Содержание к диссертации
Введение
ГЛАВА 1 Анализ способов разделения семян сельскохозяйственных культур
1.1. Технические требования, предъявляемые к анализирующему оборудованию 10
1.2. Анализ методов и технических средств для разделения семян 11
1.3. Существующие малогабаритные семеочистительные машины для анализа чистоты семян многолетних трав 28
1.4. Развитие техники оптикоэлектронной сортировки 30
Выводы по главе 1 35
ГЛАВА 2 Теоретическое обоснование метода распознавания семян люцерны и примесей по морфологическим признакам
2.1. Анализ и выбор метода описания формы семян 36
2.2. Разработка набора информативных признаков и способов их вычисления 46
2.3. Разработка программного обеспечения для исследования метода распознавания семян по форме поверхности 54
2.4. Исследование изменчивости значений признаков при изменении числа осей сканирования изображения 59
Выводы по главе 2
ГЛАВА З Исследование эффективности информативных признаков для обеспечения надёжной идентификации семян люцерны и примесей
3.1. Методика оценки эффективности информативных признаков 64
3.2. Предварительная проверка распознающей способности предложенных признаков формы 66
3.3. Определение основных статистических характеристик значений признаков 71
3.4. Сравнительный анализ значений предложенных признаков 83
3.5. Определение набора наиболее информативных признаков обеспечивающих распознавание семян люцерны и сорняков 92
Выводы по главе 3 Q7
ГЛАВА 4 Разработка алгоритма работы распознающей системы и оценка достоверности распознавания семян люцерны и сорняков
4.1. Разработка алгоритма работы распознающей системы и его программной реализации 98
4.2. Определение оптимального набора информативных признаков 102
4.3. Испытания достоверности распознавания семян люцерны и сорняков 107
4.4. Общая структурная схема программного обеспечения распознающей системы 120
Выводы по главе 4 123
CLASS ГЛАВА Разработка технологической линии оптикоэлектронного экспресс - анализа и оценка её экономической эффективности CLASS 124
5.1. Разработка технологической схемы оптикоэлектронного экспресс - анализа
5.2. Разработка электрической принципиальной схемы технологической линии экспресс - анализа 134
5.3. Расчёт показателей надёжности технологической линии экспресс - анализа 142
5.4. Оценка экономической эффективности экспресс - анализа засорённости семян люцерны семенами сорняков 145
Выводы по главе 5 148
Заключение 149
Литература 152
- Существующие малогабаритные семеочистительные машины для анализа чистоты семян многолетних трав
- Разработка программного обеспечения для исследования метода распознавания семян по форме поверхности
- Определение основных статистических характеристик значений признаков
- Испытания достоверности распознавания семян люцерны и сорняков
Введение к работе
Актуальность темы. В обеспечении необходимой кормовой базы швотноводства важное место занимают кормовые культуры, іовьшение их урожайности во многом зависит от обеспеченности созяйств полноценным семенным материалом. Ведущее место среди многолетних кормовых трав занимает люцерна. В настоящее время наметилась устойчивая тенденция увеличения доли люцерны среди кормовых трав. В Краснодарском крае под люцерну отведено 320 тыс.га пашни. В дальнейшем посевные площади люцерны намечено увеличить до 450 тыс. га.
Практика показывает, что семена люцерны во многих случаях засоряются семенами трудноотделимых сорняков: бодяка, вязеля, пырея ползучего, щетинника и др.
Определение чистоты посевного материала является достаточно трудоёмкой задачей и производится на контрольно - семенных станциях визуально, вручную. Кроме больших затрат времени и многих субъективных факторов, влияющих на результаты анализов, существующая технология отрицательно влияет на здоровье работников, проводящих эти анализы.
Поэтому исключение ручного труда, сокращение времени анализа чистоты семян при высокой точности распознавания за счёт автоматизации трудоёмких операций является актуальной задачей.
Решение этой задачи может быть достигнуто с помощью автоматизированного технологического оборудования, осуществляющего разделение семян люцерны и сорняков. Анализ существующих способов разделения семян в аспекте методики определения их чистоты показывает, что для такого экспресс - анализа целесообразно использовать оптикоэлектронное распознающее оборудование.
