделия.

На примере цветового спектра, полученного при выпечки тестовой заготовки булки «Городской» на 25 минуте выпечки рассмотрено разбиение массива значений, представляющих цифровое изображение в координатах цветовой модели НБЬ на области, соответствующие требованию унимодальности. Найдены параметры распределения 1(И), которые соответствуют представлению поверхности булки «Городской» с различными значениями показателя качества - окраски корки в координатах цветовой модели НБЬ.

Выявление соответствия между показателем качества и представлением окраски корки на интервальной шкале выполнено с использованием экспертного опроса по методу непосредственной оценки.

Далее показано использование модифицированного МАИ для оценки важности каждого параметра распределения. В результате работы экспертной группы заполнялась нечеткая матрица парных сравнений по определению цвета поверхности.

Далее по полученной матрице рассчитывался вектор приоритетов.

Аналогичным образом выявляли зависимость статистических параметров распределения и их производных от равномерности окраски корки ХБ изделия, в результате чего, для предложенных экспертам альтернатив (Ар,; А/(Д/у/); А//гД/(Л/^); АМо; А/(АЛ/о); АМо-А1{АМо)\ АМо-М(АМо)-в2/+ в22) был получен следующий вектор приоритетов: (0,136; 0,028; 0,028; 0,138; 0,138; 0,455; 0,078).

Таким образом, были определены значимые параметры распределения. Для цвета корки это ¡л^ в/; Мо\ для равномерности окраски корки ДМо; Д/(ДМэ); АМо-АКАМо)\ АМо-А1(АМо), которые будут являться входными значениями для блока принятия решения.

В виду того, что количество значимых параметров, полученных в предыдущем блоке для определения цвета корки и ее равномерности равно трем, то нейронная сеть для реализации задачи принятия решения будет иметь 3 входных нейрона, и в соответствии с теоремой Колмогорова 7 нейронов скрытого слоя, в выходном слое будет один нейрон (рис. 3).

После формирования обучающей выборки осуществляется обучение нейронной сети. В результате чего определяются значения весовых коэффициентов и>у"' и и*/3'. При подаче на вход сети параметров распределения

на выходе у получаем значение показателя качества в виде балльной оценки в соответствии с ГОСТ от 1 до 5.

По результатам сравнения предложенной методики оценки качества - цвета и равномерности окраски корки с традиционным методом - экспертным опросом, который принят в данной работе за эталонный получены значения ошибки работы обученной нейронной сети на тестовой выборке. При определении цвета корки процент оценок, вышедших за пределы одного балла составил 4,4%; при определении равномерности окраски 9,8 %. Ошибки на тестовой выборке в 2 и более баллов не зафиксировано.

1 \ 1

V,. (21

,., (I? - -

И" и,

f'l. . -(ЛМо) • . ■ и, w 12!

u'/У' V '■• -' «-'

в,- • • • *

(Al(AMo)) ' и<

и 'IJ

WN ~ ■ ~ У

V

' .Л 1.1 (2)

(II 4 И/J

II/,

Мо < -

(ЛМо*Al(AMo)) ,,, wm wm

w7j-

lly

Рис. 3. Нейронная сеть для определения показателя качества - цвета корки (в скобках даны параметры для определения равномерности).

После формирования обучающей выборки осуществляется обучение нейронной сети. В результате чего определяются значения весовых коэффициентов и>/" и п,При подаче на вход сети параметров распределения

на выходе у получаем значение показателя качества в виде балльной оценки в соответствии с ГОСТ от 1 до 5.

По результатам сравнения предложенной методики оценки качества - цвета и равномерности окраски корки с традиционным методом - экспертным опросом, который принят в данной работе за эталонный получены значения ошибки работы обученной нейронной сети на тестовой выборке. При определении цвета корки процент оценок, вышедших за пределы одного балла составил 4,4%; при определении равномерности окраски 9,8 %. Ошибки на тестовой выборке в 2 и более баллов не зафиксировано.

В четвертой главе для оперативной корректировки параметров технологического процесса выпечки ХБИ с целью обеспечения заданного качества изделия еще в ходе процесса выпечки предложено использовать математическую модель, описывающую кинетику изменения показателя цвета во времени. При этом параметры разработанной модели связаны с параметрами технологического процесса.

Для описания кинетики изменения цвета предложено использовать подход, представляющий ход процесса как совокупность реакций приводящих к изменению цвета с соответствующими константами скорости реакции. Поскольку нет возможности выделить одно вещество и реакцию его образования, определяющее цвет, то в работе они представлены в виде некоторой обобщенной реакции образования всех веществ, образующих пигменты, определяющие окраску корки ХБИ. В ходе исследования зависимости изменения цвета корки на примере булки «Городской» в процессе выпечки, удалось выявить три характерные стадии: 1 - время выпечки со слабым изменением цвета; 2 - потемнение цвета корки, имеющее вид экспоненциального спада и 3 - заключительный этап выпечки со слабым изменением цвета до прмгорания, что было учтено при разработке математической модели. Структура разработанной математической модели имеет следующий вид:

Ж

(¡Т —(2)

= кт (г ,,„ -Т„., )е - <2Г„„ (Т.,, -)

Л

С,.ЛО) = С .....(0) =7,,,,,

где кв- скорость химических реакций, приводящих к образованию пигментных веществ при некоторой фиксированной температуре; к, - попра-

1 1

вочный температурный коэффициент; к, - константа скорости изменения температуры корки ХБИ со временем; Гтемпература воздуха в пекарной камере, "С; - теплота, отводимая мякишем хлеба, Дж\ Е - эффективная энергия активации реакций, приводящих к образованию пигментных веществ, кДж/моль; Я - универсальная газовая постоянная кДж/(К-моль); '/;„,, - температура корки ХБИ, °С.

Такая структура модели (2) позволяет с приемлемой для целей контроля показателя цвета погрешностью описывать изменение температуры и цвета корки со временем и при этом уточнять зависимость скоростей химических реакций, приводящих к образованию пигментных веществ и изменяющих цвет корки.

