CC BY
8
ТЕХНИЧЕСКИЕ НАУКИ
05.20.00 Процессы и машины агроинженерных систем
УДК 621.374
АНАЛИЗ ФОРМЫ ПЕЧАТНЫХ ЗНАКОВ ДЛЯ ВЫЯВЛЕНИЯ СУЩЕСТВЕННЫХ ПРИЗНАКОВ И ОПРЕДЕЛЕНИЯ ТИПА ЗНАКА КОМПЬЮТЕРОМ
Э. М. Пинт, канд. техн наук, профессор; И. Н. Петровнина, канд. техн наук, доцент;
И. И. Романенко, канд. техн наук, доцент; К. А. Еличев, канд. техн наук, доцент
ФГБОУ Пензенский ГУАС», Россия, т 8(412)47-62-86, e-mail: [email protected]
Авторы провели анализ контуров печатных знаков различных шрифтов, с резко отличающимися по форме знаками, для выявления минимально возможной комбинации существенных признаков, по которым компьютер смог бы определить тип каждого знака по отношению к другим.
В статье описывается анализ, в результате которого была найдена оптимальная комбинация существенных и достаточных признаков знаков в виде определенных направлений, образуемых элементами контуров печатных знаков.
По разработанной авторами программе компьютер, используя найденную оптимальную комбинацию направлений, распознает все печатные знаки несмотря на следующие отличительные особенности формы: разные толщины линий элементов знака, разные наклоны отдельных частей и знака в целом, наличие декоративных украшений и определенных дефектов в изображениях знаков. До сих пор эта проблема оставалась нерешенной.
Ключевые слова: печатный знак, направление, стандартный вид, распознавание, контур.
Введение.
В настоящее время еще не решена проблема распознавания печатных и дорожных знаков, выполненных различными шрифтами.
Эту функцию должно выполнять читающее устройство, воспринимающее печатный текст с носителя информации и распознающее с использованием компьютера печатные знаки различных шрифтов.
Читающие устройства могут использоваться для автоматической обработки статей, книг, отчетов, экспериментальных данных, автоматизации процесса поиска информации в фонде литературы, обработки сводок, таблиц и других сведений, имеющихся на промышленных предприятиях, на транспорте, для обработки банковских документов и т. д.
При реализации второй основной функции читающего устройства - распознавание отдельных знаков алфавита встречаются следующие трудности:
• устройство должно различать относительно большое количество знаков алфавита: букв, цифр и пр.;
• устройство должно воспринимать различные шрифты, т. е. уметь читать одну и ту же букву или цифру, но напечатанную с другой высотой, шириной, с другим наклоном, более жирно, более узко и т. д.;
• устройство должно воспринимать буквы или цифры, напечатанные с различного рода пропусками в изображении, с изменениями толщин линий, радиусов закруглений и пр.
Существующие методы распознавания печатных знаков можно разделить на следующие группы:
1. Методы наложения или шаблонов;
2. Методы распознавания с использованием специальных отметок или стилизованной формы знаков;
3. Методы распознавания по элементам формы знаков;
4. Методы распознавания при помощи фрагментов и зондов;
5. Интегральные методы распознавания.
Метод наложения основан на простейшем алгоритме распознавания - сопоставлении всего исследуемого знака с некоторым количеством трафаретов, шаблонов, хранящихся в памяти читающего устройства.
Для реализации метода распознавания при помощи специальных отметок или стилизованной формы имеется много предложений по кодированию знаков при помощи различного рода маркеров: точек, расположенных в определенных местах изображения (рис. 1), точек, отличающихся размерами, горизонтальных полосок, вертикальных полосок, прямоугольников, квадратов и т. д., а также при помощи стилизованной формы знаков, т. е. когда знаки искусственно отличаются друг от друга по какому-либо признаку формы, например, когда каждая цифра имеет отличную площадь (рис. 2).
