LibRar.Org.Ua — Бібліотека українських авторефератів


Головна Легка промисловість → Розробка та застосування методів аналізу та контролю якості текстильних матеріалів

підмножини, які не перетинаються. Конфігурації, що складаються з "h" і "f", формують образи тканин.

Образи руху реміз породжують плоскі образи тканини. Щоб їх ідентифікувати, застосовується правило ідентифікації, яке засноване лише на значенні сорту нитки, видимої на кожному з перетинів основи з наповнювачем. При цьому нехтуємо деякими властивостями результуючої тканини, але зберігаємо всю існуючу комбінаторну інформацію.

Якщо є лише 2 ремізки, r=2, і один наповнювач s=1, то можна отримати простий образ тканини шляхом періодичного повторення конфігурації руху, приведеної на рисунку 1.а. Нитки основи проходять через ремізки 1 і 2 у перемежованому порядку. При цьому образи руху формують плоский образ, показаний на рис.1.б. Математичний опис даного простого переплетення повністю відповідає математичній моделі, яка розглянута раніше. Зрозуміло, дана модель не вичерпує всі можливі види переплетення ниток при формуванні тканин.

Можна одержати більш складні форми переплетення ниток, варіюючи значення . При розгляді загального випадку руху при формуванні переплетень ниток як зображення на просторово-часовому фоні, у момент часу t маємо:

коли ремізка h(t) піднята, після чого рухається човник з утоком f(t). Значеннями f є натуральні числа, але значення h становлять підмножини W. Нехай x – координатна вісь, що перетинає основу, а y – інша координатна вісь, перпендикулярна їй. Цілі значення x і y (тут використовуються тільки цілі значення) відповідають перетинам основи й утоку. Якщо ототожнити y з t, то просторово-часове зображення, що задається формулою (2), формує просторове (або, скоріше, плоске) зображення I. Якщо показується x-нитка основи із значенням w(x), то це означає, що вона піднята ремізкою, через яку вона протягується. У протилежному випадку уток f=f(y).

Співвідношення (4) перетворює зображення руху в плоске зображення Im і є морфогенетичним рівнянням. У випадку тканини морфогенетичне рівняння, що управляє синтезом образів, виявляється досить простим на відміну від аналогічних рівнянь для інших комбінацій засобів і матеріалу.

Враховуючи конструктивні особливості сучасних систем розбраковування, розроблено математичну модель тканини як об'єкту контролю, в якій враховані конструктивні питання системи автоматичного розпізнавання дефектів, для якої ця модель створюється. Одним з таких питань є зіставлення відсканованого зображення з еталонним малюнком. Його рішення ускладнюється тим, що об'єкт контролю схильний до пружних деформацій, які спотворюють малюнок, але не є браком. Тобто, необхідно задатися мірою спотворення по декількох параметрах, таких як розтягування-стиснення і перекіс. Вибір межі допустимих спотворень повинен бути обумовлений граничним значенням, перевищення якого говорить про те, що пружна деформація перейшла в непружну і має місце наявність браку. Система розпізнавання структурно складається з підсистем технічного зору і класифікатора (рис.2.). Від оптимальної взаємодії цих підсистем залежить ефективність всієї системи в цілому.

Для аналізу міри близькості еталонного малюнка і контрольованого об'єкту, у разі відсутності адаптації системи до допустимих спотворень, можна представити еталон у вигляді функції f(x,y), відскановане зображення у вигляді функції h(x,y) і скористатися операцією згортки:

Система, побудована на застосуванні даної операції, буде лінійна і просторово інваріантною, що витікає з властивостей згортки. При генерації еталону з урахуванням допустимих спотворень функція еталону приймає вигляд f(x∙+ дx, y∙ + дy), де – вектор управління розгорткою еталону по координаті x; – вектор управління розгорткою еталону по координаті у; дx – зсув еталону щодо контрольованого зображення по координаті x і дy – зсув еталону щодо контрольованого зображення по координаті у. Аналіз суміщення з урахуванням припустимих деформацій можна провести на основі формули (6):

Функція g(x∙+ дx, y∙ + дy) показує як система, побудована на операції згортки, змазує або розсіює зображення при суміщенні з еталоном. Дана функція дає інформацію про суміщення для будь-яких зображень, але у разі контрастних малюнків найбільш ефективна. Використання властивості комутативності

дозволяє замінювати управління генерацію спотворень еталону на управління скануванням контрольованого зображення.

Розглянуті властивості міри близькості еталону і зображення дозволяють зменшити функціональне навантаження на підсистему класифікації і звести до мінімуму витрати на її розробку і реалізацію, що, у свою чергу, приведе до зниження вартості всієї системи розбракування тканин.

Таким чином, задача контролю якісних показників текстильних матеріалів утруднена, по-перше, невизначеністю координат дефекту як об'єкту для розпізнавання, по-друге, складністю впливу збурювань – перекоси, зсув полотна тканини, витяжки на завдання контролю тканин з малюнком і, нарешті, існуванням дефектів які мають малі відмінності від бездефектних областей.

Модель тканини з урахуванням малюнка і кордової основи матиме наступний вигляд:

Від правильного суміщення зображень еталонів малюнка тканини, ворси і структури тканини залежить точність відтворення еталону тканини на етапі контролю якості. При контролі тканини необхідно враховувати допустимі деформації і відхилення. Ті збурювання, що перевищують допустимий рівень, є пороками і їх необхідно виділяти і реєструвати.

Розглянуто формування зображень попередньому суміщенню на етапі контролю. Рапорти зображень малюнка отримувані від еталону і контрольованої тканини виражаються відповідно як Модель тканини з урахуванням малюнка і кордової основи матиме наступний вигляд:

Таким чином, отримана математична модель дозволяє точніше відобразити властивості текстильних тканин як об'єкту контролю, що є базою для застосування сучасних кібернетичних методів створення систем контролю.

В третьому розділі розглянуто метод компенсації інформаційних потоків в частині управління еталоном в завданнях контролю якості текстильних матеріалів. При побудові оптимальної системи розпізнавання в якості цільового функціонала можна використовувати імовірність правильного розпізнавання. Оцінка імовірності помилки пов'язана з оцінкою інформаційного потоку співвідношенням,

У силу зв'язку точної верхньої і нижньої границь ентропій максимальна імовірність правильного розпізнавання досягається при . Отже, розглядаючи об'єкт як систему X, а еталон як її опис Y, можна стверджувати, що умовна ентропія обертається в нуль, якщо еталон міститься в об'єкті, тобто відсутня невизначеність еталону по відношенню до об'єкту. Таким чином, в рамках завдання розпізнавання, ухвалення рішення по мінімуму умовної інформації з урахуванням зв'язності об'єкту і еталону доставляє мінімум імовірності помилки. Одним з істотних моментів в методі компенсації інформаційних потоків є оцінка взаємної інформації за витратами управління в завданні допустимих перетворень. Кількість інформації є віддзеркаленням одного об'єкту іншим і мірою відповідності станів цих об'єктів. Розглянута множина допустимих управлінь і співвіднесено цій множині об'єм допустимих управлінь . У такому випадку ухвалення рішення на i-тому кроці зменшує об'єм управлінь до , отже, відношення при геометричній інтерпретації імовірності визначає імовірність ухвалення помилкового рішення . Тоді імовірність ухвалення правильного рішення