0

20 5 0

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Tài liệu liên quan

Thông tin tài liệu

Ngày đăng: 19/01/2021, 09:13

Luận án: “Phương pháp xây dựng hệ thống nhận dạng sử dụng logic mờ trong phân loại sản phẩm gạch ốp lát” tập trung vào giải quyết một số vấn đề sau:. • Luận án đã đề xuất xây dựng hệ c[r] (1)BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI ĐINH VĂN NHƯỢNG PHƯƠNG PHÁP XÂY DỰNG HỆ THỐNG NHẬN DẠNG SỬ DỤNG LOGIC MỜ TRONG PHÂN LOI SN PHM GCH P LT Chuyên ngành: §o l−êng M∙ sè: 62.52.62.01 TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT (2)Trường Đại học Bách khoa Hà Nội Người hướng dẫn khoa học: PGS.TS Phạm Thị Ngọc Yến PGS.TSKH Trần Hoài Linh Phản biện 1: PGS.TS Nguyễn Quang Hoan – Học viên Cơng nghệ Bưu chính viễn thông Phản biện 2: PGS.TS Phan Xuân Minh – Trường Đại học Bách khoa Hà Nội Phản biện 3: PGS.TS Ngô Quốc Tạo – Viện CNTT – Viện KH&CNVN Luận án bảo vệ trước hội đồng chấm luận án cấp trường Họp trường Đại học Bách khoa Hà Nội Vào hồi …….giờ……….ngày……….tháng……….năm….…… (3)DANH MỤC CƠNG TRÌNH CỦA TÁC GIẢ 1 Trần Hoài Linh, Đinh Văn Nhượng, Ứng dụng mạng TSK nhận dạng chất lượng gạch Ceramic, Hội nghị khoa học lần thứ 20 trường Đại học Bách khoa Hà Nội, 10/2006 2 Trần Hoài Linh, Đinh Văn Nhượng, Nguyễn Thành Trung, Mơ hình tạo đặc tính phân loại chất lượng gạch Ceramic, Hội nghị khoa học lần thứ 20 trường Đại học Bách khoa Hà Nội, 10/2006 3 Tran Hoai Linh, Dinh Van Nhuong, Application Of Neural Network In Sensor Characteristic Linearization And Its Implementation In Artificial Nose, The Second International Conference on Communications and Electronics, Hoi An, Viet Nam, June 4-6, 2008 4 Đinh Văn Nhượng, Trần Hoài Linh, Vấn đề khởi tạo mạng TSK ứng dụng toán nhận dạng, Hội thảo khoa học quốc gia lần thứ nghiên cứu, phát triển ứng dụng CNTT truyền thông (ICT.rda’08) tháng năm 2008 5 Đinh Văn Nhượng, Phạm Thị Ngọc Yến, Trần Hoài Linh, Phương pháp ước lượng cấu hình mạng TSK ứng dụng tốn nhận dạng, Tạp chí khoa học cơng nghệ trường đại học kỹ thuật số 67/2008 (4)MỞ ĐẦU 1 Đặt vấn đề Các nhà khoa học nghiên cứu xây dựng nhiều mơ hình điều khiển dựa quy tắc suy luận trí tuệ nhân tạo Một hệ thống điều khiển hệ thống điều khiển mờ Điều khiển mờ đem lại chất lượng điều khiển tốt, đặc biệt toán nhận dạng mà tín hiệu đầu vào có nhiều thơng số Một tốn phải kể đến tốn nhận dạng phân loại sản phẩm cơng nghiệp nói chung sản phẩm xây dựng nói riêng Đó lý tác giả chọn nội dung đề tài: “Phương pháp xây dựng hệ thống nhận dạng sử dụng logic mờ phân loại sản phẩm gạch ốp lát”để nghiên cứu 2 Mục đích nghiên cứu a Phân tích nhiệm vụ phân loại gạch ốp lát để đưa mơ hình tốn logic mờ với ý tưởng “mắt nhân tạo” áp dụng hệ chuyên gia ứng dụng mạng nơ ron logic mờ TSK b.Nghiên cứu mạng nơ rôn logic mờ TSK giải vấn đề cịn tồn mạng là: Ước lượng số luật phù hợp với tốn nhận dạng thơng qua việc phối hợp số thống kê c Xây dụng thuật toán xử lý ảnh số tạo vectơ đặc tính mẫu gạch thỏa mãn điều kiện kinh tế, kỹ thuật mơ hình d Thử nghiệm tập số liệu mẫu 3 Đối tượng nghiên cứu - Mạng nơ rôn logic mờ TSK : Phân tích đề xuất giải pháp nhằm thích nghi triển khai ứng dụng nhận dạng, phân loại sản phẩm gạch ốp lát - Ứng dụng xử lý ảnh xác định đồng thời nhiều thơng số khác (vectơ đặc tính) mẫu