CC BY
239
ТЕМА НОМЕРА
АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ
технологиями и бизнес-процессами
УДК 664.66-5
Использование системы компьютерного зрения
для контроля в режиме онлайн качества сырья и готовой продукции пищевой промышленности
И.Г. Благовещенский, аспирант Московский государственный университет пищевых производств
В настоящее время на предприятиях пищевой промышленности выявление брака готовой продукции является одним из наименее автоматизированных этапов технологической цепочки. В большинстве случаев используется тяжелый ручной труд, где заняты десятки человек и тратится огромное количество рабочего времени [1]. Не всегда эти затраты являются эффективными. Решение данной проблемы тесно связано с широкой автоматизацией технологических процессов, внедрением новых информационных технологий, появлением необходимых средств контроля для реализации интеллектуальных автоматизированных систем
контроля и управления, способствующих улучшению качества, повышению безопасности и увеличению ассортимента выпускаемых пищевых продуктов [2].
Проведенный нами анализ [2-4] показал, что в настоящее время пищевые предприятия являются сложными технологически ёмкими производствами. Процесс получения пищевых изделий состоит из множества отдельных этапов, в которых участвуют самостоятельные виды оборудования различного назначения. Применение в единой технологической цепочке большого количества оригинального технологического оборудования, имеющего персональные входные
характеристики сырья и выходные -продукции, усложняет процедуру автоматизации контроля параметров, характеризующих эффективность проводимых этапов производства, работы оборудования, а также качество получаемой готовой продукции. Существующие в настоящее время методы оценки качества готовой продукции субъективны. Ввиду невозможности технического решения организации оценки качества поточным способом [5], оно определяется только путем лабораторных измерений. При этом цены на сырье неуклонно растут. В подобных условиях резко повышается актуальность автоматизации контроля в потоке как качества
Распознавание положения
сырья, так и готовой продукции, а также своевременного выявления брака. Ситуация в пищевой промышленности России требует новых подходов к решению этой важной проблемы и поиска альтернативных вариантов развития автоматизации контроля в режиме онлайн показателей качества сырья, полуфабрикатов и готовых изделий, включая и органолептические показатели. Назрела необходимость повышения объективности контроля качества производимых пищевых продуктов за счет внедрения в производственные процессы высокоэффективных интеллектуальных технологий и создания на их базе специальных аппаратно-программных измерительных комплексов [6] с использованием систем компьютерного зрения (СКЗ).
Областью интереса компьютерного зрения являются цифровые устройства ввода/вывода и компьютерные сети, предназначенные для контроля производственного оборудования. Компьютерное зрение имеет некоторые преимущества перед зрением человека, что доказывает актуальность развития этого интеллектуального направления науки [7].
СКЗ позволяют решать множество задач, которые условно можно разделить на четыре группы (рис. 1) [6].
• Распознавание положения. Цель компьютерного зрения в данном применении - определение про-
странственного местоположения относительно внешней системы координат или статического положения объекта (в каком положении он находится относительно системы координат с началом отсчета в пределах самого объекта) и передача данной информации в систему управления или контроллер.
Примером такого приложения может служить погрузочно-разгрузочный робот, перед которым стоит задача перемещения объектов различной формы. Интеллектуальная задача компьютерного зрения заключается, например, в определении оптимальной базовой системы координат и ее центра для локализации центра тяжести изделия. Полученная информация позволяет роботу захватить изделие должным образом и переместить его в надлежащее место.
• Измерение. В приложениях данного типа основная задача видеокамеры заключается в измерении различных физических параметров объекта. Примерами физических параметров могут служить объем, линейный размер, диаметр, кривизна, площадь, высота и количество. Пример реализации данной задачи -измерение различных диаметров горлышка стеклянной бутылки.
• Инспекция. В приложениях, связанных с инспекцией, цель машинного зрения - подтвердить определенные свойства, например, наличие или отсутствие этикетки на бутылке, болтов для проведения операции сборки, шоколадных конфет в коробке или различных дефектов в изделии.
