автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация контроля цветовых показателей качества хлебобулочных изделий с применением спектральной квалиметрии

На правах рукописи

РЕБРИКОВ ДМИТРИЙ ИВАНОВИЧ

АВТОМАТИЗАЦИЯ КОНТРОЛЯ ЦВЕТОВЫХ ПОКАЗАТЕЛЕЙ КАЧЕСТВА ХЛЕБОБУЛОЧНЫХ ИЗДЕЛИЙ С ПРИМЕНЕНИЕМ СПЕКТРАЛЬНОЙ КВАЛИМЕТРИИ

Специальность 05.13.06 — Автоматизация и управление технологическими процессами и производствами (пищевая промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Воронеж-2009

003478926

Работа выполнена на кафедре информационных и управляющих систем в ГОУ ВПО Воронежской государственной технологической академии. Научный руководитель: заслуженный деятель науки РФ,

доктор технических наук, профессор Битюков Виталий Ксенофонтович

Официальные оппоненты: заслуженный деятель науки РФ,

доктор технических наук, профессор Благовещенская Маргарита Михайловна, Московский государственный университет прикладной биотехнологии

доктор технических наук, профессор Волчкевич Леонид Иванович, Московский государственный технический университет им. Н.Э. Баумана

Ведущая организация: ОАО «Автоматика», г. Воронеж

Защита состоится «28» октября 2009 г. в 14 часов на заседании диссертационного совета Д 212.149.04 при ГОУ ВПО «Московский государств венный университет прикладной биотехнологии» по адресу: 109316 Москва, ул. Талалихина, дом 33, в конференц-зале.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО МГУПБ. Автореферат разослан « » сентября 2009 г.

Ученый секретарь диссертационного совета, к.т.н., доцент

Потапов А.С.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. В настоящее время качество хлебобулочных изделий определяется на основе органолептических показателей в соответствии с требованиями ГОСТ. Одним из таких показателей, важным с точки зрения потребителя является цвет изделия и его равномерность распределения по поверхности. При контроле данных показателей возникает ряд субъективных трудностей заключающихся в том, что контроль проводит человек, а порог чувствительности и особенность восприятия цвета у каждого человека индивидуальны, вследствие чего один и тот же цвет разными людьми будет интерпретирован различно и объективные трудности, связанные с физикой отражения и поглощения света. Различный спектральный состав освещения может давать одинаковый отклик на зрительных рецепторах, что не исключено в условиях производства. Поэтому актуальной является задача разработки автоматизированного метода контроля цвета и равномерности его распределения для хлебобулочных изделий.

Основной характеристикой объекта, обусловливающим его цвет, является спектральный коэффициент отражения. В промышленности существуют приборы, позволяющие измерять данный показатель и другие параметры характеризующие цвет объекта. В настоящее время в связи со снижением стоимости цифровой фототехники к одним из перспективных методов можно отнести метод анализа цифровых изображений, преимуществом которого является низкая стоимость, простота контроля, возможность бесконтактного измерения, одновременное измерение нескольких объектов или большой площади, возможность компьютерной обработки сигнала и внедрение в контур АСУ ТП, универсальность.

Основные теоретические положения по применению цифровых изображений для анализа цветовых характеристик объектов рассмотрены в работах: Р. Гонсалеса, М. Гуревича, Д. Джада, М. Кривошеева, А. Луизова. Некоторые

зависимости между спектрами различных физико-химических показателей и качественными показателями приведены в работах: А. Краснова, 3. Гарша, А. Герасимова, В. Лузева. Но, несмотря на проделанные работы, не были разработаны методики, позволяющие 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 темы определяется необходимостью адекватного отражения системных связей между такими органолептическими показателями как цвет и равномерность хлебобулочного изделия и параметрами математической модели представляющей технологическую поверхность хлебобулочного изделия в цветовой модели, что позволит создать автоматизированную систему контроля цвета и его равномерности для систем управления качеством на предприятиях хлебопекарной отрасли.

Целью работы является разработка метода автоматизированного контроля цвета и равномерности его распределения для хлебобулочных изделий на основе анализа и структуризации системных связей между выходными данными измерительной системы и показателями качества.

Задачи исследования

Для достижения указанных целей поставлены и решены задачи:

1. Системный анализ методов контроля цветовых характеристик и выявление информации, характеризующей новые знания об объекте исследования.

2. Разработка математических моделей, алгоритмов и программ для реализации методов автоматизированного контроля показателей качества.

3. Разработка автоматизированной системы по интерпретации в лингвистическом виде цвета и равномерности окраски хлебобулочных изделий.

4. Апробация полученных результатов методами численного и натурного эксперимента.

Методы исследования. При выполнении работы использованы основные положения системного анализа, методы идентификации, моделирования, теории распознавания образов, математические методы статистики и методы экспертного оценивания и принятия решений.

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

1. Функциональная модель определения показателей качества хлебобулочных изделий, реализующая идентификацию системных связей между параметрами математической модели и показателями качества.