gạch ốp lát để làm sở cho nhận dạng 4 Ý nghĩa khoa học thực tiễn đề tài - Đề xuất, xây dựng mơ hình ”mắt nhân tạo’’ cho hệ thống nhận dạng phân loại sản phẩm - Đề xuất phương pháp ước lượng số lượng luật mờ dưa vào số thống kê: Vh, DA, Dw, tA, PBM, DN để tính số tổng hợp α - Phương pháp tự động khởi tạo giá trị ban đầu cho tham số mạng TSK phù hợp với toán nhận dạng phân loại sản phẩm gạch ốp lát - Xây dựng phương pháp tối ưu hoá tham số mạng điều khiển mờ qua trình học có hướng dẫn thuật tốn giảm bước cực đại - Đề xuất giải pháp thu thập nhiều thông số khác đối tượng dựa vào kỹ thuật xử lý ảnh tạo vectơ đặc tính mẫu gạch gồm 17 thành phần x = [x ,x ,…,x ]1 2 17 - Xây dựng chương trình phần mềm chạy mơ chương trình môi trường Matlab Kết kiểm chứng sở hàm phi tuyến thực nghiệm nhận dạng số mẫu gạch ốp lát Nội dung gồm Chương I:Thực trạng phân loại sản phẩm công nghiệp toán phân loại sản phẩm gạch ốp lát Chương II: Nghiên cứu ứng dụng mạng nơ rôn logic mờ TSK để xây dựng mơ hình nhận dạng Chương III:Thuật toán xử lý ảnh ứng dụng tạo vectơ đặc tính phân loại gạch ốp lát Chương IV: Kết tính tốn mơ Kết luận kiến nghị CHƯƠNG I THỰC TRẠNG PHÂN LOẠI SẢN PHẨM CƠNG NGHỆP VÀ BÀI TỐN PHÂN LOẠI SẢN PHẨM GẠCH ỐP LÁT 1.1 Mô hình nhận dạng phương pháp tiếp cận 1.1.1 Nhận dạng mơ hình nhận dạng Nhận dạng trình phân loại đối tượng biểu diễn theo mơ hình gán cho chúng vào lớp dựa theo quy luật mẫu chuẩn (5)Trong lý thuyết nhận dạng nói chung, nhận dạng ảnh nói riêng có cách tiếp cận khác [1], [10] 1.2 Nhận dạng sử dụng ảnh số Một hướng nghiên cứu đầu tư phát triển mơ hình nhận dạng với tín hiệu đầu vào ảnh đối tượng Nhiệm vụ trích chọn vectơ đặc tính đối tượng thực thơng qua thuật tốn phân tích ảnh thuật tốn xử lý tín hiệu 2-D (ảnh tĩnh), 3-D (ảnh động) 1.3 Phân tích toán phân loại gạch ốp lát 1.3.1 Quy trình cơng nghệ Quy trình sản xuất gạch ốp lát giới thiệu luận án 1.3.2 Quá trình phân loại: Hiện nhà máy sản xuất gạch ốp lát nước ta thực phân loại thủ công dựa vào ước lượng kinh nghiệm công nhân 1.4 Phương án đề xuất Xây dựng mơ hình “ mắt nhân tạo”ứng dụng mạng TSK KẾT LUẬN CHƯƠNG I Qua việc phân tích tốn phân loại gạch ốp lát, từ đề xuất mơ hình toán với ý tưởng “mắt nhân tạo” để giải toán nhận dạng tự động phân loại sản phẩm gạch ốp lát, thay cho việc nhận dạng phân loại thủ công mà nhà máy thực Hệ chuyên gia sử dụng toán phân loại sản phẩm gạch ốp lát ứng dụng mạng nơ rôn logic mờ (chọn mạng nơ rôn logic mờ TSK để nghiên cứu) đề cập chương II Xác định thông số nhằm đảm bảo yêu cầu phương pháp xử lý ảnh thông qua thu thập camera kỹ thuật số thuật tốn trình bày chương III CHƯƠNG II NGHIÊN CỨU ỨNG DỤNG MẠNG NƠ RÔN LOGIC MỜ TSK ĐỂ XÂY DỰNG MƠ HÌNH NHẬN DẠNG 2.1 Mơ hình mạng nơ rơn - Mạng nơ rôn lớp: Đây cấu trúc mạng nơ rôn đơn giản nhất, mạng nơ rôn gồm lớp xuất, khơng có lớp ẩn - Mạng nơ rơn nhiều lớp giải toán phi tuyến nhờ vào hàm truyền đạt phi tuyến nơ rôn mạng Càng nhiều lớp ẩn khả mở rộng thơng tin cao xử lý tốt tốn có nhiều tín hiệu vào [2], [3] 2.2 Một số mạng nơ rôn thường sử dụng toán nhận dạng 2.2.1 Mạng Kohonen Mạng Kohonen [1], [90] hoạt động theo nguyên tắc “tự tổ chức”, có nghĩa mạng hoạt động với vectơ đầu vào (i) x mà khơng có mẫu đầu d(i) Trong mạng Kohonen ta lưu trữ thơng tin K trọng tâm