ШКУНДИН С.З., д.т.н., НИТУ МИСиС, кафедра ЭИИС

 КОЛИСТРАТОВ М.В., НИТУ МИСиС, кафедра ЭИИС, kolistratov-mv@yandex.ru

 БЕЛОБОКОВА Ю.А., МГТУ имени Н.Э. Баумана, кафедра ФН-7, yulya.belobokova@mail.ru

Проверка работоспособности алгоритмов
определения изменения агрегатного состояния металла

Предложены методы определения момента завершения фазового перехода твердое-жидкое для слитков алюминиевого сплава при их расплавлении в печи с двумя видами нагрева, основанные на анализе изображений поверхности переплавляемого материала. Приведены данные об устойчивости алгоритмов, основанных на предложенных методах, к искажениям входных данных, возникающих в условиях технологического процесса плавки

Технология плавки

При плавке слитков алюминиевых сплавов в печах с двумя источниками электронагрева (дуговым и сопротивления) необходимо контролировать изменение агрегатного состояния переплавляемого материала [1]. По технологии в момент полного расплавления слитков дуговой нагрев должен быть отключен; доведение расплава до нужной температуры производят с помощью нагревателей сопротивления [2].

Для своевременного отключения дугового нагрева и последующего нагрева сопротивлением необходим критерий определения момента полного расплавления слитков. Для решения этой задачи предложен метод определения смены агрегатного состояния, основанный на анализе изображений поверхности переплавляемого материала в процессе плавки энергией дугового разряда.

Установка видеокамеры для съемки поверхности переплавляемого материала непосредственно над смотровым окном печи сопряжена с рядом трудностей. Это вибрации при подъеме и опускании крышки печи, высокая температура этой крышки, а также близость сводового электрода, создающего электромагнитные помехи. Поэтому была предложена система, позволяющая фиксировать с помощью видеокамеры отражение поверхности переплавляемых слитков с зеркала, размещенного под углом к оптической оси смотрового окна печи (см. рис. 1). Изображение формируется в результате отражения излучаемого дугой света от поверхности расположенных в печи слитков.

Рисунок 1. Расположение оборудования при съемке поверхности металла

Используемые программные средства

В качестве инструмента для обработки получаемых с камеры изображений используется пакет MATLAB с применением библиотеки Image Processing Toolbox.

Эта библиотека содержит набор функций, позволяющих разделить кадры на цветовые каналы и работать с матричным представлением изображения выбранного канала.

Ввиду отсутствия у авторов библиотеки работы с видео для MATLAB для преобразования видеозаписи плавки в цифровые статичные изображения использовали программу FreeVideo to JPG Converter. Видеофайл разделяли на отдельные кадры с дискретностью один кадр в одну секунду, а затем полученный массив изображений поступал на обработку в среду MATLAB (см. рис. 2).

Рисунок 2. Разделение видеопотока на составляющие компоненты

Реализуемые методы определения смены агрегатного состояния

Для понимания работы предложенного метода определения агрегатного состояния переплавляемого металла необходимо представить изображение в виде поверхности, где светлые области располагаются выше темных областей. Светлые области на изображении отображают поверхность слитков, а темные области указывают на впадины и полости между этими слитками. Представление алюминиевого стержня в виде трехмерной поверхности показано на рис. 3.

Рисунок 3. Трехмерное представление изображения (фрагмент)

Любая поверхность обладает конечной площадью, которую можно оценить.

Здесь и далее под площадью будем понимать площадь поверхности изображения слитков в трехмерном пространстве, а не площадь поверхности переплавляемых слитков.

Изменение характера поверхности расплавляемого металла и, следовательно, изменение его агрегатного состояния по изменению этой площади вычисляется несколькими методами [2].

• метод триангуляции;
• метод рассечений;
• метод площадок.

Метод триангуляции основан на делении исследуемой поверхности на элементарные треугольники с последующим суммированием их площадей. Суть метода рассечений состоит в суммировании профилей яркостей точек по всем горизонтальным и вертикальным сечениям исследуемого изображения. Метод площадок заключается в формировании элементарных площадок между каждыми четырьмя пикселями изображения с последующим подсчетом площади этих площадок, также учитывается площадь вертикальных зазоров между площадками.

Задача – проверить работоспособность алгоритмов определения агрегатного состояния переплавляемого сплава на основании анализа его поверхности в процессе плавки для случаев искаженности поступающей информации.

Влияние искажений исходных данных на результат работы методов

Методы определения смены агрегатного состояния показали удовлетворительные результаты работы при обработке изображений, полученных при плавке алюминиевых стержней в лабораторной печи.