В настоящее время в результате работ проведённых под руководством Бородина И.Ф., Будзко И.А., Кирилина Н.И., Колчина Н.Н., Пшеченкова К.А., специалистов США, уже накоплен определённый опыт по исследованию и разработке оптикоэлектронных устройств для сортировки и определения качества сельскохозяйственных продуктов. Однако при этом не решались задачи автоматизированного анализа засорённости семенных смесей многолетних кормовых трав.
Специфика этого вопроса связана с необходимостью обеспечения высокой разрешающей способности и быстродействия анализирующего оборудования.
В настоящей работе эта задача решается с применением современной оптикоэлектронной и вычислительной техники,
позволяющей реализовать сложные алгоритмы распознавания объектов управления технологическим процессом.
Цель и задачи исследований. Целью диссертационной работ является обоснование способа и разработка оптикоэлектроннс компьютерной распознающей системы для экспресс - анали засорённости семян люцерны семенами сорняков по морфологически признакам.
Для достижения поставленной цели решены следующие задачи:
выбран и обоснован способ разделения семян для экспресс - анали: семенных смесей люцерны;
исследованы морфологические признаки семян люцерны сопутствующих сорняков с целью разработки набор информативных признаков;
разработана оптикоэлектронная компьютерная система дл проведения исследований по распознаванию компонен исследуемой смеси семян;
предложена методика и исследована эффективность информативны признаков с помощью предложенной распознающей системы;
разработан алгоритм работы распознающей системы, en программная реализация, определён оптимальный набо) информативных признаков и произведена оценка достоверності распознавания семян люцерны и сорняков;
разработана технологическая линия оптикоэлектронного экспресс -анализа засоренности семян люцерны семенами сорняков.
Методы исследования. В работе использованы методы теорш вероятности, математической обработки опытных данных, теорш распознавания образов, современного компьютерного программирован» и моделирования (C^Builder, Mathcad).
Исследования по распознаванию семян люцерны и сопутствующи> сорняков проводились с помощью созданной экспериментально? оптикоэлектронной распознающей системы. Коллекция исследуемых семян была подобрана специалистами контрольно - семенной станции и содержала семена с присущими им всевозможными изменениями формы.
Объект исследований. Объектом исследований является процесс оптикоэлектронного распознавания семян люцерны и сорняков. Исследования проведены на семенах люцерны желтой и семенах трудноотделимых сорняков бодяка и вязеля.
Научную новизну представляют: обоснованный способ распознавания семян люцерны и сорняков; дальнейшее развитие теории оценки формы семян сельскохозяйственных культур с помощью
нформативных признаков; оптимальный набор информативных ризнаков для идентификации исследуемых семян; методика оценки ффективности информативных признаков и достоверности аспознавания; алгоритм работы распознающей системы; программные родукты для осуществления экспресс - анализа засорённости семян юцерны семенами сорняков.
Научная новизна разработок подтверждена двумя патентами РФ.
Практическую ценность имеют разработанные в ходе ісследований оптимальный набор информативных признаков, методика щенки их эффективности и достоверности распознавания, программные іродуктьі для проведения экспресс - анализа, технологическая линия штикоэлектронного экспресс - анализа. Материалы работы могут іспользоваться для проведения экспресс - анализа засорённости семян юцерны семенами сорняков на контрольно - семенных станциях, 'азработанная распознающая система может применяться при экспресс — інализе других мелкосемянных культур, а также в селекционных >аботах, при калибровке и сортировке семян.
Предложенная технологическая линия экспресс - анализа позволит ювысить производительность труда при определении чистоты семян іюцерньї в 6.5 раз, и получить годовой экономический эффект свыше !0 тысяч рублей (в ценах 2000г.).
На защиту выносятся следующие научные и практические юложения работы:
способ распознавания семян люцерны и сопутствующих сорняков;
результаты исследований морфологических признаков исследуемой семенной смеси;
оптимальный набор информативных признаков для распознавания семян люцерны и сорняков;
результаты разработки оптикоэлектронной распознающей системы;
методика оценки эффективности и достоверности распознавания информативных признаков формы;
результаты разработки технологической линии оптикоэлектронного экспресс-анализа засоренности семян люцерны семенами сорняков.
