автореферат диссертации по технологии материалов и изделия текстильной и легкой промышленности, 05.19.02, диссертация на тему:Совершенствование методики распознавания пороков тканых полотен на основе применения математического аппарата нечеткой логики

\

На правах рукописи УДК 677.01^9.5

005020597 '

С //¿У;^'/ /

—/У

ИВАНОВСКИЙ Владимир Александрович

СОВЕРШЕНСТВОВАНИЕ МЕТОДИКИ РАСПОЗНАВАНИЯ ПОРОКОВ ТКАНЫХ ПОЛОТЕН НА ОСНОВЕ ПРИМЕНЕНИЯ МАТЕМАТИЧЕСКОГО АППАРАТА НЕЧЕТКОЙ ЛОГИКИ

Специальность 05.19.02 «Технология и первичная обработка текстильных материалов и сырья»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

5 ДПР ш

Кострома, 2012

005020597

Работа выполнена в ФГБОУ ВПО «Костромской государственный технологический университет»

Научный руководитель: Официальные оппоненты:

Ведущая организация:

Романов Владимир Викторович

кандидат технических наук, доцент.

Гусев Борис Николаевич

доктор технических наук, профессор, ФГБОУ ВПО «Ивановская государственная текстильная академия», заведующий кафедрой материаловедения, товароведения, стандартизации и метрологии,

Киприна Людмила Юрьевна

кандидат технических наук, доцент, ФГБОУ ВПО «Костромской государственный технологический университет», доцент кафедры информационных технологий.

ОАО «Научно-исследовательский институт технических тканей», г. Ярославль.

Защита состоится 26 апреля 2012 года в Ю00 часов на заседании диссертационного совета Д212.093.01 при федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Костромской государственный технологический университет» (ФГБОУ ВПО «КГТУ») по адресу: 156005, г. Кострома, ул. Дзержинского, д. 17, ауд. 214.

С диссертацией можно ознакомиться в библиотеке КГТУ.

Автореферат разослан «26» марта 2012 г.

Ученый секретарь диссертационного совета, '

доктор технических наук, профессор ¡г/1лЛ/1 Г.К. Букалов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

АКТУАЛЬНОСТЬ ТЕМЫ. Контроль качества продукции является одной из актуальных проблем текстильных предприятий. Спрос на текстильную продукцию растет, требования к качеству продукции неуклонно повышаются. В условиях жесткой конкуренции, на первое место выходит параметр «цена/качество». Общим направлением современного ткацкого производства является максимально возможное исключение «человеческого фактора» и автоматизация процесса выпуска продукции.

Основным этапом в текстильном производстве является процесс тканеформирования. Большое количество вариантов брака, сложность в определении допустимых отклонений, делают задачу контроля качества ткани непростой.

На сегодняшний день накоплено большое количество теоретических и экспериментальных разработок, методов и методик для автоматизированного распознавания пороков ткани, однако, до сих пор отсутствует метод, способный в полном объеме решить эту задачу.

В той или иной степени эти задачи решаются в иностранных устройствах контроля качества ткани, однако высокая стоимость этих устройств делает их недоступными для широкого применения в отечественной ткацкой промышленности. Поэтому в российской текстильной промышленности до сих пор в основном применяется органолептический метод оценки качества ткани, который в перспективе не может составить конкуренцию автоматизированным системам.

В свою очередь современный уровень вычислительной техники, видео устройств, средств передачи информации позволяют разработать собственные программно-технические комплексы, способные решать задачи автоматизации контроля качества ткани.

Таким образом, разработка, совершенствование и внедрение методов автоматизированного контроля качества ткани является актуальной задачей.

ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ. Цель диссертационной работы состоит в повышении надежности контроля процесса тканеформирования за счет совершенствования программно-вычислительного метода распознавания ткацких пороков.

Для достижения этой цели поставлены следующие основные задачи:

- провести анализ состояния проблемы автоматизированного контроля внешнего вида ткани;

- изучить программно-вычислительные методы и методики обнаружения ткацких пороков на основе анализа изображений ткани;

- усовершенствовать метод поиска и распознавания элементов изображения ткани и их параметров, за счет разработки новой методики применения современных математических преобразований;

- разработать принципы распознавания ткацких пороков на основе теории нечеткой логики;

- разработать методики распознавания ткацких пороков на основе созданных принципов;

- создать программный комплекс на основе разработанных алгоритмов и методик;

- создать лабораторную установку для проверки результатов исследования.

МЕТОДЫ ИССЛЕДОВАНИЯ. Для решения поставленных задач применялись математические методы, такие как: преобразование Радона, вейвлет-анализ, методы математической статистики. Использовались базовые понятия технологии текстильных материалов, теории нечетких множеств. Применялся математический аппарат нечеткой логики. Программный комплекс разрабатывался в среде МаИаЬ. Экспериментальные исследования программного комплекса проводились с помощью специально разработанного стенда.

НАУЧНАЯ НОВИЗНА:

1. Применен метод нечеткой логики для разработки классификаторов, позволяющих распознавать ткацкие пороки на базе созданных решающих правил.

2. Предложен принцип последовательного применения нечетких классификаторов, разработанных под каждый вид исследуемых ткацких пороков или группы пороков тканого полотна, позволяющий вести независимую разработку и добавление новых классификаторов для распознавания других пороков.

3. Разработана методика распознавания элементов изображения ткани и их параметров, отличающаяся от известных тем, что учитывается проборка нитей в зуб берда.

4. Разработана методика обработки структурного массива информационных элементов ткани позволяющая определять протяженность порока и его более точное определение.

5. Разработан программный комплекс, с использованием математического аппарата нечеткой логики, для оперативного технического контроля пороков тканого полотна возникающих в процессе тканеформирования.

ПРАКТИЧЕСКАЯ ЦЕННОСТЬ И РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ. Созданный программно-аппаратный комплекс, основанный на разработанных методиках и алгоритмах, в комплексе с видеоаппаратурой и вычислительной техникой, позволяет создать опытный образец системы технического контроля ткацких пороков, работающий в режиме реального времени, позволяет оперативно реагировать на появление структурных распространенных пороков, что в свою очередь позволит уменьшить количество низкосортной или бракованной ткани, ускорить анализ сбоев технологического оборудования, снизить влияние человеческого фактора при контроле качества ткани в процессе тканеформирования.