Рис. 1. Распознавание знаков при помощи точек
Рис. 2. Распознавание цифр по разной площади
Методы распознавания по элементам формы знаков в качестве существенных признаков принимают признаки геометрической формы элементов знака: количество прямых и кривых отрезков, сегментов, взаимное расположение отрезков, наличие выпуклостей и впадин, концевых точек и т. д.
На рис. 3 представлен вид элементов фигуры, используемых для различения знаков по этому методу.
Метод распознавания с помощью фрагментов и зондов в качестве существенного признака использует наличие или отсутствие черного поля изображения в данном фиксированном месте поля.
Интегральные методы распознавания в качестве существенных признаков принимают интегральные характеристики геометрической формы знаков, например, распределение плотности изображения по исследуемому полю. На рис. 4. в качестве примера представлен закон изменения проекции площади фигуры при проектировании ее на горизонтальную ось.
Рис. 3. Вид элементов фигуры, используемых для различения знаков по элементам формы
Рис. 4. Закон изменения проекции площади фигуры при проектировании ее на горизонтальную ось
Как следует из анализа существующих методов распознавания печатных знаков, некоторые из них требуют определенной стандартизации знаков текста. Другие методы позволяют распознавать стилизованные по форме или специальным образом отмеченные знаки, т. е. не могут быть использованы для чтения реального печатного текста, т. к. требуют реформы системы печати.
Лучшие из существующих методов позволяют распознавать печатные знаки при определенных вариациях формы знаков, при определенных изменениях ориентации, при определенных дефектах, но количество распознаваемых знаков оказывается ограниченным и замыкается в основном в пределах одного шрифта [1-5].
В настоящей статье описывается выбор необходимой и достаточной комбинации информационных признаков печатных и дорожных знаков, выполненных различными шрифтами для распознавания знаков компьютером.
Цифровой или буквенный знак независимо от алфавита и типа шрифта представляет собой рисунок, состоящий из отдельных частей, представляющих собой прямые или кривые линии, соединенные в определенных сочетаниях.
Нива Поволжья № 3(48) август 2018 113
Сочетание отдельных частей знака будем называть контуром знака.
Полное описание внешнего вида любого из печатных знаков содержит большое количество избыточной информации, повторяющейся в разных печатных знаках и ненужной для распознавания.
Чтобы распознавать печатные знаки разных шрифтов определенного алфавита, необходимо выделить существенные признаки знаков.
Как нетрудно видеть, контур любого знака можно представить в виде последовательности бесконечно малых, равных по модулю векторов в прямоугольной системе координат (х, у).
Модуль бесконечно малого вектора обозначим:
лт-^
ПтЛ х,, хк 1 ук ук 1
при к ^ п, где п - номер координат х и у, соответствующий количеству бесконечно малых векторов.
Соответственно, направление бесконечно малого вектора
LimarccosХ ,—,к 1
при k ^ n.
Знак представляется в виде суммы элементарных векторов, полученной по мере обхода контура знака, начиная с вектора min и кончая вектором max ■
meJ
где m = 1, 2, 3, 4,..., n; ф/ = Ф1, Ф2, Фз,..., Фт. _ Начальный вектор min мы будем определять концевой точкой знака, max определяется как конечный вектор, завершающий обход контура знака.
При составлении такой последовательной суммы векторов могут появиться «перекрестия» - точки контура, в которых начинается несколько векторов, ориентированных соответственно по разным направлениям.
В случае возникновения перекрестия, авторы условились обходить контур по направлению с наименьшим номером из номеров: ф1, ф2, ф3,..., фт. Оставшиеся не-обойденными части контура условились обходить поочередно, начиная с перекрестия с младшим номером.
Для выделения существенных характерных признаков знаков вместо бесконечно большого количества направлений ав-
торы ограничились сравнительно небольшим количеством направлений: от фнач до
фкон.
При этом следовало ограничиться таким количеством направлений фд, чтобы знаки, представленные в виде суммы количеств векторов, распознавались друг относительно друга. В таком случае существенные признаки не будут потеряны.