Разработанная структура математической модели кинетики цвета корки ХБИ при его выпечке позволяет решать ряд практических задач. Во-первых, математическая модель позволяет прогнозировать время достижения заданного показателя качества окраски корки при определённых начальных условиях, во вторых, такая модель позволяет проверить будет ли достигнуто требуемое значение показателя качества при заданных времени выпечки и начальных условиях. В третьих, математическая модель открывает возможности поиска таких параметров кинетических уравнений и, следовательно, таких технологических режимов, которые бы обеспечили достижение заданного показателя качества цвета корки ХБИ за определённый промежуток времени.

Для оценки предложенной математической модели были проведены экспериментальные исследования, в ходе которых были получены данные по кинетике цвета ХБИ температуры корки и мякиша. Для чего выпекались тестовые заготовки, и в ходе выпечки осуществлялся отбор тестовой заготовки с интервалом в 2 минуты, далее осуществлялась цифровая съемка поверхности для дальнейшего получения цветового спектра и с использованием тепловизора определялась температура мякиша и корки выпекаемой заготовки. Примеры изображения корки и температурного профиля заготовки приведены на рис. 4 и 5 соответственно.

Далее в работе по результатам экспериментальных исследований проведена параметрическая идентификация математической модели (2) в результате чего найдены параметры ка,к{.кг,ЕЛт,()1ткобеспечивающие адекватное описание процесса изменения показателя окраски корки ХБИ и минимальное отклонение рассчитываемых данных по математической модели от экспериментальных данных.

Ü

: \

Ш

mm

m

Рис. 4. Изображение корки выпекаемой тестовой заготовки в начале выпечки, на 10 и Iii минутах, соответственно.

Рис. 5. Оценка температурного профиля среза со временем выпечки 8 мин.

Для осуществления параметрической идентификации использовался критерий вида:

N

5= Z (С

-С

эксп. расч.

У

(3)

> = 1 ; • . Методом покоординатного спуска искались параметры, минимизирующие критерий(3)

/

N

S= I 1 = 1

С

-с

эксп. расч

к0'ЕАсоГкТ

-» min.

Результаты идентификации представлены в таблице и на рис. 6.

Таблица. Параметры идентификации математической модели (2) для образцов №1-5

при фиксированной температуре в пекарной камере.

№ образца

Па

Ли.

0,039

0,032

0,02

0,025

0,022

к, 45,769

эаметр модели

26,626

-I 1,174

-1,559

0,515

к,

<2L

0,323

0,323

0,324

0,324

0,324

_к_

105,238

105,138

105,336

105,308

105,301

Qr,

0,134

0,134

0,134

0,134

0,134

Проверку адекватности полученных моделей осуществляли по критерию Фишера, минимальное значение которого среди всех образцов для кинетики цвета составило: Ррасч (С) = 11,209; для температуры Р/МГЧ(Т) = 44,116, при табличном Ртаб, -2.69.

200

100

5 10 15 20 25 30 35

Продолжи тельность выпечки, мин Рис. 6. Результат идентификации моделью (2) экспериментальных значений для изменения

окраски и температуры корки, ооо - экспериментальные,---расчетные значения температуры корки; +++ - экспериментальные, — - расчетные значения цвета корки.

В пятой главе показана разработка системы поддержки принятия решения (СППР) по управлению процессом выпечки на основе разработанной методики оценки показателя цветности поверхности ХБИ и математической модели кинетики изменения этого показателя, которая заключается в построении процедур вычисления времени достижения заданного показателя цвета при определённых начальных условиях прогноза достижения заданного качества при заданных времени выпечки и начальных

14

условиях. Вычисленные значения предложено оформлять в виде рекомендаций технологу-оператору по изменению управляющих воздействий на объект управления. В данном случае используются время выпечки и температура.

Ввиду наличия неконтролируемых возмущений, связанных с неоднородностью используемого сырья по составу и наличию микропримесей параметры математической модели кинетики показателя цветности могут изменяться от партии к партии. Для компенсации возмущений, связанных с этими возмущениями предлагается использовать процедуру текущей идентификации, позволяющей оперативно корректировать параметры математической модели кинетики показателя цветности по текущим измерениям показателя в начальном этапе выпечки. Дальнейшие расчеты и выдача рекомендаций ведутся по оперативным измерениям и новым параметрам математической модели. СППР выдает рекомендации по изменению температуры выпечки в пределах технологического регламента, при которой будет гарантировано достижение заданного значения показателя цветности или изменение времени выпечки для достижения той же цели.

Для обеспечения высокой точности прогноза окраски корки ХБИ необходимо иметь минимальное и достаточное множество измерений этого показателя в ходе технологического процесса. Для этого на математической модели проведена серия вычислительных экспериментов по заданию разных диапазонов! текущей идентификации для расчета показателя цвета при заданных времени выпечки или времени при заданном показателе Это позволило определить временной интервал в течение которого будет осуществляться процедура текущей идентификации математической модели и при этом будет обеспечена приемлемая точность прогноза показателя качества. В ходе выполнения алгоритма параметры модели (2) к0,кг,Елы,(2Гт были определены на полной выборке экспериментальных данных и зафиксированы их значения. Определялся параметр к,, который в модели (2) является поправочным температурным коэффициентом. Точность прогноза определялась для конечного этапа процесса выпечки. По результатам эксперимента выяснили, что при идентификации модели (2) на 8-ой минуте выпечки тестовой заготовки относительная погрешность прогнозирования по модели составила для цвета менее 3%, для температуры менее 5%.

По разработанным методе контроля окраски корки ХБИ, алгоритмам и программном обеспечение для расчета цвета и принятия решения по управлению технологическим процессом выпечки была синтезирована

структура СППР (рис. 7). Предложена модульная трехуровневая структура, включающая уровни:

1. получения первичной информации об объекте;

2. интеллектуальной обработки данных для расчета показателя качества;

3. математического моделирования динамики изменения показателя цветности и выдачи рекомендаций по управлению.