Разработанные в рамках диссертационной работы методы и алгоритмы, реализованные в виде прикладной программы «Распознавание пороков тканого полотна», рекомендованы для применения на текстильных предприятиях и, в частности, на ООО «БКЛМ-Актив», также результаты научной работы внедрены в учебный процесс в Костромском государственном технологическом университете на кафедре технологии машиностроения, что подтверждено соответствующими документами.

АПРОБАЦИЯ РАБОТЫ. Основные положения и результаты работы доложены и обсуждены на следующих научно-технических форумах:

- Семинар по теории машин и механизмов (Костромской филиал семинара по ТММ РАН), Кострома, КГТУ, 2010 г.;

- VI Международный научно-практический семинар «Прогресс-2010» (Иваново ИГТА 2010 г.); 4

- VII Международный научно-практический семинар «Лен-2010», Кострома, КГТУ, 2010 г.;

- Семинар по теории машин и механизмов (Костромской филиал семинара по ТММ РАН), Кострома, КГТУ, 2011 г.;

- Международная научно-техническая конференция «Современные технологии и оборудование текстильной промышленности» (Текстиль-2011), г. Москва;

- расширенное заседание кафедры ткачества, Кострома, КГТУ, 2012 г.

ПУБЛИКАЦИИ. По теме диссертации опубликовано 8 научных работ. Важнейшие положения диссертации изложены в 4 статьях в журналах, входящих в «Перечень...» ВАК РФ, 1 статье в научно-техническом журнале.

СТРУКТУРА И ОБЪЕМ РАБОТЫ Диссертационная работа состоит из введения, пяти глав и общих выводов по работе, изложенных на 155 страницах машинописного текста. Содержит 76 рисунков, 18 таблиц, 103 формулы, список литературы из 90 наименований и 2 приложения на 5 страницах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, определены ее цель и задачи, сформулированы научные результаты.

В первой главе на основе анализа литературных источников выявлены достоинства и недостатки существующих систем технического зрения для контроля качества текстильного материала. Исследованы существующие алгоритмы распознавания пороков ткани. Рассмотрены возможности современной вычислительной и оптической техники. Определены основные объекты исследования, рассмотрены основные проблемы и задачи при распознавании пороков ткани.

Анализ существующих промышленных разработок в этой области показывает, что основными причинами, препятствующими их внедрению на отечественных предприятиях, являются высокая цена, необходимость в изменении конструкций ткацких станков, установленных на российских предприятиях, а также невозможность охватить все многообразие пороков тканей.

Обзор программно-вычислительных методик и алгоритмов показал, что, несмотря на их большое многообразие, на данный момент времени отсутствуют алгоритмические методы, способные в полной мере удовлетворить потребность в качестве и адекватности распознавания ткацких структурных пороков, что подтверждает актуальность разработки новых, более совершенных алгоритмов.

Обзор современной оптической и вычислительной техники позволяет сделать вывод, что перспективным является применение IP-видеокамер, оптоволоконных сетей и многопроцессорных ЭВМ.

Анализ процесса технического контроля пороков ткани в процессе ткачества показал, что наиболее актуальным является оперативное определение распространенных пороков приводящих к наработке большого количества бракованной или низкосортной ткани.

Одними из видов распространенных пороков являются структурные распространенные пороки, при наличии которых появляются полосы по основе или утку. Появление полос по основе обусловлено наличием таких пороков, как: слабина,

случае оольшои ее протяженности из-за поломки

рассечка, парочка, близна основонаблюдатедя) и других.

Выявлены основные проблемы при распознавании пороков ткани, основные факторы, влияющие на распознавание и принципы человеческого восприятия структуры порока.

На основании аналитического обзора сформулированы цель и задачи исследований.

Вторая глава посвящена выбору и обоснованию методов решения поставленных задач, теоретическим аспектам предлагаемых решений, принципам применения.

Пороки - характеризуются как параметрами нарушения поперечной структуры, так и параметрами протяженности, по этой причине предложен принцип разделения общего классификатора на совокупность отдельных классификаторов поперечных структур пороков и классификатора по параметрам протяженности.

Согласно теории распознавания образов выделены основные этапы: распознавание элементов изображения ткани и распознавание пороков ткани. На рисунке 1 представлена общая схема распознавания пороков.

Рис. 1. Общая схема распознавания пороков ткани

Было определено, что при распознавании пороков ткани, человек ориентируется на составные нити (совокупность нитей, расположенных рядом за счет проборки в зуб берда), по этому, основной задачей первого этапа является определение следующих объектов изображения ткани - массива составных нитей и расстояний между составными нитями.

Первый этап разделен на три части - преобразование изображения ткани в векторную форму, непосредственное определение информационных элементов изображения (нитей и межниточных расстояний (просветов) между нитями) и их параметров (размеров (толщин) и координат).

В первой части приведено обоснование выбора метода векторизации, в котором за основу принята существующая методика, заключающаяся в делении большого изображения на небольшие фрагменты (рис.2) и их преобразовании в векторную форму

Рис.2. Принцип деления изображения ткани на фрагменты

Применение преобразования Радона дает возможность преобразовать сетчатую периодическую структуру в функциональную зависимость, так как оно представляет собой определение проекций яркости изображения под различными углами, то есть, интеграл от функции яркости в соответствующих направлениях.

R(t,a)= f(t ■ cosa -y'-sma,t -sina + y' cosa)dy', где t - расстояние от начала координат до прямой, вдоль которой суммируются яркости.

На рисунке За представлен фрагмент изображения ткани. В частном случае преобразование Радона представляет собой вычисление проекций изображения на горизонтальную (рис. 36) и вертикальную (рис. Зв) оси. При этом, для горизонтальной оси угол а =0°, тогда x=t, для вертикальной - угол а =90°; y=t.

Р

щ . ' Я Its

X ' "3) Ж ~ <У

Рис.3. Результат преобразования Радона: а - исходное изображение; б - проекция на горизонтальную ось; в - проекция на вертикальную ось.

