ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ХИМИЧЕСКОЙ ТЕХНОЛОГИИ, 2014, том 48, № 3, с. 323-327
УДК 666.1.013
КОМПЛЕКСНАЯ ВЕЙВЛЕТ-НЕЙРОННО-ЭВРИСТИЧЕСКАЯ ПРОЦЕДУРА ДИАГНОСТИКИ ТОЧЕЧНЫХ ДЕФЕКТОВ ЛИСТОВОГО СТЕКЛА © 2014 г. В. П. Мешалкин, Д. Ю. Петров*
Институт общей и неорганической химии им. Н.С. Курнакова РАН, г. Москва *Институт проблем точной механики и управления РАН, г. Саратов
iac_sstu@mail.ru Поступила в редакцию 01.12.2013 г.
Представлен анализ основных типов дефектов листового стекла, возникающих при его производстве. Предложена вейвлет-нейронно-эвристическая процедура диагностики точечных дефектов листового стекла и разработан алгоритм ее реализации. Приведен пример диагностики дефекта "закрытый пузырь". Разработанное алгоритмическое обеспечение предназначено для использования в системе автоматизированного управления многостадийным производством высококачественного листового стекла.
Ключевые слова: дефекты листового стекла, точечные дефекты, идентификация дефектов, вейвлет-нейронно-эвристическая процедура.
БО1: 10.7868/80040357114030129
ВВЕДЕНИЕ
Бесцветное, прозрачное натрий-кальций-силикатное листовое стекло, изготавливаемое флоат-способом, является основой для изготовления светопрозрачных строительных конструкций, деталей транспортных средств и элементов мебели. Рост производства в этих областях предъявляет новые требования к повышению производительности стекольных заводов и качеству листового стекла. В соответствии с требованиями стандарта ГОСТ 111-2001 листовое стекло подразделяют на марки "М0"—"М7" в зависимости от уровня оптических искажений и общего количества дефектов на квадратный метр листа стекла.
Дефекты листового стекла подразделяются на оптические и точечные, к последним относятся: пузырь, мошка, свиль, кристаллические включения (дивитрит, волластонит и др.), грязь (посторонний предмет на ленте стекла).
Оптические искажения и дефекты возникают из-за случайных изменений качества сырьевых материалов и нарушения технологических режимов многостадийного производства листового стекла [1—3]. Для производства листового стекла используются сырьевые материалы: кварцевый песок, сода, доломит, карбонат кальция, полевой шпат, уголь.
Производство листового стекла состоит из следующих технологических процессов: приготовления шихты, стекловарения, формования ленты стекла на расплаве олова, отжига стекла, резки
ленты стекла на листы заданного размера и их упаковки.
Качество листового стекла определяется по окончании технологического процесса отжига. На многих предприятиях идентификация дефектов в ленте стекла выполняется операторами, поэтому резка ленты возможна только на листы фиксированного размера. Применение автоматической системы идентификации дефектов позволяет в реальном времени передавать координаты дефектов в систему резки ленты стекла и решать задачу оптимизации его раскроя. Использование таких автоматических систем обеспечивает увеличение объема выпуска высококачественного стекла марки "М0".
В связи с этим для повышения качества и увеличения объема выпуска листового стекла марки М0 предлагается разработать процедуру автоматической диагностики причин возникновения точечных дефектов в нем.
ПРОЦЕДУРА ДИАГНОСТИКИ ТОЧЕЧНЫХ ДЕФЕКТОВ
Для автоматической диагностики причин возникновения точечных дефектов листового стекла разработана оптико-техническая система [4]. Она устанавливается перпендикулярно направлению движения стела по конвейеру. Оборудование системы размещено в светозащищенном от внешнего освещения корпусе. Оно состоит из группы линейных видеокамер, установленных над лен-
323
6*
той стекла, и блока структурированной подсветки, расположенного под ней. Линейные видеокамеры '^АЬ8А РкапЬа2 4К" с промышленной оптической системой располагаются последовательно по ширине ленты стекла.
Вокруг точечного включения в листовом стекле возникают сильные оптические искажения, вызванные изменением внутренней структуры и рельефа стекла (изменение плотности, состава и др.). Для выявления оптических искажений от точечных дефектов используется структурированная подсветка ленты стекла, которая формируется наложением маски в виде чередующихся черно-белых полос на источник равномерного освещения. Линейные видеокамеры сканируют ленту стекла. Компьютерный анализ изображений с каждой линейной видеокамеры на основе методики автоматической идентификации точечных дефектов листового стекла позволяет выявлять оптические искажения и определять положение и форму контура дефекта, а по ним идентифицировать тип дефекта.
Для компьютерного анализа изображений предложена комплексная процедура автоматической диагностики точечных дефектов листового стекла, которая включает следующие этапы.
Этап 1. Оптико-техническое сканирование. Захват и фильтрация изображений с каждой из группы линейных видеокамер и формирование из этих изображений общего изображения исследуемого участка ленты стекла [4].
Этап 2. Локализация дефекта. Анализ полученного изображения с использованием вейвлет-преобразования с целью выявления наличия точечного дефекта и определения его координат в ленте стекла [4, 5].