c Khi cho vectơ (i) (i) x vào mạng Kohonen, mạng nơ rôn trọng tâm c(i)gần với (i) x so với no rôn trọng tâm cịn lại Các nơ rơn trọng tâm c(i) xác định sở xác định giá trị cực tiểu hàm mục tiêu: ( ) ( ) 1 1 min 2 p K i j i j E = = = ∑∑xc → (2.1) (6) Cấu trúc mạng MLP với lớp ẩn thể hình 2.4 với W ma trận trọng số kết nối lớp đầu vào lớp ẩn, V ma trận trọng số kết nối giữa lớp ẩn lớp đầu [56], [83] Hình 2.4 Cấu trúc mạng MLP với lớp ẩn (7)2.3 Mô hình nhận dạng mạng nơ rơn logic mờ 2.3.1 Khái niệm logic mờ Khái niệm “logic mờ” dùng để việc xử lý thông tin mà giá trị logic xác định rõ, biến thiên theo điều kiện bên [5] 2.3.2 Biểu thức giá trị mờ Để tìm hiểu biểu thức giá trị mờ, xem xét dạng biểu thức mờ sau [5], [14] • x nhỏ nhiều so với A : x Ax xấp xỉ A : xAx lớn nhiều so với A : x A hàm liên thuộc biểu thức giá trị mờ trình bày luận án 2.4 Mạng TSK 2.4.1 Mơ hình mạng TSK 2.4.1.1 Các luật suy luận TSK Một quy tắc suy luận mờ TSK có dạng sau: if x C thenyf(x)= a + a x +…+ a x0 1 1 N N (2.21) Trong x = x ,x , ,x⎡⎣ 1 2 N⎤⎦,C = C ,C , ,C⎡⎣ 1 2 N⎦ ⎤∈ N Để tổng hợp lại đưa đáp ứng nhất, tác giả đề xuất lấy trung bình trọng số đáp ứng riêng lẻ i i M »C i i=1 M »C i=1 W (x)f (x) y = W (x) ∑ ∑ (2.24) 2.4.1.2 Cấu trúc chung mạng nơ rôn logic mờ TSK Phát triển từ hệ suy luận tác giả Takaga, Sugeno Kang đề xuất mô hình mạng TSK để mơ hệ suy luận Mạng thuộc hệ thống hệ suy luận mờ, ngày áp dụng rộng rãi kỹ thuật Để mơ hoạt động hệ thống ta có cấu trúc mạng [61], [87], [88] trình bày cụ thể hình vẽ 2.11a: Hình 2.11a Mơ hình mạng TSK (8) Trong mẫu truyền thống, độ mạnh quy tắc mờ thứ i phụ thuộc khoảng cách véc tơ đầu vào mẫu quy tắc tính tốn ( ) ij N N i ij j 2b j=1 j=1 j ij ij 1 μ (x)= μ (x )= x - c 1+ σ ⎛ ⎞ ⎜ ⎟ ⎜ ⎟ ⎝ ⎠ ∏ ∏ (2.26) Để làm giảm số lượng tham số phi tuyến ta sử dụng công thức đo khoảng cách Phương pháp thể dạng tổng quát sau: d (x,c)= (x - c) × S× x - c2 T ( ) (2.27) Trong S ma trận xác định dương, đối xứng Hàm mờ hiệu chỉnh xác định i i 2b i i 1 μ (x)= x - c 1+ σ ⎛ ⎞ ⎜ ⎟ ⎝ ⎠ (2.28) mẫu hiệu chỉnh mạng TSK có M × (N + 2) tham số điều chỉnh phi tuyến Hiệu chỉnh thực theo bước: 1 Hiệu chỉnh tham số tuyến tính a hàm TSK giá trị cố định ij của tham số phi tuyến 2 Hiệu chỉnh tham số phi tuyến giá trị cố định tham số tuyến tính Các tham số phi tuyến hiệu chỉnh cách sử dụng phương pháp bước giảm cực đại ( ) ( 1) ( ) c E t c t c t c αβ αβ αβ η ∂ + = − ∂ (2.35) ( ) (t 1) ( )t E t α α σ α σ σ η σ ∂ + = − ∂ (2.36) ( ) ( 1) ( ) b E t b t b t b α α α η ∂ + = − ∂ (2.37) 2.4.2 Khởi tạo tự động quy tắc suy luận mờ, thuật toán Gustafson – Kessel Thuật toán G-K thể với bước sau [61], [86], [87]: 1 Khởi tạo tạm thời cách ngẫu nhiên trọng tâm c với i i=1,2, ,M, tính ma trận U 2 Xác định vị trí trọng tâm theo cơng thức p m ij j j=1 i p m ij j=1 u x c = u ∑ ∑ (2.44) Tính hiệp biến nhóm F ma trận ( )i i S (i=1,2, ,M) theo p m T ij j i j i j=1 i p m ij j=1 u (x - c )(x - c ) F = u ∑ ∑ (2.45) det( ) N Si= Fi ⎡ ⎤⎣ ⎦Fi − (2.46) Ước tính khoảng cách ij( 1,2 , ) d i= p véc tơ đầu vào xj mẫu nhóm ci 2 T ij j i i j i (9) 4.Xác định ma trận đầu vào theo 1 ij m M ij k kj u d d − = = ⎛ ⎞ ⎜ ⎟ ⎜ ⎟ ⎝ ⎠ ∑ (2.48) 2.4.3 Xác định số lượng nhóm thơng qua việc phối hợp số thống kê 1 Chỉ số thể tích mờ nhóm Vh det( ) M h i i V = =∑ F (2.49) Chỉ số mật độ phân bố mờ trung bình DA 1 det( ) M i A i i SS D M = = ∑ S (2.50) Trung bình khoảng cách nhóm Dw 1 1 p m ik ik M k w p m i ik k u d D M u = = = = ∑∑ ∑ (2.51) Trung bình độ phẳng nhóm tA 1 M A i i t t M = = ∑ (2.52) 5.Chỉ số PBM [79] 1 ( ) k k E PBM k D k E ⎡ ⎤ = ⎢ ⎥ ⎣ ⎦ (2.53) 6.Chỉ số DN [34] 0 ( , ) DC NM DN U C DC NM DC NM = = ⎧ ⎪ =⎨ ∗ ∗ ⎪ + ⎩ (2.67) Để phối hợp đồng thời số, luận án đề xuất cơng thức tính số tổng hợpα α=a V1 ha D2 Aa D3 W+a t4Aa PBM5 +a DN6 (2.68) 2.4.4 Đặt giá trị ban đầu cho hàm suy luận Tác giả đề xuất phương pháp đặt giá trị ban đầu cho giá trị σ Thuật toán sau: Đối với trọng tâm ci, tính khoảng cách cho tất mẫu khác sử dụng Tính hệ số tỷ lệ Ref(i) cách lấy khoảng cách trung bình từ trọng tâm ci tớiK (thường chọn K=5) mẫu số liệu gần có trọng tâm K=M-1 số trọng tâm M<6) Đặt giá trị ban đầu σi tới Ref(i)/k, hệ số bi chọn để có hàm dạng hình chng 2.4.5 Kết thử nghiệm Thử nghiệm 2: số liệu với phân bố hình 2.22 (10)Hình 2.22 Tập số liệu mẫu với nhóm số liệu Thuật tốn tính tốn thơng số thống kê áp dụng cho số trọng tâm biến thiên từ đến 15 Kết thu được trình bày hình 2.23 (a) (b) (c) (d) (e) (f) Hình 2.23 Giá trị thơng số thống kê Vh (a), DA (b), DW (c), tA (d), PBM (e) DN (f) (11)(a) (b) Hình 2.24.Sự biến thiên số tổng hợp phối hợp số khác nhau: Phối hợp số (a) phối hợp số (b) Hình 2.25 cho thấy số tổng hợp thông số phát xác số vùng số liệu (a) (b) Hình 2.25 Các trọng tâm cho số liệu ứng với số trọng tâm (a) trọng tâm (b) KẾT LUẬN CHƯƠNG II Trong nội dung chương tác giả nghiên cứu mơ hình mạng TSK gồm nội dung bản: - Mơ hình thuật tốn học mạng TSK - Xác định số nhóm (số luật) TSK thơng qua việc phối hợp số thống kê: Vh, DA, Dw, tA, PBM, DN để tính số tổng hợp α 1 h A W A a V a D a D a t a PBM a DN α= − − + − + Các chương trình tương ứng lập trình Matlab [4], [6], [60] 1 Hàm xác định trọng tâm vùng số liệu theo phương pháp Gustaffson - Kessel: 2 Các hàm xác định số thống kê: Hàm xác định số thống kê tổng hợp: (12)CHƯƠNG III THUẬT TOÁN XỬ LÝ ẢNH ỨNG DỤNG TẠO VECTƠ ĐẶC TÍNH PHÂN LOẠI GẠCH ỐP LÁT 3.1 Mơ hình bước xử lý ảnh 3.2 Tiền xử lý ảnh 3.2.1 Khoanh vùng đối tượng 3.2.1.1 Phát biên Kết đầu vectơ chứa điểm biên trái, phải, trên, [1], [12] 3.2.1.2 Xoay chuẩn đối tượng Xoay chuẩn đổi tượng thực chất phép biến đổi hệ tọa độ Phương pháp biến đổi phổ biến hay dùng phương pháp affine transform theo phương pháp thì: [ ] [ ] [ ] 11 12 21 22 31 32 0 1 1 1 t t x y w z T w z t t t t ⎡ ⎤ ⎢ ⎥ = × = × ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ (3.6) Các phép chuyển đổi thơng thường là: scale, rotation translation,[1],[12] 3.2.1.3 Tịnh tiến ảnh Tịnh tiến trường hợp phép biến đổi affine transform ứng với ma trận biến đổi T 3.2.2 Chuẩn kích thước độ sáng 3.2.2.1 Chuẩn kích thước Chuẩn kích thước phép biến đổi affine tương ứng với phép scale với ma trận T sau: Sx 0 0 T = 0 Sy 0 0 0 1 ⎡ ⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎣ ⎦ (3.11) 3.2.2.2 Chuẩn độ sáng Q trình chụp thủ cơng điều kiện ánh sáng khơng tốt Vì phần ảnh ảnh khác có tượng khơng đồng ánh sáng nên cần phải điều chỉnh ánh sáng [12], [60] 3.3 Phân tích trích chọn vectơ đặc tính đối tượng 3.3.1 Phân tích đặc tính sứt góc mẻ cạnh 3.3.1.1 Mẻ cạnh Xét mẫu gạch có vết mẻ cạnh hình 3.16 (13)Hình 