Для выделения существенных характерных признаков, не зависящих от масштаба элементов знака, надо было провести масштабные преобразования, т. е. условились считать количество векторов т по любому из направлений фд равным единице (т = 1).
Тогда масштабно преобразованный знак представляется в виде суммы:
Если знаки, представленные таким образом, будут распознаваться друг относительно друга, то существенными характерными признаками знака будут направления элементов знака фд, составляющие для каждого знака определенную специфическую последовательность в порядке обхода по контуру.
Например, если взять за основу 16 направлений (рис. 5), то направления элементов контура буквы «Л», начиная с левой концевой точки, будут такими, как изображены на рис. 6.
Рис. 5. 16 направлений элементов контуров знаков
За основу были взяты 16 направлений (рис. 5). Естественно, возникает вопрос о том, какую оптимальную комбинацию направлений надо выбрать для различения всех печатных знаков всевозможных шрифтов определенного (русского) алфавита.
С этой целью авторы провели анализ различных комбинаций направлений, с помощью которых определялись типы знаков. Полученная для определенной комбинации направлений после обхода
g
e
направлений после обхода знака по контуру последовательность направлений по разработанной авторами методики сравнивалась с так называемыми стандартными видами знаков русского алфавита для определения типа знака [7]. Стандартные виды образовывались после обхода идеально напечатанных контуров букв и цифр русского алфавита. При этом учитывались особенности контуров знаков, выбранных для распознавания печатных шрифтов.
Рис. 6. Направления элементов контура буквы «Л»
Для анализа использовались два компьютерных шрифта с отличающимися по форме знаками: знаки одного шрифта имели дополнительные декоративные украшения - «засечки», знаки другого шрифта их не имели (рис. 7). При этом формы контуров знаков выбранных шрифтов повторяются в основном во всех остальных шрифтах русского алфавита для одинаковых по смыслу знаков.
УФХЦШЩЪЫЬЭЮЯ
уфхцшщъыьэюя
ЙКЛМНОПРСТУФХЦ йклмнопрстуфхц
Рис. 7. Компьютерные шрифты: а - знаки без засечек; б - знаки с засечками
Вначале выяснялось, какие оптимальные два направления должны быть выбраны из всех возможных комбинаций двух направлений для распознавания наибольшего количества печатных знаков (по одному какому-либо направлению невозможно распознать знак).
Причем, при выборе оптимальных направлений необходимо было учитывать не только максимальное количество определяемых знаков, но и то, какие знаки определяются. Последнее было особенно важно, так как, как известно, буквы имеют разную повторяемость в тексте Р.
В связи с вышесказанным для выбора К оптимальных направлений (К = 2 для двух направлений) из всех возможных комбинаций К направлений была введена величина ы, которая для оптимальных направлений должна быть максимальной.
где Ьк - количество распознаваемых букв для К направлений.
Таким образом, ы учитывает не только количество распознаваемых букв, но и их вероятность появления в тексте.
Из всех возможных комбинаций двух направлений для анализа были выбраны комбинации, изображенные на рис. 8, так как они отражают направления основных элементов знака: перекладин, стоек, наклонных линий.
Наиболее перспективными с точки зрения распознаваемости оказались последние шесть направлений (рис. 8.23-8.28).
Для выбранных шрифтов максимальное значение ы (ы = 0,0332) было получено для комбинации, изображенной на рис. 8.24. При распознавании букв сразу двух шрифтов значения ы определялись по формуле:
Ък р Ък р
При выборе оптимальной комбинации трех направлений учитывались выбранная оптимальная комбинация двух направлений и направления основных элементов знака: перекладин, стоек, наклонных линий. В соответствии с этим анализировались комбинации направлений, изображенные на рис. 9.
Максимальное значение ы (ы = 5,7155) получилось для комбинации, изображенной на рис. 9.6.