Этап 3. Взаимодействие с базой данных (БД). Сохранение в БД полученной информации и передача координат точечного дефекта в систему автоматической раскроя и резки ленты стекла.
Этап 4. Определение типа контура точечного дефекта с использованием искусственной нейронной сети (ИНС) [6, 7].
Этап 5. Классификация типа точечного дефекта с использованием эвристических правил [6, 8].
Этап 6. Диагностика причин возникновения дефекта листового стекла на основе применения экспертной системы [9].
На основе данной комплексной процедуры разработано алгоритмическое обеспечение и программный комплекс автоматической диагностики причин возникновения точечных дефектов листового стекла.
АЛГОРИТМ ДИАГНОСТИКИ ТОЧЕЧНЫХ ДЕФЕКТОВ
Алгоритм идентификации точечных дефектов листового стекла выполняется непрерывно в режиме реального времени и взаимодействует с БД
автоматизированной системы управления многостадийным производством листового стекла. Блок-схема алгоритма приведена на рис. 1.
При включении автоматической системы идентификации точечных дефектов в блоке 1 выполняется инициализация глобальных переменных, динамических массивов. Признаку D наличия дефекта на изображении устанавливается значение 0 (дефект отсутствует).
Затем в цикле начинает выполняться компьютерная обработка изображений ленты стекла с периодичностью 250—1000 раз в секунду в зависимости от скорости движения ленты стекла. В блоке 2 выполняется захват сигнала с каждой из группы линейных видеокамер. Цифровой сигнальный процессор обеспечивает фильтрацию и преобразование сигнала в цифровую форму, которая представляет собой массив значений яркости пикселей изображения стекла, захваченных линейной видеокамерой. Блок 3 обеспечивает обработку краев изображений и формирование из них общего изображения исследуемого участка ленты стекла (этап 1).
Вейвлет-преобразование полученного обобщенного изображения (массив значений яркости) исследуемого участка ленты стекла выполняется в блоке 4. Блок 5, используя вейвлет-преобразова-ние, анализирует сигнал на наличие частотных искажений следования полос муара, формирует в случае их выявления признак о наличии неодно-родностей в стекле.
Отрицательные выходы из условий блоков 6 и 11 соответствуют случаю отсутствия дефекта на рассматриваемом участке ленты стекла. Выполняется переход к блоку 2 для захвата изображения следующего участка ленты стекла.
При выявлении неоднородности (блок 6, условие "да") блок 7 проверяет относится ли она к новому дефекту (условие "да", D = 0) или является продолжением дефекта, обнаруженного на предыдущем шаге сканирования (условие "нет", D = 1). Если неоднородность относится к новому дефекту, то в блоке 8 устанавливается признак наличия дефекта в стекле ф = 1). Затем в блоке 9 определяются значения координат точек дефекта. Выявленные точки добавляются в множество точек дефекта (блок 10). Затем выполняется переход к блоку 2 и продолжается заполнение множества точек контура дефекта, пока не будет описан весь контур. Блоки 4—10 реализуют 2-й этап процедуры.
Если на текущей итерации не обнаружена неоднородность, а на предыдущей она имела место (блок 11, условие "да"), то полагается, что по дефекту получены все необходимые данные для дальнейшей его классификации (определения типа) (блок 18) и использовании при решении задачи рационального раскроя ленты стекла (блок 17). В блоке 12 определяется среднее значение яркости точек дефекта, которое необходимо блоку 23 для определения его типа. В блоке 13 точки контура дефекта преобразуются в вектора. Каждый вектор
КОМПЛЕКСНАЯ ВЕИВЛЕТ-НЕИРОННО-ЭВРИСТИЧЕСКАЯ ПРОЦЕДУРА
325
С
Начало
1
)
Инициализация переменных и признака выявления дефекта, D = 0
2 _
Захват и фильтрация
изображений с линейных видеокамер
3
Объединение изображений
Вейвлет-преобразование сигнала
^ 5
Анализ результатов вейвлет-преобразования сигнала
Установка признака обнаружения дефекта D = 1
Г-Г 9
Определение координат точек дефекта
10-
Добавление новых точек дефекта в множество
_ 11
НЕТ г-г 12
Определение среднего значения яркости точек дефекта
13 -
Преобразование контура дефекта в векторную форму
г-г 14
Сохранение информации о дефекте в БД
— 15
Инициализация множества точек дефекта и признака, D = 0
17 -
Передача сообщения
о дефекте системе планирования резки
. 18 -
Передача сообщения о дефекте блоку распознавания дефекта
. 19_
Получение сообщения о дефекте и считывание его контура из БД
,-,- 20
Преобразование векторов в набор скалярных значений
^-21
Определение типа контура дефекта трехслойной ИНС
22
Определение геометрической формы дефекта
г-г 23
Получение данных о яркости из БД
г-г 24
Анализ типа дефекта эвристической процедурой
-26
Сообщение технологу "Скорректировать правила"
_27 -
Сообщение оператору о распознанном типе дефекта
28 -
Отчет об использованных в выводе правилах
29 -
Вызов экспертной системы выявления причин дефекта
Рис. 1. Блок-схема алгоритма диагностики точечных дефе
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.