• Идентификация. В задачах идентификации основное назначение видеокамеры - считывание различных кодов (штрих-кодов, 2й-кодов и т. п.) с целью их распознавания средствами камеры или системным контроллером, а также определение различных буквенно-цифровых обозначений. Кроме того, к данной груп-
пе можно отнести выполнение задач безопасности, таких как идентификация личности и техники, детекторы движения.
Исходя из задач, которые решает компьютерное зрение, можно выделить множество областей применения СКЗ. Однако стоит отметить, что сегодняшняя структура спроса определяется пока еще ограниченными возможностями современных систем компьютерного зрения. На рис. 2 приведена структура рыночного спроса на СКЗ [7]:
- 50% всех СКЗ эксплуатируются в задачах контроля качества, т. е. решают инспекционные задачи компьютерного зрения. Это прежде всего визуальный контроль за ходом процесса, цветом и качеством поверхности продукции, внешним видом и чистотой упаковки, правильностью и разборчивостью этикеток, уровнем жидкости во всевозможной таре и т. д. Примерно 10% этих задач выполняются системами трехмерного зрения. Отдельная область использования систем компьютерного зрения на производстве - проведение всевозможных визуальных измерений параметров технологических процессов, в частности, определение размеров предметов, т. е. решение задач измерения и контроля;
- 20% спроса приходится на системы компьютерного зрения для проектов автоматизации производства и внедрения промышленных роботов. Такие СКЗ упрощают самые разные виды высокоточной деятельности (сборка и разборка, фасовка, покраска, сварка, утилизация), облегчают транспортировку грузов, применяются в системах учета, маркировки, регистрации и сортировки продукции. Таким образом, СКЗ выполняют инспекционные задачи и задачи распознавания для правильной работы робота;
- 17% всех продаж СКЗ составляют широко известные и хорошо работающие OCR / OCV-системы распознавания печатных символов и штрих-кодов. Т. е. при помощи СКЗ решаются задачи идентификации;
- рынок систем компьютерного зрения для непроизводственных (развлекательных, бытовых, исследовательских) роботов составляет 13 %.
В пищевой промышленности СКЗ только начинают применяться. В настоящее время они востребованы и используются в области контроля качества и инспекции качества бисквитов на кондитерской линии, где эти операции осуществляются со скоростью 60 пирожных в секунду, а также в области визуального кон-
троля и управления производством продуктов питания (учет, считывание штрих-кодов) [8].
В СКЗ для решения перечисленных задач используются различные технологии и методы обработки изображения [9]. Ниже перечислены основные методы обработки изображения.
• Счетчик пикселей. Он подсчитывает количество светлых или темных пикселей и на основе результата делает необходимые выводы об изображении.
• Выделение связанных областей. Связанная область изображения -это, с одной стороны, тип объекта, все еще очень близко связанный с растровым изображением (представление изображения в виде двумерного массива точек, упорядоченных в ряды и столбцы), и в то же время это уже некая самостоятельная единица, позволяющая вести дальнейший геометрический, логический, топологический и любой другой анализ изображения.
• Бинаризация - преобразование изображения в серых тонах в бинарное (белые и черные пиксели).
• Гистограмма и гистограммная обработка. Гистограмма характеризует частоту встречаемости на изображении пикселей одинаковой яркости.
• Сегментация используется для поиска и/или подсчета деталей. Сегментацией изображения называется его разбиение на не похожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам или их частям, а границы областей - границам объектов.
• Чтение штрих-кодов - декодирование Ю- и 2й-кодов, разработанных для считывая или сканирования машинами.
• Оптическое распознавание символов - автоматизированное чтение текста, например, серийных номеров.
• Измерение размеров объектов в дюймах или миллиметрах.
17-Я МЕЖДУНАРОДНАЯ ВЫСТАВКА
ИСТАЯ ВОДА:
ОЛОГИИ.ОБОРУДОВАНИЕ.