Режим обучения

Формирование опросных карт

Выбор наиболее значимых параметров с использованном

метода аналитических иерархий

<и,10,Мгг>

Обучение нейронной св!и

Подсистема интеллектуальной обработки цветового спектра

ш

Подсистема математического моделирования и выдачи рекомендаций по управлению

Расчет температуры и времени выпечки с учетом показателя цвотости

Математичеоая модель динам дки | изменения показ этеля " цветности

- Рекомендации по управлению .. Цвет корки в лингвистическом процессом выпечки выражении

Рис. 7. Система поддержки принятия решений по управлению процессом выпечки ХБИ на основе математической модели кинетики цвета корки

Выводы

1. Проведен системный анализ проблем и методов оценки показателей качества цвета корки ХБИ, позволивший осуществить синтез структуры системы поддержки принятия решений по управлению процессом выпечки ХБИ.

2. Реализована автоматизированная система отбора наиболее информативных параметров регистрируемых цветовых спектров поверхности ХБИ и оценки показателя качества по обученной ранее нейронной сети, что позволило осуществлять непрерывную автоматизированную оценку цвета ХБИ в процессе выпечки.

3. Синтезирована математическая модель динамики изменения показателя цветности, позволившая прогнозировать значение показателя цветности при заданных температуре и времени выпечки ХБИ с относительной погрешностью 0,5 %, а также рассчитывать корректирующие значения времени и температуры выпечки.

4. Разработано программное обеспечение для реализации системы поддержки принятия решений по управлению технологическим процессом выпечки ХБИ с учетом цвета корки.

Перечень основных публикаций автора по теме диссертации

Статьи, опубликованные в изданиях, определенных ВАК РФ по научной специальности диссертационной работы:

1. Битюков В.К., Хвостов A.A., Рылев С.С., Ребриков Д.И. Синтез математических моделей распределений измеряемых величин для контроля качества // Системы управления и информационные технологии, 4.1(42), 2010.-С. 108-110.

2. Битюков В.К., Хвостов A.A., Рылев С.С., Ребриков Д.И. Автоматизированная система контроля качества цвета хлебобулочных изделий // Вестник Воронежской государственной технологической академии. - 2011. -№2. С. 25-28.

3. Рылев С.С. Автоматизированная система поддержки принятия решения по управлению процессом выпечки хлебобулочных изделий // Системы управления и информационные технологии, №3(49), 2012. - С. 94-99.

Публикации в других изданиях

4. Битюков В.К., Хвостов A.A., Рылев С.С., Ребриков Д.И. Метод моделирования экспериментальных данных со спектральной составляющей // Материалы Международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА и 50-летию кафедры ИУС. Воронеж, 2009 г. С. 33-35.

5. Битюков В.К., Хвостов A.A., Пономарева Е.И., Ребриков Д.И., Рылев С.С. Параметры статистических распределений для определения показате-

лей качества // Новое в технологии и технике пищевых производств Материалы II Международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА, 60-летию кафедры «Технологии хлебопекарного, макаронного и кондитерского производств». Воронеж, 2010 г. С. 503-504.

6. Рылев С.С. Модифицированный метод анализ иерархий в задаче выбора значимых параметров для оценки качества // Сборник трудов XXIV Международной научной конференции «Математические методы в технике и технологиях - ММТТ-24». - Национ. техн. ун-т. Украины «КПИ» - Киев, 2011. - с. 148-150

7. Битюков В.К., Ребриков Д.И., Рылев С.С. Выделение унимодальных областей из последовательности измеряемых данных // Сборник трудов XXIV Международной научной конференции «Математические методы в технике и технологиях - ММТТ-24». -Пенза, 2011. - С. 44-45.

Подписано в печать 28.09.12. Формат 60» 84 7|„. Усл. псч. л. 1,2. Тираж 100 окч. Закач915.

Отпечатано с готового оригинал-макета в типографии Игаатсльско-полиграфичсского центра Воронежского государственного университета.

394000, Воронеж, ул. Пушкинская, 3

Введение.

1. Системный анализ методов и технических средств контроля цветовых характеристик технологических поверхностей.

1.1. Получение показателей качества объектов в косвенной системе контроля.

1.2. Методы квалиметрии цвета технологических поверхностей.

1.2.1 Органолептические методы контроля.

1.2.2. Инструментальные методы контроля цветовых характеристик технологических поверхностей.

1.2.2.1. Инструментальные параметрические методы контроля (по спектральному составу излучения).

1.2.2.2. Инструментальные совокупные методы контроля (по количествам отдельных цветов в их смеси).

1.3. Структура косвенной системы измерения основанной на математической модели.

1.4. Математическое моделирование в задачах контроля цветовых характеристик технологических поверхностей.

1.4.1. Модели «спектральный состав - показатель качества» технологических поверхностей.

1.4.2. Применение теории распознавания образов при анализе экспериментальных данных.

1.4.3. Построение экспертных систем на основе нейронных сетей.

1.4.4. Метод анализа иерархий в задаче выбора значимых альтернатив.

1.5 Автоматизация контроля цветовых показателей качества хлебобулочных изделий с применением спектральной квалиметрии.

Выводы и постановка задачи дальнейших исследований.

2. Задача принятия решений о качестве хлебобулочных изделий в процессе управления выпечкой.

2.1. Структура функциональной модели процесса принятия решения.

2.2. Классификация ситуаций.

2.2.1. Выбор признаков классификации.

2.2.2. Алгоритм кластеризации К внутригрупповых средних.

2.3. Идентификация входных значений.

2.4. Построение структуры иерархии.

2.4.1. Построение матриц парных сравнений.

2.4.2. Модификация метода аналитических иерархий в случае нечеткости исходных данных.

2.4.3. Построение матрицы парных сравнений.

2.4.4. Построение вектора приоритетов.

2.4.5. Определение согласованности мнений экспертов.

2.5. Принятие решения.

2.5.1. Выбор аппарата принятия решения.

2.5.2. Построение оптимальной структуры нейронной сети.

2.5.3. Обучение нейронной сети.

3. Обработка цветовых спектров технологической поверхности хлебобулочных изделий.

3.1. Использование функциональной модели для контроля цветовых показателей качества хлебобулочных изделий.

3.2. Экспериментальное исследование цветовых спектров поверхности хлебобулочных изделий.

