Метод и алгоритмы обработки изображений серных отпечатков в системе оценки качества непрерывнолитой заготовки тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Посохов, Иван Александрович

• Посохов, Иван Александрович
• кандидат наук
• 2017

Оглавление диссертации кандидат наук Посохов, Иван Александрович

Оглавление

Введение

Глава 1. Анализ теоретических и практических разработок в области получения, анализа и использования графической информации

1.1. Структура системы управления многостадийными производствами в металлургической промышленности

1.2. Использование графической информации в системах управления металлургического предприятия

1.3. Характеристика исследований в области анализа графической информации

1.4. Анализ процессов сбора и подготовки экспертной информации о качестве непрерывнолитой заготовки в условиях металлургического производства

1.5. Структура информации для идентификации объектов нерегулярной формы на изображениях серных отпечатков и показатель эффективности функционирования системы получения информации о качестве заготовки

1.5.1. Структура информации для идентификации дефектов на изображении серного отпечатка

1.5.2. Структурированный показатель эффективности функционирования системы получения информации о качестве непрерывнолитой заготовки

1.6. Цель, задачи и концепция диссертационной работы

Глава 2. Математическое обеспечение для классификации графической информации о качестве заготовки на основе формообразующих характеристик гистограммы изображения

2.1. Описание и характеристика графической информации о качестве заготовки

2.2. Алгоритм построения эталонных гистограмм яркости изображений

2.3. Алгоритм классификации изображений серного отпечатка на основе формообразующих характеристик гистограммы яркости

2.3.1. Формообразующие характеристики гистограммы яркости для изображения серного отпечатка

2.3.2. Алгоритм принятия решений о классификации изображения по формообразующим характеристикам гистограммы яркости изображения серного отпечатка на основе адаптивной функции принадлежности

2.4. Кластерный анализ изображений серных отпечатков на основе расстояния до эталонной гистограммы

2.5. Выводы по главе 2

Глава 3. Специальное математическое обеспечение метода каскадной классификации изображений серных отпечатков темплетов

3.1. Адаптивный метод каскадной классификации графической информации о качестве непрерывнолитой заготовки

3.2. Термы и функции принадлежности для устранения неоднозначной идентификации изображений

3.2.1. Вид функции принадлежности для областей однозначной идентификации по формообразующим характеристикам гистограммы

3.2.2. Вид функции принадлежности для области неоднозначной идентификации по формообразующим характеристикам гистограммы

3.2.3. Вид функции принадлежности для области «пустого множества» по формообразующим характеристикам гистограммы

3.2.4. Вид функции принадлежности для области «полного поглощения» по формообразующим характеристикам гистограммы

3.3. Аналитическое представление функций принадлежности изображений классам по эталонным гистограммам

3.3.1. Равновесная функция принадлежности при неоднозначной классификации между классами А и С

3.3.2. Равновесная функция принадлежности при неоднозначной классификации между классами B и C

3.4. Определение правил принадлежности изображений заданным классам

3.5. Алгоритмы обучения и функционирования модуля системы принятия решений о классификации изображений

3.5.1. Алгоритм обучения модуля системы принятия решений на основе функций принадлежности

3.5.2. Алгоритм классификации изображения из нового потока информации на основе функции принадлежности

3.6. Выводы по главе 3

Глава 4. Результаты вычислительного эксперимента и опытной эксплуатации системы получения и анализа информации о качестве заготовки

4.1 Порядок проведения вычислительного эксперимента по оценке качества непрерывнолитой заготовки на основе изображений серного отпечатка

4.2. Адаптивная траектория обработки изображений серных отпечатков после применения методики каскадной классификации

4.3. Компьютерные технологии системы идентификации объектов нерегулярной формы на изображении серных отпечатков темплетов

4.3.1. Функциональная схема работы программного продукта «Metal Rater»

4.3.2. Технология использования программного продукта «Metal Rater»

4.3.3. Примеры эксплуатации программного обеспечения и анализ результатов

4.4. Результаты вычислительного эксперимента по классификации изображений серного отпечатка на основе компьютерных технологий

4.4.1. Определение показателей эффективности для изображения класса А

4.4.2. Определение показателей эффективности для изображения класса В

4.4.3. Определение показателей эффективности для изображения класса С

4.5. Интеграция показателей качества непрерывнолитой заготовки в систему управления многостадийным производством

4.6. Оценка экономической эффективности внедрения математического и алгоритмического обеспечения системы получения информации о качестве заготовки на основе изображений серных отпечатков

4.7. Выводы по главе 4

Заключение

Библиографический список

Приложение А

Приложение Б

Приложение В

Приложение Г

Приложение Д

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы обработки изображений серных отпечатков в системе оценки качества непрерывнолитой заготовки»

ВВЕДЕНИЕ

Актуальность темы. В настоящее время наблюдается устойчивая возрастающая тенденция по объему выпуска продукции металлургических предприятий. Прирост в мировом объеме выпуска непрерывнолитой заготовки за период с 2006 по 2015 год составил 35%, в том числе в Российской Федерации 19,5% (по данным World Steel Association 2016). Рост производства непрерывнолитых заготовок неизбежно приводит к повышению объема выпуска продукции пониженного качества, в то время как возрастают требования к качеству готовой продукции. Основа качества готовой продукции закладывается на каждом из этапов металлургического передела, в том числе и на этапе непрерывной разливки стали. Современные крупные металлургические предприятия, такие как ОАО «Магнитогорский металлургический комбинат», используют в системе управления производством информацию о качестве получаемого полупродукта. Одним из видов информации, используемой в системах управления, являются изображения, на основе которых принимается решение о качестве готовой продукции. В технологической цепочке получения металлургической продукции представлено несколько точек, в которых происходит сбор и обработка графической информации: участок подготовки шихтовых материалов, участок разливки стали и участок получения холоднокатаного листа. Все точки контроля образуют сложную систему, работающую в непрерывном цикле. Сложность алгоритмов, используемых при получении и обработке графической информации, ограничивает диапазон ее применения, и до настоящего времени для принятия решений привлекаются эксперты. Традиционная технология принятия решений на основе визуальной оценки вносит ошибки, обусловленные влиянием человеческого фактора, и в частности, квалификацией эксперта.

