CC BY
42
перты Агентства отмечают, что основной объем инвестиций в лесную биоэнергетику пришелся на производство древесных топливных гранул, являющимся наиболее капиталоемким направлением, и данное деятельность показала наихудшие показатели по эффективности реализации инвестиционных проектов.
4. Недостаточная популяризация применения пеллет в разных отраслях народного хозяйства страны. В условиях повышающихся тарифов на энергию предприятия лесопромышленного комплекса покрывают долю своих энергетических затрат за счет утилизации собственных отходов лесопереработки. Для этой цели построены цеха по производству пеллет и оборудованы котельные. Следовательно, на современных средних и крупных предприятиях лесной промышленности количество отходов минимизировано. Популярность древесных пеллет в других отраслях хозяйства возрастает незначительно. Сортировка и транспортировка древесного сырья для производства пеллет, а также необходимость сушки требуют дополнительных затрат, что существенно влияет на конечную цену продукции.
5. Отсутствие интенсивного использования биомассы. По данным российских экспертов, на всех рубках допустимый объем изъятия древесины составляет только 30 - 40 %. Большой резерв получения биомассы возможен от промежуточных рубок, от прореживания, от пней, корней, порубочных остатков, от рубок главного пользования. Однако эффект использования биомассы зависит от стоимости доставки.
6. Отсутствие в России единых стандартов на твердое биотопливо. Новый стандарт на древесные пеллеты (EN 14961-2) действует в Европе с 2010 г. Соответствие стандарту подтверждается сертификатом EN plus. Маркой EN plus владеет международная некоммерческая ассоциация AEBIOM (European Biomass Association), которая развивает сектор биоэнергетики и поддерживает своих участников на рынке. Новый стандарт призван обеспечить однородность качества продукции во всех странах Европейского Союза, повысить прозрачность рынков и тем самым защитить потребителя от некачественной продукции. Данная схема подразумевает сертификацию всех участников товарной цепочки, вплоть до транспортных и складских компаний, а также предприятий оптовой и розничной торговли, осуществляющих деятельность на рынке пеллет.
Таким образом, располагая эффективным возобновляемым энергетическим ресурсом - древесиной,
продуктами ее промышленной переработки и образующимися отходами, предприятия Северо-Запада РФ, в частности Вологодской области, могут и должны развивать собственную малую энергетику; уменьшать нагрузку на окружающую природную среду; снижать уровень безработицы путем создания новых рабочих мест по производству биотоплива; пополнять налоговыми отчислениями доходную часть бюджетов различных уровней.
Литература
1. Аншелес, В.Р. О путях изменения сырьевой направленности Российской экономики / В.Р. Аншелес // Социально-экономические проблемы развития России и проблемы глобализации: потенциал возможного. Международная научно-практическая конференция 6 - 7 декабря 2007 г.: Сб. науч. ст. / под общ. ред. В.В. Тумалеева. -СПб., 2007.
2. Вершинина, Т. Плантационные леса / Т. Вершинина // Дерево.га. - 2012. - № 1. - С. 60 - 62.
3. Костенко, А. Рынок биотоплива в России и экологические требования к производству биотоплива / А. Костенко // Устойчивое лесопользование. - 2012. - № 2. -С. 38 - 41.
4. Лесной Клуб: Пути развития пеллетного производства России и Украины. - URL: http://www.wood-pellets.com/cgi-bin/cms/index. cgi?ext=news&lang=1&nid= 2438&sub=show_ news
5. Маликова, Г. Пеллетная отрасль: ошибки и перспективы / Г. Маликова // Дерево.га. - 2012. - № 1. - С. 72
- 78.
6. Официальный сайт территориального органа Федеральной службы государственной статистики по Вологодской области. - URL: http://vologdastat.gks.ru.
7. Перспективы развития рынка пеллет в России. -URL: http://granuly.ru/news/perspektivy-razvitiya-rynka-pellet-v-rossii.html
8. Сотник, И.Н. Экономическое обоснование использования пеллет в сфере теплоснабжения / И.Н. Сотник, Е.В. Ефремова // Мехашзм регулювання економжи. - 2011.
- № 4. - С. 109 - 114.