Вторая часть этапа - обработка функциональной зависимости и определение информационных элементов изображения ткани. Для обработки выбран современный математический метод вейвлет-анапиза.

5(а,6) = (ії{і,а),і//(І,а,Ь)} = •

Применение метода позволяет производить спектральный анализ

непериодической функциональной

4 ЛЙвк. зависимости, получающейся вследствие

преобразования Радона,

ч ■•^пк ' ' *' В результате вейвлет - преобразования

» ^ 4 получается матрица со значениями вейвлет-

Н V, \ Ї " коэффициентов 5'(а,6), отображенная на

рисунке 4. Отображен анализ вертикального преобразования Радона (рис. 26).

Известна формула, согласно которой <й5м . . "Ї " если функция 8(а,Ь) имеет экстремум, то

' * временной период текущего элемента

Рис.4. Трехмерное представление определяется соотношением: матрицы вейвлет-коэффициентов

где а0 - масштабный коэффициент экстремума,

сог - зависящая от вейвлета константа с размерностью частоты;

В связи с этим, одной из основных задач алгоритмического анализа вейвлет-декомпозиции является определение максимумов и минимумов поля коэффициентов, а так же отсечение «лишних» экстремумов, соответствующих информации о толщине составной нити и других шумовых составляющих.

Максимальные значения соответствуют информации о нитях, минимальные значения -промежуткам. Координатой элемента является проекция экстремального значения на ось сдвигов вейвлета Ь.

Таким образом, разработанная методика определения информационных элементов, основанная на применение совокупности алгоритмического (определение экстремумов) и математического (определение толщин и координат по найденным экстремумам) анализов позволяет, в отличие от известной методики определения периода следования нитей с помощью вейвлет-преобразования, определить информационные элементы, необходимые для распознавания 1К1(с1,1,х,у), где с1 -название элемента (нить или межниточное расстояние), I - размер (толщина) , х и у -координаты элемента Найденные значения записываются в структурный массив.

'¡и Л.2 • ■ 1и

J = < 'г.г • ■ 'и

Л' ',2 ■ 'и

Третьей частью первого этапа является определение составных нитей, которое производится при помощи разработанной методики, основанной на математическом аппарате нечеткой логики и оригинальных алгоритмах.

Основным механизмом распознавания является классификатор пороков ткани. Согласно предложенному принципу общий классификатор разбит на совокупность локальных поперечных нечетких классификаторов и общий пространственный классификатор. Основной задачей локального поперечного классификатора является определение локальных поперечных структурных изменений, т.е. определение локальной решающей функции g: X У, которая ставила бы в соответствие каждому структурному отклонению х = р<р еХ метку Л, е У (У - множество меток классов) класса со, (П = Ц...й)„} - классы поперечных структур пороков), для каждого информационного элемента.

Предложен принцип индивидуализации локальных поперечных классификаторов для каждого порока или группы пороков, что позволяет определять наборы информативных признаков и определять решающие функции для каждого классификатора отдельно. Также данный принцип позволяет решить вопрос о возможности добавления классификаторов в процессе эксплуатации системы.

Предложен принцип выбора информативных признаков с учетом поперечной окрестности порока Окрестностью порока в рамках данной работы считается совокупность элементов изображения ткани (нитей и межниточных расстояний), соседствующих с обеих сторон (в поперечном направлении) с элементом, отклоняющимся от нормальных значений. Элементы окрестности является набором информативных признаков для поперечного нечеткого классификатора:

8

В качестве основы поперечных классификаторов положен метод нечеткой логики, позволяющий в условиях нечеткости границ допустимых значений, неравномерности строения ткани и недостаточности априорной информации создавать модели классификаторов. Логический вывод в общем виде описан формулой:

(А = а у г,АЬ = алц пАЯ = ;н>у)=>У = yj,

где А - исследуемый элемент,

ЛЬ, ЛИ - элементы окрестности исследуемого входного элемента, аЛ], , йщ - термы входных элементов, у1 - выходная переменная в числовом виде.

^ е [0,1] - весовой коэффициент .¡-го правила. Учитывает меру уверенности эксперта в адекватности правила.

Операция о обозначает логическое «И» (и - «ИЛИ»),

Локальный поперечный классификатор ставит метку элементам множества J согласно определению решающей функции ¿(С) = Л,., Л, <еУ Тогда результатом работы локального поперечного классификатора является множество Jí

'¡1Л(Л,с1,1,х,у) /и(Л,сих,у) ... 1гл(Л,<*,1,х,у) 11Л(Л,с1,1,х,у) ... !2/Л,Л,/,х,у)

1ци,с1,их,у) 1^2{Л,а,1,х,у) ... ¡и(Л,е1,1,х,у)

Для продольного классификатора Н набором признаков служат координаты элемента и маркер. Обозначим набор информативных признаков В = и классы пороков Н'={0„02,...0(}

Задачей решающей функции продольного общего классификатора является функция которая ставит метку г, е I (2 - множество меток классов),

соответствующую классу порока 0,, которому он принадлежит, т.е. 0(5) = ^, если р>е©,. Определение параметров протяженности пороков производится алгоритмическим путем.

Третья глава посвящена алгоритмическим решениям по векторизации изображения ткани, обработке и вычислению информационных элементов изображения ткани, созданию структурного массива информационных элементов ткани для дальнейшего распознавания пороков.

Ранее было определено, что для определения порока человек рассматривает область отклонений от нормы между нормально сформированными составными нитями (расположенными рядом из-за проборки в зуб берда), поэтому основными этапами создания конечного структурного массива информационных элементов являются: 1) определение всех информационных элементов и создание общего структурного массива; 2) создание конечного структурного массива информационных элементов с учетом проборки в зуб берда.

Для первого этапа разработана методика, состоящая из следующих основных частей: 1) Разбиение изображения ткани на фрагменты;

2) Преобразование фрагментов изображения в функциональную зависимость при помощи преобразования Радона;

3) Создание поля вейвлет-коэффициентов функциональной зависимости;

4) Определение при помощи оригинальных разработанных алгоритмов таких объектов изображения ткани, как нити и промежутки между нитями, определение размеров поперечников нитей, размеров расстояний между нитями, координаты этих элементов;

5) Формирование структурной матрицы из этих элементов.

