CC BY
3
17. Скляр Б. Цифровая связь. Теоретические основы и практическое применение. М.: Вильямс, 2003.
1104 с.
18. Песков С.Н., Ищенко А.Е. Расчет вероятности ошибки в цифровых каналах связи // Теле-Спутник. 2010. № 11. С. 70-75.
19. Канаков В.А. Новые технологии измерения в цифровых каналах передачи информации. Нижний Новгород, 2006. 91 с.
20. Серкин Ф.Б., Важенин Н.А., Вейцель В.В. Сравнительный анализ алгоритмов оценки отношения сигнал-шум на основе квадратурных компонент принимаемого сигнала // Труды МАИ. 2015. № 83. С. 1-24.
21. Казачков В.О. Исследование метода оценки отношения сигнал/шум сигнала Long Term Evolution в условиях идеальной и неидеальной символьной синхронизации // Науковедение. 2015. Т. 7. № 1. С. 1-14.
22. Андреев С. Д., Семенов С. А., Тюрликов А. М. Методики оценки параметров радиоканала // Информационно-управляющие системы. 2007. № 4. С. 37-43.
23. Ларкин Е.В., Богомолов А.В., Горбачев Д.В., Привалов А.Н. Исследование критериев соответствия потока событий пуассоновскому потоку // Вестник компьютерных и информационных технологий. 2019. № 1 (175). С. 3-11.
24. Молчанов А.С., Чаусов Е.В. Теория и практика распознавания инженерных сооружений, промышленных предприятий и объектов железнодорожного транспорта при дешифрировании аэрофотоснимков. М.: Перо, 2024. 248 с.
Чаусов Евгений Викторович, канд. техн. наук, начальник отделения, Ewhenig@ya. ru, Россия, Ахтубинск, Государственный летно-испытательный центр имени В.П.Чкалова,
Коломоец Вадим Андреевич, инженер, [email protected], Россия, Ахтубинск, Государственный летно-испытательный центр имени В.П.Чкалова
METHODS OF QUALMETERY OF ON-BOARD DIGITAL VIDEO INFORMATION TRANSMISSION SYSTEMS DURING
FLIGHT TESTS
E. V. Chausov, V.A. Kolomoets
The article presents the main indicators of the quality of on-board systems for transmitting digital video information and systematizes methods for assessing them, taking into account the specifics of transmitting digital video information during flight tests of unmanned aerial vehicles. The basic calculation ratios and formulas by which the estimated indicators of on-board digital video information transmission systems are calculated are shown.
Key words: video information transmission system, bit error probability, throughput, broadband radio channel, qualimetry of video information systems.
Chausov Evgeny Viktorovich, candidate of technical sciences, head of the department, Ewhenig@ya. ru, Russia, Akhtubinsk, Chkalov State Flight Test Center,
Kolomoets Vadim Andreevich, test engineer, [email protected], Russia, Akhtubinsk, Chkalov State Flight Test Center
УДК 528.87
Б01: 10.24412/2071-6168-2024-8-312-313
ОСОБЕННОСТИ ДЕШИФРИРОВАНИЯ ИНФРАКРАСНЫХ ИЗОБРАЖЕНИЙ, ПОЛУЧЕННЫХ СИСТЕМАМИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ
Е.В. Чаусов, В.А. Коломоец, Д.О. Кияткин
В статье рассмотрены вопросы дешифрирования изображений, полученных инфракрасными системами дистанционного зондирования Земли. Представлены основные закономерности распространения инфракрасного излучения в атмосфере, показатели и характеристики атмосферы, имеющие определяющее значение при формировании инфракрасных изображений. Показаны особенности воспроизведения объектов съемки на инфракрасных изображениях в зависимости от их теплофизических характеристик и географического расположения, времени и метеорологических условий съемки. Приведены характерные инфракрасные аэроснимки в различных спектральных диапазонах, поясняющие специфику их дешифрирования.