2. Метод моделирования цифрового изображения представленного в координатах цветовой модели НБЬ с использованием взвешенных сумм решений дифференциального уравнения Пирсона, позволяющий связать параметры модели с показателями качества хлебобулочного изделия.

3. Методика и алгоритм автоматизированного контроля цвета и равномерности окраски корки дня хлебобулочных изделий.

Практическая значимость работы состоит в возможности определения цветовых показателей качества хлебобулочных изделий методом анализа цифровых изображений для создания 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 №7» (г. Воронеж).

Внедрение разработанной методики позволяет в производственных условиях повысить показатели качества выходной продукции, отбраковывая в автоматическом режиме изделия, которые по своим параметрам не соответствуют ГОСТ и ускорить процедуру контроля показателей качества.

Апробация работы. Основные положения диссертационной работы были доложены на международных конференциях «Математические методы в технике и технологиях» ММТТ-21 (Саратов, 2008), ММТТ-22 (Псков, 2009).

Публикации. Основное содержание диссертационной работы изложено в 9 работах, из них 5 статьи в журналах реферируемых ВАК РФ.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений. Материал изложен на 141 странице, содержит 69 рисунков и 11 таблиц. Список литературы из 119 источников.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертации, формулируются цели и задачи исследования, научная новизна и практическая значимость работы.

В первой главе проведен литературный обзор способов контроля орга-нолептических показателей качества хлебобулочных изделий, в частности такого показателя как цвет корки и его равномерность, дана классификация применяемых методов определения цветовых характеристик объектов.

Обоснован выбор метода анализа цифровых изображений для контроля цвета и равномерности хлебобулочного изделия, приводятся основные преимущества метода. Рассмотрены основные подходы к моделированию физических величин, представляющих многомодальную функцию распределения. Показана актуальность разработки автоматического метода для контроля цвета и равномерности окраски корки хлебобулочного изделия подходящего для применения в контуре АСУ хлебопекарного производства и методов моделирования, позволяющих связывать параметры модели с показателями качества.

Сформулированы цели и задачи исследования.

Во второй главе с точки зрения системного подхода рассмотрена проблема системной связи выходных данных измерительной системы и показателей качества, в результате чего с использованием функционального моделирования предложена функциональная модель, рассматривающая процесс как последовательность действий по преобразованию исходной информации.

Структура предлагаемой функциональной модели приведена на рис. 1.

Первым звеном в функциональной модели (рис. 1) является блок классификации (распознавания ситуации), с входными данными: массивом измеряемых значений, полученных с объекта исследования:

где А, - значение экспериментальной точки, / - количество точек, 1 = 1,1.

Данный блок осуществляет разбиение последовательности регистрируемых значений измеряемой величины на различные выборки, отвечающие требованию унимодальности, которые определяются по положению минимумов на кривой, т.е. классифицирует точки на графике функции по исходным данным к определенной моде распределения.

Решение этой задачи реализуется с помощью выделения существенных признаков, характеризующих данные о точке на графике из общей массы несущественных деталей и классификацию точки к одной из двух ситуаций.

Выделяется требуемое количество наиболее информативных признаков. Векторы образов при этом имеют вид:

где х, — классифицирующие признаки, 1 = 1,п . Каждый вектор образа при этом считается точкой и-мерного пространства.

Далее приводится построение классификатора. С учетом допущения о том, что образы, принадлежащие одному и тому же классу со, обладают рядом общих свойств или признаков, отражающих подобие таких образов. Показано, что класс со удобно отделить от области непринятия решения двумя прямыми:

с11(х) = -х1+(о1 =0, где со/, со2— параметры, ах/, х2-переменные.

Показано, что такое построение классификатора позволяет оценить эффективность выбранной решающей функции (рис. 2) в зависимости от особенностей данных, поступивших в блок классификации, и от требований для даль-

Н = (Ии А*...,

(1)

X - (Х[, х2,..., х„),

(2)

нейшей обработки ЛГТР может задавать уровень разбиения, изменяя параметры разделяющих функций.

х2

0.2

-0.2

ОНР ¿,(х)=0 / * • 1 //////// / / . Область / / /^/у решения /у ж/"/'

ОНР X. • X • * • с12(х)=0 ОНР / •

-7 0

Рис. 2. Пример классификации образа

В результате предложен алгоритм, позволяющий

классифицировать

ситуацию «точка XI принадлежит

следующей моде».

Показана возможность применения алгоритма ИСО-МАД (Итеративный Самоорганизующийся Метод Анализа

Данных) для решения задачи разбиения, который является дополнительной проверкой.

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 «бГу

(4)

где Ыс — число кластеров, — множество образов, относящихся к / — му кластеру, а

(5)

т

— вектор выборочных средних значений для множества Б; N характеризует количество образов, входящих во множество . Показатель качества (4) определяет общую сумму квадратов отклонений характеристик всех образов, входящих в некоторый кластер, от соответствующих средних значений по кластеру.

Следующий блок выполняет идентификацию экспериментальных данных и определение параметров, которые необходимы для анализа качественного показателя объекта.

