Файл: Полоник В.С. Телевизионные автоматические устройства.pdf

7.3. ТЕЛЕВИЗИОННЫЕ АВТОМАТЫ ДЛЯ ОПОЗНАНИЯ ОБРАЗОВ

Общие сведения

Одной из наиболее сложных систем ТВА является система опоз­ нания образа, под которой понимается синтез телевизионного и ки­ бернетического устройств, способный обеспечить уверенное отыска­ ние заданного объекта среди других, независимо от различия в размерах, положении, сдвиге и повороте объекта. Следует подчерк­ нуть, что полная автоматизация процессов, связанных с обработ­ кой информации, которая поступает на вход системы в виде изоб­ ражения, станет возможной лишь после решения проблемы авто­ матического опознания зрительных образов.

Опознание образа предполагает сопоставление предъявляемого объекта с конечным набором образов, заложенных в памяти ТА, и отождествление с одним из них [149]. Это сопоставление произво­ дится по совокупности признаков, определяющих заданный образ.

В зависимости от характера образа задача может (решаться как сравнительно простыми аналоговыми устройствами, так и слож­ ными ЦВМ.

На современном уровне наиболее сложными ТА для опознания образа являются, по-видимому, так называемые «роботы с искус­ ственным интеллектом» [160]. Под таким названием понимаются автоматические системы, способные без участия человека выпол­ нять самостоятельно сложные производственные операции на ос­ новании осмысленной переработки поступающей к ним телевизион­ ной информации. Например, японская фирма «Хитаци» создала ро­ бот, собирающий узлы простой многогранной формы в соответствии

спредъявленным ему чертежом. Данные чертежа вводятся в робот

спомощью двух телевизионных камер, причем одна предназначена для наблюдения и опознавания отдельных деталей, подлежащих сборке, а другая — для «чтения» обычного рабочего чертежа, со­ держащего три стандартные проекции собираемого узла.

Конечно, такие роботы являются чрезмерно дорогими и, очевид­ но, пока малоэффективными. Тем не менее их появление весьма

знаменательно.

Ниже будет рассмотрено несколько ТА для опознания образов, которые достаточно просто решают перспективные задачи.

Сортировка изделий по их форме

В (промышленности (возникает большое число задач по автомати­ зации сортировки изделий по их форме — многочисленные конт­ рольные операции, которые пока выполняются почти исключитель­ но человеком. Сюда следует отнести, например, сортировку изде­ лий на конвейерных лентах, куда изделия поочередно поступают с различных прессов и станков, выявление бракованных по внешне­

— 177 —

му виду изделии, предупреждение поступления деталей к станкам в 'неправильном положении и т. д. В большинстве этих случаев приходится иметь дело с довольно правильными геометрическими формами изделий, изображение которых к тому же может быть сделано достаточно контрастным, что облегчает квантование рабо­ чего сигнала на діва уровня.

Одним из наиболее простых способов опознания таких изделий является способ отыскания коэффициента формы изделия Kq=-Lz/S, где L —периметр изделия; 5 —

площадь 'изделия.

'Нанменьшиім козф фиіциеінтом ф'Оірімы 'обладаеткруг (4я); по мере отклонения формы из­ делия от 'Kjpiyra коэффициент формы 'возрастает. В табл. 7.1 (приведены /значения /коэффици­ ента формы длія изделий раз­ личной формы.

Как. следует из определения коэффициента формы, для его

Рис. 7.1. к определению периметра вычисления необходимо знать

изделия

площадь фигуры изделия и её периметр.

Площадь изделия 'может быть /найдена с іпо/мощью теле­ визионных способов, как величина, пропорциональная сумме дли­ тельностей всех импульсов пересечения изображения сканирующим лучом (см. § 4.3).

Периметр изделия наиболее просто может быть измерен двумя путями, которые базируются на строчной структуре растра.