Основываясь на выбранной оптимальной комбинации трех направлений и на-
Ъ
• 1
Нива Поволжья № 3(48) август 2018 115
правлений основных элементов знаков, были рассмотрены комбинации четырех направлений (рис. 10), из которых по наибольшей величине ы была выбрана оптимальная комбинация, изображенная на рис. 10.5.
1)
5)
2) 3)
А
б)
7)
/
9)
7 А 10) '11)
4)
3)
12)
13) 14) 15)
/ М \
17)
18)
/\ N
21) ' 22)
19)
16) 20)
, ^
24)
Ч
V'
25) 26) 27) 28)
Рис. 8. Комбинации двух направлений
Рис. 9. Комбинации из трех направлений
Рис. 10. Комбинации из четырех направлений
Для этой комбинации направлений распознавалось 79 букв выбранных шрифтов.
Аналогично ранее изложенным соображениям анализировались комбинации из пяти направлений (рис. 11), из которых была выбрана оптимальная комбинация, соответствующая рис. 11,4.
1)
2)
з)
4}
Рис. 11. Комбинации из пяти направлений
Аналогично из комбинаций шести направлений (рис. 12) была выбрана оптимальная комбинация, изображенная на рис. 12, 1.
Рис. 12. Комбинации из шести направлений
Из предпочтительных комбинаций семи направлений (рис. 13) по большей величине ы была выбрана комбинация, изображенная на рис. 13, 2.
О
б 2)
Рис. 13. Комбинации из семи направлений
Наконец, с введением последнего направления (рис. 14) все знаки выбранных печатных шрифтов распознавались.
Рис. 14. Выбранная комбинация направлений
Итак, анализ контуров знаков привел к тому, что для выбранной комбинации направлений (рис. 14) все знаки рассматри-
ваемых печатных шрифтов, представленные в виде последовательности направлений, получаемой в результате обхода по контуру начиная с концевой точки, распознаются друг относительно друга независимо от масштаба элементов знака, от разных шрифтов, то есть выбранные направления действительно являются оптимальными, поскольку несут необходимые и достаточные признаки для распознавания всех знаков рассмотренных печатных шрифтов.
Представление знака в виде векторной суммы, образуемой элементами контура, позволило выявить характерные признаки знака - минимально возможное количество направлений (рис. 14).
Для выбранной оптимальной комбинации направлений авторами были составлены стандартные виды печатных знаков русского алфавита, полученные путем обхода идеально напечатанных контуров знаков анализируемых шрифтов, то есть в эти виды вошли также направления элементов контуров, специфичные для различных анализируемых шрифтов.
Печатные знаки разных шрифтов, но одного смыслового символа отличаются друг от друга толщиной линий, наклоном по отношению к вертикали знака в целом или его отдельных частей, наличием или отсутствием дефектов печати, масштабом элементов знака, наличием или отсутстви-
ем декоративных украшений - засечек, но одинаковым, общим для знаков одного смыслового символа является определенный стандартный вид.
Так как для распознавания знака компьютер по разработанной авторами методике проводит сравнение полученной после обхода знака по контуру последовательности направлений со стандартными видами знаков [7-10], то последовательность для однозначного определения типа знака должна была быть как можно ближе приведенной к стандартному виду этого знака.
Поэтому по разработанной авторами программе компьютер для распознавания знака выделяет его контур, ликвидируя при этом следующее: лишнюю толщину элементов знака, нехарактерные отклонения вертикальных, горизонтальных и наклонных линий знака, определенные возможные дефекты из-за некачественной печати, нехарактерные засечки в форме знаков [11-15].
Таким образом, в результате проведенных авторами исследований были выбраны необходимые и достаточные информативные признаки знаков различных печатных шрифтов, позволившие компьютеру по разработанной программе с высокой степенью надежности [6] распознавать печатные (дорожные) знаки различных шрифтов.