Для металлургической промышленности проводятся активные исследования в области влияния технологических параметров процессов на качество полуфабриката и готовой продукции. В частности, известно множество исследований о причинах формирования внутренних дефектов непрерывнолитой заготовки. В работах Мовчан Б.В., Rogberg, G., Irwing W. R., Моисеева Б. П. и др.

рассмотрены закономерности развития внутренних дефектов заготовки в зависимости от содержания химических элементов в стали, в работах Самойловича Ю.А., Шестакова Н.И., Девятова Д.Х., Борисоа а В.Т. - от параметров теплового состояния заготовки в зонах вторичного охлаждения, в работах Лукьянова С.И., Селиванова И.А., Швидченко Д.Н. - от стабильности работы электропривода роликовой проводки машины непрерывного литья заготовок. В области теории и практики получения, анализа, обработки информации и принятия решений на основе изображений накоплен значительный опыт в работах российских и зарубежных ученых. Вопросы теоретического исследования, связанные с разработкой специального математического обеспечения для обработки графической информации, представлены в трудах Вудса Р., Гонсалеса Р., Varma V., Zisserman A., Прэтта У., Шапиро Л. Труды Cannon R., Dave J., Визильтера Ю., Афанасьева А., Чинаева В. и определяют алгоритмы сегментации изображений для принятия решений в картографии, медицине, биологии и других областях. Широкий круг работ, в том числе труды Vapnik V., Chapeiie O., Foddy G., Bar-Hen A., Кузьмицкого Н., посвящен развитию методов и алгоритмов классификации изображений и объектов регулярной формы.

Проведенный теоретико-информационный анализ показал, что до настоящего времени остаются актуальными проблемы в области обработки графической информации и принятия решений:

1) в промышленных условиях обработка и использование графической информации затруднены в условиях принятия решений на основе уникального квалификационного опыта экспертов;

2) исследования в области обработки информации в узкоспециализированных областях не рассматривают применимость традиционных методов обработки графической информации в зависимости от параметров изображения.

Кроме указанных проблем существует противоречие, состоящее в том, что при наличии мощного теоретического аппарата и современных технических средств для обработки графической информации процессы сбора информации и

ее последующего использования ограничиваются решением отдельных узкоспециализированных задач для промышленных условий.

В этой связи разработка метода и алгоритмов обработки изображений серных отпечатков в системе оценки качества непрерывнолитой заготовки является актуальной научно-технической задачей. Учитывая отраслевые особенности графической информации, получаемой при оценке качества непрерывнолитой заготовки, и существующие проблемы в области получения, обработки и использования этой информации в системах управления, автором определена цель диссертационной работы: повышение эффективности функционирования системы оценки качества непрерывнолитой заготовки на основе использования современных машинных методов и алгоритмов обработки и анализа изображений серных отпечатков.

Для достижения поставленной цели автором в работе решены задачи:

1) анализ традиционных способов получения информации о качестве непре-рывнолитой заготовки для выявления их достоинств и недостатков, а также обоснование разработки системы получения информации на основе обработки изображений серных отпечатков;

2) обоснование и разработка структурированного показателя эффективности функционирования системы оценки качества непрерывнолитой заготовки;

3) разработка специального математического обеспечения для классификации изображений серных отпечатков, включающего алгоритмы построения эталонных гистограмм яркости, классификации изображений на основе формообразующих характеристик гистограммы и анализа расстояния до эталонных гистограмм;

4) разработка специального математического обеспечения для метода каскадной классификации изображений серных отпечатков с использованием структурированной лингвистической переменной и правил логического вывода;

5) проведение вычислительного эксперимента для оценки эффективности применения каскадного метода классификации изображений в системе оценки качества непрерывнолитой заготовки.

Объектом исследования в работе является система оценки качества, используемой на стадии контроля качества непрерывнолитой заготовки при ее переходе от стадии непрерывной разливки к стадии обработки давлением.

Предметом исследования является специальное математическое обеспечение для классификации изображений серных отпечатков системы оценки качества заготовки.

Методы исследования. В диссертационной работе проведены исследования с использованием методов: системного анализа при изучении способов обработки информации о качестве непрерывнолитой заготовки и декомпозиции процессов сбора графической информации в технологической цепочке металлургического производства; обработки и классификации изображений трех уровней контрастности для выбора траектории предварительной подготовки изображения к сегментации; морфологической обработки изображения для выделения области темплета и объектов нерегулярной формы на его поверхности; теории нечетких множеств для принятия решений о принадлежности изображения к заданным классам.

Научная новизна и основные положения, выносимые на защиту:

- математическая модель изображения серного отпечатка, отличающаяся представлением графической информации в виде вектора со структурированными координатами, включающего характеристики гистограммы изображения, пространственные координаты и геометрические свойства объектов нерегулярной формы;

- структурированный показатель для определения эффективности функционирования системы оценки качества непрерывнолитой заготовки, отличающийся использованием относительных характеристик, описывающих степень развития объектов нерегулярной формы;

- метод каскадной классификации изображений серных отпечатков, включающий формообразующие характеристики гистограммы яркости, нормализированные метрики расстояния до эталонных гистограмм, лингвистические переменные и функции принадлежности; позволяющий однозначно определить от-

ношение изображения к классу и отличающийся от ранее известных последовательным наращиванием классификационных признаков;

- комплекс алгоритмов для построения эталонных гистограмм яркости изображений, классификации изображений по формообразующим характеристикам, классификации изображений по расстоянию до эталонной гистограммы, классификации изображений с использованием структурированной лингвистической переменной, обучения и функционирования модуля принятия решений о классификации изображений, отличающийся строгой последовательностью исполнения алгоритмов и использованием формообразующих характеристик гистограммы яркости.

Практическая значимость работы заключается в использовании разработанного программного обеспечения для классификации изображений серных отпечатков, а также выделения объектов нерегулярной формы по индивидуальной траектории обработки изображения, в лабораториях тонко- и толстолистового проката, функционирующих в условиях крупных металлургических предприятий, таких как ОАО «Магнитогорский металлургический комбинат», ОАО «Северсталь» и др. Интеграция программных модулей в действующую систему оценки качества непрерывнолитых заготовок позволяет увеличить долю продукции обычного качества на 0,03%.

