CC BY
71
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
В результате исследования были получены графики (рисунок 4), подтверждающие возникновение коммутационного перенапряжения, что является доказательством необходимости анализа переходного процесса во избежание выхода из строя оборудования.
Рисунок 4 - Коммутационное перенапряжение
Полученные результaты моделирования коммутационных перенапряжений без учета повторных зажиганий дуги можно отнести к «идеальному» выключателю, поэтому они н e отражают полной картины процессов, протекающих в отключаемой нагрузке. В реальных коммутационных аппаратах процессы коммутации сопровождаются многократными повторными зажиганиями дуги. Поэтому актуальным является дальнейшее исследование перенапряжений с учетом повторных зажиганий дуги в выключателе. Список использованной литературы:
1. Электронный ресурс -Режим доступа: http://lektsii.org.
2. Справочник по электрическим аппаратам высокого напряжения / Н. М. Адоньев, В. В. Афанасьев, И. М. Бортник и др.; Под ред. В. В. Афанасьева. — Энергоагомиздат. 1987.
3. Электрические машины и аппараты, Высоковольтные коммутационные аппараты. [Электронный ресурс] -Режим доступа: www.elmashina.
4. Бессонов Л. А. Теоретические основы электротехники. Электрические цепи / Глава восьмая. Переходные процессы в линейных электрических цепях.
5. Каталог силовых трансформаторов с характеристиками и фото. Электронный ресурс -Режим доступа: http://silovoytransformator.ru.
© КобловаТ.В., Степанов М.Д., 2017
УДК 625.76.08
Т.А. Мурзажанов
студент МГТУ им. Н.Э. Баумана, г. Москва, РФ E-mail: nerotim208@yandex.ru
ИСПОЛЬЗОВАНИЕ ТЕХНИЧЕСКОГО ЗРЕНИЯ ДЛЯ КОНТРОЛЯ ПАРАМЕТРОВ
ДОРОЖНОЙ РАЗМЕТКИ
Аннотация
Данная статья посвящена проблеме использования технического зрения роботов, предназначенных для
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
нанесения дорожной разметки, в процессе контроля качества разметки. Современный робототехнический комплекс, который служит непосредственно для нанесения на дорогах горизонтальной разметки, хорошо оснащён системами технического зрения, однако возможности их усовершенствования позволяют осуществлять более чёткий контроль за качеством разметочных работ, чем применяемые ранее механические методы. Для того, чтобы повысить в целом безопасность дорожного движения, контрольные комплексы могут функционировать с максимальной эффективностью именно благодаря внедрению качественно новых разработок в совершенствование методик технического зрения роботов для дорожной разметки и последующего контроля как качества её нанесения, так и степени износа.
Ключевые слова
Робототехника, робот, техническое зрение, компьютерное зрение, дорожные разметочные работы, горизонтальная и вертикальная разметка, контроль качества, степень износа.
Annotation
This article is devoted to the problem of using the technical view of robots intended for road marking in the process of marking quality control. The modern robotic complex, which serves directly for horizontal marking on roads, is sufficiently equipped with vision systems, but the possibilities for their improvement allow for more precise control over the quality of marking operations than the mechanical methods previously used. In order to increase the overall safety of road traffic, control complexes can function with maximum efficiency precisely through the introduction of qualitatively new developments in the improvement of techniques for sighting robots for road marking and subsequent monitoring of both the quality of its application and the degree of wear.
Key words
Robotics, robot, technical vision, computer vision, road marking, horizontal and vertical marking,
quality control, wear.
Актуальность данной работы состоит в том, что на современном этапе нанесение дорожной разметки требует максимальной точности, что и предполагает использование робототехники в этом виде работ. Соблюдение норм разметки и точное определение препятствий на дорогах требует постоянного совершенствования технического зрения роботов, применяемых для дорожной разметки и контроля её качества и степени износа1.
Одним из важных факторов, которые формуют удобство пользования автомобильными путями, является качественно нанесённая как горизонтальная, так и вертикальная разметка. Общеизвестно, что на качественно размеченных автодорогах количество ДТП снижается приблизительно на 15 -20%, учитывая незначительные затраты на проведение разметки автодороги. Необходимо не только качественное нанесение дорожной разметки различных типов, но и последующий контроль степени износа обозначений.
