doi 10.18503/2311-8318-2016-1(30)-45-51
Аннотация
Целью исследования в работе является повышение достоверности информации при распознавании дефектов на изображениях поверхности в автоматизированном режиме на основе подсистемы интеллектуальной поддержки принятия решения в системе управления оценкой качества поверхности холоднокатаного проката. Для достижения цели в работе выполнено исследование структуры управления многостадийным производством холоднокатаного листа, определены кортежи взаимосвязанных технологических параметров со структурой изображения поверхности проката, выполнена селекция текстурных признаков изображения и разработана схема взаимодействия модулей системы классификации признаков структуры. Исследования проведены в июне-июле 2015 года для условий листопрокатного цеха одного из крупнейших металлургических предприятий Российской Федерации. Использованы методы системного анализа, классификации изображений, текстурные признаки Харалика. Основным результатом работы является схема взаимодействия модулей системы классификации признаков структуры изображения, которая позволяет выполнить проектирование и разработку программного обеспечения для повышения достоверности информации в интеллектуальной системе поддержки принятия решений при управлении процессом производства холоднокатаного проката.
Ключевые слова
Холоднокатаный лист, качество поверхности, признаки Харалика, текстура изображения, управление многостадийным процессом.
1. Мышляев Л.П., Ивущкин А.А. Задачи разработки систем автоматизации управлении при импортозамещении // Системы автоматизации в образовании, науке и производстве: труды X Всероссийской научно-практической конференции. Новокузнецк: Изд. Центр СибГИУ, 2015. С. 7.
2. Сайт компании «Аэросталь» [Электронный ресурс]. СПб., 2015. Режим досутпа : http://www.steelaero.ru, свободный. Загл. с экрана.
3. Сайт компании Worldsteel association [Электронный ресурс]. Brussels, 2015. Режим доступа: http://www.worldsteel.org, свободный. Загл. с экрана.
4. Миков А.Ю., Логунова О.С., Маркевич А.В. Обоснование необходимости повышения точности обнаружения дефектов на поверхности холоднокатаного листа для машиностроения // Электротехника. Энергетика. Машиностроение: сб. науч. тр. I Междунар. науч. конф. молодых ученых. Новосибирск: Изд-во НГТУ, 2014. С. 109-111.
5. Logunova O.S., Matsko I.I., Posochov I.A. Integrated system structure of intelligent management support of multistage metallurgical processes // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. 2013. № 5(45). С. 50-55.
6. Logunova O.S., Matsko I.I., Posohov I.A., Luk'ynov S.I. Automatic system for intelligent support of continuous cast billet production control processes // The International Journal of Advanced Manufacturing Technology. 2014. vol.74. № 9-12. С. 1407-1418.
7. Логунова О.С., Парсункин Б.Н., Суспицын В.Г. Автоматизированная оценка качества непрерывнолитой заготовки // Сталь. 2004. №12. С. 101-104.
8. Logunova O.S., Posokhov I.A. Classification method of sulfur print image based on characteristics of intensity histogram // Advances in Communication Technology and Systems Proceedings of the 2014 International Conference on Communication Technology and System (ICCTS 2014). Ser. "WIT Transactions on Information and Communication Technologies", 2014. С. 20-29.
9. Мацко И.И., Белявский А.Б., Логунова О.С. Система управления в технологической цепочке производства непрерывнолитой заготовки с использование автоматизированной оценки качества. // Математическое и программное обеспечение систем в промышленной и социальной сферах. 2014. №1(4). С. 55-61.
10. Haralick R.M., Dinstein, Shanmugam K. Textural features for image classification // IEEE Transactions on Systems, Man, and Cybernetics. 1973. November, vol. SMC-3. P. 610-621.
11. Глумов Н.И., Мясников Е.В. Метод отбора информативных признаков на цифровых изображениях // Компьютерная оптика. 2007. Т.31, №3. С. 73-76.