Реализация результатов работы. Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009 - 2012 гг. по государственному контракту П2402 от 18.11.2009 г. Результаты работы использованы в учебном процессе ФГБОУ ВО «Магнитогорский государственный технический университет им. Г.И. Носова». Алгоритмы и программное обеспечение для каскадной классификации изображений проверены и испытаны в ЗАО «КонсОМ» и ИТЦ «Аусферр».

Апробация работы. Основные положения и результаты диссертации докладывались и получили положительную оценку на международных научных конференциях: «Кибернетика и высокие технологии XXI века» (Воронеж, 2010); «Перспективы развития информационных технологий» (Новосибирск,

2011); «Математическое и программное обеспечение систем в промышленной и социальной сферах» (Магнитогорск, 2011); «ГрафиКон'2012» (Москва, 2012); «Проблеми шформатики i моделювання» (Украина, Харьков, 2013, 2015); «Ин-новация-2013» (Узбекистан, Ташкент, 2013); «Analysis of Images, Social Networks and Texts (AIST'2014, AIST'2015, AIST'2016)» (Екатеринбург, 2014, 2015, 2016), «WIT Transactions on Information and Communication Technologies» (Los Angeles, 2014).

Публикации. По теме диссертации опубликованы четыре научные статьи в изданиях из Перечня ВАК, три научные статьи проиндексированы в наукометрических системах Web of Science и Scopus, одна монография, пять статей в зарубежных изданиях, девять статей в сборниках научных трудов и материалах международных и региональной научных конференций, получены два свидетельства о государственной регистрации программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы и приложений. Работа изложена на 159 страницах, в том числе: основной текст на 135 страницах, 29 таблиц, 78 рисунков, библиографический список из 104 наименований на 11 страницах, приложения на 12 страницах.

В первой главе выполнен теоретико-информационной анализ структуры управления многостадийными процессами металлургического производства, использования графической информации в системе управления, процессов сбора и подготовки информации, а также предложен структурированный показатель эффективности оценки работы системы. Результаты анализа показали, что все металлургические предприятия имеют многостадийную структуру, включающую три основных взаимосвязанных передела: подготовительное производство, сталеплавильное производство и прокатное производство. Информация о качестве получаемой продукции формируется на основе экспертных оценок. На этапе контроля поступивших материалов и качества полуфабрикатов используется традиционная экспертная визуальная оценка объекта, которая вносит в информацию субъективный фактор. В работе построена автоматизи-

рованная система обработки информации на основе изображения серного отпечатка. Декомпозиция процесса получения экспертных оценок качества непре-рывнолитой заготовки позволила выявить достоинства и недостатки каждого способа. Основными недостатками получения оценок о качестве заготовок с привлечением экспертов являются: наличие ошибочных решений при классификации дефектов непрерывнолитой заготовки; высокие трудовые затраты на подсчет и определение формы объектов нерегулярной формы; зависимость результата от опыта эксперта, определяющего качество заготовок. Предложена математическая модель для описания структуры изображения серного отпечатка в виде вектора со структурированными координатами.

Во второй главе выполнено построение специального математического обеспечения для классификации графической информации о качестве заготовки на основе формообразующих характеристик гистограммы яркости. Для сокращения размеров области неоднозначной классификации предложено увеличить количество классификационных признаков и в основе классификации использовать меры расстояния трех видов: Евклида, Чебышева и Манхэттенское расстояния. Применяя данное математическое обеспечение, удалось добиться классификации 69% изображений.

В третьей главе выполнено построение специального математического обеспечения каскадной классификации изображений серных отпечатков с использованием структурированной лингвистической переменной и правил логического вывода, позволяющего исключить неоднозначную классификацию изображения. Каждый последующий каскад классификации применяется для изображений, находящихся в области неоднозначной идентификации по результатам оценки предыдущего шага. Каждый каскад отличается от предыдущего количеством идентификационных признаков и сложностью функций принадлежности к каждому классу. В результате применения метода каскадной классификации, построенного на основе структурированной лингвистической переменной и правил логического вывода, исключена неоднозначная классификация изображений из нового потока графической информации.

В четвертой главе представлены результаты вычислительного эксперимента, проведенного на основе системы оценки качества заготовок, включающей модули метода каскадной классификации изображений и сегментации объектов нерегулярной формы. Для проведения вычислительного эксперимента использованы разработанные программные продукты «Metal Rater» и «Histogrammer». Для каждого класса изображений разработана траектория автоматизированной обработки графической информации. По результатам вычислительного эксперимента установлено, что эффективность автоматизированной системы оценки качества заготовки с введенным модулем классификации составляет в среднем 25%.

В заключении подведены итоги работы и указаны возможные направления использования результатов исследования для построения новых систем оценки качества непрерывнолитой заготовки.

ГЛАВА 1. АНАЛИЗ ТЕОРЕТИЧЕСКИХ И ПРАКТИЧЕСКИХ РАЗРАБОТОК В ОБЛАСТИ ПОЛУЧЕНИЯ, АНАЛИЗА И ИСПОЛЬЗОВАНИЯ ГРАФИЧЕСКОЙ ИНФОРМАЦИИ

1.1. Структура системы управления многостадийными производствами в металлургической промышленности

Управление объектами и процессами в современных условиях характеризуется быстрым изменением условий внешней среды, включая экономическую, социальную, научную и промышленную сферы. Инновационные технологии требуют повышения оперативности и качества принимаемых решений о возможных вариантах создания и модификации систем в условиях определенной и неопределенной информации [1].

Широкое распространение сложных объектов со сложными информационными взаимосвязями вызвало лавину определений понятия «Система». В трудах [2-7] определяется понятие «Система». Однако все это множество определений можно привести к более общему виду [8], который использован в работе: «Под системой понимают совокупность связанных между собой и с внешней средой элементов или частей, функционирование которых направлено на получение конкретного полезного результата».