Ключевые слова: аэросъемка, дистанционное зондирование, альбедо, коэффициент излучения тела, дешифрование изображений, инфракрасное изображение.
Результаты дистанционного зондирования Земли (ДЗЗ) находят все большее применение в различных отраслях промышленности, в военной сфере и в науке. Наиболее важным и сложным этапом обработки материалов ДЗЗ считается процесс визуального дешифрирования аэроснимков операторами-дешифровщиками. Этот процесс учитывает комплекс взаимосвязанных организационных, технологических и технических мероприятий, а успешность решения задачи дешифрирования аэроснимков во многом зависит от характера, обоснованности и содержания проводимых мероприятий. Процесс визуального дешифрирования наиболее полно описан в известных работах [1-5], однако в них недостаточно полно рассмотрены вопросы дешифрирования инфракрасных (ИК) изображений, полученных в различных условиях ИК съемки, обусловленных влиянием временных, географических, метеорологических и теплофизических факторов. Поэтому актуальным является исследование особенностей дешифрирования ИК изображений, обусловленных влиянием указанных факторов.
312
ИК изображения отличаются от изображений, полученных в видимом диапазоне, специфическими свойствами, обусловленными избирательным ослаблением ИК излучения, проходящего через атмосферу. Ослабление ИК излучения в атмосфере обусловлено молекулярным рассеиванием и поглощением парами воды, углекислым газом, озоном и другими газообразными веществами, а также аэрозольными частицами.
Коэффициент пропускания атмосферы определяется законом Бугера-Ламберта-Бэра [6]
Та (Л) = exp(-KЛ)R), где Я - расстояние или длина пути; у(Х) - показатель ослабления.
Показатель ослабления рассчитывается как [6]
у(Л) = а(Л) + к(Л), где а(Х) - показатель рассеяния; к(Х) - показатель поглощения.
Показатели рассеяния и поглощения в свою очередь состоят из молекулярной и аэрозольной составляющих [6]
^(Л) = &т(Л) +аа (Л), к (Л) = кт(Л) + ка (Л), где От(Х), Оа(Х) - показатели молекулярного и аэрозольного рассеяния; кт(Х), ка(Х) - показатели молекулярного и аэрозольного поглощения.
Показатель ослабления является сложной функцией X, поэтому задача определения пропускной атмосферы в широком спектральном диапазоне состоит в интегрировании по всем длинам волн и по накоплению поглотителей на трассе. Средний коэффициент пропускания атмосферы в определенном диапазоне Х1-Х2 равен [6]
1
Л1 -Л2
| ехр(- г(Л)Я.
Рассеяние излучения находится в сложной зависимости от состава, размеров и распределения рассеивающих частиц в атмосфере, а поглощение излучения в первую очередь определяется поглощением излучения парами воды и углекислого газа - их полосы поглощения перекрывают в приземном слое полосы поглощения других газообразных веществ. Поглощение ИК излучения атмосферой неравномерно по спектру, в результате чего выделяются «окна прозрачности», в которых и работают инфракрасные системы (ИКС) ДЗЗ (рисунок 1) [6].
Отряженный инф[|:1],|>:|ГимГг
Тепловой нпфряь'ряснмй
к, %
"Г
0.7 - 3 14 км
а
3 14 мкм
14
Л
13 14 а, мкм
Рис. 1. Полосы пропускания ИК излучения в атмосфере: 1 - коротковолновый ИК диапазон; 2 - ближний ИК диапазон; 3 - средневолновый ИК диапазон; 4 - длинноволновый ИК диапазон
При работе ИКС ДЗЗ в ближнем ИК диапазоне, характеризующимся всеми физическими свойствами видимого света, используется отраженное от объектов излучение, создаваемое естественными или искусственными источниками. ИКС ДЗЗ коротковолнового ИК диапазона используют освещенность, создаваемую свечением ночного неба, вызванным фотохимической реакцией гидроксилов в верхней атмосфере (85 км), что в несколько раз превышает освещенность, создаваемую звездным небом. Кроме этого, в данном диапазоне также как и в ближнем ИК диапазоне, используется отраженное от объектов излучение. Работа ИКС ДЗЗ в длинноволновом и средневолновом ИК диапазоне базируется на собственном излучении объектов, обусловленных излучательной способностью и температурой, и отраженном от объектов излучении. В дневных условиях на тон ИК изображений влияют оба фактора, ночью - в основном второй [3-5].