3.16: Cạnh gạch bị mẻ cạnh Hình 3.17: Đồ thị mức xám thay đổi vị trí có vết sứt 3.3.1.2 Sứt góc Việc phát sứt góc tương tự việc phát vết sứt cạnh, vết sứt góc phát thơng qua viêc đặt ngưỡng Diện tích góc sứt tính gần theo cơng thức: S=0,5⋅ ⋅x y 3.3.2 Phân tích đặc tính sai lệch kích thước Tính khoảng cách thật cạnh mod ( , ); 1,4 k k k C =d A A + k= (3.13) Sai số cần xác định tính theo cơng thức: k k C E = − Δ Δ (3.14) Vectơ đặc tính có giá trị ứng với sai lệch cạnh so với chuẩn (lấy trị tuyệt đối) Sai lệch thơng số Ek tính Gạch có chất lượng tốt tỉ lệ xấp xỉ 3.3.3 Phân tích đặc tính vết sạn vết xước Hình ảnh gạch có vết vết sạn vết xước bề mặt hoa văn Hình 3.24: Hình ảnh đối tượng có vết sạn vết xước Ta thấy điểm có vết sạn, xước màu thay đổi đột ngột, mức xám chỗ vết sạn, xước giảm xuống rõ rệt hình 3.25 Hình 3.25: Đồ thị mức xám qua vị trí có vết sạn đây điểm khơng có quy luật, luận án đề xuất hai phương pháp để lọc vết sạn, xước khỏi đối tượng sau: (14)Phương pháp thứ Trừ ảnh Phương pháp thứ hai: Lọc dựa vào đặc tính đối xứng hoa văn KẾT LUẬN CHƯƠNG III Đề xuất mô hình giải pháp ứng dụng kỹ thuật xử lý hình ảnh để xác định vectơ đặc tính ảnh đầu vào đối tượng nhận dạng gạch ốp lát gồm 17 thành phần 1 2 17 x = [x ,x ,…,x ] Các vectơ đặc tính sử dụng để xây dựng mơ hình nhận dạng Đề xuất số thuật toán phát triển môi trường Matlab, cụ thể là: Hàm khoanh vùng đối tượng: 2 Hàm xác định đường thẳng xấp xỉ theo phương pháp bình phương cực tiểu: Hàm quay ảnh: 4 Hàm chỉnh độ sáng ảnh: 5 Hàm trích phân tích góc đối tượng: 6 Hàm trích phân tích điểm sạn đối tượng: Các thuật toán kiểm nghiệm số mẫu gạch khác sản xuất nhà máy gạch Sao Đỏ - Chí Linh - Hải Dương kết đáng tin cậy, tỷ lệ xác đạt 96,4% CHƯƠNG IV KẾT QUẢ TÍNH TỐN MƠ PHỎNG 4.1 Kết tính tốn mơ hàm phi tuyến * Xét hàm phi tuyến theo công thức 4.1 2 2 sin(x)× sin(y) 1 1 z(x, y)= + + x× y 1+ x 1+ y (4.1) với giá trị x y biến thiên khoảng [-10,10] Hàm mẫu 3D hàm số 4.1 vẽ môi trường Matlab biểu diễn hình 4.1 -10 -5 0 10 -10 -5 10-1 0 x y z Hình 4.1 Hàm mẫu 3-D hàm phi tuyến Một số liệu mẫu gồm 400 điểm tạo ngẫu nhiên Các số thống kê theo công thức từ 2.49 đến 2.53 2.67 tính tốn cho số trọng tâm mạng biến thiên từ M = đến 20 Với số thống kê, kết có đồ thị biến thiên số thống kê theo hình 4.2 (15)(c) Chỉ số DW (d) Chỉ số tA (e) Chỉ số PBM (f) Chỉ số DN Hình 4.2 Biểu đồ biến thiên số thống kê Sử dụng theo công thức 2.68 α=a V1 ha D2 Aa D3 W+a t4Aa PBM5 +a DN6 Để kiểm tra lại kết quả, xét số trường hợp nhóm khác nhau: xây dựng mạng TSK với số luật mờ M =6,7,9 14 Hình 4.3 Biểu đồ số tổng hợp biến thiên theo số trọng tâm mẫu Các kết sai số mạng TSK với số nhóm khác tổng kết theo bảng 4.1 sau: Bảng 4.1: Kết kiểm tra mạng TSK với số nhóm khác Số nhóm Sai số học Sai số kiểm tra 6 10,987 17,514 7 7,413 10,310 9 6,231 11,215 14 6,318 10,388 (16)-10 -5 0 10 -10 -5 10-1 0 x y z Hình 4.4 Kết tái tạo ánh xạ phi tuyến hàm gốc Sai số trung bình mẫu 7,413 0,1 400 tbhoc E = = 10,31 0,161 400 tbkt E = = 4.2 Kết ứng dụng mơ hình nhận dạng phân loại gạch ốp lát Các thuật toán tự động xây dựng mơ hình nhận dạng kiểm nghiệm hai loại gạch ốp lát sản xuất Nhà máy Gạch Sao Đỏ (Hải Dương) (a) (b) Hình 4.13 Hai mẫu gạch ceramics sử dụng Luận án Loại gạch (hoa văn 4.13a) có 225 