Идентификацию предлагается выполнять с использованием взвешенной суммы решения дифференциального уравнения, предложенного К. Пирсоном, которое подходит для описания многомодальных кривых:

где h аргумент (hue — цветовой тон); \,\,Ъг,а— постоянные, определяемые методом моментов.

Качественные характеристики некоторых объектов измерения непосредственно связаны с видом получаемых унимодальных областей. Для аппроксимации зависимости 1(h) предложено использовать метод, который позволяет получить параметры функции аппроксимации, имеющие физический смысл или могут быть интерпретированы как значения для дальнейшего определения показателей качества.

Моменты статистических распределений /лк к-го порядка определялись по формулам для дискретных величин:

dl(h) _ (h + d)l(h)

(6)

dh b„+blh + b1h:

.2 '

(7)

■ >

i=l

где к— порядок момента, п — количество точек.

Через величины представлялись величины Ь0,Ь„Ьг,М следующим образом:

0 2(5ш-б/*,1-9/4)' Ьг =-а= з> (9)

ъ = (4А2А4-3//32)//2

2{5М2М<-6М1-9М1)

При этом особенностью предложенной модели является то, что её параметры могут быть интерпретированы как характерные качественные показатели, связанные с распределением измеряемой величины.

Первый начальный момент д (математическое ожидание) характеризует среднее значение или положение, центр распределения измеряемой величины / на числовой оси. Второй центральный момент цг (дисперсия) — степень рассеяния измеряемой величины I относительно . Третий центральный момент служит для характеристики асимметрии (скошенности) распределения величины /. Четвертый центральный момент д, служит для характеристики крутости (островершинности или плосковершинности) распределения величины /. в1 и в2 параметры центровки 0, = с, -д, — а и масштаба в = с1+с2 аргумента И определяют соответственно начало и ширину области действия данного пика на графике. Соотношение между параметрами у и г/ определяют положение максимума на кривой (положение моды) и определяется:

М = ——вг+в1, (10)

Г + 17

с-а с1-а

= -7-= -ч

62(с,+с2) Ь2(с,+с2)

параметры, определяют ширину и высоту распределения измеряемой величины, где с,,с2 -корниуравнения Ъ0 +Ь1И + Ь2И2 =0.

В результате обработки экспериментальных данных показано, что решение уравнения (6) (при действительных корнях различных знаков) соответствует бета-распределению I типа и зависимость 1{И) может быть описана при помощи модели:

где m ~ номер унимодальной области; кя - коэффициент нормировки; В(уп,г]я)-значение бета-функции.

Описание нескольких экстремумов представляется в виде взвешенной суммы нескольких функций (12), соответствующих отдельным унимодальным областям.

На выходе данного блока мы получаем агрегатированные оценки имеющейся величины в виде параметров функции аппроксимации: fil, fil, ИЗ!, Pu, вь Уь Чь Ми f*12, М22, Цзъ Ц42, 02, У2, Чъ М2,

ftih fi2h Изь Mih 6b Уь t]h Mk; где к— количество унимодальных областей.

Далее параметры распределения передаются в блок по выдаче лингвистических оценок показателей на основе формализованных правил по принятию решения, использующихся экспертами.

Для идентификации лингвистических переменных входных и выходных параметров, функций принадлежности их нечётких значений, а так же набора логических правил по определению выходных значений используется групповой экспертный опрос ЛПР. Выбран дискретный, числовой вид функций принадлежности. Определена область изменения по каждому параметру по данным экспертного опроса. На основании опроса экспертов определены терм-множества для рассматриваемых переменных. Далее построен набор логических правил, описывающих действия эксперта по принятию решения. Учитывая ка-

(12)

явственный характер информации в этом случае, т. е. при формализации экспертами ситуаций не используются численные оценки, экспертный опрос спланирован для того, чтобы идентифицировать логическую структуру правил которыми пользуется эксперт имеющие вид:

ЕСЛИ значение параметров =... ТО показатель качества =....

На основе построенного набора правил строятся матрицы нечётких отношений Rv„ для каждого k-го правила. Матрица R„ представляет собой декартово произведение РЛхРгх...хРгхУ.

1Ъ>,сРихР21х...хРИхУ^ = Щ;] = Щ;1 = Щ;т = Щ\п = Щ, (13)

где х — символ декартова произведения; результирующая функция принадлежности имеет вид:

MV. (P^-'Pr, V) = т, (/¡)л т, (Р2) л... л т, (Рг)лтя (V). (14)

Таким образом, при поступлении на вход матрицы нечётких отношений нечётких значений входных параметров Р/, Р2,..., Рг в блоке нечёткого вывода с помощью MHO генерируется нечёткое значение выходной величины:

Vl=Pll°Pv°...o(pnioRv),i = ^; 7 = Щ; т = Щ-,1 = Щ, (15)

где о - символ максминной композиции.