Основное назначение дорожной разметки - обеспечить визуальную ориентацию участников дорожного движения при выборе траектории или направления и режимов автомобильного движения в самых разных дорожных условиях, поэтому требуется максимально чёткое восприятие разметки водителями.
При разметке автомобильных дорог применяют высокотехнологическое современное оборудование. Разметку в целом делят на такие две группы, как горизонтальная и вертикальная, каждой из которых присваивается цифровой номер, в котором первым числом является номер группы разметки (1 — горизонтальной, 2 — вертикальной); вторым является порядковый номер, обозначающий разметку в группе; третьим номером — разновидность самой разметки. Горизонтальную разметку используют при нанесении обозначений разметки на проезжей части дороги, она имеет в целом только белый цвет, за исключением таких линий, как 1.4, а также 1.10 либо 1.17, - только они должны быть не белого, а желтого цвета2.
1 Размарица Д. С. Световые характеристики дорожной разметки как один из методов нестандартных технических средств организации дорожного движения // Молодой ученый. — 2016. — №13. — С. 202-204.
2 Коробейников А. С., Турышева Е. С., Игнатьев Г. В. Автоматизация процесса нанесения дорожной разметки // Молодой ученый. — 2017. — №2. — С. 115-118.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
Вертикальную разметку используют при обозначении бордюров, а также элементов, относящихся к дорожным сооружениям и к обстановке дорог - это сочетание белого и черного цветов. Горизонтальную разметку наносят на проезжую часть тех дорог, которые имеют усовершенствованное покрытие Разметку двухполосных дорог осуществляют при интенсивности общего движения от 1000 и свыше транспортных средств в течение суток. При помощи разметки двухполосных дорог производят разделение двух встречных потоков, а также обозначение края дороги - её проезжей части3.
Чтобы получить высококачественную, долговечную разметку необходимо обязательно выполнить все условия качественного выполнения работ по ее нанесению. Высокий уровень качества разметки на 80% определяет именно качество выполнения работ по ее нанесению и только на 20% - применением качественного материала. Отличное качество разметки, так же, как и правильную технологию нанесения, а также ее дизайн должны обеспечивать разметочные машины. Именно механизацией разметочных работ на современном этапе обеспечивается качество нанесения разметки и её последующего контроля.
В последнее время наблюдаются тенденции относительно переоборудования морально устаревших отечественных машин, что позволит максимально удешевить переход к современным технологиям разметки, так как в этом случае автоматизации подвергается только процесс нанесения краски, а процесс управления разметочной машиной остается без внимания. Некоторые зарубежные фирмы - такие, как, например, AdvancedHighway Maintenance and Construction ТесЬио^уабо АНМСТ (США) занимаются этим вопросом. Различие разработанных ими систем автоматизации нанесения прямых линий включает в себя лазерный датчик для нанесения предварительной разметки и систему руководства гидравлическими цилиндрами перемещения форсунки для нанесения краски. Фактически система дублирует уже нанесенные на пути линии и исправляет погрешности водителей.
Технологии, применяемые при нанесении дорожной разметки, позволяют максимально использовать робототехнику со всеми её преимуществами как при нанесении разметки, так и при контроле за степенью её износа. Обеспечить безопасность дорожного движения можно только при своевременном и объективном контроле качества как исполнения разметки, так и последующего контроля её состояния на всех этапах и степени износа. Контроль качества нанесённой дорожной разметки даёт возможность реально оценить не только её технические характеристики, но и определить степень износа и разрушения нанесённых обозначений.
Учитывая то, что на качество и долговечность дорожной разметки влияют такие факторы, как соблюдение технологии нанесения, применение качественных дорожно-разметочных материалов, погодные и климатические факторы, состояние дорожного покрытия при нанесении дорожной разметки, а также в период её эксплуатации, интенсивность эксплуатации дороги, необходим постоянный контроль степени её износа.
Особенно важными и существенными параметрами, которые определяют эффективность разметки, являются её видимость, срок службы, соответствие её назначению, а также качество применяемых при разметке материалов.
К четырем основным методам контроля степени износа дорожной разметки относят такие, как определение износа с помощью палетки, с помощью фотоаппарата и палетки, при помощи использования шаблона, а также с применением при контроле персонального компьютера и цифрового фотоаппарата.
Все эти методы имеют большую степень погрешности, так как требуют применения механической деятельности человека, что, несомненно, влияет на качество контроля.