3.2.1. Получение цветового спектра по цифровому изображению поверхности.

3.2.2. Первичная обработка цветового спектра с использованием теории распознавания образов.

3.2.3. Аппроксимация цветовых спектров с использованием аппарата математической статистики.

3.2.4. Определение значимых статистических параметров.

3.2.5. Выработка решения по значению показателя качества.

4. Математическое моделирование динамики цветности хлебобулочного изделия

4.1. Проведение экспериментальных исследований.

4.2 Параметрическая идентификация математической модели.

5. Поддержка принятия решений по управлению процессом выпечки ХБИ на основе математической модели динамики изменения цвета корки.

5.1. Исследование времени текущей идентификации для обеспечения минимально допустимой ошибки расчета показателя цветности.

5.2. Синтез структуры и технические решения по реализации СППР по управлению процессом выпечки ХБИ.

5.3. Программное обеспечение системы поддержки принятия решения в управлении процессами выпечки хлебобулочных изделий.

Выводы.

Актуальность проблемы. В настоящее время часть показателей качества хлебобулочных изделий (ХБИ) определяется по органолептическим показателям согласно ГОСТ и ТУ. Одним из таких показателей, важным с точки зрения потребителя, является цвет изделия и равномерность окраски. Проблема контроля этого показателя качества заключается в субъективности его оценки человеком, т.к. порог чувствительности и особенность восприятия цвета у каждого человека индивидуальны, а один и тот же цвет разными людьми будет интерпретирован различно. Кроме того, объективные трудности связаны с физикой отражения и поглощения света при различных условиях освещения. Различный спектральный состав освещения может давать одинаковый отклик на зрительных рецепторах, что не исключено в условиях производства. При отсутствии оперативных автоматизированных методов контроля нет возможности вносить изменения в ходе технологического процесса для достижения заданного показателя качества.

Таким образом, актуальной является задача разработки автоматизированного метода контроля цвета хлебобулочных изделий, а также системы поддержки принятия решений при управлении технологическим процессом выпечки ХБИ с использованием математических моделей динамики изменения показателя качества.

Основной характеристикой объекта, обусловливающей его цвет, является спектральный коэффициент отражения. В настоящее время, в связи со снижением стоимости цифровой фототехники, к одним из перспективных методов контроля цветности можно отнести метод анализа цифровых изображений, преимуществом которого является низкая стоимость, простота контроля, возможность бесконтактного измерения, одновременная оценка свойств нескольких объектов или большой площади, возможность компьютерной обработки сигнала и интеграции в контур АСУТП.

Основные теоретические положения по применению цифровых изображений для анализа цветовых характеристик объектов рассмотрены в работах:

Р. Гонсалеса, Д. Джада, М. Кривошеева. Некоторые зависимости между спектрами различных физико-химических показателей и показателями качества приведены в работах: А. Краснова, 3. Гарша, А. Герасимова. Эти работы служат основой для разработки методик, позволяющих по параметрам цифрового изображения автоматически определять показатели качества хлебобулочных изделий, характеризующих его цвет в соответствии с ГОСТ, что необходимо для хлебопекарных производств.

В связи с этим актуальность работы определяется необходимостью разработки новых методов контроля цветности ХБИ и синтеза системы поддержки принятия решений по управлению процессом выпечки с учетом полученных измерений.

Исследование выполнялось в рамках госбюджетной НИР «Разработка и совершенствование математических моделей, алгоритмов регулирования, средств и систем автоматического управления технологическими процессами» (№ г.р. 01960007315).

Целью работы является разработка системы поддержки принятия решений по управлению процессами выпечки хлебобулочных изделий с учетом цвета корки на основе непрерывно измеряемых цветовых спектров поверхности ХБИ и математической модели динамики изменения цвета корки, обеспечивающей с достаточной точностью воспроизведение использующегося органолептического метода контроля качества, автоматизацию и оперативность оценки качества производимой продукции.

Задачи исследования

Для достижения указанной цели поставлены задачи:

1. Системный анализ проблем и методов автоматизации оценки качества показателей цветности в промышленности.

2. Синтез структуры системы поддержки принятия решений по управлению процессом выпечки ХБИ на основе проведенного системного анализа.

3. Разработка метода автоматизированного контроля цвета корки ХБИ с учетом произвольных параметров цветового спектра поверхности изделия.

4. Синтез математической модели, описывающей динамику изменения цвета корки ХБИ.

5. Разработка и реализация системы поддержки принятия решений по управлению с учетом показателя цветности ХБИ в условиях производства.

Объект исследования. Технологический процесс выпечки ХБИ.

Методы исследования. В работе используются методология системного анализа и моделирования систем, математического моделирования и дифференциального исчисления, методы идентификации и оптимизации.

Научная новизна работы. В диссертации получены следующие результаты, характеризующие научную новизну:

1. Структура системы поддержки принятия решения по управлению технологическим процессом выпечки ХБИ.

2. Новый метод автоматизированного контроля показателя цветности на основе обработки информации об измеряемых цветовых спектрах поверхности ХБИ, отличающийся использованием автоматизированного отбора наиболее информативных параметров цветового спектра с использованием метода аналитических иерархий и использование нейронной сети для оценки показателя качества ХБИ.

3. Математическая модель динамики изменения показателя цветности, позволяющая прогнозировать значение показателя цветности при заданных температуре и времени выпечки ХБИ, а также рассчитывать корректирующие значения времени и температуры выпечки.

4. Специальное математическое и алгоритмическое обеспечение для реализации системы поддержки принятия решений по управлению технологическим процессом выпечки ХБИ с учетом цвета корки ХБИ.

Практическая значимость работы заключается в создании автоматизированной системы контроля цветовых показателей качества хлебобулочных изделий на основе анализа цифровых изображений, системы поддержки принятия решений для повышения эффективности АСУ ТП в хлебопекарном производстве.

Математическая модель, метод контроля, алгоритмическое и программное обеспечение для определения показателей качества хлебобулочных изделий по цифровому изображению успешно апробированы на ОАО «Хлебозавод №2» (г. Воронеж).