9. Стратегия развития лесного комплекса Вологодской области на период до 2020 года / Департамент лесного комплекса Вологодской области. - Вологда. - 2010.
10. Хайруллин, А.Р. Утилизация древесных отходов методом пиролиза / А.Р. Хайруллин // Сборник научных трудов Sworld. - 2012. - Т. 28. - № 2. - С. 35 - 37.
11. Юдкевич, Ю.Д. Получение качественного древесного угля из древесных отходов. Опыт и перспективы / Ю.Д. Юдкевич, В.И. Коршиков // Сотрудничество для решения проблемы отходов: Тезисы докладов I Международной конференции. - Харьков, 2003. - С. 23 - 27.
УДК 004.93
И.Н. Ипатов, О.В. Юдина
ИСПОЛЬЗОВАНИЕ АДАПТИВНОГО АЛГОРИТМА ПОРОГОВОЙ ОБРАБОТКИ ДЛЯ ПОЛУЧЕНИЯ КОНТУРА РАСКАТА
В статье рассматривается адаптивный алгоритм сегментации изображения при помощи пороговых методов обработки в рамках проблемы выделения контура и измерения геометрических параметров подката на толстолистовом стане горячей прокатки.
Сегментация изображений, выделение контура, пороговая обработка, адаптивный алгоритм, прокатное производство, неразрушающий контроль, форма проката.
This article describes an adaptive algorithm of image segmentation using threshold techniques for hot plate edge detection and width measurement throughout the metal rolling process.
Image segmentation, threshold processing, adaptive algorithm, rolling production, nondestructive control, form of rolling.
Одним из главных направлений развития прокатного производства является его дальнейшая автоматизация, обеспечивающая улучшение качества проката, надежность и бесперебойность управления в соответствии с программой прокатки [2].
В условиях непрерывного безостановочного производственного цикла, свойственного технологическому процессу изготовления металлопроката, постоянный контроль геометрических размеров прокатных изделий в автоматическом режиме становится одним из необходимых требований поддержания принятых отраслевых стандартов качества и увеличения производительности. При этом все действия по измерению геометрических параметров должны производиться без непосредственного контакта с измеряемым объектом и одновременно с высокой степенью точности [2].
Система измерения геометрических параметров подката на толстолистовом стане горячего проката предназначена для автоматического измерения длины, ширины и формы головной и хвостовой частей подката на участке подачи металла в клеть. Измеренные параметры визуализируются на посту управления станом в масштабе реального времени и позволяют оператору контролировать процесс прокатки. Измерение осуществляется бесконтактно в существующем технологическом потоке без вмешательства в технологию производства. Оно основано на использовании электронно-оптических методов контроля, использующих собственное излучение нагретого металла.
Таким образом, во время процесса прокатки на толстолистовом стане форма сляба меняется при каждом проходе, а в конце технологического процесса геометрические параметры листа должны соответствовать заданным значениям. Поэтому очень важно получать информацию о фактических размерах и форме листа в процессе прокатки в режиме реального времени.
Одной из основных задач при измерении формы проката является получение контура объекта. Данную операцию можно разделить на два этапа:
1) сегментация изображения, т.е. отделение объекта от фона;
2) кодирование контура, т.е. получение дискретного сигнала, описывающего границы бинарного изображения.
Проблема выделения контура изображения заключается в обнаружении одной или нескольких его взаимосвязанных точек и дальнейшим прослеживанием, т.е. последовательным, точка за точкой, определением всех остальных точек до момента замыка-
ния контура. Наиболее просто эта проблема разрешается для бинарного изображения [4].
Чаще всего бинарное изображение получается из полутонового путем сравнения яркости каждого его пиксела с заданным пороговым значением. В том случае, когда эта яркость ниже порогового значения, в соответствующую ячейку массива пикселов бинарного изображения заносится нуль, а в противном случае - единица [3].
Основная сложность формирования бинарного изображения связана с определением оптимального в соответствии с принятым критерием порогового значения яркости. Критерии оптимальности связаны с обеспечением минимальных искажений формы изображения объекта, задаваемой контуром этого изображения в бинарном виде. Если порог ниже оптимального, то форма изображения объекта искажается за счет сильного влияния фоновых шумов. При этом контур изображения расширяется вследствие включения в его состав участков фона. Кода порог выше оптимального, то форма изображения искажается из-за того, что значительная часть точек этого изображения отнесена к фону [4].