В результате первого этапа получается матрица структурных элементов (Н -нить, Р - расстояние), каждый элемент которой представляет собой паспорт

элемента (рис.5)

® СЕ> ® ®® • _

®®®®® •

® ® СЕ) ®®г:

® ® ® -г®

®Ф®®® . . сю

р н: р н р . . р . р

® ® ® ®Ф •

Имя: нить, расстояние Толщина: с!

Координата_Х: координата по горизонтали

Координата_У: координата по вертикали

Рис.5. Структурная матрица объектов изображения

Для второго этапа разработана методика распознавания составных нитей, которая состоит из нечеткого классификатора расстояний между нитями и разработанного алгоритма определения составных нитей, а также количества одиночных нитей в составе составной нити. Методика формирует структурную матрицу элементов (НС -нить составная) с учетом проборки в зуб берда.

При помощи разработанного нечеткого классификатора расстояний между нитями методика маркирует информационные элементы с названием «расстояние» как элементы, относящиеся к составной нити (РМ - расстояние маркированное), либо это расстояния между соседними составными нитями (Р).

(н) <@) . ®1

® ® @> ® ф • . ®

® ® ® ®'Ф . со

С£У ® (ії> ( р ) . .. ®

1 Ф ® @> сю ® ' р~>

®®@>®(р'> ф

• • ®'

[ Алгоритм і ! определения і і ^ | составных нитей !

ф ® ® ф1

Гр} (НСГ) (р;:іЯС)ГГі (ф

(НС1 <®(НС)ф> ф1

ф) Сйй) Ф®(Р-, . СР'1

® (НС.) (Т"; (не;) (Ті СРІ

<® Ф 1№"|ф) . Ф

ҐР) <НС> Гр'ннс'!'"р 1 .. <"Р~!

'—' ' ■— '-'

Имя: нить, расстояние Толщина: сі

Координата_Х: координата по горизонтали

Координата ^: координата по вертикали

Имя: составная нить, расстояние Толщина: <1

Координата_Х: координата по горизонтали

Координата_У: координата по вертикали

Количество внутренних элементов

Рис.6. Схема изменения структурного массива и паспортов элементов.

Четвертая глава посвящена разработке методики поиска и классификации пороков по массиву информационных элементов.

Подробно рассмотрены созданные нечеткие классификаторы.

Нечеткий классификатор представляет собой совокупность алгоритма нечеткого вывода и алгоритма маркировки исследуемого элемента. Общая схема нечеткого классификатора показана на рисунке 7.

!и Кг

Л.1 ''¡,2

М

Нечеткий вывод

Маркер

7 Л ,1

і 1,1 і 1,2

Ґ2., ІХ2.1

іХ ТХ

І 1.1 ' 1.2

і \.І І1г,

Iх:.,

Рис.7. Общая схема нечеткого классификатора

Для каждого нечеткого классификатора определен свой набор признаков, т.е. какие элементы окрестности необходимы для правильной идентификации класса поперечной структуры данного порока. Для элемента «расстояние» (Р) на основе теории нечетких множеств определены следующие термы: «малое», «нормальное», «большое». Информационный элемент «нить составная» (НС) определен количеством одиночных

нитей в составе составных. Для каждого исследуемого порока или группы пороков разработаны отдельные нечеткие классификаторы, основанные на определенных заранее решающих правилах.

Для порока рассечка определена схема вводимой окрестности (рис.8), где Я -исследуемое расстояние между составными нитями, АЬ - количество нитей в составе составной слева, АЯ - количество нитей в составе составной справа.

Рис. 8. Схема выбора информационных элементов для порока рассечка

Определено решающее правило для порока рассечка: Рассечка = = 2 п Л = £ п ЛД = 2)

Таким же образом разработаны решающие правила и схемы ввода для других исследуемых пороков.

Для порока близна определено, что на вход нечеткого классификатора должно

подаваться 7 элементов окрестности (рис. 9): А - исследуемая нить, Аь - нить слева от исследуемой, Л я - нить справа от исследуемой, Кь - расстояние между составными нитями слева, Яр. - расстояние между составными нитями справа,

Рис.9. Схема выбора информационных элементов для порока близна

Яи. ■ расстояние между составными нитями через составную нить слева, расстояние между составными нитями через составную нить справа.

Решающие правила для порока близна определены следующим образом:

Бдизна -

и (А Ь = 2 л А = 1 л А Я = 2 о ЯЯ = Б л ЯЯЯ = Б л Я£ = Я л НЫ = Я) и (А Л = 2 л А = 1 л А Я = 2 о ЯЛ = Я л Я ЯЯ = Я л ЯІ = Я л КИ = Я) и (Лі = 2лЛ = 1лЛЯ = 2лЯЯ = Ял ЯЯЯ = И пИЬ = Б п ЯІІ = Я) и(ЛІ = 2лЛ = 1лЛЯ = 2лЯД = £'лЯЯЯ = ЯлЯі = ЯлЯІІ = Я)

По этому же принципу ввода параметров окрестности порока определены и другие исследуемые пороки. Порок парочка и слабина по набору признаков объединены в один классификатор, входными параметрами которого являются исследуемая нить А, нить слева Аь и нить справа Аа , расстояние слева и расстояние справа Яя. Для этих пороков определены следующие решающие правила:

МЛІ = 1лЛ = ЗлЛЯ = 2лЯЛ = Я = ^(Лі = 1лЛ = ЗлЛЯ = 2лЯЯ = £лЯі = Я) и(ЛІ = 2лЛ = ЗлЛЯ = 1лЛЯ = £лЯІ = Я) ' и (Лі = 2 л А = 3 л /(Я = 1 о ЯЯ = Я л ЯІ = Я) и(ЛІ = 2лЛ = 4лЛД = 2лДЯ = ЯлЯі = £) о(ЛІ = 2лЛ = 4лЛЯ = 2лЯЯ = 5лЯІ = Я)

Слабина =

Парочка -

и(ЛІ = 2лЛ = ЗлЛ« = 2лЯЯ=ЯлЯі = Я) у (ЛІ = 2лЛ = 4лЛЯ = 2лЛЯ = Я лЯ/. = Я)

Применение подобных нечетких классификаторов возможно и для определения пороков, распространенных вдоль угка.