В качестве примера используем результаты одной из плавок. На рис. 4 показан график изменения площади в процессе плавки металла в лабораторной печи.

Рисунок 4. Изменение площади в процессе плавки (площадь вычислена по методу триангуляции)

В качестве исходного материала выступает массив изображений, полученный при разделении видеосъемки плавки. Каждое изображение имеет в названии префикс и порядковый номер, равный моменту времени плавки. Приведенная площадь (S0) – площадь изображения, определенная по предложенному методу, отнесенная к количеству его пикселей.

На графике изменения площади можно условно выделить область изменения агрегатного состояния металла (переходный процесс). Алгоритмы определения смены агрегатного состояния по используемым методам строятся на фиксации значения площади в начале и в конце этой области, кроме того, фиксируется степень уменьшения площади в процессе указанного переходного процесса. Критерием завершения расплавления (переход металла в жидкое агрегатное состояние) является уменьшение значения площади на заданный уровень (не менее 30%) с дальнейшей ее стабилизацией.

Для проверки устойчивости предлагаемых методов определения смены агрегатного состояния на изображении моделировались следующие помехи:

• шум на изображении;
• временное изменение общего уровня освещенности поверхности в течение плавки;
• ограниченная освещенность области анализа на изображении.

Шум на изображении

Шум на изображении возникает в процессе преобразовании видеоряда в формат jpeg на уровне видеокамеры [3].

В целях проверки помехоустойчивости алгоритмов к изображениям, поступающим в обработку, применяли искажение в виде шума. Для наложения шума использовалась функция imnoise(Im, 'gaussian', m, v) пакета Image Processing Toolboxпрограммы MATLAB. Аргументами этой функции являются:

• Im – исходное изображение, представленное в монохромном цвете;
• 'gaussian' – параметр, указывающий, что будет моделироваться аддитивный гауссовский шум (для импульсного и мультипликативного шума данный параметр будет выглядеть соответственно как 'salt&pepper' и 'speckle');
• m – среднее значение шума (далее в работе m=0);
• v – дисперсия шума.

Моделирование показало, что при наличии шума значение площади становится больше (увеличение значений более чем в три раза при дисперсии шума, равной 0,001). Характер изменения значения площади в процессе плавки остался неизменным, но степень ее изменения в период переходного процесса резко уменьшилась (см. рис. 5). Это делает невозможным определение окончания плавки рассматриваемыми алгоритмами. Следует отметить, что степень искажения прииспользовании метода площадок ниже, чем у других используемых методов.

Рисунок 5. Влияние шума на результат вычисления площади

Для снижения влияния шумовой составляющей на результат вычисления площади поступающие в обработку изображения предварительно сгладили. Для этого использовали низкочастотный фильтр с размером маски 7х7 пикселей [4]. ВMATLAB этот фильтр реализован функцией imfilter(Im,h), где параметр h определяет вид окна фильтра:

h = ones(7,7) / 49; %размер маски
Im = imfilter(Im,h);

Предварительная фильтрация исходных изображений позволила снизить влияние шума при применении всех используемых методов (см. рис. 5). Время окончания плавки после применения фильтра определяется корректно.

Временное изменение общего уровня освещенности

При съемке поверхности алюминиевых слитков, освещаемых светом дуги, возможно некоторое колебание яркости вследствие изменения питающего напряжения в сети. Для проверки адекватности расчета приведенной площади в MATLABреализован скрипт, позволяющий определить степень влияния освещенности на результаты расчета.

…
sx0=[];spr0=[];K0=[];
…
%диапазон яркости изображения [0 1]
% step_expoz – уровень смещения яркости

for step_expoz=-0.4:0.1:0.4	
    …
    Z=Im(:,:,1)+step_expoz;

    %определение площади поверхности
    sx(x)=S_Im(Z,1); 		%метод триангуляции
    spr(x)=S_perimetr(Z,1);	%метод рассечения
    sp(x)=S_Im_pr(Z,1); 	%метод площадок
%накопление данных
sx0=[sx0 ;sx]; spr0=[spr0 ;spr]; K0=[K0 ;K];
end

По результатам работы скрипта выявлено, что незначительное изменение яркости обрабатываемого изображения не ведет к искажению результатов расчета площади (см. рис. 6, 7).

Рисунок 6. Изменение приведенной площади в зависимости от освещенности поверхности в различные моменты времени

Рисунок 7. Отклонение значения площади при изменении освещенности поверхности

При сложении яркости исходного изображения с некоторой константой (в нашем случае step_expoz) значения, превышающие уровень максимальной яркости, приравниваются к единице (уровни яркостей лежат в пределах [0, 1]).