ВЫСТАВКА КОНГРЕСС
РОССИЯ * 11НЖННН НОВГОРОД ' НИЖЕГОРОДСКАЯ ЯРМАРКА
• Сопоставление шаблонов - поиск, подбор и/или подсчет конкретных моделей.
• Инвариантные алгоритмы - обнаружение и сопоставление точечных особенностей на изображениях.
• Методы идентификации личности по радужной оболочке глаза.
• Различные методы восстановления формы объекта по изображениям.
В большинстве случаев СКЗ используют последовательное сочетание этих методов обработки для выполнения полного инспектирования. Например система, которая считывает штрих-код, может также проверить поверхность на наличие царапин или повреждения и измерить длину и ширину обрабатываемых компонентов.
Наиболее важной задачей для пищевой промышленности является использование СКЗ для решения одной из основных задач любого пищевого производства: автоматического контроля в режиме онлайн качества сырья, полуфабрикатов и готовых пищевых изделий, выявления брака в готовой продукции.
Важной задачей СКЗ при этом является получение цифрового изображения, его обработка с целью выделения на нем значимой информации и математический анализ полученных данных для решения поставленных задач.
На рис. 3 представлена компоновка типовой СКЗ, которая состоит из одной или нескольких цифровых или аналоговых видеокамер 1 (черно-белых или цветных) с подходящим объективом 2 для получения изображений, подсветки 3 и объекта 4, оборудования ввода/вывода или каналов связи для визуализации полученных результатов. Кроме того, важна и программная составляющая систем компьютерного зрения, а именно программное обеспечение для подготовки изображений к обработке (для аналоговых камер это оцифровщик изображений), специфичные приложения программного обеспечения для обработки изобра-
к' ш.
_1
V - V ■ Ц щ - . .
Водоп од готовка, водоснабжение, к*
водоотведенне: оборудование, технологии, материалы, приборы
Насосы и насосное оборудование
Трубы, трубопроводы, запорно-регулирующая арматура
Контрольно-измерительные приборы и автоматика
Лабораторное и аналитическое оборудование
Системы отопления
Бассейны и фонтаны
Разведка и добыча подземных вод
Экологически чистая питьевая вода
Рациональное использование и охрана водных ресурсов
603086, Россия, г. Нижний Новгород,
ул. Совнаркомовская, 13 Телефоны: (831) 277-54-14, 277-55-95, Факс: (831) 277-54-87 e-mail: alla@yarmarka.ru, http://www.yarmarka.ru
жений и обнаружения соответствующих свойств.
Матрица чувствительных элементов, входящая в состав видеокамеры, предназначена для получения цифрового изображения. В состав матрицы чувствительных элементов входит множество аналого-цифровых преобразователей, предназначенных для преобразования информации о световой интенсивности в цифровое значение.
Объектив позволяет камере фокусироваться на определенном расстоянии и получать четкое изображение объекта. В случае, когда объект находится вне фокусного расстояния, изображение получается нерезким (размытым, с нечеткими краями), что ухудшает возможность обработки видеоряда. В отличие от обычных цифровых фотоаппаратов с объективами, поддерживающих функции автофокусировки, в компьютерном зрении применяется оптика с фиксированным фокусным расстоянием или ручной настройкой фокуса. Су-
ществуют различные типы объективов для самых разных задач (стандартные, телескопические, с широким углом обзора, с увеличением и др.) и выбор правильного типа оптики - важный этап при проектировании СКЗ.
Подсветка - еще один важный элемент в СКЗ. Благодаря использованию различных типов освещения можно расширить круг задач, решаемых компьютерным зрением. Существует различные типы подсветок, но наиболее популярна светодиодная - в связи с ее высокой яркостью. При этом современный уровень развития светодиодной техники обеспечивает большой срок службы устройства и малое энергопотребление.
Принцип функционирования СКЗ при определении в детали (изделии) брака с рассмотрением последовательности выполняемых системой действий представлен на рис. 4.
Изображение, полученное с камеры, попадает в захватчик кадров или в память компьютера. Захватчик
кадров - это устройство, которое преобразует выходные данные с камеры в цифровой формат (как правило, это двумерный массив чисел) и размещает изображение в памяти компьютера так, чтобы оно могло быть обработано с помощью программного обеспечения для компьютерного зрения [10].
