В работе рассматривается способ обработки изображения c целью выделения контуров хаотично расположенных материалов на основе геометрического подхода. Сложность решения данной задачи связана со слабой различимостью границ между кусками материалов, а также с частичным перекрытием отдельных кусков вышерасположенными материалами. Альтернативные подходы, как правило, основанные на поиске статистических связей между оценками геометрии и моментами частей изображения сложно использовать в задачах управления, вследствие неадекватности таких зависимостей при изменении свойств материалов. Предлагаемый способ основан на применении алгоритма водораздела с картой маркеров, формируемой путем поиска и кластеризации ключевых точек на изображении. Практическое применение способа рассматривается на примере определения лещадности щебня. Полученные результаты позволяют частично автоматизировать процесс формирования карты маркеров для последующего использования в алгоритме водораздела.
We consider a way of image processing based on geometric approach in order to detect contours of chaotically located materials. Problem of this task is low discernibility of borders between materials parts. Another issue is particular overlapping of different parts by upper materials. Alternative approaches which are usually based on a search of statistical links between estimation of the image parts geometry and moment are hard to use in operation tasks. It happens due to inadequacy of such relation after changing properties of materials. The suggested way is based on using watershed algorithm with a water sources formation. This formation occurs with the use of search and clustering the keypoints on the image. Example of using this method – identification of macadam flakiness. Method helps to make formation of the water sources particularly automated for the further use in watershed algorithm.
1.?Мацко И.И. Развитие системы мониторинга технологических процессов производства стальной заготовки / О.С. Логунова, И.В. Посохов, В.В. Павлов // Автоматизированные технологии и производства. – 2013. – №5. – С. 91–98.
2.?Пишнограева Ю.В., СуспицынЕ.С. Разработка программного обеспечения автоматизированного анализа архивных данных системы детектирования продольных трещин // Автоматизированные технологии и производства. – 2014. – №6. – С. 51–57.
3.?Лукьянов С.И. Результаты промышленной апробации системы автоматической диагностики продольной трещины слитка в кристаллизаторе / С.И. Лукьянов, А.А. Апет // Автоматизированные технологии и производства. – 2014. – №6. – С. 75–80.
4.?Посохов, И.А. Методика классификации изображений серного отпечатка на основе характеристики гистограммы яркости / И.А. Посохов, О.С. Логунова // Автоматизированные технологии и производства. – 2014. – №6. – С. 92–104.
5.?Бурнашев, Р.Э. Управление работой центробежной дробилки CC-0.36 с учетом значения коэффициента крепости исходного материала по методу Протодьяконова / Р.Э. Бурнашев, М.Ю. Рябчиков, В.В. Гребенникова // Автоматизированные технологии и производства. – 2014. – №6. – С. 203–208.
6.?Рябчиков, М.Ю. Алгоритмическое обеспечение системы контроля и управления лещадностью продуктов дробления / М.Ю. Рябчиков, Р.Э. Бурнашев // Автоматизированные технологии и производства. – 2015. – №1(7). – С. 4–8.
7.?Рябчиков, М.Ю. Исследование влияния угла освещения на качество определения контуров зерен щебня, расположенных в несколько слоев / М.Ю. Рябчиков, Р.Э. Бурнашев, Е.С. Рябчикова, Н.В. Богданов, А.И. Сунаргулова // Автоматизированные технологии и производства. – 2015. – № 3 (9). – С. 18–20.
8.?Самарина И.Г. Обзор приборов магнитной структуроскопии стали в прокатном производстве / И.Г. Самарина, В.Э. Каюмова // Автоматизированные технологии и производства. – 2015. – № 3 (9). – С. 46–49.
9.?Самарина И.Г. Обзор систем регулирования и измерения толщины цинкового покрытия / И.Г. Самарина, В.Э. Каюмова // Автоматизированные технологии и производства. – 2016. – № 2 (12). – С. 28–33.
10.?Заливин А.Н. Обнаружение движущихся объектов методом вычитания фона с использованием смеси гауссовых распределений / А.Н. Заливин, Н.С. Балабанова // Автоматизированные технологии и производства. – 2016. – № 3 (13). – С. 29–32.
11.?Филатова А.Е. Морфологическая фильтрация полутоновых изображений на основе локальных статистик / А.Е. Филатова // Автоматизированные технологии и производства. – 2016. – № 3 (13). – С. 33–39.
12.?Сырейщикова Н.В., Пшеничникова Д.А. Входной контроль металлоизделий, сырья, комплектующих с использованием статистических методов менеджмента качества // Автоматизированные технологии и производства. – 2016. – № 4 (14). – С. 61–69.
13.?Рябчиков М.Ю. Проблемы совершенствования автоматизированных систем управления дробильно-сортировочными комплексами / М.Ю. Рябчиков, Р.Э. Бурнашев, Е.С. Рябчикова, А.П. Берестов // Промышленные АСУ и контроллеры. – 2017. – № 1. – С. 3–12..