Внедрение разработанной методики позволяет в производственных условиях повысить оперативность определения качества выходной продукции и осуществлять поддержку принятия решений по управлению процессом выпечки ХБИ.

Апробация работы. Основные положения диссертационной работы были доложены на международной конференции «Математические методы в технике и технологиях» ММТТ-24 (Псков, 2011), международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА и 50-летию кафедры ИУС (Воронеж, 2009), II международной научно-практической конференции, посвященной 80-летию ГОУ ВПО ВГТА, 60-летию кафедры «Технологии хлебопекарного, макаронного и кондитерского производств» (Воронеж, 2010).

Публикации. По результатам проведенных исследований и практических разработок опубликовано 7 научных работ, включая 3 работы в научных изданиях и журналах, рекомендованных Высшей аттестационной комиссией.

Структура работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы и приложений.

Выводы

1. Проведен системный анализ проблем и методов оценки показателей качества цвета корки ХБИ, позволивший осуществить синтез структуры системы поддержки принятия решений по управлению процессом выпечки ХБИ.

2. Реализована автоматизированная система отбора наиболее информативных параметров регистрируемых цветовых спектров поверхности ХБИ и оценки показателя качества по обученной ранее нейронной сети, что позволило осуществлять непрерывную автоматизированную оценку цвета ХБИ в процессе выпечки.

3. Синтезирована математическая модель динамики изменения показателя цветности, позволившая прогнозировать значение показателя цветности при заданных температуре и времени выпечки ХБИ с относительной погрешностью 0,5 %, а также рассчитывать корректирующие значения времени и температуры выпечки.

4. Разработано программное обеспечение для реализации системы поддержки принятия решений по управлению технологическим процессом выпечки ХБИ с учетом цвета корки.

1. Абакаров, А.Ш. Программная система поддержки принятия рациональных решений "MPRIORITY 1.0" Текст. / А.Ш. Абакаров, Ю.А. Сушков // Электронный научный журнал "Исследовано в России", 2005.

2. Аверкин, А. Н. Нечеткие множества в моделях управления и искусственного интеллекта Текст. / А. Н. Аверкин, И. 3. Батыршин, А. Ф. Блишун и др. М., Наука, 1986.

3. Адриан, В. Возрастные изменения пропускания хрусталиком глаза излучений натриевых и металлогалогенных ламп высокого давления Текст. / В. Адриан // Светотехника. 2007. №2. С. 15-16.

4. Алиев, P.A. Управление производством при нечеткой исходной информации Текст. / P.A. Алиев, А.Э. Церковный, Г.А. Мамедова. М.: Энерго-атомиздат, 1991. -240 е.: ил.

5. Андрейчиков, А. В. Анализ, синтез, планирование решений в экономике Текст. / А. В. Андрейчиков, О. Н. Андрейчикова М.: Финансы и статистика, 2004. - 464 с.

6. Ауэрман, Л.Я. Технология хлебопекарного производства: Учебник. 9-е изд.; перераб. и доп. Текст. / Под общ. ред. Л.И. Пучковой. - СПб: Профессия, 2003. - 416 е., ил.

7. Ашкенази, Г.И. Цвет в природе и технике Текст. / Г.И. Ашкенази. 4-е изд. М.: Энергоиздат, 1985.

8. Байдичева, О.В. Цветометрия новый метод контроля качества пищевой продукции Текст. /О.В. Байдичева, В.В. Хрипу шин, JI.B. Рудакова, О.Б. Рудаков // Пищевая промышленность №5. 2008. С. 20-22.

9. И. Барский, А.Б. Логические нейронные сети Текст. / А.Б. Барский. М.: Интернет-университет информационных технологий, Бином. Лаборатория знаний, 2007 г.

10. Барский, А.Б. Нейронные сети распознавание, управление, принятие решений Текст. / А.Б. Барский. - М.: Интернет-университет информационных технологий, Бином. Лаборатория знаний, 2004 г.

11. Бендат, Д. Прикладной анализ случайных данных, пер. с англ. Текст. / Д. Бендат, А. Пирсол. М.: Мир, 1989 - 540 е.: ил.

12. Бешелев, С.Д. Математико-статистические методы экспертных оценок Текст. / С.Д. Бешелев, Ф.Г. Гурвич М.: Статистика, 1980. - 262 с.

13. Биске, К. Субъективные оценки цветопередачи в зависимости от спектра излучения источников света Текст. / К. Биске, К. Вандаал, К. Юнгнич // Светотехника. 2007. №5. С. 14-16.

14. Битюков, В.К. Автоматизированная система контроля качества цвета хлебобулочных изделий Текст. / В.К. Битюков, A.A. Хвостов, Д.И. Ребриков, С.С. Рылев // Вестник Воронежской государственной технологической академии. 2011. - №2. С. 40-44.

15. Болотов, В.М. Новые пищевые красители из отечественного растительного сырья Текст. / В.М. Болотов, В.В. Хрипушин, Е.В. Комарова, Л.И. Пе-рикова. // Вестник ВГТА. 2006, № 11, С. 117-121.

16. Бочарникова, И.В. Применение цифровых технологий в мониторинге стойкости обоев Текст. / И.В. Бочарникова, О.Б. Рудаков, Е.А. Хорохордина, В.В. Хрипушин // Строительные материалы. 2007. №9, С. 28-29.

17. Булычев, Ю.Г. Измерение параметров радиосигнала на основе сплайно-вой аппроксимации корреляционной функции помех Текст. / Ю.Г. Булычев,

18. A.П. Лапсарь // Измерительная техника. 2007. - №12. С. 9-10.

19. Гарш, 3. Метод цифрового анализа изображений для определения стек-ловидности зерна пшеницы Текст. / 3. Гарш, В. Лузев. // Хлебопродукты. -2006.-№7. С. 58-59.

20. Гарш, 3. Цветовой эталон для зерна и хлебопродуктов Текст. / 3. Гарш,

21. B. Лузев. // Хлебопродукты. 2006. - №4. С. 54-55.

22. Герасимов, A.B. Метод определения цветовых параметров растительного сырья при получении пищевых красителей Текст. / A.B. Герасимов. // Химия растительного сырья. 2000, Том 4, № 4, С. 81-83.