Для которой функция принадлежности определяется как

nty =max[min(wil,mil,...,»»J,r,mr(^,i'J,...,?,F))]. (16)

В третьей главе показано, что для оценки цвета и его равномерности хлебобулочных изделий с использованием метода анализа цифровых изображений необходимо использовать цветовую модель HSL, которая представляет собой эффективное средство для построения алгоритмов обработки изображений, поскольку в основе модели лежит естественное и интуитивно близкое человеку описание цвета, который, в конечном счете, является и разработчиком, и пользователем этих алгоритмов. Приведены способы получения цифрового изображения и вариант перехода от цветовой модели RGB к HSL, в ре-

зультате чего получаем зависимость светлоты (Lightness) от цветового тона

С использованием предложенной функциональной модели поэтапно показано определение качества хлебобулочного изделия по цифровому изображению.

На примере тестовой заготовки с продолжительностью выпечки 27 мин. рассмотрено разбиение массива значений, представляющих изображение в координатах цветовой модели НБЬ на области, по предложенному алгоритму, соответствующие требованию унимодальности.

Проверку адекватности модели (12) проводили на образцах булки «Городской», с продолжительностью выпечки (КЗ6 мин.

Экспериментальное исследование показало наличие двух одномодаль-ных областей значения /. Для описания зависимости 1(И) выбрана структура математической модели (12) при т = 2:

Параметры аппроксимации для 7-ми образцов приведены в табл. 1. На рис. 3 представлены расчетные и экспериментальные значения зависимости 1(И) для образца булки «Городской» с продолжительностью выпечки 27 мин.

Как видно из рис. 3 полученная функция имеет 2 моды, что соответствует количеству экстремумов на графике функции 1(Ъ). Применение данного подхода для аппроксимации зависимости 1(И) в координатах цветовой модели НБЬ позволяет получить параметры, имеющие физический смысл и которым можно дать интерпретацию. М— длина волны, на которой сосредоточена основная интенсивность световых волн, отраженных от поверхности; ¿/у—максимальное значение цветового тона; ^ - начальный цветовой тон; в2 - ширина

(Hue) — 1(h).

(17)

+

охватываемого спектра цвета, что позволяет оценить структуру полученной функции и по количественным характеристикам оценить качественные.

0.35

« 0.32

и X

° 0.29

н

I 0.26

я о

0.23 0.2

15 ¡ли 27 33 р12 39 45

к (цветовой тон),0 • • - исходные данные, - - результирующая кривая

Рис. 3. Расчетные и экспериментальные значения зависимости 1(И) для образца булки «Городской» с продолжительностью выпечки 27 мин

Таблица 1. Значение параметров функции аппроксимации для образцов булки

«Городской», с продолжительностью выпечки 0+36 мин

Параметр аппрокси- Продолжительность выпечки, мин

мации 0 6 12 18 27 30 36

И и 38.9 36.92 34.72 28.72 20.97 13.09 12.98

И12 52.96 51.93 44.98 39.23 36.02 32.57 30.59

И 21 16.97 26.02 16.30 3.99 4.09 7.21 8.87

V22 16.49 12.00 2.88 16.27 41.49 59.19 47.79

М 31 -5.46 8.64 4.10 -1.92 3.55 2.17 -4.71

И 32 -2.07 -1.58 -0.33 -6.56 -11.55 -113.26 -46.54

И 41 526.84 1177 446.37 24.38 39.04 86.01 142.88

И42 485.00 258.64 12.74 470.19 3337 6377 4166

вп 31.32 28.17 27.74 26.29 17.66 8.65 8.39

в» 46.13 46.08 42.61 32.78 23.41 21.41 19.55

&21 14.50 16.89 13.52 5.55 9.09 8.35 10.20

в22 13.89 11.95 4.91 13.66 24.58 25.94 24.02

VI 0.093 -0.173 -0.139 -0.356 0.34 -0.375 0.06

-0.018 0.007 -0.401 -0.011 0.354 0.048 0.08

41 -0.009 -0.09 -0.062 -0.745 1.34 -0.216 -0.153

-0.055 -0.037 -0.506 -0.133 -0.28 -0.261 -0.082

м, 45.68 39.28 37.12 28.08 19.50 13.95 11.25

м2 49.61 43.71 44.79 33.81 37.03 25.42 31.46

Показано, что зоны с близкими значениями балльных оценок показателя качества имеют пересечения (рис. 4) и как следствие общие значения параметров аппроксимации, что приводит к трудностям при определении области лингвистических переменных.

1,3,5 - зоны с соответствующими численными значениями уровня качества Рис. 4. Распределение цветовых спектров по балльным оценкам

Показана корреляция таких параметров аппроксимации как первый момент (иД параметр центровки (0У) и значение моды (М) от продолжительности времени выпечки хлебобулочного изделия, результат отображен на рис. 5. Показана возможность использовать значение разности первых моментов (4"Л и разности светлоты (А1) (рис. 3) в соответствующих точках для определения равномерности окраски поверхности. Предложено данные параметры использовать в блоке принятия решения.