Определены решающие правила для пороков недосека, забоина, пролет. Для этих пороков на вход в нечеткий классификатор необходимо подать три параметра -исследуемое расстояние Я и два соседствующих с ним расстояния и

Недосека -

Пролет = (ЯІ =-- Я л Я = М л ЯД = Б)

= Б г\И = Б пі ЙЯ = Б) у(ЯІ = ЯлД = £лЯЯ = £) и(ЯІ = Б л Я = Б л ЯЯ = Я) и(Я1 = ЯлЯ = £-лЯЯ = Я)

Забоина=

и (ЯІ = Л/ л Я = Л/ л ЯЯ = Л/) и(ЯІ = Л/ л Я = Я л ЯЯ = Я) и(ЯІ = ЯлЯ = ЯлЯЯ = М) у(ЯІ = МлЯ = ЯлЯЯ = А/)

Распознавание распространенных пороков связано с рядом сложностей, например, распространенный порок может проявлять себя не по всей своей протяженности, а также из-за различных артефактов (отблесков в процессе захвата изображения, засоренности и др.) локальные поперечные нарушения могут быть найдены не везде, либо найдены с некоторым процентом ошибок. При разработке пространственного классификатора были учтены данные негативные факторы, влияющие на распознавание.

В основе пространственного классификатора лежит разработанная методика координатного накопления. Основными задачами классификатора являются:

определение места концентрации маркированных нечеткими классификаторами элементов, определение преобладающего класса порока, определение параметра протяженности порока.

Суть методики заключается в том, что при определении в структурном массиве У(/Ам) элемента с маркером того или иного порока запускается механизм накапливания всех отклонений, расположенных перпендикулярно поперечной координате первоначально найденного отклонения, вдоль всего изображения. Преобладающим классом считается тот, маркеров которого больше по данной координате, чем других.

Основные направления движения вычислений методики отображены на рисунке 10а, на рисунке 106 отображен результат методики.

а б

Рис.10. Отображение работы методики координатного накопления: а - направление движения вычислений методики; б - результат, отображенный на экран

Пятая глава посвящена экспериментальному исследованию разработанной методики распознавания пороков ткани. Для исследования были использованы образцы полульняных тканей.

Проводились исследования методики определения информационных элементов и их параметров. Сравнивались вычисленные значения линейной плотности найденных нитей, расстояний между нитями, координат данных элементов, определенные программно - вычислительным методом и базовыми.

Исследовалась методика определения составных нитей. Визуально определялось количество правильно найденных составных нитей и сравнивалось с общим их числом.

Исследование нечетких классификаторов проводилось путем вычисления процента правильно найденных отклонений от общего числа исследуемых элементов, содержащих информацию о пороке. С этой целью отображались маркированные как содержащие порок элементы, которые подсчитывались визуальным методом.

Результаты экспериментальных исследований подтвердили высокий процент распознавания информационных элементов, их параметров, а также точность работы разработанных нечетких классификаторов.

На заключительном этапе проверок определялся процент правильно распознанных пороков и их протяженностей на выборке из 100 изображений образцов (по 10 изображений для 10 образцов) тканей с различными пороками. Средний процент всех испытаний с правильно распознанными пороками ткани составил 88% от общего числа испытаний методики (100 испытаний).

13

а б

Рис. 11. Лабораторный комплекс: а - измерительный стенд, б - общий вид

Сравнение органолептического метода и программно-алгоритмического метода распознавания пороков ткани показало несомненные преимущества последнего.

Для проверки методик и алгоритмов распознавания пороков ткани был разработан лабораторный комплекс. На рисунках 11а и 116 представлена контрольно-измерительная СТЗ, состоящая из стенда, компьютера и видеокамеры.

Предложена схема практической реализации системы технического зрения для контроля качества ткани (рис.12).

Рис.12. Структурная схема системы контроля качества ткани

ОБЩИЕ ВЫВОДЫ ПО РАБОТЕ

1. Проведенный анализ существующих систем и работ позволил сделать вывод о I том, что наиболее перспективными, для создания системы распознавания пороков ткани, являются программно-вычислительные методы, основанные на анализе

| изображений ткани с высоким разрешением.

2. Разработана методика распознавания элементов изображения ткани и их параметров, основанная на совокупности современных математических преобразований, таких как преобразование Радона, вейвлет-анализ и оригинальных разработанных алгоритмов. Разработанная методика позволила усовершенствовать программно-вычислительный метод распознавания информационных элементов изображения тканей

(нитей, расстояний (просветов) между нитями) и их параметров (размеров (толщин), координат элементов). Методика позволяет определять расстояния между нитями, расположенными рядом из-за проборки в зуб берда, что расширяет область применения метода.

3. Разработана методика распознавания составных нитей (расположенных рядом за счет проборки в зуб берда), основанная на применении математического аппарата нечеткой логики. Методика позволяет учитывать при распознавании пороков количество нитей, пробираемых в зуб берда, что является важным фактором при распознавании структуры пороков ткани.

4. Разработаны основные принципы описания и распознавания пороков ткани, основанные на использовании математического аппарата нечеткой логики, позволяющие корректно описывать структуру пороков в условиях размытости границ значений параметров элементов ткани.

5. На базе разработанных принципов и аппарате нечеткой логики разработана методика распознавания поперечной структуры ткацких пороков, позволяющая учитывать структуру поперечной окрестности порока, что приближает систему к принципам человеческого восприятия порока. Методика позволяет распознавать не только исследуемые пороки вдоль основы, но и некоторые виды пороков вдоль утка.

6. Предложен принцип разработки независимых нечетких классификаторов, что дает возможность вводить описание новых возникающих пороков.

7. Предложены решающие правила пороков, основанные на описании экспертом их поперечной структуры.