Кроме того, при контроле используются такие специальные приборы, как высотомер клиновой, - для определения толщины нанесения горизонтальной разметки, гребенки для определения фактического расхода разметочного материала, металлические линейки, измерительные рулетки металлические, курвиметр электронный при контроле геометрических параметров разметки. Все эти приборы упрощают контроль, но
3 Коробейников А. С., Турышева Е. С., Игнатьев Г. В. Автоматизация процесса нанесения дорожной разметки // Молодой ученый. — 2017. — №2. — С. 115-118.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
не гарантируют сокращение погрешностей при наличии мехзанической деятельности человека
Коэффициент световозвращения дорожной разметки определяют при помощи метода, направленного на контроль степени восприятия обозначений дорожной разметки непосредственно глазами водителя. Средством такого контроля является переносной мобильный рефлектометр. Перечисленные приборы делают возможным качественный контроль степени износа разметки, но допускаемая при их использовании погрешность требует применения усовершенствованных методов, основой которых являются принципы технического зрения контрольных приборов.
Техническое зрение считается одним из самых перспективных методов, обеспечивающих автоматизацию действий при применении робототехники и компьютерных технологий в процессе контроля степени износа дорожной разметки. При помощи систем технического зрения осуществляется преобразование данных, которые поступают с устройств захвата изображений, продолжая выполнением на основе полученных данных дальнейших операций. Процесс технического зрения применяется и в робототехнике, предназначенной как для нанесения дорожной разметки, так и для контроля за степенью её износа.
В сфере искусственного интеллекта интерес к проблемам совершенствования компьютерного, или технического, зрения, возник, наряду с важнейшими задачами, - такими, как возможности автоматического доказательства теорем и развитие интеллектуальных игр, одним из первых. Первая архитектура нейронной искусственной сети, предложенная Фрэнком Розенблаттом, была спроектирована аналогично строению сетчатки человеческого глаза, позволяющей распознавать изображения символов4
На современном этапе особенно широкое развитие получили методы автоматического построения символического представления изображений в различных системах для распознавания изображений и совершенствования компьютерного зрения на основании применения способов машинного обучения. Прогресс в сфере компьютерного зрения определяют двумя факторами: развитием теории и совершенствованием методов, а также развитием аппаратного обеспечения5.
Если компьютерным зрением называют общий набор определённых методов, которые позволяют компьютерам видеть, то область интереса системы технического зрения являются различные цифровые устройства для вывода либо ввода и компьютерные сети, которые предназначены для совершенствования контроля за производимыми процессами. Техническое зрение связано со сферой вычислительной техники, оптики, машиностроения и промышленной автоматизации. Особенности систем технического зрения состоят в их запрограммированности на узкоспециализированные задачи, которые сложно выполнять людям из-за их однообразия6.
Техническое зрение является процессом применения технического и компьютерного зрения в дорожном строительстве и разметке дорог, а также при определении степени их износа. Типичные современные решения систем технического зрения в процессе контроля износа дорожной разметки включают в себя обычно такие компоненты, как:
1. Цифровые или аналоговые камеры с необходимой оптикой, обеспечивающей получение изображений.
2. Интерфейс, изготавливающий изображения для обработки.
3. Процессор.
4. Система программного обеспечения технического зрения.
5. Оборудование для вывода и ввода или же каналы связи, отображающие полученные результаты.
6. «Умная» камера.
4 Балтер Б.М., Егоров В.В., Котцов В.А. Способ преобразования изображе-ния. Патент РФ № 2586405. Бюл. изобретений № 16, 2016.
5 Размарица Д. С. Световые характеристики дорожной разметки как один из методов нестандартных технических средств организации дорожного движения // Молодой ученый. — 2016. — №13. — С. 202-204.
6 Балтер Б.М., Егоров В.В., Котцов В.А. Способ преобразования изображе-ния. Патент РФ № 2586405. Бюл. изобретений № 16, 2016.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
7. Объективы для фокусирования требуемого поля зрения на формирователи изображений.
8. Наличие специализированных источников света.
9. Приложения систем программного обеспечения, обеспечивающие обработку изображений и обнаружение соответствующих свойств.
10. Датчик по синхронизации различных частей обнаружения, захватывающий и обрабатывающий изображения.
11. Различные приводы определенных форм.