mẫu gạch, chia thành tập hợp: ảnh 121 viên sử dụng để xây dựng mơ hình (tập số liệu học), ảnh 104 viên lại sử dụng để kiểm tra mơ hình (tập số liệu kiểm tra) Tập số liệu học 121 mẫu bao gồm: 20 mẫu loại 1, 25 mẫu loại 2, 21 mẫu loại 55 mẫu loại Tập số liệu kiểm tra 104 mẫu bao gồm: 34 mẫu loại 1, 21 mẫu loại 2, 34 mẫu loại 24 mẫu loại (17)(a) (b) H×nh 4.14 Đồ thị đầu tín hiệu đích đầu tín hiệu từ mạng TSK cho số liệu “học” (a) sai số giữa hai tín hiệu (b) Mạng sau huấn luyện kiểm tra với tập 104 số liệu khác với mẫu học Hình 4.15 mơ tả đầu mạng với giá trị đích sai số hai tín hiệu (a) (b) H×nh 4.15 Đồ thị đầu tín hiệu đích đầu tín hiệu từ mạng TSK cho các số liệu “kiểm tra” (a) sai số hai tín hiệu (b) Từ đồ thị sai số hình 4.15b, ta thấy có trường hợp tín hiệu vượt ngưỡng 0,16, trường hợp nhận dạng nhầm gạch A3 thành gạch A2 nhận dạng nhầm gạch A4 thành A3 Với kết trên, trường hợp xây dựng kiểm tra, mơ hình TSK cho kết nhận dạng xác cao 100% 0% 121 hoc E = ⋅ = , 100% 1,92% 104 KT E = ⋅ = Với loại gạch thứ hai (hoa văn 4.1b) Ta có số liệu tổng cộng 304 mẫu, chia làm hai tập hợp Tập dùng để xây dựng mô hình bao gồm 165 mẫu, tập dùng để kiểm tra mơ hình gồm 139 mẫu Các mẫu chia thành hai tập hợp số liệu theo tỷ lệ tương đối 55% mẫu để học, 45% mẫu để kiểm tra, cụ thể là: Tập 165 mẫu học bao gồm: 33 mẫu loại A1, 50 mẫu loại A2, 39 mẫu loại A3 43 mẫu loại A4 Tập 139 mẫu kiểm tra bao gồm: 27 mẫu loại A1, 42 loại mẫu A2, 33 mẫu loại A3 37 mẫu loại A4 Sau xây dựng mơ hình mạng TSK cho số liệu học ta có kết học cho tập 165 mẫu có mẫu bị nhận dạng sai, 100% 1,21% 165 hoc E = ⋅ = Mạng TSK kiểm tra 139 mẫu cịn lại ta có mẫu bị nhận dạng sai 100% 3,60% 139 ktra E = ⋅ = (18)Mơ hình phần cứng hệ thống nhằm mục đích thử nghiệm thực tế, làm sáng tỏ phần lý thuyết, giải pháp thuật toán đề xuất luận án dùng để kiểm chứng giải pháp đưa luận án Mơ hình thể hình 4.16 Hình 4.16 Sơ đồ mơ hình hệ thống Thiết bị thiết kế xây dựng hình 4.17 Hình 4.17 Mơ hình kiểm nghiệm KẾT LUẬN CHƯƠNG IV Trong nội dung chương tác giả sử dụng số hàm đề xuất chương II là: 1.Hàm xác định trọng tâm số liệu theo thuật toán G-K 2.Sáu hàm tính tốn giá trị thống kê Vh, Da, Dw, tA, PBM, DN để ước lượng số luật phù hợp 3.Hàm tính tốn giá trị hệ số tổng hợp α Camera số Băng tải Đối tượng xét Bộ điều khiển băng tải (19)4.Hàm xây dựng mạng TSK sở tối ưu hóa sai số số liệu cho trước 5.Hàm kiểm tra chất lượng hoạt động mạng TSK cho số liệu để tính tốn mơ số hàm phi tuyến 2 2 sin(x)× sin(y) 1 1 z(x, y)= + + x× y 1+ x 1+ y z(x, y)= -sin 1+x2 - sin 1+y2 15 15 ⎛ ⎞ ⎛ ⎞ ⎜ ⎟ ⎜ ⎟ ⎝ ⎠ ⎝ ⎠ Kết thực nghiệm chứng minh mạng hiệu chỉnh hoạt động tốt Tác giả sử dụng số hàm đề xuất chương III là: 1.Hàm khoanh vùng đối tượng 2.Hàm xác định đường thẳng xấp xỉ theo phương pháp bình phương cực tiểu 3.Hàm quay ảnh 4.Hàm chỉnh độ sáng ảnh 5.Hàm trích phân tích góc đối tượng 6.Hàm trích phân tích điểm sạn đối tượng để kiểm nghiệm chạy mô số mẫu gạch mơ hình Kết tỷ lệ xác đạt 96,4% KẾT LUẬN VÀ KIẾN NGHỊ 1 Những đóng góp luận án Luận án: “Phương pháp xây dựng hệ thống nhận dạng sử dụng logic mờ phân loại sản phẩm gạch ốp lát” tập trung vào giải số vấn đề sau: • Luận án đề xuất xây dựng hệ chun gia “mắt nhân tạo” cho mơ hình hệ thống đánh giá phân loại sản phẩm gạch ốp lát Đây