1. Главная
  2. Ресурсы
  3. Библиотечный поиск
  4. Справочник. Инженерный журнал
  5. Выпуск 2017 г. № 6
Обоснование методараспознавания пятенкоры на балансах дляавтоматическойсортировки покачеству окорки Григорьев Е. В.Куницкая О. А.Куницкая Д. Е.2017 год

Обоснование метода распознавания пятен коры на балансах для автоматической сортировки по качеству окорки
статья из журнала

Заказать копию статьи
База данных: Каталог библиотеки СФУ (Г 834)
Библиографическое описание: Григорьев, Е. В. Обоснование метода распознавания пятен коры на балансах для автоматической сортировки по качеству окорки / Е. В. Григорьев, О. А. Куницкая, Д. Е. Куницкая. - (Разная информация). - Текст : непосредственный // Справочник. Инженерный журнал. - 2017. - № 6. - С. 43-50. - Библиогр.: с. 50 (18 назв. ).
Аннотация: Для повышения эффективности работы линии изготовления технологической щепы предложено несколько технических решений по автоматизации процесса управления качеством окорки балансов в окорочном барабане. Идея заключается в снабжении линии узлом сканирования, с блоками информации и программирования, установленным на выходе из окорочного барабана, и его связи с приводами сбрасывателя плохо окоренных бревен. Данное решение базируется на возможности автоматической оценки площади бревен, занятой неотделившейся корой. Теоретические исследования алгоритма делятся по смыслу на два подраздела: 1) выделение на снимке непосредственно объекта (баланса) ; 2) бинаризация изображения, которая должна максимально полно выделить неокоренные участки баланса. На первом этапе необходимо разделить изображение на фон и исследуемый объект (окоренный баланс). В исследуемом случае задача сводится к поиску двух криволинейных разрезов, которые соединяют левый и правый края изображения. Второй этап – разделение полученного изображения на окоренные и неокоренные области. Интересующие неокоренные области зачастую могут оказаться малоконтрастными по сравнению с окоренной древесиной. Таким образом, основной задачей обработки и анализа изображения является качественная сегментация (разделение изображения на области, для каждой из которых выполняется некоторый критерий однородности). В статье рассмотрены три метода бинаризации изображения для получения наиболее качественной сегментации. 1-й метод – пороговая обработка изображения, заключается в сопоставлении яркости каждого из пикселов изображения с заданным пороговым значением яркости. 2-й метод – метод Оцу. При помощи метода Оцу, в случае бинаризации вычисляют порог, при котором к минимуму сводится средняя ошибка сегментации. Значения яркостей пикселов изображения рассматривают как случайные величины, их гистограмму распределения – как оценку плотности распределения вероятностей случайных величин. При известных из гистограммы плотностях распределения вероятностей становится возможным определение оптимального порога для разделения изображения на объект (неокоренный участок) и фон (окоренная древесина). 3-й метод – метод Бернсена. В рамках этого метода все изображение делится на области с заданным размером. Далее, для каждого пиксела изображения в пределах области используется порог, имеющий значение, равное среднему арифметическому наименьшего и наибольшего уровней яркости в исследуемой области. В результате теоретических и экспериментальных исследований установлено, что наиболее оптимальным для решения рассматриваемой задачи является метод Оцу.
Год издания: 2017
Авторы: Григорьев Е. В. , Куницкая О. А. , Куницкая Д. Е.
Источник: Справочник. Инженерный журнал
Выпуск: № 6
Номера страниц: 43-50
Количество экземпляров:
  • Книгохранилище научной литературы (пр. Свободный, 79, 3 этаж): свободно 1 из 1 экземпляров