Методы и подходы, используемые в системах компьютерного технического зрения для контроля степени износа разметки, классифицируют по трём основным подклассам: низкий, средний и высокий уровни зрения. Системы низкого уровня технического зрения предназначаются для обработки основной информации, получаемой с так называемых датчиков очувствления7.
На современном этапе особенно широкое развитие получили методы автоматического построения символического представления изображений в различных системах для распознавания изображений и совершенствования компьютерного зрения на основании применения способов машинного обучения. Прикладные применения возможны были только в вычислительных ресурсах, так как для выполнения простейшей обработки изображений необходим хотя бы однократный просмотр всех пикселей (и даже неоднократный), поэтому потребовалось упрощение, которое было осуществлено благодаря росту общей производительности процессоров наряду с развитием цифровых видеокамер.
Способность преодолеть определенный порог производительности для обработки изображений за короткое время открыла путь целой лавине приложений технического, или компьютерного зрения. Этот переход продолжается постоянно до сих пор и требует совершенствования методов технического зрения, что касается как всей робототехники в целом, так и мобильных роботов для нанесения дорожной разметки и последующего контроля её качества и степени износа.
Современный уровень развития сенсорных систем обеспечивает получение разнообразной информации о рабочем пространстве мобильного работа, которая может быть использована для адаптации систем его управления. Одной из таких систем является система компьютерного, или технического зрения, обеспечивающая обработку визуальной информации8.
Адаптивное визуальное управление при контроле степени износа разметки - это управление, основанное на адаптации системы управления к изменениям параметров рабочей среды роботизированной системы на основе информации, поступающей от общей системы компьютерного, или технического, зрения - то есть визуальной подсистемы - в общем процессе функционирования всей системы9.
Схемы систем адаптивного визуального управления при контроле степени износа разметки представлены на рис. 1.
Основной особенностью работы адаптивных систем в управлении робототехпикой является возможность сразу получить информацию уже в процессе функционирования всей системы и в последующем использовать эту информацию для управления. Примером применения адаптивной системы управления может быть также мобильный робот для нанесения разметки на дорогах и контроля степени износа разметки, оборудованный бортовой системой технического зрения - иначе - системой технического зрения, которая расположена над рабочей зоной, функционирующей в рабочей зоне с неопределенным общим количеством статического оборудования и динамических объектов - таких, как другие мобильные устройства или обслуживающий персонал.
7 Балтер Б.М., Егоров В.В., Котцов В.А. Способ преобразования изображе-ния. Патент РФ № 2586405. Бюл. изобретений № 16, 2016.
8 Kniaz V. V. Realtime optical flow estimation on a GPU for a skied-steered mobile robot // Proc. SPIE 9897, Real-Time Image and Video Processing. 2016. doi:10.1117/12.2227556.
9 Балтер Б.М., Егоров В.В., Котцов В.А. Способ преобразования изображе-ния. Патент РФ № 2586405. Бюл. изобретений № 16, 2016.
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х
Рисунок 1 - Типы схем управления: а) статистического - по принципу «наблюдение - перемещение»; б) визуального - согласно обратной связи по образу.
Характерной для роботизированного производства является задача перемещения с начальной точки рабочего пространства в конечную. Задача решается с учётом положения объектов в пространстве. Так как динамические объекты могут менять свое положение, - это может негативно влиять на выполнение роботом поставленных задач, поскольку на пути движения робота могут возникать недостаточно свободные или проходимые участки. Определение таких участков возможно с помощью бортовых и глобальных систем как технического, так и компьютерного зрения. Таким образом, на основании визуальной информации робот вычисляет оптимальный маршрут движения10.
Перед адаптивной визуальной системой ставятся следующие задачи:
- определение местоположения работа в начальной позиции и при перемещении;
- ориентация работа в пространстве и относительно начальной точки;
- определение и слежения за объектами, находятся в рабочем пространстве;
- выделение непроходимых участков.
Пример навигации работа заключается в следующем. Есть рабочее пространство, модель которого можно разбить на сегменты, одинаковые по своей длине и ширине.
Это позволит нам судить о том, в каких из них находятся объекты и сам робот.
Робот может передвигаться только по свободным сегментам (ячейкам), следовательно, если на пути перемещения работа из одной точки в другую, сегменты будут заняты (могут возникнуть непроходимые участки), то блок адаптации будет менять путь передвижения работа таким образом, чтобы он не попадал в занятые клетки11.