Согласно существующим классификациям системы подразделяются на большие и сложные. Большие системы - это системы, содержащие множество составных частей (компонент), причем количество элементов, переводящих систему в класс больших, определяется конкретной ситуацией и областью применения. Например, пассажирский самолет Boeing 737-800 является большой системой, которая состоит из 4-5 миллионов элементов [9]. Другим примером большой системы может служить автоматизированная система управления, которая включает в себя от десятков до тысяч элементов [10].

Как правило, в ходе декомпозиции большая система сводится к более простой с меньшим количеством элементов. Например, грузовик можно представить в виде совокупности подсистем: рама, кабина водителя, кузов, двигатель, трансмиссия, система управления [11]. Более сложным примером деком-

позиции большой системы является архитектура автоматизированной информационной системы технического обслуживания и управления доменного цеха, состоящая из:

- распределенной подсистемы контроля, сигнализации и локального управления;

- диспетчерской подсистемы технологического персонала печи;

- агрегатной подсистемы;

- диспетчерской подсистемы цеха;

- инженерной подсистемы;

- подсистем управления информационной системой [12].

Сложность системы определяется достаточностью ресурсов для эффективного описания или управления этой системой. Чаще всего понятие сложности системы возникает в результате недостаточности вычислительных или информационных ресурсов.

Рассмотрим с точки зрения сложной большой системы предприятие металлургической промышленности в области черной металлургии. На рисунке 1.1 приведена укрупненная схема металлургического предприятия, предлагаемого в работе [13]. Основными частями системы, приведенной на рисунке 1.1, являются объекты: подготовительное производство, группа цехов производства стали, группа цехов прокатного передела, управление экономики, управление производством и службы контроля. Объектами внешнего мира в составе системы можно считать поставщиков материалов, сырья и ресурсов, потребителей готовой продукции и полуфабрикатов. Связи между элементами системы и объектами внешнего мира осуществляются на основе передачи материальных и информационных потоков в следующем порядке:

- от поставщиков материалов, сырья и ресурсов передаются материалы для всех основных переделов предприятия (1);

- от подготовительного производства передаются шихтовые материалы для выплавки стали (2);

- полупродукт (непрерывнолитая заготовка) передается как прокатному переделу (3), так и внешним потребителям в различные страны (5);

- в службы контроля одновременно передаются технологические пробы химического состава и образцы для контроля качества (4);

- цеха листопрокатного передела передают готовую продукцию потребителям (7) и образцы для контроля качества в службу контроля (6).

Рисунок 1.1 - Укрупненная схема металлургического предприятия

с точки зрения большой системы Все указанные материальные потоки сопровождаются экономической или технологической информацией: 1 - информация о требованиях к заказу по производству металлопродукции; 2 - нормы расходных материалов на производство продукции; 3 - технологические инструкции о ведении металлургических процессов; 4 - информация о нормах расхода материалов и требованиях к технологии производства; 5 - информация о качестве шихтовых материалов для выплавки стали; 6 - информация о марке стали и технологических режимах производства; 7, 8 - информация о качестве готовой продукции; 9 - информация о выполнении заказов на производство продукции.

Полезным результатом функционирования системы является готовая металлургическая продукция (сортовой прокат, плоский прокат, прокат с покры-

тием, метизы и т.д.) или полуфабрикат (заготовка квадратная и прямоугольная для переката, слябы).

Каждый из приведенных объектов этой системы может быть представлен в виде более простых подсистем. На рисунке 1.2 приведена схема металлургического предприятия как большой системы. В структуре электросталеплавильного цеха (ЭСПЦ) выделены основные этапы производства стали - выплавка, доводка и непрерывная разливка.

Рисунок 1.2 - Декомпозиция большой системы металлургического предприятия

на простые - структура ЭСПЦ На рисунке 1.2 введены обозначения: ДСП - дуговая сталеплавильная печь; ДСА - двухванный сталеплавильный агрегат; АПК - агрегат печь-ковш; АДС - агрегат доводки стали; УУПС - установка усреднительной продувки стали; МНЛЗ - машина непрерывного литья заготовок.

Информационные потоки 7 - 9 на рисунке 1.2 определяют технологию производства и нормы расходов материалов. Информационный поток 6, который формируется в службах контроля (центральная лаборатория контроля и отдел технического контроля), определяет информацию о качестве готовой продукции по отобранным технологическим пробам химического состава (до 12 штук от плавки на различных этапах выплавки и доводки стали) и образцам, по

которым выполняется оценка развития внутренних и внешних дефектов непре-рывнолитых заготовок. Все материальные потоки между подразделениями цеха сопровождаются соответствующей информацией (таблица 1.1).

Таблица 1.1 - Соответствие информационных и материальных потоков

в электросталеплавильном производстве

Номер потока Материальный поток Информационный поток

1 Шихтовые материалы для выплавки стали (чугун, металлолом, ферросплавы, шлакообра-зующие материалы) Информация о составе и качестве шихтовых материалов для выплавки стали

2 Металл в расплавленном состоянии (плавка) объемом от 160 до 190 т Информация о химическом составе металла, объеме и температурном режиме

3 Металл в расплавленном состоянии (плавка) объемом от 160 до 190 т Информация о химическом составе металла, объеме, температурном режиме и расходах ферросплавов

4 Непрерывнолитая заготовка (сортовая заготовка или сляб) Информация о химическом составе плавки и технологическом режиме разливки

5 Технологические пробы химического состава и поперечные темплеты заготовок Номер плавки и информация потоков 1 - 4

Несмотря на полное соответствие материальных и информационных по-

токов, система продолжает оставаться сложной с точки зрения достаточности информационных ресурсов для эффективного описания или управления этой системой по результатам оценки качества готовой продукции и полуфабрикатов. В частности, остается проблема объективности оценки качества непрерыв-нолитой заготовки и холоднокатаного листа.

Получение информации о качестве продукции до настоящего времени осуществляется на основе визуального осмотра объекта и сопоставления результатов осмотра с действующими документами ОСТ 14-1-236-91 [14] и ОСТ 14-4-73 [15]. Это требует разработки и применения новых способов получения и новых видов информации о качестве продукции, на основе которой могут быть приняты решения, не зависящие от личного опыта экспертов на промыш-

ленных площадках. Такие системы должны базироваться на использовании систем поддержки принятия решений по результатам автоматизированной, а лучше автоматической, обработки информации.