Программное обеспечение, как правило, совершает несколько шагов для обработки изображений. Часто изображение сначала обрабатывается с целью уменьшения шума или конвертации множества оттенков серого в простое сочетание черного и белого (бинаризация). После первоначальной обработки программа будет считать, производить измерения и/или определять объекты, размеры, дефекты и другие характеристики изображения. В качестве последнего шага программа пропускает или забраковывает деталь (изделие) в соответствии с заданными критериями. Если деталь идет с браком, то программное обеспечение подает сигнал механическому устройству для ее отклонения. Другой вариант развития событий: система может остановить производственную линию и предупредить оператора линии, что именно привело к неудаче.
Хотя большинство систем компьютерного зрения полагается на «черно-белые» камеры, использование цветных камер становится все более распространенным явлением [11]. Кроме того, все чаще СКЗ используют цифровые камеры прямого подключения, а не камеры с отдельным захватчиком кадров, что сокращает расходы и упрощает систему.
Таким образом, использование в пищевой промышленности СКЗ, получение и высокоскоростная обработка изображений исследуемых изделий, выявление брака в режиме онлайн являются актуальными направлениями научных и прикладных исследований. В связи с этим существует необходимость более широких исследований в области разработки высокотехнологичных автоматизированных интеллектуальных экспертных систем контроля качества пищевого сырья, полуфабрикатов и готовой продукции. Основой исследований в данной области можно считать разработку математического и программного обеспечения для подобных комплексов.
ЛИТЕРАТУРА
1. Благовещенская, М. М. Информационные технологии систем управления технологическими процесса-ми/М. М. Благовещенская, Л. А. Злобин. -М.: Высшая школа, 2005. - 768 с.
AUTOMATION AND CONTROL TECHNOLOGIES AND BUSINESS PROCESSES
2. Благовещенская, М. М. Идентификационный аспект в методологии создания систем управления технологическими объектами с нестационарными параме-трами/М. М. Благовещенская, В. В. Макаров // Вестник Воронежского государственного университета инженерных технологий. - 2014. - № 1. - С. 85-90.
3. Благовещенская, М. М. Основы стабилизации процессов приготовления многокомпонентных пищевых масс: монография/ М. М. Благовещенская. -М.: ООО «Франтера», 2009. - 281 с.
4. Казаринов, Л. С. Автоматизированные информационно-управляющие системы: учеб. пособие/Л. С. Казаринов, Д. А. Шнайдер, Т. А. Барбасова. - Челябинск: Изд-во ЮУрГУ, 2008. - 320 с.
5. Благовещенский, И. Г. Автоматизация контроля органолептических показателей качества шоколадных изделий/И. Г. Благовещенский, А. В. Шаверин, М. М. Благовещенская // Мат-лы первой международной научно-практической конференции-выставки «Планирование и обеспечение подготовки и переподготовки кадров для отраслей пище-
вой промышленности и медицины». -М.: МГУПП, 2012. - С. 209-212.
6. Данилова, М. А. Автоматизированная система учета сыпучих пищевых продуктов/ М. А. Данилова [и др.] // Хранение и переработка сельхозсырья. -2012. - № 6. - С. 63-66.
7. Благовещенская, М. М. Методология разработки основ моделирования и диагностики гидромеханических систем пищевых производств по их динамическим характеристикам/М. М. Благовещенская,
B. Д. Сулимов, П. М. Шкапов // Мат-лы XVII международной научно-метод. конф. «Высокие интеллектуальные технологии и инновации в образовании и науке». -СПб.: Изд-во Политехн. ун-та, 2010. Т. 2. -
C. 95-98.
8. Благовещенская, М. М. Вычитание изображений в программе МАТ1_АВ/М. М. Благовещенская, Я. В. Иванов // Сб. докладов IV международной конференции-выставки «Высокоэффективные пищевые технологии, методы и средства для их реализации». - М.: МГУПП, 2006. Ч. 2. - С. 130-132.
