Оценка возможности использования системы технического зрения для контроля маркировки готовой молочной продукции

В современных производственных процессах трудоемкость маркировочных операций составляет значительную долю. Практически, весь ассортимент пищевой продукции подлежит маркировке. В статье подчеркивается постоянно растущая сложность контроля качества выпускаемых пищевых продуктов и множественная их фальсификация. Рассмотрены и проанализированы существующие методы и средства маркировки. Показаны достоинства и недостатки существующих систем. Определены актуальность темы, задачи исследования. В статье проанализирована возможность использования систем технического зрения для автоматизации контроля качества маркировки молочной продукции. Проведенные исследования позволили сделать вывод о перспективности использования для этих целей системы технического зрения. Представлен состав системы технического зрения. Выбран наиболее эффективный для решения поставленных задач алгоритм обработки полученного изображения. Предложен оптимальный тип камеры, дана характеристика разработанной системы автоматического контроля качества маркировки с указанием времени выдержки и времени проверки после трансформирования изображения. Представлены различные уровни изображения и рассмотрено их влияние на качество получаемого результата. Используя выбранный алгоритм, были проведены экспериментальные исследования по сканированию объекта системой технического зрения.   осуществлен выбор оптимального расположения видеодатчиков. Разработан блок обработки входного изображения и сканирования пограничных установок для обеих сторон объекта сканирования. В результате проведенных исследований в статье делается вывод о перспективности внедрения цифровой системы автоматического контроля качества маркировки молочной продукции на базе использования системы технического зрения.

1. Архипов П.О. (2003). Исследование методов и средств автоматизации процесса маркировки информации в производственном документообороте. [Кандидатская диссер-тация, ОрелГТУ]. Орел.

2. Астафьев А.В. (2015). Методы и алгоритмы локализации изображений маркировки промышленных изделий на основе рекуррентного поиска усредненного максимума [Кандидатская диссертация, НГТУ]. Нижний Новгород.

3. Балыхин М.Г., Благовещенская М.М., Благовещенский И.Г., Макаровская З.В., Назойкин Е.А. (2019). Автоматизация вакуумной сублимационной сушки продукции с использованием метода комбинированного управления. Известия высших учебных заведений. Технология текстильной промышленности. (380). С. 133-137.

4. Балыхин М.Г., Борзов А.Б., Благовещенский И.Г. (2017). Архитектура и основная концепция создания интеллектуальной экспертной системы контроля качества пище-вой продукции. Пищевая промышленность, 11, 60 - 63.

5. Балыхин М.Г., Борзов А.Б., Благовещенский И.Г. (2017). Методологические основы со-здания экспертных систем контроля и прогнозирования качества пищевой продукции с использованием интеллектуальных технологий (128 – 336). Франтера.

6. Безруков В.И. (2003). Научно-технические основы и аппаратное обеспечение автоматизированной электрокаплеструйной маркировки изделий [Кандидатская диссертация, Санкт- Петербургский Санкт-Петербургский государственный политехнический университет]. Санкт- Петербург, Россия

7. Благовещенская М.М. (2009). Основы стабилизации процессов приготовления многокомпонентных пищевых масс. Франтера.

8. Благовещенская М.М., Злобин Л.А. (2005). Информационные технологии систем управления технологическими процессами (128 – 384). Высшая школа.

9. Благовещенский В.Г., Благовещенский И.Г., Назойкин Е.А., Носенко А.С. (2016). Автоматизация процесса очистки семян подсолнечника при производстве халвы // Автоматизация и управление технологическими и бизнес-процессами в пищевой промышленности. С. 58-62.

10. Благовещенский В.Г., Благовещенский И.Г., Назойкин Е.А., Савельев В.О. (2016). Разработка структурно-параметрической модели процесса приготовления помадного сиропа при производстве халвы // Автоматизация и управление технологическими и бизнес-процессами в пищевой промышленности. С. 86-91.

11. Благовещенский В.Г., Никитушкина М.Ю. (2017). Автоматизация процесса приготовления помадного сиропа. Книга - Развитие пищевой и перерабатывающей промышленности России: кадры и наука. С. 202-205.

12. Благовещенский В.Г., Крылова Л.А., Максимов А.С. (2017). Разработка программно-аппаратного комплекса мониторинга производства халвы. Книга - Развитие пище-вой и перерабатывающей промышленности России: кадры и наука. С. 196-199.

13. Благовещенский И.Г. (2017). Автоматизированная экспертная система контроля в потоке показателей качества помадных конфет с использованием нейросетевых технологий и систем компьютерного зрения. Франтера.

14. Благовещенский И.Г., Макаровская З.В., Благовещенская М.М., Чувахин С.В., Митин В.В. (2019). Использование цифровой видеокамеры в качестве интеллектуального датчика системы автоматического регулирования процесса формования гранули-рованных пищевых масс. В сборнике: Интеллектуальные системы и технологии в отраслях пищевой промышленности Сборник материалов конференции, Издательский комплекс МГУПП, 71-75.

15. Благовещенский И.Г., Носенко С.М. (2015). Экспертная интеллектуальная система мониторинга процесса формования помадных конфет с использованием системы технического зрения. Пищевая промышленность, №6, 32 - 36.

16. Гарев К.В., Благовещенский И.Г., Назойкин Е.А., Благовещенский В.Г., Макаровская З.В. (2019). Использование технического зрения в качестве инновационного решения в системах «умного дома». Сборник материалов конференции: Интеллектуальные системы и технологии в отраслях пищевой промышленности. Издательский комплекс МГУПП, 47-52.