8. Разработана методика, учитывающая пространственную протяженность порока. Методика позволяет учитывать влияние возможных артефактов и нечеткости проявления порока вдоль своего распространения.

9. Методика распознавания пороков ткани успешно проверена в ряде прикладных исследований на полульняных тканях простых переплетений средней плотности. Ряд исследований позволил подтвердить высокий процент распознавания пороков (до 88%) при помощи применения разработанной методики.

10. Предложена схема практической реализации системы технического зрения для контроля качества ткани.

П. Разработанное, на основе совокупности вышеперечисленных методик и алгоритмов, программное обеспечение, может быть использовано при создании опытных образцов системы оперативной диагностики качества ткани, направленных на решение задачи уменьшения количества низкосортной или бракованной ткани, уменьшения влияния человеческого фактора при контроле качества ткани, оперативного реагирования на появление исследуемых распространенных пороков.

ПУБЛИКАЦИИ, ОТРАЖАЮЩИЕ ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Статьи в журналах, рекомендованных ВАК РФ для опубликования основных научных результатов диссертации;

!. Ивановский ВА, Романов В.В. Волновой метод оперативного контроля качества ткани/ В.А Ивановский, В.В. Романов //Известия вузов. Технология легкой промышленности, - 2008.- №2. С.19-22.

2. Ивановский ВА. Дистанционное обнаружение дефектов ткани/ В.А. Ивановский //Известия вузов. Технология текстильной промышленности. - 20)0. -№5. С.124-126.

3 Романов В.В., Ивановский В.А. Детектирование пороков ткани на основе аппарата нечеткой логики / В.В. Романов, В.А. Ивановский // Известия вузов. Технология текстильной промышленности.- 2011 .-№3.С. 134-136.

4. Ивановский В.А. Применение вейвлет-анализа при распознавании дефектов ткани / В.А. Ивановский Н Известия вузов. Технология текстильной промышленности,- 2011. -№5. С. 124-126.

Научно-технические журналы и сборники научных трудов

5. Романов В.В., Ивановский В.А. Применение рекурсивной функции для оперативного контроля качества материала / В.В. Романов, В.А. Ивановский // Вестник КГТУ. -

2009.-№20. С.24-27.

Сборники материалов и тезисы докладов на Международных, всероссийских и межвузовских конференциях

6. Ивановский В.А. Дистанционное обнаружение дефектов ткани/ В.А. Ивановский // Тезисы докладов международной научно-технической конференции «Актуальные проблемы науки в развитии инновационных технологий для экономики региона» (Лен-2010). - Кострома: КГТУ. - 2010. С. 127

7. Ивановский В.А. Применение волнового метода для контроля плотности ткани по утку / В.А. Ивановский // Тезисы докладов международной научно-технической конференции «Современные наукоемкие технологии и перспективные материалы текстильной и легкой промышленности» (Прогресс 2010). - Иваново: ИГТА. -

2010.С.247

8. Ивановский В.А. Применение аппарата нечеткой логики при распознавании дефектов ткани / В.А. Ивановский // Тезисы докладов международной научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (Текстиль-2011). - Москва: МГТУ. - 2011, СМ 77

ИВАНОВСКИЙ Владимир Александрович

СОВЕРШЕНСТВОВАНИЕ МЕТОДИКИ РАСПОЗНАВАНИЯ ПОРОКОВ ТКАНЫХ ПОЛОТЕН НА ОСНОВЕ ПРИМЕНЕНИЯ МАТЕМАТИЧЕСКОГО АППАРАТА НЕЧЕТКОЙ ЛОГИКИ

Автореферат диссертации на соискание учёной степени кандидата технических наук

Подписано в печать 23.03.2012. Печ. л. 1,0. Заказ 146. Тираж 100. РИО КГТУ, Кострома, ул. Дзержинского, 17

61 12-5/3383

Государственное образовательное учреждение Высшего профессионального образования Костромской государственный технологический университет

На правах рукописи УДК677ЛИ9.5

Ивановский Владимир Александрович

СОВЕРШЕНСТВОВАНИЕ МЕТОДИКИ РАСПОЗНАВАНИЯ ПОРОКОВ ТКАНЫХ ПОЛОТЕН НА ОСНОВЕ ПРИМЕНЕНИЯ МАТЕМАТИЧЕСКОГО АППАРАТА НЕЧЕТКОЙ ЛОГИКИ

Специальность 05.19.02 «Технология и первичная обработка текстильных материалов и сырья»

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель: кандидат технических наук, доцент В.В. Романов

Кострома - 2012

Содержание

Введение......................................................................................

1.0бзор проблемы диагностики качества ткани и формулировка задач исследования................................................................................ 0

1.1. Контроль качества ткани на ткацких предприятиях.......................10

1.2.Обзор систем технического зрения для контроля качества ткани.....12

1.3. Анализ информационно - вычислительных методик и алгоритмов распознавания пороков тканых полотен..........................................17

1.4. Обзор возможностей современных видеоустройств и компьютерной техники...................................................................................23

1.5. Определение предмета исследования........................................25

1.6. Определение основных проблем при распознавании пороков ткани.29

1.7. Формулировка проблем и задач исследования.............................34

2. Теоретические основы методики распознавания ткацких пороков ... 36

2.1. Общее теоретические описание процесса распознавания образов....36

2.2 Векторное представление.......................................................33

2.2.1. Выбор метода векторного представления изображения.........38

2.2.2 Преобразование Радона. Математические основы преобразования...................................................................40

2.3. Определение информационных элементов.................................43

2.3.1. Выбор метода анализа..................................................43

2.3.2.Вейвлет-анализ. Математические основы преобразования......45

2.3.3 Математические аспекты анализа поля вейвлет -коэффициентов...................................................................50

2.4 .Классификаторы...................................................................52

2.4.1.Классификатор локальных поперечных образов пороков.......52

2.4.2. Применение метода нечеткой логики...............................54

2.4.3. Основные положения теории нечеткой логики...................56

2.4.4. Алгоритмы нечеткой логики..........................................59

2.4.5 .Пространственный классификатор....................................63

2.5. Выводы по главе............................................................ 64

3.Разработка методики распознавания информационных элементов ткани и их параметров........................................................................................................66

3.1 Общие принципы построения методики.....................................66

3.2 Входные данные, принципы преобразования...............................69

3.3.Методика определения информационных элементов и их параметров........................................................