Рассмотрим изображение со статистически однородным фоном, характеризующимся гистограммой яркости /ф(Т), где 3 - яркость изображения. Пусть яркость изображения объекта характеризуется гистограммой яркости/О(3) (рис. 1) [4].
Рис. 1. Разбиение диапазона яркостей изображения на области
Для получения бинарного изображения можно сформировать одно значение /глоб порогового уровня ограничения исходного изображения по яркости. Этот уровень называется глобально-оптимальным порогом /глоб опт.
Весь диапазон яркостей изображения можно условно разделить на пять областей. Если /глоб находится в первой области, то точки бинарного изображения будут, в основном, единичными, а если в пятой - то нулевыми. Вторая область характеризуется практическим отсутствием точек изображения, а
четвертая - точек фона. Но в четвертой области потеряно много точек, составляющих изображение объекта (рис. 2) [4]. Таким образом, нахождение величины /глоб во второй и четвертой областях приводит к недопустимо большим искажениям формы объекта и в этих областях диапазона яркостей также нецелесообразно выбирать порог.
Рис. 2. Зависимость степени зашумления контура от величины порога: а - исходное изображение; б - порог ниже оптимального; в - оптимальный порог; г - порог выше оптимального
Как отмечается в целом ряде работ, например, в [1], единственной областью существования такого порога является третья. Сдвиг в этой области величины /глоб вправо приводит к тому, что линия контура будет преимущественно проходить по внутренним точкам изображения, а сдвиг влево дает противоположный эффект: линия контура проходит вблизи границы, но включает большое количество фоновых точек (рис. 3) [4].
Рис. 3. Искажение линии границы изображения при различных подходах к выбору величины /глоб
В обоих случаях длина контура увеличивается по сравнению с длиной контура при ограничении полутонового изображения на уровне /глоб опт. Таким об-
разом, характер зависимости длины контура от величины порога яркости позволяет выработать подход к получению бинарного изображения с минимальными искажениями формы изображения объекта [4].
Пусть I - длина контура бинарного изображения объекта, полученного ограничением по яркости полутонового изображения объекта. Тогда величина глобально-оптимального порога обеспечивает минимум длины контура объекта, т.е.
1глоб =1глоб.опт при I ^ тт.
(1)
Из практических соображений целесообразно ввести ограничение на длину контура изображения:
I ■ < I < I
шт тах
(2)
Чаще всего контуры очень большой и очень малой длины являются помеховыми.
В соответствии с критерием (1) операция определения глобально-оптимального порога является адаптивной. Вначале определенным образом задается величина начального порога /глоб нач и фиксируется длина контура /нач при этом пороге. Далее последовательно увеличивается величина /глоб нач и измеряется длина контура объекта в получающихся бинарных изображениях. На всех этапах должно выполняться условие (2). При достижении условия (1) этот процесс прекращается. В качестве начального значения порога /глоб нач можно выбрать инкрементированное значение средней яркости ,/ср полутонового изобра-
жения, т.е. /г.
[ 3ср + 1.
Рассмотренный алгоритм позволяет определить глобально-оптимальный порог для получения бинарного изображения на основе критерия минимальной длины контура объекта.
При решении задачи выделения контура перепад яркости на границе фон / изображение в реальных случаях чаще всего становится зашумленным. В результате линия контура в пределах ширины этого перепада, как линия внешней границы изображения, становится неопределенной, а действие шумов приводит к ошибкам выделения контура [4].
В процессе прокатки высокие температура и скорость прокатки, а также вода, пар и окалина являются факторами, которые приводят к искажению преобразуемого сигнала. При решении проблемы выделения контура изображения актуальной становится задача формирования правильного бинарного изображения, инвариантного к воздействующим на систему помехам.
