Информационное письмо
Образец оформления статьи
Анкета автора
13.12.2016

Характеристика методов распознавания учитывающих специфику промышленных роботов

Чудинов Владислав Александрович
студент Автодорожного факультета, кафедра Автомобили и технологические машины. Пермский национальный исследовательский политехнический университет г. Пермь, Россия
Патраков Евгений Сергеевич
студент Автодорожного факультета, кафедра Автомобили и технологические машины. Пермский национальный исследовательский политехнический университет г. Пермь, Россия
Аннотация: Существенное отличие задач распознавания, решаемых промышленными роботами, от других применений теории распознавания образов (например, в медицинской диагностике, распознавании природных ресурсов, прогнозе погоды и т. п.) состоит в их значительно большей детерминированности. В условиях производства эталонные объекты всегда могут быть «показаны» роботу на этапе обучения, причем искажения изображений зависят от аппаратуры, уровня шумов, а не от случайных изменений формы объекта. Детали в поле зрения робота могут различаться положением и ориентацией, поэтому кроме задач классификации должны решаться задачи по определению точного положения и ориентации объектов.
Ключевые слова: промышленный робот, методы, объект, этапы
Электронная версия
Скачать (637.5 Kb)

Изменение масштабов объектов и их эластичные искажения, характерные для ряда применений теории распознавания, для промышленных роботов не являются типичными. Исключение, быть может, составляют случаи работы с деталями, поступающими из литейных машин: размеры и формы технологических приливов на таких деталях могут меняться случайно и в широких пределах. Время классификации деталей и определения параметров их положения должно лежать в пределах от долей до единиц секунд, в противном случае не обеспечивается работа в реальном масштабе времени и использование робота на данной технологической операции оказывается нецелесообразным.

В связи с этим, во всяком случае на первом этапе внедрения адаптивных роботов в промышленность, целесообразно использовать изображения рабочей зоны в виде двухмерной дискретной матрицы (сетчатки), часто называемой рецепторным полем. Каждый элемент сетчатки может принимать только ограниченный набор значений (в простейшем случае два значения: 0 или 1). Нулевое значение рецептора соответствует отсутствию детали вдайной точке плоскости, а единичное — наличию детали. Такие рецепторные поля с ограниченным числом уровней квантования, воспроизводящие образы деталей практически без топологических искажений при соответствующем числе рецепторов на поле, могут быть получены с помощью чувствительных поверхностей неподвижных датчиков, установленных над (под) движущейся лентой конвейера, либо по телевизионным изображениям, обеспечивающим получение проекций деталей на рабочее поле при их расположении в один слой.В дальнейшем такое плоское изображение будет характеризоваться матрицейH (x, y) принадлежит [0, 1 ,2, …, k-1), где k—число уровней квантования;n – число дискретов по каждой координате. При k=2 изображение назовем двухградационным.

При необходимости работы с объемными объектами, когда плоские изображения не обеспечивают решение всех задач, необходимых для выполнения производственной операции, может быть использовано объемное изображение, формируемое с помощью дальномерных систем (лазерных, ультразвуковых, радиолокационных). Для этих систем строится матрица дальностей программным путем.

Человеческое зрение не обеспечивает «получения такой «объемной картины мира», а создает только иллюзию объемного изображения. Не отрицая целесообразности моделирования «объемного» человеческого зрения для исследовательских целей, следует подчеркнуть, что при создании промышленных роботов целесообразно использовать самые простые и эффективные средства для решения производственных задач, даже если способы «получения информации о внешней среде и методы обработки информации ничего общего не имеют с человеческим восприятием окружающего мира.

Для (классификации букв стандартных шрифтов в читающих автоматах широко используется метод «масок». Метод состоит в наложении эталонов («масок») на исследуемое изображение и поэлементном сравнении эталонных и исследуемых изображений. Различаются разновидности этого метода в зависимости от веса, «приписываемого дополнению изображения (его фону), и от степени подвижности «маски» (неподвижные «маски», «маски» с переменным положением относительно координатных осей, «маски», вращающиеся относительно неподвижного или смещающегося центра). Выбор той или иной разновидности степени подвижности «масок» определяется допустимыми преобразованиями изображений.

Большей универсальностью обладают спектральные методы распознавания, которые допускают построение инвариантных характеристик ко всем линейным плоским преобразованиям плоских и объемных изображений и полнее учитывают форму объектов. В основе спектральных методов лежит представление функций, описывающих изображение объектов, ортогональными рядами по различным системам базисных функций.

Список литературы:

1. Поезжаева Е.В. //Теория механизмов и механика систем машин. Учеб. Пособия/Е.В. Поезжаева. - Пермь: Изд-во Пермского национального исследовательского политехнического университета. 2014.-400

2. Поезжаева Е.В. //Теория механизмов и механика систем машин. Промышленные роботы: учеб. пособие: в 3 ч. / Е.В. Поезжаева. – Пермь: Изд-во Перм. Гос. техн. ун-та, 2009. -Ч.3-164.