40

О 30

20

10

0 5 10 15 20 25 30 35

Время выпечки, мин 1-5 — кривые изменения параметров аппроксимации № IUn, Mi, 0и 0 12 соответственно Рис. 5. Зависимость параметров модели от продолжительности выпечки

Для проверки гипотезы о связи балльной оценки показателя качества и значения параметров определяется показатель тесноты линейной связи г, значение которого составило не менее 0.951.

Для принятия решения о качестве хлебобулочных изделий используется теория нечетких множеств. На основе теории нечетких множеств, строится

модель, позволяющая по параметрам аппроксимации (fij, M, 0h Apii, Al), обладающих самым большим показателем тесноты линейной связи, делать вывод о показателях качества хлебобулочных изделий: С — цвете и R — равномерности окраски корки, что для ЛПР описывается лингвистической переменной, характеризующей отношение цвета и его равномерности к одному из уровней качества, предусмотренному ГОСТ.

Для чего проводился экспертный опрос, позволивший идентифицировать логическую структуру правил, которыми пользуется эксперт, имеющие вид:

ЕСЛИМ = ЛИ///=-ВИ0, = £ ТОС = £, (18)

ЕСЛИ Д/4 = F И A/ = G ТО R = K, (19)

где А, В, Д Е, Б, К- термы соответствующих лингвистических переменных.

Для идентификации правил использовался индивидуальный опрос экспертов. Для опроса экспертов используется тест вида табл. 2, включающий в себя перебор всех возможных ситуаций, характеризующихся < М, вь С > и < Л/г,, Д/, К> и возможные варианты «решения».

Заполненные тесты вида табл. 2 объединялись вместе и составили единую таблицу п лингвистических правил по выработке выходных параметров.

Таблица 2. Лингвистические правила по оценке показателя качества.

Ситуация Оценка показателя качества Характеристика показателя качества (окраска корки)

ЕСЛИМ И/а Ив ТО значение С

ПОБ ПОБ ПОБ ПОБ Совершенно бледная

ПОБ ПБ ПОБ ПБ Бледная

ПБ ПС ПС ПС Бледно-желтая

ПБ ПС ПБ ПМ Темно-золотистая

ПМ Н ПС ПМ Темно-золотистая

Н Н ПМ Н Золотистая

ОМ ОМ Н ОМ Светло-коричневая

ОМ ОС ОС ОС Серая

Приведена структура системы реализации автоматизированного контроля показателей качества хлебобулочных изделий (рис. 6), которая может быть реализована для использования в контуре АСУТП производства хлебобулочных изделий.

Постоянный источник. ОСВСЩСНПЯ

Ттт<

а

1

' ' " "...

3®

ХБ изделия

"Устройство регистр ЯЩП1 июйражсгаи

Преобразование исх. изображен. -> Н!5Ь

и

и 5 « 3 й " ё з

р *

с=

«

Нечеткие выводы <Г

/

Нечеткие отношения <г <-

Блок фаззификацюг (четкие 'лаченш/ нечеткие значения)

Функции принадлежности

Интерпретатор 4 тли

правил Если.. то

А

Механизм выводов акте мы

Ратоиение на области векторов ЦН)

Аппроксимация одноыодальных областей

■,д.у. Штшш.,.

Эксперт

Рис. 6. Структура системы автоматизированного контроля цветовых характеристик хлебобулочных изделий

Приведена система контроля цветовых показателей качества хлебобулочных изделий (рис. 7), которая может быть интегрирована в контур АСУТП производства, позволяющая оперативно принимать решения по управлению технологическим процессом выпечки с учетом окраски корки.

Коррекция окраски корки может быть осуществлена за счет изменения температуры во второй зоне печи и на стадии подготовки за счет изменения концентрации сахара в ВТЗ.

Рис. 7. Структурно-функциональная схема автоматизации процесса выпечки хлебобулочных изделий

Основные выводы и результаты исследования.

1. Проведенный системный анализ методов контроля показателей качества хлебобулочных изделий позволил выполнить декомпозицию системы и выделить подсистемы и связи, для которых предложены методы математического моделирования с учетом отраслевых особенностей показателей качества.

2. С использованием функциональной модели разработаны математические модели зависимости цвета и его равномерности от параметров цветового спектра для хлебобулочных изделий.

3. Предложен метод моделирования цветового спектра с использованием взвешенной суммы решений дифференциальных уравнений Пирсона, что позволило связать параметры модели с цветом и его равномерностью для хлебобулочных изделий. Показана адекватность модели. Точность аппроксимации для предложенной модели составила 3,96 %.

4. Разработаны методы контроля, позволяющие по параметрам цифрового изображения изделия оценивать цвет и равномерность окраски корки хлебобулочных изделий.

5. Разработаны и апробированы методы контроля цветовых характеристик, алгоритмическое и программное обеспечение, позволившее автоматизировать обработку измерений и оценку цвета, и его равномерность для хлебобулочных изделий.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

публикации в изданиях, рекомендованных ВАК РФ

1. Битюков В.К., Хвостов A.A., Ребриков Д.И. Корреляция параметров цветового спектра и времени выпечки хлебобулочных изделий // Вестник Тамбовского государственного технического университета. - 2009. Том 15. №1. С. 137-147.