Для зашумленных изображений, имеющих низкое качество, например, изображений, имеющих неоднородные или изменяющиеся яркости фона, или же изображений, характеризующихся сложной текстурой фона, большой проблемой является то обстоятельство, что ни один из алгоритмов пороговой обработки не может дать удовлетворительных результатов в случае присутствия на изображении различных видов помех. При таких условиях задачу выде-
ления контура объекта можно разделить на два основных этапа:
1) получение приближенного контура изображения при помощи глобально-оптимальной процедуры формирования порогового уровня;
2) уточнение границы: по информации о яркости предыдущих, уже выделенных точек контура, прогнозируется положение последующей контурной точки.
Рассмотрим второй этап. При обнаружении и прослеживании контуров бинарных изображений перепады яркости на границах идеальны. Это дает возможность достаточно просто получить контур изображения. При решении аналогичной задачи для полутоновых изображений перепад яркости на границе фон / объект становится в реальных случаях чаще всего пологим и зашумленным. В результате линия контура в пределах ширины этого перепада, как линия внешней границы изображения, становится неопределенной, а действие шумов приводит к ошибкам выделения контура. Подавление таких ошибок проводится методом накопления [4]. В этом случае строб для прослеживания линии контура должен иметь более сложную структуру: каждый его элемент представляет собой квадратное окно из большого количества пикселей.
При прослеживании контуров зашумленных изображений решение на каждом шаге целесообразно выносить с учетом уже принятых на предыдущих шагах. В первую очередь это относится к выбору порога а{ по яркости, при превышении которого точка в стробе прослеживания считается контурной. Величина а, в простейшем случае определяется как
1 М
а. =—VЬ. . -Да , - -
где Ь- - яркости предыдущих контурных точек; N -число этих точек; Да - некоторая константа, превышающая приращение средней яркости изображения за один шаг. Предполагается, что предыдущие контурные точки принадлежат границе фон / объект и по значениям их яркостей могут быть получены оценки средней яркости в окрестности последующей контурной точки. Из-за мультипликативных помех уровень средней яркости в пределах сцены может изменяться в значительной степени. Поэтому прогноз средней яркости на основании такой оценки позволяет подстраивать порог обнаружения последующей контурной точки [4].
Рассмотрим алгоритм прослеживания контура зашумленного изображения с классификацией точек в стробе по яркости с учетом средних значений яркости, полученных на предыдущих шагах. Начальная точка а0 контура определяется на базе границы, полученной в первом приближении. На рис. 4а показаны два положения строба, формирующего линию контура, причем Сп-1 - это строб на предшествующем шаге, а Сп - на текущем. Буквами «Ф» обозначены точки фона, «к» - контурные точки, «О» - точки изображения объекта. Этим точкам соответствуют
полученные на предшествующих шагах средние значения яркостей (рис. 4б):
1) яркость объекта Ь0 (п -1);
2) контурных точек Ьк (п -1);
3) и точек фона ЬФ (п -1).
Центр строба С„_1 находится в точке 1к. На п-м шаге центр строба переместится в точку 2к, найденную также на (п-1)-м шаге.
Рис. 4. Классификация точек строба по яркостному расстоянию
Порядок просмотра строба Сп показан стрелками (см. рис. 4а). Анализ базируется на допущении, что контурные точки относятся к объекту. В процессе анализа для каждой непроклассифицированной точки строба Сп вычисляется расстояние по яркости точки от средней яркости контурных и фоновых точек, полученных также на (п-1)-м шаге (см. рис. 4б):
Яф = Ь (п) - Ьф (п -1) , Як = Ь (п) - Ьк (п -1) .
Решение о принадлежности точки контуру выносится при выполнении условия Яф > Як. В противном случае принимается решение о том, что точка является внутренней для изображения. После окончания классификации точек в стробе производится коррекция оценок яркостей Ьф (п -1), Ьк (п -1), Ь0 (п -1) с
учетом интенсивностей вновь полученных точек в стробе Сп [4].
Таким образом, рассмотренный подход к прослеживанию линии контура базируется на прогнозировании положения последующей контурной точки по информации о яркости предыдущих точек контура, выделенных на этапе получения приближенного контура с помощью глобально-оптимального алгоритма пороговой обработки. Благодаря такому прогнозу сужается область нахождения этой точки, что позволяет получить более точный контур изображения.