ИК изображения, в отличие от изображений, полученных в видимом диапазоне длин волн, имеют непривычное для дешифровщика «неестественное» распределение контрастов объектов и практически отсутствие видимых теней вследствие иного распределения оптических характеристик в ИК диапазоне по сравнению с видимым диапазоном (рисунок 2) [7-10]. Эта особенность позволяет обнаружить на ИК изображениях объекты, незаметные на снимках видимого диапазона длин волн.
При визуальном дешифрировании ИК изображений необходимо учитывать особенности воспроизведения объектов на ИК изображениях в зависимости от теплофизических свойств объектов, времени суток и года, метеорологических условий, географической широты и рельефа снимаемой местности [11-15].
Все объекты искусственного и естественного происхождения являются мощными источниками собственного ИК (теплового) излучения. Различия в теплофизических свойствах объектов, которые определяются их теплопроводностью, теплоемкостью, плотностью, составом, структурой, влажностью, цветом, вызывают различную реакцию объектов на изменения температуры, что обеспечивает воспроизведение на ИК изображениях всего многообразия объектов различными тонами от светлого до темного. Коэффициент теплового излучения (коэффициент черноты) равен отношению энергетических светимостей элементов объекта и абсолютно черного тела (АЧТ) при одинаковой температуре Т [16]:
ел(Л,Т) =
ме лл,т)
М0л(Л,Т)
где Ме á(2, Т), М°е á(2, Т) - спектральные плотности энергетической светимости объекта и АЧТ.
а б
Рис. 2. Сравнение аэрофотоснимков видимого и ИК диапазонов: а - аэрофотоснимки ИК диапазона (8-14 мкм);
б - аэрофотоснимки видимого диапазона (0,4-1,1 мкм)
Суммарная энергетической светимости АЧТ определяется законом Стефана-Больцмана [16]:
М0(Т) = аТ 4,
где о=5,710"12 Втсм"2К"4 - постоянная Стефана-Больцмана.
Зависимость коэффициента излучения от температуры тела и длины волны ИК излучения приведены в таблице [16]: коэффициент излучения в большей степени зависит от изменения температуры тела, чем от длины волны (поэтому длинноволновый и средневолновый ИК диапазоны принято называть тепловыми).
Коэффициенты излучения объекта е(1,Т)
Температура объекта, °С Длина волны ИК-излучения, мкм
13-14 12-13 12-11 10-11 9-10 8-9 4,5-5,0 3,5-4,0
10 0,87 0,87 0,87 0,81 0,87 0,87 0,87 0,69
20 0,76 0,83 0,70 0,71 0,71 0,73 0,57 0,37
30 0,63 0,71 0,60 0,61 0,56 0,55 0,37 0,19
40 0,57 0,57 0,52 0,42 0,49 0,49 0,26 0,15
50 0,48 0,48 0,44 0,38 0,34 0,36 0,15 0,09
При формировании ИК изображений важным фактором является отражение излучения от подстилающей поверхности и объектов. Характеристикой отражения излучения является коэффициент отражения (альбедо). Спектральное альбедо определяется как отношение светового потока заданной длины волны, отраженного поверхностью, к световому потоку, падающему на эту поверхность [13]:
МЛ)=,
Фful лЛ)
где Ф™д(У, Фи - световой поток заданной длины волны, отраженный от поверхности, и световой поток заданной длины волны, падающий на эту поверхность, соответственно.