giải pháp hồn tồn có khả áp dụng dây chuyền tự động mà giải pháp trước chưa khả thi mặt kỹ thuật kinh tế - kỹ thuật • Nghiên cứu lý thuyết đại mạng TSK thích hợp cho tốn điều khiển q trình cơng nghệ kiểm tra phân loại sản phẩm dây chuyền sản xuất gạch ốp lát • Phối hợp số đặc tính thống kê: Chỉ số thể tích mờ Vh(2.49); Chỉ số mật độ phân bố mờ trung bình DA(2.50); Chỉ số trung bình khoảng cách Dw(2.51); Chỉ số trung bình độ phẳng t (2.52); Chỉ số PBM (2.53); Chỉ số DN (2.67) để tính “chỉ số A tổng hợp” α (2.68), “chỉ số tổng hợp” đạt: “giá trị ứng với số nhóm tốt” • Phương pháp tự động khởi tạo giá trị ban đầu cho tham số mạng nơ rôn logic mờ TSK phù hợp với toán phân loại chất lượng sản phẩm • Xây dựng phương pháp tối ưu hoá tham số mạng điều khiển mờ qua q trình học có hướng dẫn thuật tốn giảm bước cực đại • Thu thập tổng hợp nhiều thông số khác đối tượng dựa vào kỹ thuật xử lý ảnh tạo vectơ đặc tính mẫu gạch gồm 17 thành phần x = [x ,x ,…,x ]1 2 17 làm cơ sở cho trình nhận dạng phân loại • Xây dựng phần mềm tiện ích dựa Matlab, bao gồm: - Các hàm thu thập tín hiệu ảnh số từ camera/webcam bên ngồi vào máy tính: các hàm xây dựng dựa thư viện Image Acquisition Toolbox Matlab - Các hàm chuyển đổi chuẩn hóa tín hiệu hình ảnh: hàm xây dựng dựa thư viện Image Processing Toolbox Matlab (20) - Các hàm tính tốn đặc tính gạch: chiều dài cạnh viên gạch, độ lớn góc viên gạch, tổng vết mẻ dọc cạnh, tổng vết sứt góc cạnh, tổng số điểm kỳ dị viên gạch, tổng số điểm sạn gạch xây dựng từ thuật toán tác giả đề xuất - Các hàm tính tốn đặc tính thống kê số liệu mẫu, từ ước lượng số luật suy luận mạng TSK xây dựng từ thuật toán tác giả đề xuất - Các hàm khởi tạo mơ q trình học thích nghi mạng TSK cho số liệu mẫu cho trước xây dựng từ thuật toán tác giả đề xuất Các chương trình ứng dụng cho hai ảnh mẫu kết tính tốn trình bày chi tiết luận án • Về thực nghiệm; - Xây dựng mơ hình thí nghiệm hệ thống nhận dạng chất lượng gạch ốp lát từ ảnh số - Xây dựng toàn chương trình tính tốn kết nối ngoại vi Matlab Chất lượng giải pháp kiểm chứng hàm phi tuyến mẫu gạch thực tế nhà máy gạch Sao Đỏ - Chí Linh - Hải Dương cho kết đáng tin cậy 2 Đề xuất, kiến nghị hướng nghiên cứu Luận án đề xuất triển khai số kết lý thuyết mạng TSK toán nhận dạng chất lượng gạch ốp lát từ ảnh đầu vào Tuy nhiên lĩnh vực nghiên cứu số tồn cần tiếp tục nghiên cứu giải để tiếp tục đưa giải pháp xác, tin cậy ổn định • Về mặt thiết bị: Tìm kiếm triển khai giải pháp có tốc độ xử lý tính toán cao hơn, đủ đảm bảo đáp ứng hệ hoạt động cho thời gian vận hành thực dây chuyền Trong số giải pháp cân nhắc tới việc ứng dụng hệ vi xử lý xử lý tín hiệu hệ FPGA, DSP có khả tính tốn song song để nâng tốc độ hoạt động Tiến tới xây dựng hệ thống hoạt động độc lập sử dụng vi xử lý đời mới, không cần tới hỗ trợ máy PC nhằm dễ dàng cho việc vận hành mơi trường cơng nghiệp • Về mặt ứng dụng: Triển khai xây dựng mô hình nhận dạng cho nhiều loại gạch khác nhau, loại gạch trang trí theo dạng màu loang (có hoa văn khơng giống viên gạch) Đồng thời mở rộng ứng dụng toán nhận dạng sở hình ảnh cho đối tượng khác công nghiệp (đánh giá nhiệt độ lị thơng qua ảnh hồng ngoại, ước lượng mức độ ô nhiễm thông qua màu nước thải, phân loại đối tượng chuyển động thị trường camera, )
- Xem thêm -