1.2. Использование графической информации в системах управления

металлургического предприятия

В современной теории информацию по способу представления подразделяют на четыре вида: текстовую, числовую, графическую и звуковую. Информационная система промышленного предприятия хранит информацию в числовом и текстовом виде, которая получена со всех уровней корпоративной информационной системы. Основными источниками информации, получаемой в процессе производства металлургической продукции, являются: промышленные компьютеры, промышленные контроллеры, станции контроля и регистрации технологических параметров, персональные компьютеры.

В меньшей степени на промышленных предприятиях используется графическая информация, даже при ее наличии и возможности использовании при управлении реальными производственными процессами. Причинами устранения графической информации из систем управления являются:

1) дополнительные затраты на организацию и техническое обслуживание точек сбора графической информации, включающие закупку оборудования, программного обеспечения и обучение персонала;

2) функционирование оборудования для сбора графической информации в условиях высокой загрязненности и трудной доступности для обслуживания;

3) повышенные требования к базам данных с точки зрения увеличения объема хранилища при размещении графической информации с высоким разрешением.

Несмотря на указанные сложности, графическая информация остается единственным средством для сохранения данных без участия формализованных методов и субъективной предварительной оценки человека-эксперта. В металлургической промышленности представлено несколько ГОСТов и ОСТов, которые предлагают использование графической информации для экспертной оценки. В таблице 1.2 приводится перечень нормативных документов для экс-

Список литературы диссертационного исследования кандидат наук Посохов, Иван Александрович, 2017 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Нечеткая многоуровневая модификация метода анализа иерархий и способ определения оценок предпочтительности альтернативных вариантов создания сложных систем космического назначения в условиях повышения неопределенности внешней среды / С.Г. Емельянов [и др.] // Известия Юго-Западного государственного университета. - 2012. - № 5 (44). - Ч. 2. - С. 50-60.

2. Бир, Ст. Наука управления: пер. с англ. / Ст. Бир. - М.: Энергия, 1971.

3. Берталанфи, Л. Общая теория системы: Критический обзор / Л. Берта-ланфи. // Исследования по общей теории систем - М.: Прогресс, 1969.

4. Месарович, М. Теория иерархических многоуровневых систем: пер. с англ. / Д. Маго, И. Тахара. - М.: Мир, 1973.

5. Акофф, Р. О целеустремленных системах: пер. с англ. / Р. Акофф, М. Эмери. - М.: Сов. радио, 1974. - 272 с.

6. Партер, У. Современные основания общей теории систем / У. Партер. -М.: Наука, 1981. - 556 с.

7. Кузьмин, В.П. Принципы системности в теории и методологии К. Маркса / В.П. Кузьмин. - М.: Политиздат, 1976. - 400 с.

8. Титоренко, Г.А. Информационные системы в экономике: учебник / Г.А. Титоренко. - М.: Юнити-Дана, 2008. - 463 с.

9. Ullman, D.G. The Human Element in Design: How Humans Design Mechanical Objects, The Mechanical Design Process / D.G. Ulman // McGraw-Hill. -1992. - P. 36-52.

10. Денисов, А.А. Теория больших систем управления: учеб. пособие для вузов / А.А. Денисов, Д.Н. Колесников. - Л.: Энергоиздат, Ленингр. отд-ние, 1982. - 288 с.

11. Статников, Р.Б. Многокритериальное проектирование машин / Р.Б. Статников, И.Б. Матусов. - М.: Знание, 1989. - 48 с.

12. Спирин, Н.А. Информационные системы в металлургии: Конспект лекций (отдельные главы из учебника для вузов) / Н.А. Спирин, В.В. Лавров. -

Екатеринбург: Уральский государственный технический университет - УПИ, 2004. - 495 с.

13. Логунова, О.С. Системный подход к исследованию информационных потоков в управлении качеством непрерывнолитой заготовки // Проблемы теории и практики управления. - 2008. - № 6. - С. 56-62.

14. ОСТ 14-1-236-91. Сталь. Метод контроля макроструктуры непрерыв-нолитой заготовки для производства сортового проката и трубных заготовок. Взамен ОСТ 14-4-73 в части непрерывнолитой заготовки квадратного сечения. - Введ. 1992-01-01. - М.: Министерство металлургии СССР, 1991. - 37 с.

15. ОСТ 14-4-73. Сталь. Метод контроля макроструктуры литой заготовки (слитка), полученной методом непрерывной разливки. - Введ. 1973-07-01. -М.: Министерство черной металлургии СССР, 1973. - 15 с.

16. ГОСТ 14918-80. Сталь тонколистовая оцинкованная с непрерывных линий. Технические условия. Взамен ГОСТ 14918-69. - Введ. 1981-07-01. - М.: Стандартинформ, 2007. - 8 с.

17. ГОСТ 801-60. Сталь подшипниковая. - Введ. 1970-01-01. - М.: Изд-во стандартов, 1970. - 21 с.

18. ГОСТ 5640-68. Сталь. Металлографический метод оценки микроструктуры листов и ленты. - Введ. 1970-01-01. - М.: Изд-во стандартов, 1988. -17 с.

19. ГОСТ 5639-82. Стали и сплавы. Методы выявления и определения величины зерна. Взамен ГОСТ 5639-65. - Введ. 1983-01-01. - М.: Изд-во стандартов, 1988. - 22 с.

20. ГОСТ 11878-66. Сталь аустенитная. Методы определения содержания альфа-фазы. - Введ. 1967-07-01. - М.: Изд-во стандартов, 1977. - 9 с.

21. ГОСТ 5950-2000. Сталь инструментальная легированная. - Введ. 2002-01-01. - М.: ИПК изд-во стандартов, 2001. - 39 с.

22. ГОСТ 8233-56 Сталь. Эталоны микроструктуры. - Введ. 1957-07-01. -М.: ИПК изд-во стандартов, 2004. - 12 с.