При прочих равных условиях, но разных альбедо объекты имеют различную температуру. На дневных ИК изображениях объекты, обладающие большим альбедо, имеют более светлый тон (более высокая температура), а на ночных ИК изображениях - более темный тон.
Излучательная способность объектов позволяет выявлять на ИК изображениях нагретые поверхности или их участки, которые не обнаруживаются на снимках видимого диапазона, что позволяет на ИК изображениях обнаруживать термальные источники и очаги возгорания, наблюдать вулканическую деятельность, отыскивать места утечек тепла в зданиях, сооружениях, теплопроводах, выявлять подземные источники тепла по поверхностному перепаду температур [7-10].
Различия в значениях коэффициентов излучения объектов позволяет их наблюдать при ИК съемке в полной темноте, а также в таких условиях, когда температурные различия окружающей среды выровнены, например, при наблюдении земной поверхности в предрассветные часы. ИК снимки, полученные в предрассветные часы, весьма ценны, поскольку содержат информацию об интенсивности ИК излучения географических объектов в отсутствии прямой солнечной радиации. Следовательно, по таким ИК снимкам возможно дешифрировать объекты, характеризующиеся внутренним источником тепла (например, проявления вулканической активности или промышленные предприятия, для которых характерны значительные теплопотери), а также объекты, отличающиеся особенно интенсивным накоплением тепла в течение светлого времени суток (в предрассветные часы они еще излучают накопленное тепло). Такой эффект часто можно наблюдать в плотно застроенных районах крупных городов (рисунок 3) [710].
При дешифрировании ИК снимков необходимо учитывать периоды времени, когда эти снимки были получены, поскольку тепловое поле земной поверхности обладает выраженной многолетней, сезонной и суточной изменчивостью [17].
Рис. 3. Тепловые аэроснимки в спектральном диапазоне 9,6-10,2 мкм, показывающие суточную динамику теплового излучения: а - дневной снимок; б - предрассветный снимок
ИК съемка позволяет регистрировать динамичные тепловые процессы, которые происходят во время суток. Теплообмен между объектами и окружающей средой приводит к изменению температуры объектов во время суток, в связи с чем одни и те же объекты в зависимости от времени суток могут воспроизводиться на ИК изображениях различным тоном.
Неравномерность альбедо подстилающей поверхности в течение суток влияет на тон ИК изображения, снижая контрастность, а иногда и полностью меняя тон изображения от светлого до темного.
Непостоянство тоновоспроизведения различных объектов на ИК аэроснимках связано с неравномерностью нагрева и остывания объектов в течение суток. Теплофизическим показателем, характеризующим скорость восприятия и отдачи объектом тепловой энергии является тепловая инерция, которая определяется по формуле [16]:
Р = ^Лгср ,
где X - коэффициент теплопроводности; с - удельная теплоемкость; р - плотность материала объекта.
В течение дня те объекты, которые имеют высокую абсорбирующую способность по отношению к солнечному свету, накапливают большое количество тепла, а объекты, которые имеют высокую отражательную способность могут абсорбировать очень мало тепла (рисунок 4) [10].