Литература
1. Lear, I. A machine that reads written, words / I. Lear // The New Scientist. - 1959. - Vol. 6, № 154.
2. Direct Reading for Data Processing // Process Control and Automation. - 1960. - Vol. 7, № 3.
3. Переверзев-Орлов, В. С., Универсальный автомат для чтения печатного текста: доклад на КОИМПАЧТ / В. С. Переверзев-Орлов, В. Г. Поляков. - Москва, 1961.
4. Letter segmenting apparatus for OCR comprising multi-level segmentor operable when binary segmenting fails by Toshio Miyazaki et al, NEC, published June 3, 1980. A detailed description of how an OCR system can identify individual letters in a written sample.
5. Chris Woodford. Last updoted: January 2, 2018. http://www. explainthatstuff. com/how-ocr-works. html
6. Пинт, Э. М. Оценка надежности распознавания компьютером печатных знаков / Э. М. Пинт, А. В. Яшин, К. А. Еличев // Materiay V medzynarodowey naukowi koferencdi «Aktalne problem nowioczesnych nauk-2009. - Prezemys: Nauka I studia, 2009. - С. 103.
7. Заключительный алгоритм рационального метода распознавания компьютером печатных знаков разных шрифтов и распространение метода на образы, связанные с автоматизацией работы дорожных машин и автомобилей / Э. М. Пинт, И. Н. Петровнина, И. И. Романенко, К. А. Еличев // Материалы IV международной научно-практической конференции «Перспективные направления развития автотранспортного комплекса». - Пенза: ПГУАС, 2011. - С. 165.
8. Управление рабочими органами дорожных машин за счет устройства восприятия и распознавания печатных символов и знаков / Э. М. Пинт, И. Н. Петровнина, И. И. Романенко, К. А. Еличев // Материалы международной научно-практической конференции «Новые дороги России». - Пенза: ПГУАС, 2011. - С. 232.
9. Пинт, Э. М. Основные особенности читающей системы / Э. М. Пинт, И. И. Романенко, К. А. Еличев // Материали за 8-а международна научна практична конференция «Найновите на-учни достижения, 2012». - София: «БЯЛ ГРАД-БТ», 2012. - Том 32, С. 88.
Нива Поволжья № 3(48) август 2018 117
10. Пинт, Э. М. Оптимальная работа читающей системы / Э. М. Пинт, И. Н. Петровнина, А. О. Федосеева // Сборник научных трудов по материалам Международной научно-практической конференции «Актуальные проблемы науки и образования: прошлое, настоящее, будущее». Часть 5. - Тамбов: ТГУ, 2012. - С. 203.
11. Пинт, Э. М. Полный алгоритм рационального метода распознавания компьютером печатных знаков разных шрифтов и других символов / Э. М. Пинт, И. Н. Петровнина, И. И. Романенко, К. А. Еличев // Вестник БГТУ им. В. Г. Шухова. - 2013. - № 1. - С. 210.
12. Пинт, Э. М. Результаты исследования читающего устройства / Э. М. Пинт, И. И. Романенко, К. А. Еличев // Вестник БГТУ им. В. Г. Шухова. - 2014. - № 1. - С. 182.
13. Пинт Э. М. Меры для распознавания компьютером дорожных и печатных знаков разных шрифтов с определенными дефектами изображений знаков / Э. М. Пинт, И. Н. Петровнина, И. И. Романенко, К. А. Еличев // Модели, системы, сети в экономике, технике, природе и обществе. -
2016. - № 1 (17). - С. 308-318.
14. Kukharev, O. N. The technical solution for a laminated coating on a rounded surfaces / O. N. Kukharev, I. N. Semov E. G. Rylyakin //Contemporary Engineering Sciences. - 2015. - Т. 8, № 9. -С. 481-484.
15. Kukharev, O. N. The technology of obtaining high-quality seeds of sugar beet / O. N. Kukharev, A. V. Polikanov, I. N. Semov // Research Journal of Pharmaceutical, Biological and Chemical Sciences. -
2017. - Т. 8, № 1. - С. 1210-1213.