3.3.1. Векторное представление. Математические преобразования....? 1

3.3.2. Анализ поля коэффициентов вейвлет-преобразования...........72

3.4. Создание и подготовка структурного массива............................80

3.5.Методика формирования информационных элементов с учетом проборки в зуб берда....................................................................

3.6.Выводы по главе............................................................ 35

4. Методика распознавания пороков ткани.......................................87

4.1 Общая схема классификатора..................................................87

4.2.Нечеткие классификаторы.................................................88

4.2.1. Общая схема работы нечеткого классификатора....................88

4.2.2. Общие вопросы описания классификаторов.........................90

4.2.3 Классификатор составных нитей........................................92

4.2.4. Классификатор порока рассечка.......................................97

4.2.5. Классификатор порока близна........................................100

4.2.6. Классификатор пороков парочка и слабина........................ЮЗ

4.2.7 Классификатор горизонтальных пороков............................106

4.3. Пространственный классификатор. Методика координатного накопления................................................................................................................НО

4.4. Выводы по главе............................................................ 1 ¡5

5.Экспериментальные испытания методики распознавания ткацких пороков............................................................

5.1. Общие аспекты экспериментальных испытаний.......................116

5.2.Экспериментальные испытания методики определения

информационных элементов.....................................................\ и

5.3 Исследование надежности работы нечетких классификаторов......122

5.4.Исследование надежности методики распознавания пороков

ткани......................................................................................................................................^24

5.5.Лабораторный стенд................................................................127

5.5.1 Общие вопросы разработки лабораторного стенда..................127

5.5.2. Выбор двигателя для лабораторного стенда..........................129

5.5.3. У правление шаговым двигателем с помощью компьютера.......................................................................

5.6. Принципы практической реализации.....................................133

5.7. Выводы по главе...............................................................139

Общие выводы по работе.............................................................141

Список литературы................................................................ 143

Приложение 1....................................................................... 151

Приложение 2......................................................................... 154

Введение

Актуальность. Контроль качества продукции является одной из актуальных проблем текстильных предприятий. Спрос на текстильную продукцию растет, требования к качеству продукции неуклонно повышаются. В условиях жесткой конкуренции, на первое место выходит параметр «цена/качество». Общим направлением современного ткацкого производства является максимально возможное исключение «человеческого фактора» и автоматизация процесса выпуска продукции.

Основным этапом в текстильном производстве является процесс тканеформирования. Большое количество вариантов брака, сложность в определении допустимых отклонений, делают задачу контроля качества ткани непростой.

С учетом современных требований, визуальные методы оказываются достаточно медленными и субъективными, выдержать конкуренцию на рынке текстильных товаров с такими методами в перспективе невозможно.

На сегодняшний день накоплено большое количество теоретических и экспериментальных разработок, методов и методик для автоматизированного распознавания пороков ткани, однако, до сих пор отсутствует метод, способный в полном объеме решить эту задачу. Остаются мало проработанными вопросы по созданию адекватных методов и алгоритмов, учитывающих сложности анализа тканых материалов, связанных с многофакторной природой их неравномерности.

В той или иной степени эти задачи решаются в иностранных устройствах контроля качества ткани, однако высокая стоимость этих устройств делает их недоступными для широкого применения в отечественной ткацкой промышленности. Поэтому в российской текстильной промышленности до сих пор в основном применяется органолептический метод оценки качества ткани, который в перспективе не может составить конкуренцию автоматизированным системам.

В свою очередь современный уровень вычислительной техники, видео устройств, средств передачи информации позволяют разработать собственные программно-технические комплексы, способные решать задачи автоматизации контроля качества ткани. Новые компьютерные технологии расширяют возможности достижения большей оперативности, точности и достоверности получаемых результатов.

Все вышесказанное говорит об актуальности разработок, касающихся данной научно-практической области, создании и совершенствовании современных методов и методик контроля качества ткани.

Цель и задачи исследования. Цель диссертационной работы состоит в повышении надежности контроля процесса тканеформирования за счет совершенствования программно-вычислительного метода распознавания ткацких пороков.

Для достижения этой цели поставлены следующие основные задачи:

- провести анализ состояния проблемы автоматизированного контроля внешнего вида ткани;

- изучить программно-вычислительные методы и методики обнаружения ткацких пороков на основе анализа изображений ткани;

- усовершенствовать метод поиска и распознавания элементов изображения ткани и их параметров, за счет разработки новой методики применения современных математических преобразований;

- разработать принципы распознавания ткацких пороков на основе теории нечеткой логики;

- разработать методики распознавания ткацких пороков на основе созданных принципов;

- создать программный комплекс на основе разработанных алгоритмов и методик;

создать лабораторную установку для проверки результатов исследования.

Методы исследования. Для решения поставленных задач применялись математические методы, такие как: преобразование Радона, вейвлет-анализ, методы математической статистики. Использовались базовые понятия технологии текстильных материалов, теории нечетких множеств. Применялся математический аппарат нечеткой логики. Программный комплекс разрабатывался в среде МайаЬ. Экспериментальные исследования программного комплекса проводились с помощью специально разработанного стенда.

Научная новизна:

1. Применен метод нечеткой логики для разработки классификаторов, позволяющих распознавать ткацкие пороки на базе созданных решающих правил.

2. Предложен принцип последовательного применения нечетких классификаторов, разработанных под каждый вид исследуемых ткацких пороков или группы пороков тканого полотна, позволяющий вести независимую разработку и добавление новых классификаторов для распознавания других пороков.

3. Разработана методика распознавания элементов изображения ткани и их параметров, отличающаяся от известных тем, что учитывается проборка нитей в зуб берда.

4. Разработана методика обработки структурного массива информационных элементов ткани позволяющая определять протяженность порока и его более точное определение.