23. Антонов, А.В. Системный анализ: учебник для вузов / А.В. Антонов. -М.: Высш. шк., 2004. - 454 с.: ил.

24. Мишин, В.М. Исследование систем управления: учебник для вузов / В.М. Мишин. - 2-изд., стер. - М.: ЮНИТИ-ДАНА, 2005. - 527 с.

25. Gharajedaghi, J. Toward Systematic Education of System Scientists / J. Gharajedaghi, R.L. Ackoff - Systems Reseach. - 1985. - V. 2. - № 1. - P.21-27.

26. Espresso System Description Pickling, Cold Processing & Coating [Электронный ресурс]. - Режим доступа: http://www.parsytec.de/uploads/media/ Brochure espresso system description 2005-06-30.pdf, свободный. - Загл. с экрана.

27. Промышленная система анализа изображений Siams 700 [Электронный ресурс]. - Режим доступа: http://www.siams.com/releases/siams700/ siams700.pdf, свободный. - Загл. с экрана.

28. Automatic system for intelligent support of continuous cast billet production control processes / O.S. Logunova [et al.] // The International Journal of Advanced Manufacturing Technology. - 2014. - Vol. 74, iss. 9. - P. 1407-1418.

29. Chapeiie, O. Support Vector Machines for Histogram-Based Image Classification / O. Chapeiie, P. Haffner, V. Vapnik // IEEE Transactions on neural networks. - 1999. - Vol. 10, iss. 5. - P. 1055-1064.

30. Foody, G. A relative Evaluation of MultiClass Image Classificafion by Suuport Vector Machines / G. Foody // IEEE Transactions on geoscience and remote sensing. - 2004. - Vol. 42, iss. 6. - P. 1335-1343.

31. Lyons, M.J. Automatic Classification of Single Facial Images / M.J. Lyons, J. Budynek, S. Akamatsu // IEEE Transactions on pattern analysis and machine intelligence. - 1999. - Vol. 21, iss. 12. - P.1357-1362.

32. Automated Model-Based Tissue Classification of MR Images of the Brain / K.V. Leemput [et al.] // IEEE Transactions on medical imaging. - 1999. - Vol. 18, iss. 10. - P.897-908.

33. Varma, M. A Statistical Approach to Texture Classification from Single Images / M. Varma, A. Zisserman // International Journal of Computer Vision. -2005. - Vol. 62(1/2). - P. 61-81.

34. Wang, F. Fuzzy Supervised Classification of Remote SensingImages / F. Wang // IEEE Transactions on geoscience and remote sensing. - 1990. - Vol. 28(2).

- P.194-201.

35. Wang, F. Design and implementation of knowledge-base system for remotely sensed change detection / F. Wang, R. Newkirk // J. Imaging Techn. - 1987. -Vol 13. - P. 116-122.

36. Segmentation of a thematic Mapper Image using the fuzzy c-means clustering algorithm / R.L. Cannon [et al.] // IEEE Trans. Geosci.Remote Sensing. - 1986. -Vol. GE-24. - P. 400-408.

37. Morlini, I. A New Class of Weighted Similarity Indices Using Polytomous Variables / I. Morlini, S. Zani // Journal of Classification. - 2012. - Vol 29(2). - P. 199-226.

38. Giordani, P. FINDCLUS: Fuzzy INdividual Differences CLU Stering / P. Giordani, H. Kiers // Journal of Classification. - 2012. - Vol. 29(2). - P. 170-198.

39. Contreras, P. Fast, Linear Time Hierarchical Clustering using the Baire Metric / P. Contreras, F. Murtagh // Journal of Classification. - 2012. - Vol. 29(2). -P. 118-143.

40. Bar-Hen, A. Influence Measures for CART Classification Trees / A. Bar-Hen, S. Gey. J.-M. Poggi // Journal of Classification. - 2015. - Vol. 32(1). - P. 2145.

41. Шестаков, А. Л. О новой концепции белого шума / А.Л. Шестаков, Г.А. Свиридюк // Обозрение прикладной и промышленной математики. - 2012.

- Вып. 19(2). - С. 287-288.

42. Шестаков, А.Л. Динамические измерения в пространствах «шумов» / А.Л. Шестаков, Г.А. Свиридюк, Ю.В. Худяков // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. - 2013. - Вып. 13(2). - С. 4-11.

43. Логунова, О.С. Оценка качества непрерывнолитой заготовки статистическими методами с использованием программных средств / О.С. Логунова,

Д.Х. Девятов, Х.Х. Нуров. // Изв. вузов. Черная металлургия. - 2005. - №9. - С. 54-58.

44. Посохов, И.А. Технология обработки изображений заготовок на основе операций морфологического анализа / И.А. Посохов, О.С. Логунова // Математическое и программное обеспечение систем в промышленной и социальной сферах. - 2011. - №1-2. - С. 191-196.

45. Логунова, О.С. Система интеллектуальной поддержки процессов управления производством непрерывнолитой заготовки / О.С. Логунова, И.И. Мацко, И.А. Посохов. - Магнитогорск, 2013. - 176 с.

46. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс.

- М.: Техносфера, 2005. - 1072 с.

47. Прэтт, У. Цифровая обработка изображений / У. Прэтт. - М.: Мир, 1982. - Кн. 1. - 312 с.

48. Шапиро Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман. - М.: Бином, 2006. - 752 с.

49. Parfenenkov, B.B. Comparison of Some Image Quality Approaches / B.B. Parfenenkov, M.A. Panachev // Supplementary Proceedings of the 3rd International Conference on Analysis of Images, Social Networks and Texts (AIST'2014). - 2014.

- P. 48-53.

50. Logunova, O.S. Classification method of sulfur print image based on characteristics of intensity histogram / O.S. Logunova, I.A. Posokhov // Advances in Communication Technology and Systems Proceedings of the 2014 International Conference on Communication Technology and System (ICCTS 2014). - 2014. - P. 2029.

51. Tyrsin, A.A. Non-Linear Filtering of Images on the Basis of Generalized Method of Least Absolute Values / A.A. Tyrsin, V.A. Surin. // Supplementary Proceedings of the 3rd International Conference on Analysis of Images, Social Networks and Texts (AIST'2014). - 2014. - P. 41-47.