16. Semov, I. N. Raising productivity of harvesting using the combing method / I. N. Semov, O. N. Kukharev, M. A. Fedin // Research Journal of Pharmaceutical, Biological and Chemical Sciences. -
2018. - Т. 9, № 3. - С. 1085-1088.
UDK 621.374
ANALYSIS OF THE FORM OF PRINTED SIGNS FOR IDENTIFICATION OF SIGNIFICANT SYMBOLS AND DEFINITIONS OF THE TYPE OF A SIGN BY THE COMPUTER
E.M. Pint, candidate of technical sciences, professor; I.N. Petrovnina, candidate of technical sciences, associate professor; I.I. Romanenko, candidate of technical sciences, associate professor;
K.A. Yelichev, candidate of technical sciences, associate professor
FSBEE "Penza SUAC", Russia, tel. (fax) 8-841-249-59-29, 8-841-248-74-76; e-mail roml959@yandex. ru
The authors of the article analyzed the contours of printed SIGNS of various fonts, with sharply different in form signs, to identify the minimum possible combination of essential features by which the computer could determine the type of each sign in relation to others.
The article describes this analysis, as a result of which an optimal combination of essential and sufficient of signs features in the form of certain directions formed by elements of the contours of printed signs was found.
According to the computer program developed by the authors, using the optimal combination of directions found by the authors, the computer recognizes all printed signs, despite the following distinctive features of the shape of the signs: different thicknesses of the lines of the sign elements, different slopes of the individual parts and the sign as a whole, the presence of decorative ornaments and certain defects in the images of signs. So far this problem remains unsolved.
Key words: printed sign, direction, standard form, recognition, contour.
References:
1. Lear, I. A machine that reads written, words / I. Lear // The New Scientist. - 1959. - Vol. 6, № 154.
2. Direct Reading for Data Processing // Process Control and Automation. - 1960. - Vol. 7, № 3.
3. Pereverzev-Orlov, V. S., Universal machine for reading a printed text: report on COIMPAChT / V. S. Pereverzev-Orlov, V. G. Polyakov. - Moscow, 1961.
4. Letter segmenting apparatus for OCR comprising multi-level segmentor operable when binary segmenting fails by Toshio Miyazaki et al, NEC, published June 3, 1980. A detailed description of how an OCR system can identify individual letters in a written sample.
5. Chris Woodford. Last updoted: January 2, 2018. http://www. explainthatstuff. com/how-ocr-works. Html
6. Pint, E. M. Evaluation of reliability of computer recognition of printed signs / E. M. Pint, A. V. Yashin, K. A. Yelichev // Materiay V medzynarodowey naukowi koferencdi "Aktalne problem nowioczes-nych nauk-2009. - Prezemys: Nauka I studia, 2009. - P. 103.
7. The final algorithm of the rational method of computer recognition of printed signs of different fonts and using this method in the images associated with the automation of vehicles / E.M. Pint, I. N. Petrovnina, I. I. Romanenko, K. A. Yelichev // Proceedings of the IV International scientific and practical conference "Perspective directions of development of the motor transport complex". - Penza: PSUAC, 2011. - 165 p.
8. Control of working bodies of road cars due to the device of perception and recognition of printed signs and symbols / E.M. Pint, I. N. Petrovnina, I. I. Romanenko, K. A. Yelichev // Proceedings of the international scientific and practical conference "New roads of Russia". - Penza: PSUAC, 2011. - 232 p.
9. Pint, E. M. Main features of the reading system / E. M. Pint, I.I. Romanenko, K. A. Yelichev // Materials due 8-international scientific and practical conference "Ninevite naucni achievements, 2012". -Sofia: "BYAL GRAD-BT", 2012. - Volume 32, 88 p.
10. Pint, E. M. Optimal operation of the reading system / E. M. Pint, I. N. Petrovnina, A. O. Fe-doseyeva // Collection of scientific papers on the materials of the International scientific-practical conference "Actual problems of science and education: past, present, future". Part 5. - Tambov: TSU, 2012. - 203 p.