Практически данный подход будет реализован таким образом. Пусть имеется гибкий участок дороги, при этом над рабочей зоной работа расположена система технического зрения ^еЬ-камера). Задачей работа
10 Kniaz V. V. Realtime optical flow estimation on a GPU for a skied-steered mobile robot // Proc. SPIE 9897, Real-Time Image and Video Processing. 2016. doi:10.1117/12.2227556.
11 Kniaz V. V. Realtime optical flow estimation on a GPU for a skied-steered mobile robot // Proc. SPIE 9897, Real-Time Image and Video Processing. 2016. doi:10.1117/12.2227556.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
является перемещение из одной точки рабочей зоны в другую. С помощью СМС определяется расположение работа, его ориентация определяется расположением объектов рабочей зоны, где оказываются посторонние предметы, а также появляются непроходимые участки траектории. Анализ рабочей зоны позволяет выбирать оптимальный путь движения робота для достижения конечной точки.
Формально система адаптивного визуального управления определяется следующим образом (Рис. 2.).
Рисунок 2 - Модель адаптивной системы управления процессом технического зрения для мобильного
робота при выполнения дорожной разметки
Как видно из рис. 2, в состав модели входят:
- объект управления (работ);
- общая система компьютерного и технического зрения работа;
- подсистема выбора оптимального режима управления;
- система обработки визуальной информации;
- подсистема управления движением.
СВХ с помощью камеры получает информацию об объектах рабочей зоны работа. Система обработки визуальной информации обеспечивает определение расстояние объектов рабочей зоны работа и их отдельные характеристики (линейные размеры, центры масс и т.д.)
Возможным развитием системы контроля степени износа разметки является реализация функций распознавания и идентификации. Подсистема выбора оптимальных режимов на основе информации системы технического зрения осуществляет расчет оптимальных режимов перемещения мобильного робота, которые реализуются подсистемой управления движением.
При анализе движения объектов в системах видеонаблюдения за робототехникой, предназначенной для контроля степени износа разметки на дорогах, необходимо оценить перемещение объектов на изображении, которое получается с камеры. Перспективный подход для определения как собственного местоположения, так и в целом скорости движения отдельных объектов в кадре при контроле степени износа
разметки, является на сегодняшний день оценка оптических потоков, то есть плотной карты тех скоростей,
12
которые соответствуют пикселям на последовательных кадрах .
Существенный недостаток оптического потока - это нестабильная работа при условии низкой освещённости, а также при существовании низкоконтрастных текстур в районе подстилающей
13
поверхности .
Решение данной проблемы требует наличия у изображения, получаемого с камеры, низкого уровня шума и высокой контрастности независимо от внешних факторов и времени суток. Чтобы обеспечить данные
12 Kniaz V. V. Realtime optical flow estimation on a GPU for a skied-steered mobile robot // Proc. SPIE 9897, Real-Time Image and Video Processing. 2016. doi:10.1117/12.2227556.
13 Wedel A., Cremers D. Stereo Scene Flow for 3D Motion Analysis. L.: Springer, 2011.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ»» № 09/2017 ISSN 2410-700Х_
условия, можно использовать многоспектральные камеры, производящие съёмку сразу в нескольких длинах волн. Если совместно использовать изображения, полученные от инфракрасной и телевизионной камер, можно обеспечить необходимую точность при решении задачи по управлению роботами в режиме следования по конкретному маршруту, чтобы избежать столкновений с любыми препятствиями при контроле степени износа разметки.
Компанией ООО «Титул-2005» разработан такой инструмент для определения степени износа разметки, как планшетный компьютер, работающий на базе системы GoogleAndroid и установленного на нём специализированного программного обеспечения. Эта система даёт возможность полной автоматизации работы. Выполненные снимки участков обрабатываются программой, процент износа отображается на экране. При этом используются беспроводные каналы связи с центральным офисом, что позволяет считать такой метод является одним из лучших на сегодняшний день, даже с учётом относительно большого количества времени, необходимого для оценки состояния разметки. Погрешность при таком контроле минимальная.
Один из показательных примеров развития современных типов технического зрения является применение методов стереозрения, которые используются для обнаружения на дорогах препятствий при контроле степени износа разметки. Такие методы критичны не только к надежности, но также к производительности и точности выполняемых работ. Так, для обнаружения движущихся объектов иногда требуется построенная плотная карта дальности в масштабах, близких к реальному времени. Осуществление этих методов требует сотен операций в соотношении на каждый пиксель и такой точности, которая достигается при размерах получаемых изображений не меньше мегапиксела, - это сотни миллионов операций для каждого кадра, что составляет несколько миллиардов и больше операций за секунду.