2. Битюков В.К., Хвостов A.A., Пономарева Е.И., Ребриков Д.И. Формализация экспертных оценок качественных показателей цвета хлебобулочных изделий // Межвузовский сборник научных трудов «Системы управления и информационные технологии». №3.1 Воронеж, 2008 г. С. 115-119.

3. Битюков В.К., Хвостов A.A., Ребриков Д.И. Экспертная система определения цветовых характеристик хлебобулочных изделий II Межвузовский сборник научных трудов «Системы управления и информационные технологии». №4.1 Воронеж, 2008 г. С. 138-141.

4. Битюков В.К., Магомедов Г.О., Пономарева Е.И., Хвостов A.A., Ребриков Д.И. Влияние способа приготовления хлебобулочных изделий на цветовой спектр поверхности // Хлебопродукты. №4.2009. С. 58-60.

5. Ребриков Д.И. Автоматизированная система определения равномерности окраски поверхности // Межвузовский сборник научных трудов «Системы управления и информационные технологии». №2.2 Воронеж, 2009 г. С. 285-288.

статьи и материалы конференций

6. Битюков В.К., Хвостов А.А., Ребриков Д.И. Определение унимодальных областей из последовательности измеряемых данных // Сборник трудов XXII Международной научной конференции «Математические методы в технике и технологиях - ММТТ-22». Т. 6. - Псков: 2009. - С. 80-82.

7. Битюков В.К., Хвостов А.А., Ребриков Д.И. Моделирование цветовых спектров технологических поверхностей // Сборник трудов XXI Международной научной конференции «Математические методы в технике и технологиях - ММТТ-21». Т. 6. - Саратов: 2008. - С. 94-96.

8. Битюков В.К., Хвостов А.А., Ребриков Д.И. Оценка равномерности окраски поверхности по параметрам цифрового изображения // Научно-технический журнал «Информационные технологии моделирования и управления». №9 Воронеж, 2008 г. С. 1030-1033.

9. Битюков В.К., Хвостов А.А., Пономарева Е.И., Ребриков Д.И. Формирование цветового спектра поверхности по цветовым моделям цифровых изображений // Вестник Воронежской государственной технологической академии. -2008,- №2. С. 40-44.

Подписано в печать 21.09.09. Формат 60x84 У^. Усл. печ. л. 1,4. Тираж 100 экз. Заказ 1496

Отпечатано с готового оригинала-макета в типографии Издательско-полиграфического центра Воронежского государственного университета. 394000, Воронеж, ул. Пушкинская, 3.

Введение.

1. Методы и технические средства контроля цветовых характеристик технологических поверхностей.

1.1. Получение показателей качества объектов в косвенной системе контроля.

1.2. Квалиметрический контроль цветовых характеристик технологических поверхностей.

1.2.1 Органолептические методы контроля.

1.2.2. Инструментальные методы контроля цветовых характеристик технологических поверхностей.

1.3. Структура косвенной системы измерения основанной на математической модели.

1.4. Математическое моделирование в контроле 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 аппарата нечеткой логики.

Выводы и постановка задачи дальнейших исследований.

2. Функциональная модель процесса обработки экспериментальных данных со спектральной составляющей.

2.1. Структура функциональной модели.

2.2. Классификация ситуаций.

2.2.1. Выбор признаков классификации.

2.2.2. Построение классификатора.

2.2.3. Алгоритм классификации.

2.2.4. Алгоритм кластеризации ИСОМАД.

2.3. Идентификация входных значений.

2.3.1. Интерпретация параметров моделирования.

2.3.2. Алгоритм аппроксимации входных значений.

2.4. Выработка решений значений выходных параметров системы.

2.4.1. Экспертный опрос.

2.4.2. Область определения лингвистических переменных.1.

2.4.3. Построение функций принадлежности по результатам экспертного опроса.

2.4.4. Синтез таблицы лингвистических правил по выработке выходного параметра.

2.4.5. Разработка*алгоритма принятия решения.

3. Обработка информации цветовых спектров технологической поверхности на примере хлебобулочных изделий.

3.1. Использование функциональной модели для синтеза методов контроля 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. Моделирование цветовых спектров с использованием уравнения Пирсона.

3.2.4. Принятие решения о показателях качества на основе параметров спектра и экспертных оценок.

3.3. Методика контроля показателей качества хлебобулочных изделий.

3.4. Автоматизация процесса выпечки хлебобулочных изделий с использованием цветовой спектральной квалиметрии.

Выводы.

Актуальность. В настоящее время качество хлебобулочных изделий определяется с использованием органолептических показателей, в соответствии с требованиями ГОСТ. Одним из таких показателей, важным с точки зрения потребителя является цвет изделия и его равномерность. При контроле данного показателя» возникает ряд субъективных трудностей заключающихся в том, что контроль проводит человек, а порог чувствительности и особенность восприятия цвета у каждого человека индивидуальны, вследствие чего один и тот же цвет разными людьми будет интерпретирован различно и объективные трудности, связанные с физикой отражения и поглощения света. Различный спектральный состав света может давать одинаковый отклик на зрительных рецепторах, что не исключено в условиях производства. Поэтому актуальной'является задача разработки автоматизированного метода контроля цвета и его равномерности для хлебобулочных изделий.