23. Гмурман, В.Е. Теория вероятностей и математическая статистика Текст. / В.Е. Гмурман. М.: Высшая школа, 1999.

24. Гонсалес, Р. Цифровая обработка изображений Текст. / Р. Гонсалес, Р. Вудс. Москва: Техносфера, 2005. - 1072.

25. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB Текст. / Р. Гонсалес, Р. Вудс, С. Эддинс. Москва: Техносфера, 2006. - 616 с.

26. Горелик, А.Л. Методы распознавания: Учеб. Пособие для ВУЗов. 3-е изд., перераб. и доп. Текст. / А.Л. Горелик, В.А. Скрипкин. - М.: Высш. шк., 1989.-232 е.: ил.

27. Горелик, А.Л. Современное состояние проблемы распознавания Текст. / А.Л. Горелик, И.Б. Гуревич, В.А. Скрипкин. М.: Радио и связь, 1985. - 160 е.: ил.

28. ГОСТ 13088 67 Колометрия. Термины и буквенные обозначения.

29. ГОСТ 26987 86 Хлеб белый из пшеничной муки высшего, первого и второго сортов. Технические условия.

30. ГОСТ 27844-88 Изделия булочные. Технические условия.

31. ГОСТ 5667 65 Хлеб и хлебобулочные изделия. Правила приемки.

32. ГОСТ 5897 90 Изделия кондитерские. Методы определения органолеп-тических показателей.

33. ГОСТ 29131-91 Продукты жидкие химические. Метод измерения цвета в единицах Хазена (платино-кобальтовая шкала)

34. ГОСТ 18522-93 Смолы и пластификаторы жидкие Методы определения цветности

35. ГОСТ 5477-93 Масла растительные. Методы определения цветности

36. ГОСТ 12572-67 Сахар-песок и сахар-рафинад. Метод определения цветности сахара

37. ГОСТ Р 8.563 96. ГСИ. Методики выполнения измерений.

38. Грановский, В.А. Методы обработки экспериментальных данных при измерениях Текст. / В.А. Грановский, Т.Н. Сирая. Л.: Энергоатомиздат. 1990 г. -280 е.: ил.

39. Гуревич, М.М. Фотометрия. Теория, методы и приборы. Текст. / М.М. Гуревич. -2-е изд. Л.: Энергоиздат. 1983. 272 е.: ил.

40. Гуревич, М.М. Цвет и его измерение. Текст. / М.М. Гуревич. М. - Л.: Изд-воАН СССР, 1950.

41. Гуревич, М.М., Оптические свойства лакокрасочных покрытий. Текст. / М.М. Гуревич, Э.Ф. Ицко, М.М. Середенко. Л.: Химия, 1984. - 120 е.: ил.

42. Джадд, Д., Цвет в науке и технике. Текст. / Д. Джадд, Г. Вышецки. -Пер. с англ. М.: Мир, 1978. 577 е.: ил.

43. Дмитриев, E.B. Методы аппроксимации и определения естественного спектра коротких процессов, сигналов, функций Текст. / Е.В. Дмитриев // Приборы и системы. Управление, контроль, диагностика. 2007. №5. С. 1824.

44. Дмитриев, Е.В. Расчет естественного спектра и тренда процессов, сигналов, функций Текст. / Е.В. Дмитриев // Приборы и системы. Управление, контроль, диагностика. 2007. №10. С. 42-45.

45. Долгова, Е.В. Интеллектуальное управление ресурсами на технологическом маршруте Текст. / Е.В. Долгова, А.Н. Гусин, Г.И. Рустамханова, P.A. Файзрахманов, P.P. Файзрахманов // Приборы и системы. Управление, контроль, диагностика. 2007. №6. С. 66-69.

46. Дуда, Р. Распознавание образов и анализ сцен Текст. / Р. Дуда, П. Харт пер. с англ. Г.Г. Вайнштейна, A.M. Васьковского, под ред. B.JI. Стефанюка. -М.: Мир, 1976-512 с.

47. Завьялов, Ю.С. Методы сплайн-функций Текст. / Ю.С. Завьялов, Б.И. Квасов, B.JI. Мирошниченко. М.: Наука, 1980.

48. Иванов, В.М. Химическая цветометрия: возможности метода, области применения и перспективы Текст. / В.М. Иванов, О.В. Кузнецова // Успехи химии. 2001. Т. 70. № 5. С. 411-428.

49. Иванов, B.C. Выражение и количественная оценка неопределенностей измерений в фотометрии Текст. / B.C. Иванов, Г. Заутер, А.Ф. Копок, Р.И. Столяревский // Измерительная техника. 2001. №10. С. 21-25.

50. Квейд, Э. Анализ сложных систем. Текст. / Э. Квейд Пер. с англ. Под ред. И.И. Ануреева, И.М. Верещагина. М: Советское радио. 1969. - 520 с.

51. Кендалл, М., Теория распределений, пер. с англ. Текст. / М. Кендалл, А. Стьюарт. М.: Наука, 1966 - 588 с.

52. Кендалл, М. Статистические выводы и связи Текст. / М. Кендалл, А. Стьюарт. М.: Наука, 1973.

53. Кириллов, A.C. Алгоритм интерполяции функций с финитным спектром, усекаемых на полуоткрытых интервалах, при избыточной частоте дискретизации Текст. / A.C. Кириллов, П.Н. Рог // Измерительная техника. 2007. №11. С. 9-12.

54. Клир, Дж. Системология. Автоматизация решения системных задач Текст. / Дж. Клир: Пер. с англ. М.: Радио и связь. 1990. - 544 е.: ил.

55. Кофман, А. Введение в теорию нечетких множеств Текст. / А. Кофман. М.: Радио и связь, 1982.

56. Крамер, Г. Математические методы статистики Текст. / Г. Крамер. М.: Мир, 1975-658 с.