Xem thêm: ,

Hình ảnh liên quan

Thử nghiệm 2: số liệu với phân bố như trên hình 2.22 -

h.

ử nghiệm 2: số liệu với phân bố như trên hình 2.22 Xem tại trang 9 của tài liệu.
Hình 2.22. Tập số liệu mẫu với 7 nhóm số liệu   -

Hình 2.22..

Tập số liệu mẫu với 7 nhóm số liệu Xem tại trang 10 của tài liệu.
Hình 2.24.Sự biến thiên chỉ số tổng hợp khi phối hợp các chỉ số khác nhau: Phối hợp 4 chỉ số (a) và phối hợp 6 chỉ số (b)  -

Hình 2.24..

Sự biến thiên chỉ số tổng hợp khi phối hợp các chỉ số khác nhau: Phối hợp 4 chỉ số (a) và phối hợp 6 chỉ số (b) Xem tại trang 11 của tài liệu.
3.1. Mô hình các bước xử lý ảnh -

3.1..

Mô hình các bước xử lý ảnh Xem tại trang 12 của tài liệu.
Đề xuất mô hình giải pháp ứng dụng kỹ thuật xử lý hình ảnh để xác định vectơ đặc tính của ảnh đầu vào đối tượng nhận dạng gạch ốp lát gồm 17 thành phần  -

xu.

ất mô hình giải pháp ứng dụng kỹ thuật xử lý hình ảnh để xác định vectơ đặc tính của ảnh đầu vào đối tượng nhận dạng gạch ốp lát gồm 17 thành phần Xem tại trang 14 của tài liệu.
Hình 4.2. Biểu đồ biến thiên củ a6 chỉ số thống kê -

Hình 4.2..

Biểu đồ biến thiên củ a6 chỉ số thống kê Xem tại trang 15 của tài liệu.
Hình 4.3. Biểu đồ chỉ số tổng hợp biến thiên theo số trọng tâm của bộ mẫu -

Hình 4.3..

Biểu đồ chỉ số tổng hợp biến thiên theo số trọng tâm của bộ mẫu Xem tại trang 15 của tài liệu.
4.2. Kết quả ứng dụng trong mô hình nhận dạng phân loại gạch ốp lát -

4.2..

Kết quả ứng dụng trong mô hình nhận dạng phân loại gạch ốp lát Xem tại trang 16 của tài liệu.
Hình 4.4. Kết quả tái tạo ánh xạ phi tuyến hàm gốc  -

Hình 4.4..

Kết quả tái tạo ánh xạ phi tuyến hàm gốc Xem tại trang 16 của tài liệu.
Từ đồ thị sai số ở hình 4.15b, ta thấy chỉ có 2 trường hợp tín hiệu vượt ngưỡng 0,16, đó là trường hợp nhận dạng nhầm gạch A3 thành gạch A2 và  nhận dạng nhầm gạch A4 thành A3 -

th.

ị sai số ở hình 4.15b, ta thấy chỉ có 2 trường hợp tín hiệu vượt ngưỡng 0,16, đó là trường hợp nhận dạng nhầm gạch A3 thành gạch A2 và nhận dạng nhầm gạch A4 thành A3 Xem tại trang 17 của tài liệu.
Hình 4.16. Sơ đồ mô hình hệ thống -

Hình 4.16..

Sơ đồ mô hình hệ thống Xem tại trang 18 của tài liệu.
Mô hình phần cứng hệ thống nhằm mục đích thử nghiệm thực tế, làm sáng tỏ phần lý thuyết, các giải pháp thuật toán đã được đề xuất trong luận án dùng để kiểm  chứng các giải pháp được đưa ra trong luận án -

h.

ình phần cứng hệ thống nhằm mục đích thử nghiệm thực tế, làm sáng tỏ phần lý thuyết, các giải pháp thuật toán đã được đề xuất trong luận án dùng để kiểm chứng các giải pháp được đưa ra trong luận án Xem tại trang 18 của tài liệu.