Основной характеристикой объекта, обуславливающим его цвет, является спектральный коэффициент отражения. В промышленности существуют приборы позволяющие измерять данный показатель и другие характеристики позволяющие судить о цвете объекта. В настоящее время в связи со снижением стоимости цифровой фототехники к одним из перспективных методов можно отнести метод анализа цифровых изображений, преимуществом которого является низкая стоимость, простота контроля, возможность бесконтактного измерения, одновременное измерение нескольких объектов или большой площади, возможность компьютерной обработки сигнала, универсальность.

Основные теоретические положения по применению цифровых изображений для анализа цветовых характеристик объектов рассмотрены в работах: Р. Гонсалеса, М. Гуревича, Д. Джада, М. Кривошеева, А. Луизова. Некоторые зависимости между спектрами различных физико-химических показателей и показателями качества приведены в работах: А. Краснова, 3. Гарша, А. Герасимова, В. Лузева. Но, несмотря на проделанные работы, не были разработаны методики, позволяющие по параметрам цифрового изображения определять показатели качества хлебобулочных изделий характеризующих его цвет . и равномерность окраски в соответствии с ГОСТ, что необходимо для хлебопекарных производств.

В связи с этим актуальность темы определяется необходимостью адекватного отражения системных связей между такими органолептическими показателями как цвет и равномерность хлебобулочного изделия и параметрами математической модели представляющей технологическую поверхность хлебобулочного изделия в цветовой модели, что позволит создать автоматизированную систему контроля цвета и его равномерности для хлебобулочного изделия.

Методы, позволяющие автоматически оценивать качество хлебобулочных изделий не были достаточно развиты, поэтому актуальна задача системного анализа и математического моделирования методов автоматического контроля показателей качества.

Целью работы является разработка метода автоматизированного контроля цвета и его равномерности хлебобулочных изделий на основе анализа и структуризации системных связей между выходными данными измерительной системы и показателями качества.

Задачи исследования Для достижения указанных целей поставлены и решены задачи:

1. Системный анализ методов контроля цветовых характеристик и выявление информации, характеризующей новые знания об объекте исследования.

2. Разработка математических моделей, алгоритмов и программ для реализации методов автоматизированного контроля показателей качества.

3. Разработка автоматизированной системы по интерпретации в лингвистическом виде цвета и равномерности окраски хлебобулочных изделий.

4. Апробация полученных результатов методами численного и натурного эксперимента.

Методы исследования. При выполнении работы использованы основные положения системного анализа, методы идентификации, моделирования, теории распознавания образов, математические методы статистики и методы экспертного оценивания и принятия решений.

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

1. Функциональная модель определения показателей качества хлебобулочных изделий, реализующая идентификацию системных связей между параметрами математической модели и показателями качества.

2. Метод моделирования цифрового изображения представленного в координатах цветовой модели HSL с использованием взвешенных сумм решений дифференциального уравнения Пирсона, позволяющий формализовать параметры модели с показателями качества хлебобулочного изделия.

3. Методика и алгоритм автоматизированного контроля цвета и его равномерности для хлебобулочных изделий.

Практическая значимость работы состоит в возможности определения цветовых показателей качества хлебобулочных изделий методом анализа цифровых изображений для создания 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 показатели качества выходной продукции, отбраковывая в автоматическом режиме изделия, которые по своим параметрам не соответствуют ГОСТ и ускорить процедуру контроля показателей качества.

Апробация работы. Основные положения диссертационной работы были доложены на международных конференциях «Математические методы в технике и технологиях» ММТТ-21 (Саратов, 2008), ММТТ-22 (Псков, 2009).

Публикации. Основное содержание диссертационной работы изложено в 9 работах, из них 4 статьи в журналах реферируемых ВАК РФ.

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

Выводы

1. Проведенный системный анализ методов контроля показателей качества хлебобулочных изделий позволил выполнить декомпозицию системы и выделить подсистемы и связи, для которых предложены методы математического моделирования с учетом отраслевых особенностей показателей качества.

2. С использованием функциональной модели разработаны математические модели зависимости цвета и его равномерности от параметров цветового спектра для хлебобулочных изделий.

3. Предложен метод моделирования цветового спектра с использованием взвешенной суммы решений дифференциальных уравнений Пирсона, что позволило связать параметры модели с цветом и его равномерностью для хлебобулочных изделий.

4. Разработаны методы контроля, позволяющие по параметрам цифрового изображения изделия оценивать цвет и равномерность окраски корки хлебобулочных изделий.

5. Разработаны и апробированы методы контроля цветовых характеристик, алгоритмическое и программное обеспечение, позволившее автоматизировать обработку измерений и оценку цвета, и его равномерность для хлебобулочных изделий.

1. 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.