Развитие методов технического зрения при контроле степени износа разметки основано на общем прогрессе в совершенствовании компьютерного, что связано не только с развитием способов аппаратного обеспечения, которое позволяет применять вычислительно затратные методы по обработке изображений, тоже нуждающиеся в разработке. В период последних 10-15 лет эффективно используются на практике методы сопоставления полученных изображений проекций трехмерных сцен14, а также методы по восстановлению плотных карт проекционной дальности, выполненных на основе использования стереозрения15, наряду с методами обнаружения и последующего распознавания лиц16 и другие. Общие принципы в решении соответственных задач с помощью этих методов не изменились, однако они значительно обогатились целым рядом технических нетривиальных деталей с математическими приемами, которые сделали применение этих методов успешными.
На современном этапе продолжает расти также число актуальных приложений различных методов компьютерного зрения при контроле степени износа разметки. Так, стало доступным решение задач, связанных с анализом полученных видеоданных. Трехмерное телевидение позволяет расширить заказы на усовершенствованные системы компьютерного зрения, создание которых нуждается еще в создании эффективных алгоритмов и более существенных вычислительных мощностей - к примеру, задачи конвертации имеющихся видео в 3D из 2D.
Активно используются сейчас и вычислительные специальные средства - такие, как GPGPU, являющиеся графическими процессорами общего назначения, а также облачные вычисления, но они используются с системой персональных компьютеров при существенном расширении возможных
"17
приложений .
14 Dalal N., Triggs B. Histograms of oriented gradients for human detection // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2005. V. 1.
15 Hirschmuller H. Accurate and Efficient Stereo Processing by Semi-Global Matching and Mutual Information // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2008. V. 30. № 2.
16 Viola P., Jones M. Robust Real-time Object Detection // Workshop on Statistical and Computation Theories Vision. July, 2001.
17 Kniaz V. V. Realtime optical flow estimation on a GPU for a skied-steered mobile robot // Proc. SPIE 9897, Real-Time Image and Video Processing. 2016. doi:10.1117/12.2227556.
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
Итак, среди преимуществ использования современных систем технического зрения мы можем выделить следующие качества:
- Производительность: система технического зрения может быть использована для нанесения разметки всех производимых образцов, а не только выборочных.
- Непрерывность: из-за отсутствия усталости, система может быть использована в режиме круглосуточного использования без остановок.
- Повторяемость: контроль осуществляется при фиксированных условиях и одинаковых условиях, что гарантирует адекватность оценки.
- Постоянство: автоматизация процесса позволяет избежать человеческой субъективности, а потому позволяет поддерживать постоянный уровень качества.
- Снижение затрат.
Среди недостатков стоит отметить:
- необходимость постоянного и четкого освещения;
- необходимость калибровки камеры;
- сложности с распознаванием объектов, перекрываются или имеют смежный цвет с фоном;
- высшая конечная стоимость работ.
Список использованной литературы:
1. ГОСТ Р 51256-2011 «Разметка дорожная»
2. Балтер Б.М., Егоров В.В., Котцов В.А. Способ преобразования изображения. Патент РФ № 2586405. Бюл. изобретений № 16, 2016.
3. Емельянов Р. Т. Дорожный принтер / А. С. Климов. А. В. Закурдаев, Л. В. Скурихин, О. Л. Климова, Е. С. Турышева / Патент на полезную модель №.153211 опубл. 10.06.2015, Бюл. № 19
4. Коробейников А. С., Турышева Е. С., Игнатьев Г. В. Автоматизация процесса нанесения дорожной разметки // Молодой ученый. — 2017. — №2. — С. 115-118.
5. Размарица Д. С. Световые характеристики дорожной разметки как один из методов нестандартных технических средств организации дорожного движения // Молодой ученый. — 2016. — №13. — С. 202-204.
6. Скурихин Л. В. Выбор шагового двигателя для дорожного принтера /Международная научная конференция студентов, аспирантов и молодых учёных. Молодёжь и наука: проспект Свободный, Электронный ресурс: http://conf. sfu-kras.ru/mn2015/?q=направления-и-секции/строительство-формирование-среды-для-жизни-механизация-и-автоматизация.