17. Гончаров К.А., Благовещенский И.Г., Назойкин Е.А., Благовещенский В.Г., Макаровская З.В. (2019.). Использование библиотеки OPENCV для работы с техническим зрением. Сборник материалов конференции: Интеллектуальные системы и техноло-гии в отраслях пищевой промышленности. Издательский комплекс МГУПП, 53-60.

18. Дьяконов В., Абраменкова И. (2002). Matlab. Обработка сигналов и изображений. Специальный справочник. — СПб: Питер, 215 с.

19. Жмакин М.О. (2011). Математическое моделирование средств маркировки и идентификации полиграфической продукции с использованием стеганографии [Кандидатская диссертация, МИФИ]. Москва.

20. Золотухин М. (1998). Защита от подделки - старая проблема, новые решения // КомпьютерПресс. №6. 294-296.

21. Карелина Е.Б., Благовещенская М.М., Благовещенский В.Г., Клехо Д.Ю., Благовещенский И.Г. (2019). Интеграция адаптивного управления в технологические процессы пище-вой отрасли // Интеллектуальные системы и технологии в отраслях пищевой промышленности. Сборник материалов конференции. 81-89.

22. Карякин Ю.Д. (2000). Компьютерные технологии защиты материальных объектов от подделки // Компьютерная и информационная безопасность. Минск: АРИЛ, 123 с.

23. Крылова Л.А., Благовещенский В.Г., Татаринов А.В. (2017). Разработка интеллектуальных аппаратно- программных комплексов мониторинга процессов сепарирования дисперсных пищевых масс на основе интеллектуальных технологий. В книге: Развитие пищевой и перерабатывающей промышленности России: кадры и наука (199 – 201). Издательский комплекс МГУПП.

24. Мартиросова Е. (1998). Уникальные технологии и оборудование для защиты документов от подделок // Полиграфия. №5.С.64-66.

25. Одиноков С.Б. (2011). Разработка методов и оптико-электронных приборов автоматического контроля подлинности защитных голограмм со скрытыми изображениями [Докторская диссертация, МГТУ имени Н.Э. Баумана]. Москва.

26. Петров А.Ю., Благовещенская М.М., Благовещенский В.Г., Ионов А.В., Благовещенский И.Г. (2019). Главные принципы при построении системы компьютерного зрения в хлебопекарной промышленности. Сборник материалов конференции: Интеллек-туальные системы и технологии в отраслях пищевой промышленности (121 – 126). Издательский комплекс МГУПП.

27. Петряков А.Н., Благовещенская М.М., Благовещенский В.Г., Митин В.В., Благовещенский И.Г. (2019). Повышение качества идентификации и позиционирования объекта на цифровых стерео изображениях при помощи алгоритмов построения карты глубины. Сборник материалов конференции: Интеллектуальные системы и технологии в отраслях пищевой промышленности (133 – 138). Издательский комплекс МГУПП.

28. Провоторов А. В. (2014). Алгоритмы двухуровневого управления видеодатчиками системы автоматической идентификации маркировки слябов [Кандидатская диссертация, ОрелГТУ]. Орел.

29. Птицын Н.В. (2006). Алгоритмический метод защиты и идентификации маркированных печатных документов [Кандидатская диссертация, МИФИ]. Москва.

30. Савина О.А., Архипов П.О. (2003). Маркировка графических документов в составе электро-цифрового макета изделия // Известия ОрелГТУ, с. - 55-57.

31. Савостин С.Д., Благовещенская М.М., Благовещенский И.Г. (2016). Автоматизация контроля показателей качества муки в процессе размола с использованием интеллектуальных технологий. Франтера.

32. Черненький В. М., Птицын Н. В. (2005). Гибридной метод непараметрической нечёткой классификации в распознавании образов // Вестник МГТУ им. Н. Э. Баумана. Приборостроение. № 3. 49-58.

33. Чернов Т.С. (2018). Математические модели и алгоритмы оценки качества изображений в системах оптического распознавания [Кандидатская диссертация, МИФИ]. Москва.

34. Шарифулин М. (2000). Защита прежде всего // Publish. №7. 28-35.

35. Anagnostopoulos, С. N. License plate recognition algorithm for Intelligent Transport applica-tions /1. Anagnostopoulos, V. Loumos, E. A.Kayafas, // IEEE Transaction on Intelligent Transport Systems. - 2009.

36. Aluze, D. Vision system for defect imaging, detection, and characterization on a specular sur-face of a 3D object / D. Aluze, F. Merienne, C. Dumont, P. Gorria // Image Vision Com-put. - 2002. - N 20. - P. 569-580.

37. Angella, F. Optimal Deployment of Cameras for Video Surveillance Systems / F. Angella, L. Reithler, F. Gallesio // IEEE Conf. on Advanced Video and Signal Based Surveillance. - 2007.

38. Bien, Z. Development of a well structured industrial vision system // Z. Bien, S-R Oh, J Won / Proceedings of 16th annual IEEE conference of the industrial electronics society. - 2009. -Nl. - P. 501-506.

39. Chen, I.-H. Efficient vision-based calibration for visual surveillance systems with multiple PTZ cameras / I.-H. Chen, S.J. Wang // IEEE Intel Conf. on Computer Vision Systems. - 2006.