В случае вычитания константы отрицательные значения приравниваются к нулю.

Ограниченная освещенность области анализа на изображении

Предположим, что свет от электрической дуги при плавке распространяется равномерно. Освещенность удаленных от дуги объектов уменьшается с увеличением расстояния от столба дуги.

Смоделировать данное обстоятельство можно с помощью применения маски к тестовому изображению f(x,y).

f'(x,y)=f(x,y)–m(x,y)

Маска m(x,y) представляет собой изображение, где центральная точка имеет нулевое значение яркости:

а крайняя точка в центре вертикального или горизонтального сечения равна максимальной яркости m(x_max,0)=255 или m(0,y_max)=255. Таким образом, при вычитании маски яркость центральной точки изображения остается неизменной, аяркость края изображения становится черной.

Выражение для формирования маски:

где:

• x₀=(x_max/2), y0=(y_max/2) – координаты центра маски;
• k=L_max/x₀ – масштабный коэффициент;
• L_max – максимальный уровень яркости.

Учет неравномерности освещения при расчете значений площади приведен ниже. Рассмотрены два варианта (см. рис. 8):

• маска симметрична относительно центра изображения (маска-центр);
• максимальная яркость сохраняется в углу изображения, соответственно яркость уменьшается в отдалении от рассматриваемого угла (маска-угол).

Рисунок 8. Пример наложения маски на изображение

Степень расхождения результатов расчета площади зависит от того, какие фрагменты изображения были обработаны, а какие затемнены и, соответственно, не были учтены в суммарной площади. Наибольшую устойчивость к данному типу воздействия показал метод рассечений (см. рис. 9).

Рисунок 9. Результаты вычисления площади с учетом неравномерности освещения (значения площади нормированы)

Выводы

1. Применение программных средств, в частности пакета MATLAB, позволяет проводить разработку алгоритмов обработки изображений и анализ их работоспособности.
2. Методы, основанные на анализе изображений поверхности слитков алюминиевого сплава в процессе плавки, позволяют определить момент фазового перехода сплава из твердого агрегатного состояния в жидкое.
3. Проведена оценка предложенных методов на предмет устойчивости к различным внешним воздействиям: зашумленности, изменяющейся яркости, ограниченного поля зрения. Выявлено, что влияние шума искажает результаты расчета площади. Проблема решается за счет предварительной низкочастотной фильтрации обрабатываемых изображений поверхности.
4. При малых значениях изменения общей яркости изображения влияния на результат расчета не выявлено.
5. Неравномерность освещения не влияет на результат вычисления площади в случае наличия в кадре достаточного количества различимых элементов.

1. Фарнасов Г.А. Способ переплава слитков алюминиевых сплавов в печи с комбинированным электронагревом [Текст] / Г.А. Фарнасов, М.В. Колистратов, Р.В. Гребенщиков // «Электрометаллургия», № 3, 2011 г. – С. 8-13.
2. Колистратов М.В. Контроль фазового перехода металл-расплав [Текст] / М.В. Колистратов, Ю.А. Белобокова // Новые информационные технологии в автоматизированных системах: материалы двадцать первого научно-практического семинара. – М.: ИПМ им. М.В. Келдыша, 2018. – 432 с. – С. 46-50.
3. Злобин А.С. Анализ современных методов сжатия цифровых видеопотоков [Текст] / А.С. Злобин // Электронный научный журнал «ИССЛЕДОВАНО В РОССИИ», 2006. – С. 609-616.
4. Евтихиев Н.Н. Увеличение отношения сигнал/шум за счет пространственного усреднения при регистрации изображений [Текст] / Н.Н. Евтихиев, В.В.Краснов, В.Г.Родин [и др.] // Вестник РУДН. Серия: Математика, информатика, физика. № 4, 2012 г.– С.122-136.

Ключевые слова: обработка изображений, MATLAB, гауссовский шум, трехмерное изображение.

Development of intellectual voice assistant using machine learning algorithms

Shkundin S.Z., Kolistratov M.V., NUST MISiS, Moscow, 119049, Russia

Kolistratov M.V., NITU MISiS, EIIS Department

Belobokova Yu.A., MSTU named after Bauman, Moscow 105005, Russia

Abstract: Methods for determining the aggregate state of ingots during their melting in a furnace with two types of heating, based on the analysis of images of the surface of the melted material, are proposed. The data on the stability of algorithms based on the proposed methods to the input data distortions arising in the conditions of the melting process are presented.

Keywords: image processing, MATLAB, Gaussian noise, three-dimensional image.

Комментарии могут оставлять только зарегистрированные пользователи