Температура
- - сухая открытая почва / породы;-----растительность;
----- вода;---- увлажненная открытая почва;
--------- объекты из металла; ^^ - переходные точки
Рис. 4. Суточный ход интенсивности теплового излучения различных объектов
Так, например, бетонная плита дороги поглощает тепло в большей степени, чем прилегающий грунт, но повышение ее температуры происходит медленно, т.к. теплоемкость бетонных дорог высока и имеется хорошая тепловая связь с грунтом. Травянистая растительность также может хорошо поглощать тепло, но ее теплопроводность мала, и невелик контакт с грунтом, следовательно, температура травы соответствует температуре окружающих объектов. Природные объекты, которые покрываются в холодную ночь росой и инеем, на ИК изображениях будут воспроизводиться темным тоном. Вода на дневных ИК аэроснимках изображается менее светлым тоном, чем более светлые элементы окружающего ландшафта, т.к. вода нагревается медленнее, чем окружающий ландшафт, а ночью наоборот - вода имеет более светлый тон относительно окружающего ландшафта, поскольку элементы ландшафта
остывают быстрее. Это обстоятельство позволяет независимо от времени суток хорошо просматривать водотоки и водоемы на ИК изображениях. На дневных снимках вода имеет темный тон изображения относительно более нагретой суши, а на ночных - наоборот. Одновременно с этим на ИК изображениях водные массы, в которые поступает грунтовая вода, имеют различную тоновую структуру, обусловленную более холодными грунтовыми водами. В соленых водоемах такая вода поднимается на поверхность, создавая четкую холодную аномалию, размеры которой зависят от дебита подводного источника. В пресноводных водоемах также наблюдаются такие аномалии за счет изменения температуры воды на мелководье. Темный тон ИК изображений и характерная форма в виде шлейфа позволяют легко распознавать холодные массы как грунтовых, так и поверхностных вод, впадающих в водоемы. Аналогичным образом определяют загрязнение водоемов сточными водами, и контролирует процесс орошения сельскохозяйственных угодий.
При дешифрировании ИК снимков необходимо учитывать время года, когда эти снимки были получены, поскольку сезонные изменения интенсивности ИК излучения и связанные с этим перепады температур являются существенными, что приводит к тоновым различиям изображений одних и тех же объектов, снятых в разное время года (рисунок 5) [7-10]. Из рисунка 6 видно, что весной и летом вода имеет темный тон, что обусловливается тем, что температура воды ниже температуры окружающей местности, а зимой и осенью наоборот. Таким образом, имеет место инверсия «зима, осень - лето, весна».
в г
Рис. 5. Разносезонные ИК снимки одного и того же объекта: а - зима; б - весна; в - лето; г - осень
Географическое расположение объектов ИК съемки также оказывает влияние на тоновоспроизведение ИК изображений, что необходимо учитывать при дешифрировании. Это обусловлено тем, что температура, плотность, влажность и пропускание воздуха в различных широтах различна. Чем выше плотность и влажность воздуха при ИК съемке, тем светлее тон получаемых ИК изображений. В Европе средняя величина плотности воздуха у поверхности земли равна 1258 г/м3, на высоте 5 км - 735 г/м3, 10 км - 411 г/м3, 20 км - 87 г/м3. У экватора значения плотности воздуха в тропосфере меньше, а в стратосфере больше, чем в Европе. Зимой плотность воздуха больше по сравнению с летом [11]. Кроме того, в средних широтах пропускание в диапазоне 8-12 мкм больше, чем в диапазоне 3-5 мкм, поскольку в последнем диапазоне имеет место сильное поглощение углекислым газом. В чистой тропической атмосфере с высокой влажностью пропускание выше в диапазоне 3-5 мкм, поскольку пары воды сильно поглощают излучение в диапазоне 8-12 мкм. Но дымка приводит к более сильному ослаблению излучения в диапазоне 3-5 мкм по сравнению с диапазоном 8-12 мкм [12]. В результате одни и те же природные образования на ИК изображениях отображаются различными тонами в зависимости от географической широты местности и времени года.
Метеорологические факторы, вызывающие снижение видимости (дымка, туман, облачность, осадки, инверсия), ухудшают дешифрируемость аэроснимков, однако на ИК снимках это проявляется менее явно, чем на снимках видимого диапазона, поскольку рассеяние уменьшается с ростом длины волны излучения. Поэтому в ограниченно-сложных метеоусловиях ИКС имеют конкурентное преимущество относительно систем видимого диапазона, но
316
до определенного предела. Дымка, образованная в результате рассеяния света аэрозолями, снижение температурных контрастов, вследствие воздействия инверсии и ветра, а также поглощение ИК излучения осадками, приводят к уменьшению контрастности ИК изображений.