Согласно первому способу истинный периметр равен сумме длин дуг, заключенных между параллельными строками (рис. 7.1). Для упрощения измерений можно просуммировать гипотенузы ВС, CD . . . или, что еще /проще, стороны ступенчатой кривой ABCD ...

Тогда периметр

L = к 2 і(1і ~ *«-.) + 2d]’

і = і

где /с—коэффициент іпропор'Циональноети; U—длительности видео­ импульса; d —раіс/стоя/ние .между смежными .строками во вре­ мени.

Величина погрешности определения периметра по этой форму­ ле /всегда положительна и может достигать в неблагоприятных слу­ чаях 40% (для прямоугольника, ориентированного под углом 45° по отношению к направлению строк) [60]. Однако поскольку вели­ чина погрешности для большого класса фигур сохраняется пример­ но одинаковой (около 30%), то она может учитываться в качестве систематической погрешности.

— 178 —

Второй, _более точный способ основан на опыте Бюффона, с по­ мощью которого определялось число я [ill13]. Исходя из этих дан­ ных, периметр фигуры

П

L = я — Л nt при L^>d,

1=2

где d — расстояние между строками растра; і — число эксперимен­ тов; Пі — число 'пересечений периметра строками растра для і-эксперимента.

Для повышения точности определения периметра необходимо производить возможно большее число измерений, меняя каждый раз положение изображения изделия относительно строк.

Кроме описанных, известны и другие способы определения пе­ риметра [23].

Определение лейкоцитарной формулы крови

Определение лейкоцитарной формулы крови является сейчас одним из наиболее массовых анализов, проводимых среди населе­ ния.

В здоровой периферической крови обычно присутствует шесть видов лейкоцитов в соотношении, представленном в табл 7.2, кото­ рое и является лейкоцитарной формулой крови.

Если учесть, что необходимые для этого анализа крови опозна­ ние и счет лейкоцитов производятся ввиду отсутствия четких коли­ чественных признаков только опытными врачами-гематологами со скоростью лишь около 20—30 анализов ів день, то становится ясной большая потребность в разработке аівтоматичеоких устройств, спо­ собных эффективно заманить утомительный и однообразный труд большой массы специалистов.

В настоящее время известны две работы этого направления, проведенные впервые в СССР.

В первой работе [60] на основании анализа группы признаков, связанных с формой, размерами и структурой ядер, было установ­ лено, что іс достоверностью от 0,78 до 0,92 можно опознавать лимфоциты, моноциты, іпалочікояідеріные и сегментоядѳрньге нейт­ рофилы. В качестве признаков используются: количество ядер (сег­

— 181 —

ментов) т, коэффициент формы ядра а й площадь ядра S. Кривые р аопределения лейкоцитов іпо парям етрам а и 5 приведены на рис. 7.2. Из этих данных следует, что перекрытие признаков отдель­ ных видов лейкоцитов срав­

лейкоцитов по форме строчных видеосигналов. Подробное изучение осциллограмм видеосигнала от лейкоцитов позволило зафиксиріовать ряд признаков, свойственных каждому их типу. Например, мо­ ноциты дают видеосигнал с медленным нарастанием фронта; лим­ фоциты, наоборот, имеют видеосигнал с очень крутыми фронтами и большой амплитудой; ядра .базофилов дают осциллограмму ви­ деосигнала с крутыми фронтами, но с меньшей амплитудой, чем у лимфоцита (рис. 7.4). Поиск признаков проводился на 10 строках, каждой частицы, причем квантование по строке .осуществлялось на 30 интервалов; шаг квантования видеосигнала составлял около 1/20 максимального размаха сигнала от лимфоцита.

Анализ кривых показал, что с достоверностью до 0,9 определять пять видов лейкоцитов можно по следующим четырем признакам: максимальный размах видеосигнала: среднее приращение размаха видеосигнала между соседними точками квантования; длительность видеоимпульса на заданном уровне ограничения и уровень ограни­ чения, на котором имеются 4, 6, 8 пли 10 пересечений с огибающей видеосигнала.

— ІІ82 —