52. Two approaches for noise filtering in 3D medical CT-images / M. Storozhilova [et al.] // The 22nd International Conference on Computer Graphics and Vision GraphiCon'2012. - 2012. - P. 68-72.

53. Chernomorets, A. Deblurring in fundus images / A. Chernomorets, A. Na-sonov // ГрафиКон'2012: 22-я Международная конференция по компьютерной графике и зрению. - 2012. - P. 76-79.

54. Сазонов, В. Нелинейная ортогональная фильтрация цифровых изображений. / В. Сазонов, М. Щербаков // ГрафиКон'2014: 24-я Международная конференция по компьютерной графике и зрению. - 2014. - С. 72-75.

55. Бекетова, И.В. Алгоритм автоматического обнаружения изображений номерных знаков железнодорожного подвижного состава на основе метода адаптивного бустинга / И.В. Бекетова, С.Л. Каратеев, Ю.В. Визильтер // Гра-фиКон'2013: 23-я Международная конференция по компьютерной графике и зрению. - 2013. - С. 219-222.

56. Кузьмицкий, Н.Н. Создание универсальных классификаторов текстовых образов на основе сверточных нейросетевых технологий / Н.Н. Кузьмицкий // ГрафиКон'2013: 23-я Международная конференция по компьютерной графике и зрению. - 2013. - С. 234-238.

57. Балахонцева, А. Система распознавания символов на изображениях со сложным фоном / А. Балахонцева, А. Годоба, Н. Тьен // ГрафиКон'2013: 23-я Международная конференция по компьютерной графике и зрению. - 2013. - С. 250-254.

58. Левашов, А.Е. Детектирование жирных линий и древовидных структур на изображениях / А.Е. Левашов, Д.В. Юрин. // ГрафиКон'2013: 23-я Международная конференция по компьютерной графике и зрению. -2013. - С. 259264.

59. Афанасьева, А. Алгоритм поиска областей резкости на стереоизображениях / А. Афанасьева, А. Игнатенко // ГрафиКон'2014: 24-я Международная конференция по компьютерной графике и зрению. - 2014. - С. 160-164.

60. Махно, Т. Автоматическое построение комбинаций алгоритмов обработки изображений в задаче обработки УЗ изображений сонных артерий. / Т. Махно // ГрафиКон'2014: 24-я Международная конференция по компьютерной графике и зрению. - 2014. - С. 104-108.

61. Матвеев, И. Выделение зрачка на изображении глаза преобразованием Хафа границ компонент связности / И. Матвеев, Н.Н. Чинаев // ГрафиКон'2014: 24-я Международная конференция по компьютерной графике и зрению. - 2014. - С. 115-119.

62. Оценка применимости алгоритмов сегментации изображения для решения задачи оконтуривания левого желудочка сердца на УЗИ-изображениях / А. Бобкова [и др.] // ГрафиКон'2013: 23-я Международная конференция по компьютерной графике и зрению. - 2014. - С. 238-240.

63. Хвостиков, А. Детектирование стадии фиброза печени при помощи текстурного анализа ультразвуковых изображений / А. Хвостиков, А. Крылов, Ю. Камалов // ГрафиКон'2014: 24-я Международная конференция по компьютерной графике и зрению. - 2014. - С. 127-130.

64. Вятченин, Д.А. Нечеткие методы автоматической классификации: монография / Д.А. Вятченин. - Мн.: УП «Технопринт», 2004. - 219 с.

65. Widham, M.R. Numerical Classification of proximity data with assignment measures / M.R. Widham // Journal of classification. - 1985. - Vol. 2. - P. 157-172.

66. Roubens, M. Pattern Classification and fuzzy sets / M. Roubens // Fuzzy sets and systems. - 1978. - Vol. 1. - P. 239-253.

67. Bezdek, J.C. Cluster validity with fuzzy sets / J.C. Bezdek // Journal of mathematical biology. - 1974. - Vol. 1. - P. 57-71.

68. Pedrycz, W. Fuzzy sets in pattern recognition: methodology and methods / W. Pedrycz // Pattern recognition. - 1990. - Vol. 23. - P. 121-146.

69. Dave, R.N. Robust fuzzy clustering of relation data / R.N. Dave, S. Sen // IEEE Transaction on fuzzy systems. - 2002. - Vol. 10. - P. 713-727.

70. Couturier, A. Recognising stable corporate groups: a fuzzy classification method / A. Couturier, B. Fioieau // Fuzzy economic review. - 1997. - Vol. II. - P. 35-45.

71. Gitman, J. An algorithm for detecting unimodal fuzzy sets and its application as a clustering technique / J. Gitman, M.D. Levine // IEEE Transaction on computers. - 1970. - Vol. C-19. - P. 583-593.

72. Бертштейн, Л.С. Решение задач классификации на нечетких графах / Л.С. Бертштейн, Т.А. Дзюба // Новости искусственного интеллекта. - 2000. - № 3. - С. 319-321.

73. ТИ 101-СТ-ЭСПЦ-58-2014. Разливка стали на сортовых машинах непрерывного литья заготовок № 1 и № 2 электросталеплавильного цеха. - Магнитогорск: ОАО «ММК», 2014. - 47 с.

74. ТИ 101-Я-7-2009. Контроль макроструктуры непрерывнолитых слябов производства ОАО «ММК». Отбор, механическая обработка, снятие серных отпечатков и травление темплетов. - Магнитогорск: ОАО «ММК», 2009. - 13 с.

75. ГОСТ 10243-75. Сталь. Методы испытаний и оценки макроструктуры. - Введ. 1978-01-01. - М.: Государственный комитет СССР по стандартам, 1978. - 41 с.

76. Тутарова, В.Д. Прогнозирование качества непрерывнолитых слитков методами математического моделирования / В.Д. Тутарова, О.С. Логунова // Изв. вузов. Черная металлургия. - 1999. - №8. - С.53-55.