При ИК съемке через облака необходимо учитывать, что в облаках происходит с одной стороны поглощение ИК излучения молекулами воды, а с другой стороны температура облаков ниже температуры земной поверхности. Поэтому ИК съемка возможна только через облака, характеризуемые малыми значениями водности (перисто-слоистые, перисто-кучевые), при этом получаемые ИК изображения слабоконтрастны и имеют очень светлый тон [13]. Облака, характеризуемые большими значениями водности (кучевообразные облака), поглощают ИК излучение полностью, вследствие чего ИК съемка земной поверхности через такие облака не возможна. Необходимо отметить, что водность облаков не остается неизменной, т.к. в облаках непрерывно идут процессы конденсации и сублимации водяного пара, испарение и замерзание капель, укрупнение облачных элементов и выпадение осадков [11]. Поэтому ИК съемку через облака выполнять не рекомендуется.
Рельеф местности существенно влияет на формирование ИК изображений. Это связано с изменением температур природных образований, плотности и влажности воздуха в зависимости от высоты местности над уровнем моря. Кроме того на снимках сложного рельефа характерно преобладание теней, причем отличие ИК снимков от снимков видимого диапазона в том, что ИК снимки практически не имеют привычных теней в видимом диапазоне. Для ИК изображений характерны тепловые тени, которые связаны с прямым излучением Солнца, вызывающим нагревание солнечной стороны участков ландшафта и выхолаживание фрагментов, находящихся на стороне, скрытой от Солнца (рисунок 6) [7-10]. Этот фактор необходимо учитывать при дешифрировании ИК изображений местности с выраженным рельефом [12, 18, 19].
Рис. 6. Сравнение аэрофотоснимков местности с холмистым рельефом видимого и ИК диапазонов с изображением тепловых и видимых теней: а - аэрофотоснимок ИК диапазона (8-14 мкм); б - аэрофотоснимок видимого диапазона (0,4-1,1 мкм)
Правильная настройка аппаратуры с несколькими ИК каналами позволяет решать задачи наблюдения, прогнозирования и ликвидации последствий лесных пожаров. Благодаря высокой температуре аномальные участки горящего и выгоревшего леса явно просматриваются на ИК изображениях в виде белого тона с характерным рисунком.
Изложенные особенности дешифрирования ИК изображений, полученных системами ДЗЗ находят применение, в том числе, при проектировании систем воздушной разведки, разработке средств и методов их испытаний, включая реализацию цифровых двойников систем воздушной разведки, робототехнических комплексов воздушной разведки, а также систем сбора и обработки информации, получаемой в процессе ДЗЗ [1, 2, 20-23].
Таким образом, результаты исследования позволили выделить следующие особенности визуального дешифрирования ИК изображений, полученных в различных условиях ИК съемки, обусловленных влиянием теплофи-зических, временных, географических и метеорологических факторов:
на ИК изображениях, полученных при ИК съемках в различное время суток, время года и на различных географических широтах, одни и те же объекты отображаются различными тонами, что может служить дополнительным дешифровочным признаком;
ИК изображения, полученные в метеоусловиях ограниченной видимости, характеризуются пониженным контрастом и светлым тоном, что затрудняет дешифрирование объектов;
ИК изображения местности с выраженным рельефом имеют неравномерный тон и участки с тепловыми тенями в зависимости от перепада высот рельефа местности, что затрудняет пространственное восприятие объектов.
Освоение представленных в статье особенностей ИК изображений призвано обеспечить оператору-дешифровщику квалификацию, достаточную для принятия решений разных степеней сложности в задачах ДЗЗ.
Список литературы
1. Молчанов А.С., Чаусов Е.В. Теория и практика распознавания инженерных сооружений, промышленных предприятий и объектов железнодорожного транспорта при дешифрировании аэрофотоснимков. М.: Перо, 2024. 248 с.
2. Молчанов А.С., Чаусов Е.В. Теория и практика распознавания объектов бронетанковой техники при дешифрировании аэроснимков. М.: Перо, 2021. 246 с.