9. Иванов, Я. В. Использование цифро-
вых видеокамер в системах автоматического управления технологическими процессами пищевых производств/Я. В. Иванов, М. М. Благовещенская // Сб. мат-лов V юбилейной школы-конференции с международным участием «Высокоэффективные пищевые технологии, методы и средства для их реализации». - М.: МГУПП, 2007. - С. 347-349.
10. Благовещенская, М. М. Математическое моделирование движения жгута пищевой массы после горизонтального прессования/ М. М. Благовещенская, Я. В. Иванов // Журнал научных публикаций аспирантов и докторантов. -2008. - № 6. - С. 164-166.
11. Благовещенская, М. М. Использование интеллектуального датчика в системе автоматического управления технологическими процессами/М. М. Благовещенская, Я. В. Иванов // Сб. докладов Х международной научно-практической конф. «Автоматизация и информационное обеспечение производственных процессов в сельском хозяйстве». - М.: ГНУ ВИМ Россельхозакадемии, 2008. -Ч. 2. - С. 448-451.
Использование системы компьютерного зрения
для контроля в режиме онлайн качества сырья и готовой
продукции пищевой промышленности
Ключевые слова
автоматизация технологических процессов; качество готовой продукции; контроль; пищевая промышленность; системы компьютерного зрения
Реферат
В статье показана важность для предприятий пищевой промышленности автоматизации контроля в режиме он лайн качества сырья, готовой продукции, выявления брака. Обоснована возможность решения данной проблемы с использованием системы компьютерного зрения (СКЗ). В статье представлены задачи, решаемые системой компьютерного зрения. Дано краткое описание целей компьютерного зрения для различного применения. Рассмотрена структура рыночного спроса на системы компьютерного зрения. Перечислены используемые СКЗ различные технологии и методы обработки изображения. Представлены основные методы обработки изображения. Показана важность при использовании СКЗ получения четкого цифрового изображения, обработки изображения с целью выделения значимой информации и математического анализа полученных данных для решения поставленных задач. Представлена компоновка типовой СКЗ. Показан состав типовой системы компьютерного зрения. Проанализирован принцип функционирования СКЗ при определении в изделии брака. Рассмотрена последовательность выполняемых системой действий. Проанализированы основные шаги для обработки изображений в системе компьютерного зрения. В статье сделан вывод о целесообразности использования в пищевой промышленности СКЗ для разработки высокотехнологичных автоматизированных интеллектуальных экспертных систем контроля качества пищевого сырья, полуфабрикатов и готовой продукции.
Авторы
Благовещенский Иван Германович, аспирант,
Московский государственный университет пищевых производств,
125080, Москва, Волоколамское шоссе, д. 11., igblagov@gmail.com
The use of computer vision systems to control online the quality of raw materials and finished food industry products
Key words
automation of technological processes; the quality of finished products; control; food industry; computer vision systems
Abstracts
The article shows the importance for the food industry automation control online quality raw material, finished products, identification of marriage. Based-WAN the ability to solve this problem using computer vision systems (CPS). The article presents the problems solved by the computer vision system. Brief description of the goals of computer vision in various applications. Considering Rena structure of market demand and computer vision systems. Lists of IP-using RMS of various technologies and methods for image processing. The basic methods of image processing. Shows the importance of using RMS crisp digital image, image processing to highlight significant information in the image and the mathematical analysis of the obtained data to solve problems. Shows the layout of a typical CPS. Shows the composition of a typical computer vision system. Analyzed the principle of operation of RMS in determining the product of the marriage. The sequence performed by the system of action. The basic steps for image processing in computer vision system. In the article the conclusion about expediency of use in the food industry RMS to develop high-tech automated intelligent expert systems for quality control of food raw materials, semi-finished and finished products.
Authors
Blagoveshchenskii Ivan Germanovich, graduate
Moscow State University of Food Production, 125080, Moscow,
Volokolamskoe shosse, 11.