57. Краснов, А.Е. Основы спектральной компьютерной квалиметрии жидких сред Текст. / А.Е. Краснов, A.B. Воробьева, Ю.Г. Кузнецова, С.А. Красников, H.A. Краснова, Анискин Д.Ю. -М.: ИД «Юриспруденция», 2006. 264 с.

58. Кривошеев, М.И. Основы телевизионных измерений Текст. / М.И. Кривошеее 3-е изд., доп. и перераб. - М.: Радио и связь, 1989. - 608 е.: ил.

59. Кривошеев, М.И. Цветовые измерения Текст. / М.И. Кривошеев, А.К. Кустарев. М.: Энергоатомиздат, 1990. - 240 е.: ил.

60. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика Текст. / В.В. Круглов, В. В. Борисов. М.: Горячая линия - Телеком, 2001.

61. Круглов, В.В. Задача автоматической кластеризации / классификации многофакторных объектов Текст. / В.В. Круглов, О.В. Балашов // Приборы и системы. Управление, контроль, диагностика. 2007. №5. С. 5-7.

62. Лабутин, С.А. Программа идентификации формы закона распределения случайных величин и их моделирования Текст. / С.А. Лабутин // Измерительная техника. 2007. №5. С. 9-14.

63. Лазарсон, Э.В. Особенности архитектуры экспертных систем для решения задач выбора Текст. / Э.В. Лазарсон // Приборы и системы. Управление, контроль, диагностика. 2007. №2. С. 16-17.

64. Ливинская, С.А., Совершенствование схемы контроля показателей безопасности при производстве майонеза Текст. / С.А. Ливинская, Е.С. Лунева // Масла и жиры. №1. 2006. С. 12-13.

65. Лимер, Э. Статистический анализ неэксперементальных данных: Выбор формы связи Текст. / Э. Лимер. Пер. с англ. О.В. Ивановой, Ю.П. Федоровского; Под ред. и с предисл. A.A. Рывкина. М.: Финансы и статистика. 1983.-381 с.

66. Луизов, A.B. Глаз и свет Текст. / A.B. Луизов. Л.: Энергоиздат. 1983.

67. Луизов A.B. Цвет и свет Текст. / A.B. Луизов. Л.: Энергоатомиздат. Ленингр. Отд-ние, 1989. - 256 е.: ил.

68. Лунева, Е.С. Влияние технологических схем и режимов рафинации на физико-химические показатели и устойчивость при хранении растительных масел Текст. / Е.С. Лунева // Масла и жиры. №8. 2004. С. 1-4.

69. Мазалова, Л. Сенсорная оценка специализированных жиров Текст. / Л. Мазалова // Хлебопечение России. 2007. №5. С. 18.

70. Максимов, В.В. Трансформация цвета при изменении освещения Текст. / В.В. Максимов. М.: Наука. 1984.

71. Мишустина, С.Н. Системный подход к метрологической оценке качества поверхностей Текст. / С.Н. Мишустина, Ю.П. Муха, Е.П. Жуленев, H.A. Мишустин // Измерительная техника. 2001. №9. С. 33-34.

72. Назаров, Н.Г. Что количественно измеряют в квалиметрии? Текст. / Н.Г. Назаров, Н.Т. Крушняк // Измерительная техника. 2006. №7. С. 25-29.

73. Никифоров, А.Д. Управление качеством Текст. / А.Д. Никифоров. М.: Дрофа. - 2004. - 720 с.

74. Орлов, А.И. Нечисловая статистика Текст. / А.И.Орлов. М.: МЗ-Пресс, 2004.-513 с.

75. Осовский С., Нейронные сети для обработки информации Текст. / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2004. - 344с.

76. Пономарева, Е. Комплексная оценка качества хлебобулочных изделий Текст. / Е. Пономарева, М. Чурилов, О. Воропаева, Н. Антонова // Хлебопродукты. 2008. - №3. С. 54-55.

77. Пытьев, Ю. П. Математические методы интерпретации эксперимента Текст. / Ю. П. Пытьев. М.: Высшая школа, 1989. -350 с.

78. Пэдхэм, Ч. Восприятие света и цвета Текст. / Ч. Пэдхэм, Дж. Сондерс. -Пер. с англ. М.: Мир. 1978.

79. Рабкин, Е.Б. Атлас цветов Текст. / Е.Б. Рабкин. М.: Медгиз. 1956.

80. Ребриков, Д.И. Автоматизация контроля цветовых показателей качества хлебобулочных изделий с применением спектральной квалиметрии Текст.: дисс. канд. техн. наук: 05.13.06 / ВГТА, научн. рук. Битюков В.К. Воронеж: ВГТА, 2009.- 137 с.

81. Саати, Т. Аналитическое планирование. Организация систем Текст. / Т. Саати, К. Керне. Пер. с англ. - М.: Мир. 1991. - 224 с.

82. Саати Т.П., Принятие решений. Метод анализа иерархий Текст. / Т.Д. Саати М.: Радио и связь, 1989. - 316 стр.

83. Самарский, A.A. Математическое моделирование. Идеи. Методв. Примеры Текст. / A.A. Самарский, А.П. Михайлов. 2-ое изд., испр. М.: Физ-матлит, 2002. - 320 с.

84. Сербулов, Ю.С. Системное моделирование ресурсных задач Текст. / Ю.С. Сербулов // Математическое моделирование информационных и технологических систем: Сб. науч. тр. Воронеж: Воронеж, гос. технол. акад. -2000. - Вып. 4. - С.66-69.

85. Сингх, М. Системы: декомпозиция, оптимизация и управление пер. с англ. М.: Машиностроение, 1986. - 496 с.

86. Солопченко, Т.Н. Представление измеряемых величин и погрешностей измерений как нечетких переменных Текст. / Т.Н. Солопченко // Измерительная техника. 2007. №2. С. 3-7.

87. Степанов, Б.И. Введение в современную оптику: Фотометрия. О возможном и невозможном в оптике Текст. / Б.И. Степанов. М.: Наука и техника, 1989. - 254 с.

88. Стечкин, С.Б. Сплайны в вычислительной математике Текст. / С.Б. Стечкин, Ю.Н. Субботин. М.: Наука, 1976.