3. Теория и практика распознавания надводных объектов военно-морских сил при дешифрировании аэроснимков / А.С. Молчанов, Е.В. Чаусов, В.А. Коломоец и др. М.: Перо, 2022. 224 с.
4. Карпович И.Н. Военное дешифрирование аэрофотоснимков. М.: Воениздат, 1990. 544 с.
5. Молчанов А.С. Теория построения иконических систем воздушной разведки. Волгоград: Панорама, 2017. 224 с.
6. Зуев В.Е. Распространение видимых и инфракрасных волн в атмосфере. М.: Советское радио, 1970. 496
с.
7. Лабутина И.А., Балдина Е.А. Практикум по курсу «Дешифрирование аэрокосмических снимков»; уч. пособие. М.: Географический факультет МГУ, 2013. 168 с.
8. Горный В.И., Шилин Б.В., Ясинский Г.И. Тепловая аэрокосмическая съемка. М.: Недра, 1993. 128 с.
9. Козлов Д.Н., Жарков Р.В. Тепловизионная съемка активных вулканов Курильских островов в 20092011 гг. // Вестник КРАУНЦ. Науки о Земле. 2012. № 1. Выпуск № 19. С. 231-239.
10. Кислов А.В., Константинов П.И. Детализированное пространственное моделирование температуры московского мегаполиса // Метеорология и гидрология. 2011. № 5. С. 25-32.
11. Баранов А.М., Губицын Г.А., Иоффе М.М., Криуленко Е.Л., Лисодет В.Н. Авиационная метеорология. М.: Воениздат, 1971. 344 с.
12. Ллойд Дж. Системы тепловидения. М.: Мир, 1978. 414 с.
13. Чаусов Е.В. Способ оценивания линейного разрешения инфракрасных систем дистанционного зондирования Земли // Известия Тульского государственного университета. Технические науки. 2022. № 2. С.141-149.
14. Макаренко В.Г., Подорожняк А.А., Рудаков С.В., Богомолов А.В. Инерциально-спутниковая навигационная система управления транспортными средствами / // Проблемы управления. 2007. № 1. С. 64-71.
15. Балык О.А., Айвазян С.А., Богомолов А.В., Солдатов А.С. Методологические основы применения средств моделирования в процессе разработки и сертификации беспилотных авиационных систем // Математические методы в технологиях и технике. 2022. № 8. С. 39-43.
16. Рублев А.Н., Успенский А.Б., Троценко А.Н., Удалова Т.А., Волкова Е.В. Детектирование и оценка балла облачности по данным атмосферных ИК-зондировщиков высокого разрешения // Исследования Земли из космоса. 2004. № 3. С. 43-51.
17. Ребрин Ю.К. Оптико-электронное разведывательное оборудование летательных аппаратов. Киев: Киевское ВВАИУ, 1988. 450 с.
18. Тарасов В.В., Якушенков Ю.Г. Двух- и многодиапазонные оптико-электронные системы. М.: Логос,
2007. 337 с.
19. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера, 2010. 560 с.
20. Солдатов А.С., Солдатов Е.С., Богомолов А.В. Технологическая платформа синтеза цифрового двойника летательного аппарата на основе технологий киберфизических систем // Управление развитием крупномасштабных систем (MLSD'2023): труды Шестнадцатой международной конференции. М.: ИПУ РАН, 2023. С. 10921099.
21. Макаренко В.Г., Богомолов А.В., Рудаков С.В., Подорожняк А.А. Технология построения инерциаль-но-спутниковой навигационной системы управления транспортными средствами с нейросетевой оптимизацией состава вектора измерений // Мехатроника, автоматизация, управление. 2007. № 1. С. 39-44.
22. Larkin E.V., Akimenko T.A., Bogomolov A.V. Modeling the reliability of the onboard equipment of a mobile robot // Izvestiya of Saratov University. Mathematics. Mechanics. Informatics. 2021. Vol. 21. No. 3. Pp. 390-399.