7. Ciresan D. C., Meier U., Masci J., Schmidhuber J. Multi-Column Deep Neural Network for Traffic Sign Classification // Neural Networks, 2012.
8. Dalal N., Triggs B. Histograms of oriented gradients for human detection // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2005. V. 1.
9. Hirschmuller H. Accurate and Efficient Stereo Processing by Semi-Global Matching and Mutual Information // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2008. V. 30. № 2.
10. Kniaz V. V. Realtime optical flow estimation on a GPU for a skied-steered mobile robot // Proc. SPIE 9897, RealTime Image and Video Processing. 2016. doi:10.1117/12.2227556.
11. Prokopiev A. P., The analytical solution and the dynamic charac-terristics of the system model velocity control vibrating roller/P., Prokopiev, A. P., V. I. Ivanchura, R. Т. Emelianov Journal of Siberian Federal University. Engineering & Technologies 4 (2014 7) 482-490.
12. Viola P., Jones M. Robust Real-time Object Detection // Workshop on Statistical and Computation Theories Vision. July, 2001.
13.Wedel A., Cremers D. Stereo Scene Flow for 3D Motion Analysis. L.: Springer, 2011.
© Мурзажанов Т.А., 2017
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 09/2017 ISSN 2410-700Х_
УДК 658.562.012.7
Пчелкин Александр Андреевич
аспирант 2 курса факультета ТС в АПК РГАУ - МСХА им. К.А. Тимирязева г. Москва, Российская Федерация E-mail: pchelkin.alex@gmail.com
ПРИМЕНЕНИЕ СТАТИСТИЧЕСКИХ МЕТОДОВ ПРИ ИЗМЕРЕНИИ ВАРИАБЕЛЬНОСТИ ДАННЫХ
Аннотация
В статье подробно рассмотрена роль статистических методов, а также польза, которую они могут принести при измерении, анализе, интерпретации и моделировании вариабельности, даже при наличии относительно ограниченного количества данных.
Ключевые слова
Статистические методы, процессы, измерительные процессы, контрольные процессы, анализ, вариабильность, качество, сервис, технический сервис.
Одним из ключевых вопросов организации производственного процесса является выбор измерительных процедур [1], планирование измерительных экспериментов, обработка и анализ полученных в ходе исследования данных [2]. При этом необходимо обеспечить точность получения информационных оценок о состоянии объекта исследования, а также экстраполировать полученные метрологические и статистические показатели в специализированные выводы [3].
Существующие методические рекомендации по выбору статистических методов для оценки параметров испытаний рассматривают общие принципы проведения этих процедур [4]. Обзор литературных источников показал, что широко рассмотрены частные вопросы проведения статистического анализа результатов измерений отдельных показателей [5], характеризующих состояние объект исследования. В то же время задача обобщения этих оценок в один интегральный показатель остается актуальной.
Одним из способов решения этой проблемы является разработка математической модели испытаний в целом, а также его отдельных измерительных процедур [6]. Моделирование отдельных систем, входящих в комплекс испытаний позволит выбрать адекватные статистические методики оценки данных и установить неопределенность измерений.
Исходя из методов Исикавы, девяносто пять процентов всех проблем могут быть решены с помощью семи простых инструментов качества. Руководители предприятий технического сервиса должны иметь возможность проверить это теоретическое утверждение на практике. В этом контексте полезность статистических методов вытекает из вариабельности, которая может наблюдаться в ходе анализа всех процессов, даже в условиях очевидной стабильности. Такая вариабельность может наблюдаться в количественно определяемых характеристиках продукции и процессов, на различных стадиях полного жизненного цикла продукции от исследования рынка до послепродажного обслуживания и окончательной утилизации продукции.
Статистические методы могут принести пользу при измерении, анализе, интерпретации и моделировании такой вариабельности, даже при наличии относительно ограниченного количества данных [7]. Статистический анализ этих данных может способствовать лучшему пониманию характера, степени н причин вариабельности и помочь в разрешении проблем, обусловленных такой вариабельностью и даже в предотвращении их возникновения.
Таким образом, статистические методы могут обеспечить лучшее использование имеющихся данных при принятии решения, и, тем самым, способствовать улучшению качества продукции, контрольных и измерительных процессов, процессов на стадиях проектирования, разработки, производства, монтажа и обслуживания.