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

3. Алиев, Р.А. Производственные системы с искусственным интеллектом Текст. / Р.А. Алиев, Н.М. Абдикеев, М.М. Шахназаров. М.: Радио и связь. 1990.-264 е.: ил.

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

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

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

7. 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.

8. Батыршин, И.З. Основные операции нечеткой логики и их обобщения Текст. / И.З. Батыршин. Казань: Отечество, 2001. - 100 е.: ил.

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

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

11. Битюков, В.К. Формирование цветового спектра поверхности по цветовым моделям цифровых изображений Текст. / В.К. Битюков, А.А. Хвостов, Е.И. Пономарева, Д.И. Ребриков // Вестник Воронежской государственной технологической академии. 2008. - №2. С. 40-44.

12. Блауберг, И.В. Становление и сущность системного подхода Текст. / И:В. Блауберг, Э.Г. Юдин. М.: Наука. 1973. 272 с.

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

14. Борисов, А. Н.Обработка нечёткой информации в системах принятия решений Текст. / А. Н. Борисов [и др.]. М. : Радио и связь, 1989. -304 с.

15. Борисов, А.Н. Принятие решения на основе нечетких моделей: примеры использования Текст. / А.Н. Борисов, О.А. Крумберг, И.П. Федоров. Рига, "Знание", 1990, 184 с.

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, А.В. Метод определения цветовых параметров растительного сырья при получении пищевых красителей Текст. / А.В. 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 органолептических показателей.

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

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

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

36. Гуревич, М.М. Цвет и его измерение. Текст. / М.М. Гуревич. М. - Л.: Изд-во АН СССР, 1950.

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

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

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

40. 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.

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

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

43. Завьялов, Ю.С. Методы сплайн-функций Текст. / Ю.С. Завьялов, Б.И. Квасов, В.Л. Мирошниченко. -М.: Наука, 1980.

44. 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.

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

46. 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.

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

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

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

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

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

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

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

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

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

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

57. 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.

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

59. 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.

60. 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.

61. 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. А.А. Рывкина. М.: Финансы и статистика. 1983.-381 с.

62. Луизов, А.В. Глаз и свет Текст. / А.В. Луизов. — Л.: Энергоиздат. 1983.

63. Луизов А.В. Цвет и свет Текст. / А.В. Луизов. Л.: Энергоатомиздат. Ленингр. Отд-ние, 1989. - 256 е.: ил.

64. 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.

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

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

67. Мишустина, С.Н. Системный подход к метрологической оценке качества поверхностей Текст. / С.Н. Мишустина, Ю.П. Муха, Е.П. Жуленев, Н.А. Мишустин // Измерительная техника. 2001. №9. С. 33—34.

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

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

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

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

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

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

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

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

76. Семенова, И.Н. Разработка методики контроля цвета животных жиров при комплексной оценке его физико-химических показателей Текст. / И.Н. Семенова, Г.А. Пелевина, Н.Е. Суркова, О.Б. Рудаков // Масла и жиры. 2006. №2. С. 3.-4.

77. 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.

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

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

80. 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.

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

82. 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.

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

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

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

86. 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.

87. 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.

88. Ферри, Дж. Вязкоупругие свойства полимеров Текст. / Дж. Ферри — М.: издательство иностранной литературы, 1963. 536 с.

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

90. 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.

91. 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.

92. Хрипушин, В.В. 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.

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

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

95. Шашлов, Б.А. Цвет и цветовоспроизведение Учебник для ВУЗов. Текст. / Б.А. Шашлов. М.: Книга, 1986.

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

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

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

99. Шишкин, И. Контроль качества хлебобулочных изделий Текст. / И. Шишкин, Г. Цибиков, Д. Хамханова. // Хлебопродукты. 2008. - №6. С. 4143.

100. Шишов, А.К. Оценка показателей эффективности при неполных данных Текст. / А.К. Шишов // Измерительная техника. 2006. №7. С. 25-26.

101. Юб.Юстова, Е.Н. Колометрический атлас ВНИИМ. М.: Изд-во стандартов, 1966.

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

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

104. Фомин, Я.А. Статистическая теория распознавания образов Текст. / Я.А. Фомин, Г.Р. Тарловский. М.: Радио и евзь. 1986. - 264 е.: ил.

105. Фу, К. Структурные методы в распознавании образов Текст. / К. Фу. Пер. с англ. М.: Мир, 1977 - 320 с.

106. Фукунага, К. Введение в статистическую теорию распознавания Текст. / К. Фукунага Пер. с англ. М.: Наука. Главная редакция физико-математической литературы, 1970 - 368 с.

107. Downham A., Collins Р. / Int. J. Food Sci. Technol. 2000. V. 35. №1. P. 5-22.

108. ISO 4121:2003. Sensory analysis Guidelines for the use of quantitative response scales.

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

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

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

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

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

114. ISO 8587:1988. Sensory analysis; methodology; ranking.

115. Loughlin C. Faster processing with colour / Sensor Review. 1983. Vol. 3, №3. P. 114- 147.