Аннотация
Целью исследования является построение метода классификации изображений опасных производственных объектов на основе свойств гистограмм яркости для снижения субъективной оценки эксперта при выборе траектории обработки изображений, полученных с использованием беспилотных летательных аппаратов. В работе представлено обоснование необходимости в построении эффективной траектории обработки изображений опасных производственных объектов, описание метода классификации изображений элементов опасных производственных объектов для вычисления значения классификационного признака как одного из элементов принятия решений. Особенностью предлагаемого метода является использование последовательно двух этапов: поиск локальных минимумов и максимумов; поиск глобальных максимумов. Метод классификации является частью методики принятия решений о выборе траектории обработки изображения как определения одной из координат векторного классификационного признака. Представлены результаты алгоритмизации и опробования программного продукта на примере изображений объектов металлургического предприятия: зданий и сооружений. Для зданий в статье продемонстрировано решение для оценки разрушения межпанельных швов, для сооружения – разрушение лакокрасочного покрытия. Исследования проводятся с 2021 года и по настоящее время и находятся на этапе внедрения результатов на платформе заказчика, в частности ПАО «Магнитогорский металлургический комбинат» (ММК). Для получения результата использованы методы статистики для построения гистограммы изображения, правила математической логики для записи условий поиска локальных и глобальных минимумов и максимумов, теория алгоритмов обработки массивов данных. Основным результатом исследования является метод классификации изображений опасных производственных объектов на основе свойств гистограмм яркости, который является универсальным и может быть применен к изображениям любых объектов. Метод разработан для перспективного использования в системе автоматизированного мониторинга качества опасных производственных объектов как индикативного и предикативного показателя для предотвращения аварий и инцидентов.
Ключевые слова
изображения, метод классификации, гистограмма яркости, глобальные максимумы гистограммы, выбор метода обработки
1. Yusupov O.R., Nuriddinov T.H., Yarashbayev N.A. Methods of choosing threshold values for person identification based on the iris image // International Journal of Theoretical and Applied Issues of Digital Technologies. 2023. No. 2(4). Pp. 27-33. doi: 10.34920/IJTAIDT/vol_2023_issue_2_3
2. Пат. 2581395 Российская Федерация, МПК G01W 1/00. Способ идентификации поверхности морских течений по ко-поляризационным спутниковым радиолокационным изображениям / Кудрявцев В.Н., Шапрон Б.Ж.А.; заявитель ФГБОУ ВО «Российский государственный гидрометеорологический университет». № 2014145391/28, заявл. 11.11.2014, опубл. 20.04.2016.
3. Рачков Л.В., Соловьев А.С. Анализ методов идентификации личности по цифровому изображению лица // Актуальные проблемы прикладной математики, информатики и механики: сборник трудов Международной научной конференции, Воронеж, 04–06 декабря 2023 года. Воронеж: «Научно-исследовательские публикации», 2024. С. 1600-1603.
4. Котов K.A., Токарев В.Л. Определение вектора признаков в задаче идентификации по цифровому изображению // Известия Тульского государственного университета. Технические науки. 2009. № 4. С. 189-199.
5. Разработка новых методов оценки технического состояния линий электропередач с применением цифровой обработки изображений / М.М. Султанов, П.В. Шамигулов, Ш.М. Милитонян, А.И. Лихачёв, П.Н. Брунков, Р.В. Соколов, А.А. Левин // Надежность и безопасность энергетики. 2022. № 4(15). С. 284-292. doi: 10.24223/1999-5555-2022-15-4-284-292
6. Григорьев А.В., Кочегаров И.И., Юрков Н.К. Принципы контроля технического состояния движущихся механизмов на основе анализа динамики вибрационного размытия изображения круглой метки // Вестник Санкт-Петербургского государственного университета гражданской авиации. 2020. № 2(27). С. 119-131.
7. Садыхов Р.Х., Кучук С.А. Системы видеонаблюдения: состояние, проблемы и технические средства обработки изображений // Информатика. 2013. № 3(39). С. 34-46.