Литература
1. Бакут, П.А. Сегментация изображений: Методы пороговой обработки / П.А. Бакут, Г.С. Колмогоров, И.Э. Ворновицкий // Зарубежная радиоэлектроника. - 1987. -№ 10. - С. 6 - 24.
2. Восканьянц, А.А. Автоматизированное управление 4. Фурман, Я.А. Введение в контурный анализ / Я.А. процессами прокатки / А.А. Восканьянц. - М., 2010. Фурман. - М., 2002.
3. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - М., 2005.
УДК 669.146.696
О.Г. Максимова, А.В. Максимов, О.С. Баруздина, Д.В. Диордийчук
ВЛИЯНИЕ ТЕМПЕРАТУРНОГО РЕЖИМА СУШИЛЬНЫХ ПЕЧЕЙ НА КАЧЕСТВО ПОЛИМЕРНЫХ ПОКРЫТИЙ
Разработана модель, позволяющая провести описание процесса получения полимерного покрытия. Представлены результаты имитационного моделирования для рационального управления процессом нанесения полимерного покрытия на поверхность металлического листа. Получены зависимости различных свойств покрытий (толщины, параметра порядка и др.) от координаты выбранной точки на полосе металла в печи при оптимальном температурном режиме их сушки.
Лакокрасочные полимерные покрытия, полимеризация, имитационная модель, растворитель, температурный режим сушки, параметр ориентационного порядка.
The model allowing describing the process of producing a polymer coating has been developed. The results of simulation for the rational management of the forming of the polymer coating on the surface of the metal sheet are presented in the paper. The dependences of different properties of the coating (thickness, the order parameter) on the selected coordinate of the metal band in the oven at the otimal temperature drying mode are obtained.
Colour varnish polymer coatings, polymerization, simulation model, solvent, temperature drying mode, orientational order parameter.
Одним из эффективных путей повышения качественных показателей листового металлопроката с добавленной стоимостью является применение новых, в том числе композиционных материалов, отвечающих высоким требованиям потребителя. На современном этапе развития материаловедения и технологий большое внимание уделяют производству изделий с покрытиями, как классу слоистых композиционных материалов. Высокая степень эффективности применения таких покрытий достигается только при оптимальном выборе конструктивных параметров их поверхностных слоев, отвечающих заданным условиям эксплуатации, а также разработке соответствующих методов формирования таких слоев. Преобладающее значение, как при формировании поверхностных слоев, так и при эксплуатации изделий с полимерными покрытиями, имеют процессы целенаправленного теплового воздействия для получения требуемого комплекса их геометрических свойств (шероховатость, волнистость, дефекты поверхности) и физико-механических характеристик (прочность, твердость, пластичность, износостойкость, цвет, блеск).
В настоящее время возникает актуальная необходимость разработать достаточно гибкое математическое и программное обеспечение, позволяющее определить в динамическом режиме оптимальные температурные условия внутри зон печи, при которых возникает наиболее прочное прилипание лакокрасочного материала к поверхности металла, что является очень важным при получении качественных
полимерных покрытий. Существует несколько стадий технологического процесса формирования такого покрытия, из которых в данной работе будет подробно исследована только наиболее важная из них: сушка покрытий. Тепловой режим сушильной печи рассчитывается для каждого типа лакокрасочного материала (ЛКМ) с учетом следующих факторов:
- толщины и ширины исходной полосы металла;
- состава растворителей в ЛКМ по его сертификату (температуре испарения, количеству растворителя и др.);
- толщины наносимого слоя ЛКМ;
- скорости движения полосы в технологической части сушильного агрегата печи, которая обычно зависит от задания на смену (количества окрашенных рулонов и др.).
Важным шагом в получении качественного полимерного покрытия должна стать операция настройки температурного режима его сушки и охлаждения, так как неправильный его выбор может привести к появлению явных дефектов поверхности (вскипам, отслоениям и др.).
Лакокрасочные полимерные покрытия имеют две разные поверхности контакта: одну с внешней средой (как правило, газообразной или жидкой), другую - непосредственно с металлом или грунтовочным слоем (подложкой). Влияние внешней среды и подложки проявляется в химическом составе и структуре контактных слоев пленок. Поэтому лакокрасочные покрытия следует рассматривать как физически и химически неоднородные системы [12].