5. Разработан программный комплекс, с использованием математического аппарата нечеткой логики, для оперативного технического контроля пороков тканого полотна возникающих в процессе тканеформирования.

Практическая ценность и реализация результатов. Созданный программно-аппаратный комплекс, основанный на разработанных методиках и алгоритмах, в комплексе с видеоаппаратурой и вычислительной техникой, позволяет создать опытный образец системы технического контроля ткацких пороков, работающий в режиме реального времени, позволяет оперативно реагировать на появление структурных распространенных пороков, что в свою очередь позволит уменьшить количество низкосортной или бракованной ткани, ускорить анализ сбоев технологического оборудования, снизить влияние человеческого фактора при контроле качества ткани в процессе тканеформирования.

Разработанные в рамках диссертационной работы методы и алгоритмы, реализованные в виде прикладной программы «Распознавание пороков тканого полотна», рекомендованы для применения на текстильных предприятиях и, в частности, на ООО «БКЛМ-Актив», также результаты научной работы внедрены в учебный процесс в Костромском государственном технологическом университете на кафедре технологии машиностроения, что подтверждено соответствующими документами.

Апробация работы. Основные положения и результаты работы доложены и обсуждены на следующих научно-технических форумах:

- Семинар по теории машин и механизмов (Костромской филиал семинара по ТММ РАН), Кострома, КГТУ, 2010 г.;

- VI Международный научно-практический семинар «Прогресс-2010» (Иваново, ИГТА, 2010 г.);

- VII Международный научно-практический семинар «Лен-2010», Кострома, КГТУ, 2010 г.;

- Семинар по теории машин и механизмов (Костромской филиал семинара по ТММ РАН), Кострома, КГТУ, 2011 г.;

- Международная научно-техническая конференция «Современные технологии и оборудование текстильной промышленности» (Текстиль-2011), г. Москва;

- расширенное заседание кафедры ткачества, Кострома, КГТУ, 2012 г.

Публикации. По теме диссертации опубликовано 8 научных работ. Важнейшие положения диссертации изложены в 4 статьях в журналах, входящих в «Перечень...» ВАК РФ, 1 статье в научно-техническом журнале.

Структура и объем работы. Диссертационная работа состоит из введения, пяти глав и общих выводов по работе, изложенных на 155 страницах машинописного текста. Содержит 76 рисунков, 18 таблиц, 103 формулы, список литературы из 90 наименований и 2 приложения на 5 страницах.

1. Обзор проблемы диагностики качества ткани и формулировка задач

исследования

1.1. Контроль качества ткани на ткацких предприятиях

Требования современного рынка предъявляют жесткие условия к внешнему виду и качеству тканей [1], которые зависят от множества факторов производственного цикла: качества сырья, квалифицированности персонала, качества и настройки оборудования, условий производства и т.д. Поэтому возникающие пороки ткани, определяющие сорт, внешний вид и качество ткани [2] необходимо оперативно контролировать.

Автоматизация контроля качества ткани является непростой задачей из-за большого разнообразия предметов анализа - тканей и их пороков, вариантов переплетений, нечеткости допустимых отклонений структур.

На сегодняшний день на отечественных предприятиях качество и внешний вид ткани определяют органолептическим методом.

Ткань на ткацком станке шириной 1,5-2 метра движется со скоростью 0,3 - 0,5 м/мин. Медленная скорость движения ткани не позволяет держать все время оператора у станка. Это является невыгодным, кроме того, производственные условия труда [3] около ткацких станков являются тяжелыми для визуального осмотра.

На данный момент традиционный подход к контролю качества тканой продукции заключается в переносе ткани на браковочные машины и анализе ее со скоростью 8-20 м/мин., где оператор браковочной машины, перемещая рулон, делает запись порока и его местоположение.

При подобном органолептическом методе контроля качества существует ряд недостатков:

- подобный вид работы сопровождается сильным напряжением зрительной системы, а как следствие - быстрой утомляемостью оператора,

- на утомляемость оператора также влияет временной период смены,

- на качество распознавания влияет квалифицированность оператора,

- при увеличении объемов выпуска ткани визуальный контроль

становится неэффективным.

Перенос ткани на браковочные машины предполагает проверку качества ткани «в прошедшем времени», содержание дополнительного оборудования и персонала.

Таким образом, актуальным является создание автоматизированных систем контроля качества ткани и их внедрение непосредственно на ткацком станке. Важнейшими характеристиками таких систем должны являться оперативность проверки на качество, удобство внедрения в производство и эксплуатации, доступная цена и надежность.

Основными ключевыми моментами в автоматизированных системах контроля качества являются методы получения информации об исследуемых объектах и алгоритмы распознавания и идентификации пороков.

Принцип контроля качества ткани человеком-оператором основывается на анализе оптической информации, человек способен видеть и различать все типы пороков, следовательно, основная часть данных о дефекте содержится именно в информации, полученной оптическом путем.

На основании выше сказанного, а также на основании анализа сравнения автоматизированных методов контроля качества ткани, сделанного в работе [4] можно сделать вывод о том, что наиболее перспективным и выгодным является использование оптических методов и средств анализа качества ткани при разработке автоматизированных систем контроля качества.

Совершенствованию в данном случае подлежит интеллектуальная обработка информации и способы захвата изображения. Уровень компьютерной техники позволяет использовать для интеллектуальной

обработки информации современные ресурсоемкие математические и алгоритмические технологии.

Таким образом, наиболее перспективным направлением в создании автоматизированных систем контроля качества ткани является создание систем технического зрения (СТЗ), включающих в себя оборудование для захвата изображения, компьютер для его анализа и принятия решений, оборудование для обратной связи со станком и интерфейс для общения с оператором. Подобные системы имеют широкие перспективы как наиболее универсальные и в ближайшее время могут заменить визуальные методы контроля качества.

1.2. Обзор систем технического зрения для контроля качества ткани

Как было сказано выше, на данный момент времени контроль качества ткани производится в основном визуальным методом, однако многие зарубежные текстильные компании переходят к автоматизированным системам контроля качества. В работах [4,42] рассмотрены подобные системы. Проведем их обзор:

Система Cyclops бельгийской фирмы Вагсо[5]