23. Солдатов Е.С., Богомолов А.В., Ларкин Е.В., Солдатов А.С. Сенсорные сети контроля состояния авиационной техники при испытаниях и эксплуатации // Авиакосмическое приборостроение. 2024, № 2. С. 60-67.
Чаусов Евгений Викторович, канд. техн. наук, начальник отделения, Ewhenig@ya. ru, Россия, Ахтубинск, Государственный летно-испытательный центр имени В.П. Чкалова,
Коломоец Вадим Андреевич, инженер, [email protected], Россия, Ахтубинск, Государственный летно-испытательный центр имени В.П.Чкалова,
Кияткин Данил Олегович, инженер, [email protected], Россия, Ахтубинск, Государственный летно-испытательный центр имени В.П.Чкалова
FEATURES OF DECODING INFRARED IMAGES OBTAINED BY EARTH REMOTE SENSING SYSTEMS
E.V. Chausov, V.A. Kolomoets, D.O. Kiyatkin
The article discusses the issues of deciphering images obtained by infrared Earth remote sensing systems. The main patterns of propagation of infrared radiation in the atmosphere, indicators and characteristics of the atmosphere, which are of decisive importance in the formation of infrared images, are presented. The features of reproduction of shooting objects on infrared images are shown depending on their thermophysical characteristics and geographic location, time and meteorological conditions of shooting. Typical infrared aerial photographs in various spectral ranges are presented, explaining the specifics of their interpretation.
Key words: aerial photography, remote sensing, albedo, body emissivity, image decoding, infrared image.
Chausov Evgeny Viktorovich, candidate of technical sciences, head of the department, Ewhenig@ya. ru, Russia, Astrakhan region, Akhtubinsk, Chkalov State Flight Test Center,
Kolomoets Vadim Andreevich, test engineer, [email protected], Russia, Akhtubinsk, Chkalov State Flight Test Center,
Kiyatkin Danil Olegovich, engineer, [email protected], Russia, Akhtubinsk, Chkalov State Flight Test Center
УДК 004.896
Б01: 10.24412/2071-6168-2024-8-319-320
ИНТЕЛЛЕКТУАЛЬНЫЕ РОБОТОТЕХНИЧЕСКИЕ СРЕДСТВА МОНИТОРИНГА СОСТОЯНИЯ
ПРОМЫШЛЕННОГО ОБОРУДОВАНИЯ
Е.С. Солдатов, А.С. Солдатов
В статье рассмотрены вопросы применения современных робототехнических средств для мониторинга состояния промышленного оборудования, работающего под избыточным давлением. Рассмотрены преимущества и недостатки робототехнических средств разных классов, различающихся по способу перемещения в пространстве. Приведено описание работы промышленного беспилотного летательного аппарата на примере мониторинга состояния криогенного оборудования.
Ключевые слова: робототехнические средства, беспилотный летательный аппарат, мониторинг состояния оборудования, бездренажное хранение, криогенное оборудование.
Робототехнические средства предназначены для выполнения различных операций, призванных избавить людей от различной рутинной работы, от выполнения действий, которые могут опасными или вредными для здоровья людей, а также для выполнения работы, где требуется особая точность, чтобы исключить влияние человеческого фактора [1]. Различные технологические операции могут производиться на большой высоте, на поверхностях фасадов высотных зданий, корпусов морских судов [2, 3]. В частности, робототехнические средства могут быть использованы для мониторинга состояния различных резервуаров, цистерн, трубопроводов и т.п. путем обследования поверхности соответствующего оборудования [4].
Классификация робототехнических средств. По назначению робототехнические средства подразделяются на:
- промышленные;
- исследовательские;
- транспортные;
- бытовые;
- медицинские;
- поисковые;
- военного назначения.
Классификация современных робототехнических средств по способу перемещения в пространстве приведена на рис. 1.
РОБОТОТЕХНИЧЕСКИЕ СРЕДСТВА
Рис. 1. Классификация робототехнических средств по способу перемещения е пространстве
319