11. Pint, E. M. Complete algorithm is an efficient method of recognition of the printed signs of different fonts and other symbols by the computer / E. M. Pint, I. N. Petrovnina, I.I. Romanenko, K. A. Yelichev // Vestnik of BSTU in the name of V. G. Shukhov. - 2013. - № 1. - P. 210.
12. Pint, E. M. Results of the research of the reading device / E. M. Pint, I. I. Romanenko, K. A. Yelichev / / Vestnik of BSTU. V. G. Shukhov. - 2014. - № 1. - 182 p.
13. Pint, E. M. Measures for computer recognition of the road and printed signs of different fonts with defined defects in the signs images / E. M. Pint, I. N. Petrovnina, I.I. Romanenko, K. A. Yelichev // Models, systems, networks in economics, technology, nature and society. - 2016. - № 1 (17). - P. 308-318.
13. Kukharev, O. N. The technical solution for a laminated coating on a rounded surfaces / O. N. Kukharev, I. N. Semov E. G. Rylyakin //Contemporary Engineering Sciences. - 2015. - Т. 8, № 9. -С. 481-484.
14. Kukharev, O. N. The technology of obtaining high-quality seeds of sugar beet / O. N. Kukharev, A. V. Polikanov, I. N. Semov // Research Journal of Pharmaceutical, Biological and Chemical Sciences. -
2017. - Т. 8, № 1. - С. 1210-1213.
15. Semov, I. N. Raising productivity of harvesting using the combing method / I. N. Semov, O. N. Kukharev, M. A. Fedin // Research Journal of Pharmaceutical, Biological and Chemical Sciences. -
2018. - Т. 9, № 3. - С. 1085-1088.
УДК 631.365.2
ТЕХНОЛОГИЧЕСКИЙ КОМПЛЕКС ДЛЯ СЖИГАНИЯ ПОМЁТА ПРИ КЛЕТОЧНОМ СОДЕРЖАНИИ ПТИЦ
Ю. Н. Сидыганов, доктор техн. наук, профессор; Е. М. Онучин, канд. техн. наук, доцент;
П. А. Рыбаков, магистрант
ФГБОУ ВО «Поволжский государственный технологический университет»,
г. Йошкар-Ола, Россия
Авторами предложен технологический процесс и устройство для переработки отходов средних и крупных промышленных птицефабрик Республики Марий Эл и Российской Федерации в целом. Устройство и технология предполагает добавление древесного угля, обеспечивающее быструю и своевременную утилизацию отходов средних и крупных птицефабрик. В предлагаемом способе термической сушки куриного помёта птицы клеточного содержания, производится отжим избыточной влаги и аммиачного раствора, получение гранул путём перемешивания с древесным углём, измельчение и сушка горячими газами. При этом, полученные гранулы транспортируют в печь в вертикальном направлении - вниз, параллельно движению потока горячих газов противоположного направления, - вверх, осуществляется постепенный их нагрев с одновременным измельчением. После того, как гранулы достигнут зоны максимальной температуры, при определённом размере фракций, осуществляется поворот направления на 180°, и затем транспортируются по направлению, совпадающему с движением потока горячих газов, где происходит их постепенное охлаждение путём отдачи тепла исходному продукту. В процессе термической сушки куриного помёта птицы клеточного содержания полученная подогретая вода используется на хозяйственные нужды.
Ключевые слова: куриный помёт, сушка, печь, дымовые и влажные газы, вода, транспортировка.
Успешное развитие птицеводства требует эффективного решения задачи утилизации образующихся при разведении птиц отходов, основным из которых является птичий помёт [2]. Практика работы совре-
менных крупных индустриальных птицеводческих комплексов, ориентированных на производительные концентрированные технологии птицеводства, наглядно показывают, что используемые подходы к ре-
Нива Поволжья № 3(48) август 2018 119