77. Логунова, О.С. Прогнозирование развития сетчатых трещин в зависимости от охлаждения непрерывнолитых слитков в кристаллизаторе / О.С. Логунова, Е.А. Ильина, Я.В. Арефьев // Новые программные средства для предприятий Урала: сб. тр. Регион. науч.-техн. конф. - Магнитогорск: МГТУ, 2002. -Вып. 1. - С. 50- 54.

78. Шевченко, Е.А. Влияние перегрева металла в промежуточном ковше на качество непрерывнолитой заготовки / Е.А. Шевченко, А.М. Столяров, А.Н. Шаповалов // Достижения и перспективы естественных и технических наук:

сборник материалов II Международной научно-практической конференции; Центр научного знания «Логос». - 2012. - С. 90-95.

79. Лукьянов, С.И. Влияние электропривода тянущих роликов МНЛЗ на качество макроструктуры непрерывнолитой заготовки / С.И. Лукьянов // Электротехнические системы и комплексы. - 2002. - №7. - С. 10-15.

80. Влияние содержания углерода в низколегированных сталях на качество поверхности непрерывнолитой заготовки и листового проката / О.Б. Исаев [и др.] // Металлург. - 2004. - №5. - С. 35-37.

81. Исаев, О.Б. Влияние углерода и малых концентраций примесей цветных металлов на качество непрерывнолитой заготовки / О.Б. Исаев // Металлург. - 2009. - №9. - С. 68-72.

82. Влияние дефектов макроструктуры непрерывнолитой слябовой заготовки на качество листового проката в условиях ОАО «Уральская сталь» / Е.А. Шевченко [и др.] // Литейные процессы. - 2011. - №10. - С. 73-79.

83. Poynton, C. Rehabilitation of gamma / Charles Poynton. - Photonics West'98 Electronic Imaging. International Society for Optics. - 1998.

84. A Standard Default Color Space for the Internet - sRGB [Электронный ресурс] / M. Stokes [et al.]. -1996. - Режим доступа: http: //www.w3 .org/Graphics/ Color/sRGB.html. - Загл. с экрана.

85. Otsu, N. A Threshold Selection Method from Gray-Level Histograms / No-buyuki Otsu // IEEE Transactions on Systems, Man, and Cybernetics. - 1979. - Vol. 9, no. 1. - P. 62-66.

86. Ridler, T.W. Picture thresholding using an iterative selection method / T.W Ridler, S. Calvard // IEEE Trans. System, Man and Cybernetics. - 1978. - SMC-8. -P. 630-632.

87. Логунова, О.С. Обработка экспериментальных данных на ЭВМ. Курс лекций / О.С. Логунова, Е.А. Ильина.: - Магнитогорск: МГТУ, 2004. - 176 с.

88. Глинский, В.В. Статистический анализ / В.В. Глинский, В.Г. Ионин. -Изд. 2-е, перераб. и доп. - М.: Информационно-издательский дом «Филинъ», 1998. - 264 с.

89. Ефимова, М.Р. Общая теория статистики: учебник / М.Р. Ефимова, Е.В. Петрова, В.Н. Румянцев. - М.: Инфра-М, 1998. - 416 с.

90. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде. - М.: Мир, 1976. - 165 с.

91. Тэрано, Т. Прикладные нечеткие системы / Т. Тэрано, К. Асаи, М. Су-гэно. - М.: Мир, 1993. - 366 с.

92. Конышева, Л.К. Основы теории нечетких множеств : учеб. пособие / Л.К. Конышева, Д.М. Назаров. - СПб. : Питер, 2011. - 192 с.

93. Ефимов, Н.В. Краткий курс аналитической геометрии: учебник / Н.В. Ефимов. - М.: Физматлит, 2014. - 239 с.

94. Ильин, В.А. Линейная алгебра и аналитическая геометрия: учебник / В.А. Ильин, Г.А. Ким. - М.: Из-во Моск. ун-та, 2007. - 393 с.

95. Тыртышников, Е.Е. Матричный анализ и линейная алгебра / Е.Е. Тыр-тышников. - М.: Физматлит, 2007. - 480 с.

96. Рудык, Б. Линейная алгебра / Б. Рудык. - М.: Инфра-М, 2013. - 320 с.

97. Посохов, И.А. Технология обработки изображений заготовок на основе операций морфологического анализа / И.А. Посохов, О.С. Логунова // Математическое и программное обеспечение систем в промышленной и социальной сферах. - 2011. - №1-2. - С. 191-196.

98. Миков, А.Ю. Методика обработки изображений металлургической продукции с использованием операций морфологического анализа / А.Ю. Миков, И.А. Посохов, О.С. Логунова // Перспективы развития информационных технологий. - 2011. - №3-1. - С. 95-100.

99. Metal Rater: Свидетельство о государственной регистрации программы для ЭВМ № 2013610118 / И.А. Посохов, И.И. Мацко, О.С. Логунова // БПБТ. - 2013. - № 5. - С. 684.

100. Image analyzer interface: Свидетельство о государственной регистрации программы для ЭВМ. - № 201317250 / И.И. Мацко, И.А. Посохов, О.С. Логунова // БПБТ. - 2013. - № 3. - C. 533.

101. Logunova, O.S. Integrated system structure of intelligent management support of multistage metallurgical processes / O.S Logunova, I.I. Matsko, I.A. Poso-chov // Вестник Магнитогорского государственного технического университета им. Г.И. Носова. - 2013. - .№5(45). - С. 50-55.

102. Посохов, И.А. Визуализация и обработка информации о качестве непрерывнолитой заготовки / И.А. Посохов // Электротехнические системы и комплексы. - 2016. - № 2 (31). - С. 35-43.

103. Визуализация результатов научной деятельности: учебное пособие / О.С. Логунова, Е.А. Ильина, И.А. Посохов и др. - Магнитогорск: Изд-во Магнитогорск. гос. ун-та им. Г.И. Носова, 2015. - 85 с.

104. Логунова, О.С. Об одном способе оценки экономической эффективности внедрения программного продукта в систему управления / О.С. Логунова, Е.А. Ильина, И.И. Мацко // Математическое и программное обеспечение систем в промышленной и социальной сферах. - 2016. - Т. 4. - № 1. - С. 42-47.