89. Сысоев, Ю.С. Использование метода оптимальных групповых стратегий для согласования результатов субъективных измерений Текст. / Ю.С. Сысоев, И.Ю. Гильт, С.М. Винниченко // Измерительная техника. 2006. №6. С. 20-22.

90. Телешевский, В.И. Компьютеризация измерительных систем микроскопов с цифровым анализом изображений Текст. / В.И. Телешевский, A.B. Шулепов, О.Ю. Красюк // Измерительная техника. 2006. №8. С. 39-42.

91. Теоретические основы системного анализа Текст. / Новосельцев В.И. и др.; под. ред. В.И. Новосельцева. М.: Майор, 2006. - 592 е.: ил.

92. Ту, Дж. Принципы распознавания образов Текст. / Дж. Ту, Р. Гонсалес. Пер. с англ. М.: Мир, 1978 -411 с.

93. Тэрано, Т. Прикладные нечеткие системы Текст. / Т. Тэрано, К. Асаи, М. Сугэно Пер. с япон. К. Асаи, Д. Ватада, С. Иваи и др. М.: Мир, 1993. -368 е.: ил.

94. Уилкокс, М. Синий и желтый не дают зеленый: Как получить цвет, который действительно нужен Текст. / М. Уилкокс; Пер. с англ. А. Сидорова. -М.: ООО «Издательство ACT», 2004. 199, 1. е.: ил.

95. Фомин, В.В. Метрологические аспекты анализа изображений Текст. / В.В. Фомин, А.П. Михайлович, A.C. Попов, Н.Ф. Низаметдинов, Ю.В. Ша-лаумова // Измерительная техника. 2008 №2. С. 25-28.

96. Хрипушин, В.В. Методы анализа качества продукции по параметрам цифрового изображения Текст. / В.В. Хрипушин, О.Б. Рудаков // Аналитика России. Материалы II Всероссийской конференции по аналитической химии. 2007. С. 474.

97. Хрипушин, В.В. Определение цветности растительных масел с применением цифровой фотографии Текст. / В.В. Хрипушин, О.В. Байдичева, JI.B. Рудакова, О.Б. Рудаков // Масложировая промышленность 2007. №2.

98. Хрипу шин, B.B. Цветометрические методики определения цветного числа растительных масел Текст. / В.В. Хрипушин, JI.B. Рудакова, О.Б. Рудаков, О.В. Байдичева // Заводская лаборатория. Диагностика материалов. -2008. №5. Том 74. С. 9-13.

99. Чеголин, П.М. Автоматизация спектрального и корреляционного анализа. Текст. / П.М. Чеголин. М.: Энергия. 1989. - 384 с.

100. ЮЗ.Чиварди, Дж. Комбинация красок в живописи Текст. / Дж. Чиварди. -М.: ЭКСМО, 2006. 96 с.

101. Чу ликов, А.И. Математические модели нелинейной динамики. Текст. /

102. A.И. Чуликов. М.: ФИЗМАТЛИТ, 2003. 296 стр. 2-е изд., испр.

103. Шенк, X. Теория инженерного эксперимента Текст. / X. Шенк. М. Мир. 1972. 382 с.

104. Широков, К.П. Об основных понятиях метрологии Текст. / Труды метрологических институтов СССР. Общие вопросы метрологии. М.; JL: Изд-во стандартов, 1972. - Вып. 130.

105. Шкала цветовых тонов. Выпуск второй: пособие для специалистов в области естественных наук, образования, научно прикладных исследований, искусства и техники. Воронеж: ЧерноземИЗМ, 2003. - 53 с.

106. Шишкин, И. Контроль качества хлебобулочных изделий Текст. / И. Шишкин, Г. Цибиков, Д. Хамханова. // Хлебопродукты. 2008. №6. С. 41-43.

107. Штиллер, В. Уравнение Аррениуса и неравновесная кинетика Текст. /

108. B. Штиллер. М.: Мир. 2000 г. - 176 е.: ил.

109. Юстова, Е.Н. О пороговых таблицах Юстовой Текст. / Е.Н. Юстова,

110. B.В. Волков, И.А. Казиев, В.Г. Раутиан. // Измерительная техника, 2007, №1,1. C. 37-39.

111. ПЗ.Яхъяева, Г.Э. Нечеткие множества и нейронные сети. Текст. / Г.Э. Яхъяева - М.: Интернет-университет информационных технологий, Бином. Лаборатория знаний, 2006. - 320 с.

112. ASTM D1045 08 Standard Test Methods for Sampling and Testing Plasticizers Used in Plastics

113. ASTM D1209 05(2011) Standard Test Method for Color of Clear Liquids (Platinum-Cobalt Scale)

114. BS 2690:Part 6: 1968 Methods of testing water used in industry. Chloride and sulphate

115. Hornik K., Stinchcombe M., white Н/ multilayer feedforward networks are universal approximators // neural Networks, 1989. Vol. 2. - Pp. 359-366.

116. ISO 10399:2004. Sensory analysis Methodology - Duo-trio test.

117. ISO 11035:1994. Sensory analysis Identification and selection of descriptors for establishing a sensory profile by a multidimensional approach.

118. ISO 4120:2004. Sensory analysis Methodology - Triangle test.

119. ISO 5495:2005. Sensory analysis Methodology - Paired comparison test.

120. ISO 6658:2005. Sensory analysis; methodology; General guidance.

121. LeCun Y., Denker J., Solla S. Optimal brain damage //Advances in NIPS2 / Ed. D. Touretzky, San Mateo: Morgan Kaufmann, 1990. Pp. 598-605.

122. XLamp XT-E White электронный ресурс. режим доступа http://www.cree.com/products/pdf/LEDlamps/CP41 B-WES&WGS .pdf.

123. XLamp XP-E High-Efficiency White электронный ресурс. режим доступа http://www.cree.com/products/pdf/LEDlamps/CLAl A(1075).pdf.

124. Зависимости 1(h) (Lightness (Hue)), полученные при обработке цифрового изображения поверхности булки «Городской» ГОСТ 27844-88 с различными значениями показателя качества окраски корки.