8. Лыонг К.Л., Кувайскова Ю.Е. Прогнозирование и оценка состояния технических объектов на основе цилиндрических моделей изображений // Автоматизация процессов управления. 2022. № 2(68). С. 90-97. doi: 10.35752/1991-2927-2022-2-68-90-97
9. Пат. 2762146 Российская Федерация, МПК G06T 7/11, A61B 6/12. Устройство для обработки медицинских изображений, способ обработки медицинских изображений и носитель данных / Р. Хирай, А. Танидзава, С. Мори, К. Окая; заявитель Тосиба Энерджи Системз энд Солюшнз Корпорейшн. № 2020132773, заявл. 08.03.2019, опубл. 16.12.2021.
10. Development of automated computer vision methods for cell counting and endometrial gland detection for medical images processing / D.I. Sergeev, A.E. Andreev, A.O. Drobintseva, S. Cenevska, N. Kukavica, P.D. Drobintsev // Proceedings of the Institute for System Programming of the RAS. 2020. No. 3(32). Pp. 119-130. doi: 10.15514/ISPRAS-2020-32(3)-11
11. Свидетельство о гос. регистрации прогр. для ЭВМ № 2016616275 Российская Федерация. Центральный архив медицинских изображений и медицинских данных / Кильдеева Л.Х., Шарифуллин С.С.; заявитель ООО «Дайком Консалтинг»; заявл. 11.04.2016, опубл. 08.06.2016.
12. Лепехина Т.К. Исследование картин Леонардо да Винчи с помощью гистограмм яркости оптических изображений // Наука настоящего и будущего. 2023. Т. 2. С. 42-45.
13. Посохов И.А. Метод и алгоритмы обработки изображений серных отпечатков в системе оценки качества непрерывнолитой заготовки: дис. ... канд. техн. наук. 05.13.01 / Посохов Иван Александрович. Череповец, 2017.
14. Гарбар Е.А. Метод и алгоритмы обработки информации в системах оптического контроля для идентификации дефектов поверхности листовых материалов: дис. ... канд. техн. наук. / Гарбар Евгений Александрович. Череповец, 2023.
15. Михайлюк Ю.П., Начаров Д.В. Аппаратная реализация метода повышения различимости объектов на изображениях путём нормализации гистограммы яркости // Вестник Поволжского государственного технологического университета. Серия: Радиотехнические и инфокоммуникационные системы. 2023. № 2(58). С. 27-43. doi: 10.25686/2306-2819.2023.2.27
16. Наркевич М.Ю. Развитие методологии создания системы менеджмента качества металлургического предприятия, эксплуатирующего опасные производственные объекты, на основе прикладной цифровой платформы: дис. ... д-ра техн. наук. 02.05.22 / Наркевич Михаил Юрьевич. Магнитогорск, 2023.
17. Классификация исходных данных для интеллектуальной системы экспертной оценки визуально определяемых дефектов и повреждений / В.Д. Корниенко, Г.А. Ежов, М.Ю. Наркевич, О.С. Логунова // Вестник Череповецкого государственного университета. 2022. № 6(111). С. 53-64. doi: 10.23859/1994-0637-2022-6-111-4
18. Методика сбора и обработки информации для контроля состояния территории, зданий и сооружений на опасных производственных объектах металлургического предприятия / В.Д. Корниенко, М.Ю. Наркевич, О.С. Логунова, А.Е. Козлова, И.П. Зайцев // Электротехнические системы и комплексы. 2022. № 4(57). С. 76-87. doi: 10.18503/2311-8318-2022-4(57)-76-87
19. Свидетельство о гос. регистрации прогр. для ЭВМ № 2023665365 Российская Федерация. Классификатор изображений, полученных с помощью беспилотных летательных аппаратов / Филиппов А.Ю., Логунова О.С., Наркевич М.Ю., Забитов Р.М.; заявитель ФГБОУ ВО «Магнитогорский государственный технический университет им. Г.И. Носова»; заявл. 06.07.2023, опубл. 14.07.2023.
Метод классификации изображений элементов опасных производственных объектов / В.Д. Корниенко, А.Ю. Филиппов, М.Ю. Наркевич, О.С. Логунова // Электротехнические системы и комплексы. 2024. № 3(64). С. 85-92. https://doi.org/10.18503/2311-8318-2024-3(64)-85-92