Реализация результатов исследований. Основные результаты диссертационной работы переданы в Государственную семенную инспекцию Краснодарского края для использования при проведении анализов чистоты семян люцерны в учебно - испытательном центре «Семконтроль», что отражено в соответствующем акте.
Апробация работы. Основные положения и результаты диссертационной работы доложены, обсуждены и одобрены на научных
конференциях Кубанского ГАУ (1996 - 1999гг.), научно - практическ конференции «Ресурсосбережение в АПК Кубани», Кубанск ГАУ,1988г., научно - практической конференции «Энергосберегаюш технологии и процессы в АПК», Кубанский ГАУ, 1999г., региональн научно - практической конференции молодых учёных «Научи обеспечение сельскохозяйственного производства», г, Краснодар, 1999i
Публикация результатов исследований. Основное содержаи работы опубликовано в 11 печатных работах, в том числе 2 патента РФ
Объем и структура работы.
Диссертация изложена на 165 страницах машинописного текс содержит 44 рисунка, 23 таблицы и состоит из введения, пяти гл выводов, списка использованной литературы (159 наименований, в т числе 6 на иностранном языке) и 8 приложений на 48 страницах.
Существующие малогабаритные семеочистительные машины для анализа чистоты семян многолетних трав
В сепараторах этого типа разделение семян происходит по комплексу магнитных, фрикционных и гравитационных свойств.
Семена, предварительно смешанные с порошком, подаются на верхнюю ветвь наклонной бесконечной ленты, вращающейся на двух горизонтальных валиках. Шероховатые семена, покрытые порошком, под действием поля, образованного магнитной системой прижимаются к ленте и транспортируются в верхний вход. Семена, не покрытые порошком, скатываются вниз и попадают в приемник очищенных семян [3,4].
Для комплексной механизации сельскохозяйственного производства выпускается электромагнитная семяочистительная машина ЭМС - 1А [108]. Принцип работы ЭМС - 1А аналогичен работе цилиндрических магнитных сепараторов с внешней рабочей поверхностью. Машину ЭМС - 1А применяют в основном для очистки семян льна, клевера, люцерны от повилики, плевела, подорожника и некоторых других сорняков [62,82].
Необходимость применения магнитных порошков существенно усложняет конструкцию магнитных сепараторов и использование для очистки семян ограничивается в случае, когда основная культура представлена шероховатыми семенами или магнитная восприимчивость обоих компонентов смеси одинакова. Кроме того, магнитные сепараторы имеют большие габариты, металлоемки, а удельный расход энергии выше, чем у других устройств для разделения семян по форме и свойствам поверхности. Необходимо также отметить, что разделение семян на таких сепараторах сопровождается сильным запылением и загрязнением воздуха порошком с соединениями железа, вредными для здоровья обслуживающего персонала. Электрофрикционные сепараторы
Электросепарация продукта основана на использовании электрических свойств разделяемых частиц, электропроводности, диэлектрических свойств и др.
Свойство семян удлиненной формы ориентироваться в электрическом поле большей осью вдоль силовых линий поля, а также различия напряженности поля для ориентирования частиц разной формы положены в основу ряда сепараторов для выделения удлиненных компонент из семенных смесей [12,13,21,22,25,33,63,70,71,151]. Рабочий орган таких сепараторов может совершать поступательное или вращательное движение.
Исследования, проведенные в Челябинском агроуниверситете (Челяб. ГАУ) под руководством А.М.Басова, показали, что совмещение электрического и фрикционного принципов очистки семян в едином технологическом процессе расширяет возможность как электрического, так и фрикционного методов [20,23,24,34,76,88,93]. Установлено, что наложение электрического поля коронного разряда позволяет увеличить силу, прижимающую частицу к рабочей поверхности [17,35,68,69,76]. За счёт этого увеличивается производительность при одновременном увеличении угла наклона и повышения стабильности процесса разделения семян.
Широкому применению фрикционных сепараторов с наложенным электрическим полем коронного разряда препятствуют следующие основные причины: - влажность и температура окружающей среды в значительной мере влияют на результат очистки семян; - питание электродов осуществляется от высоковольтного (30 - 60 кВ) источника постоянного напряжения, что вызывает необходимость в выпрямительных устройствах, усложняющих схему питания и повышающих стоимость сепаратора; - наличие оголенных электродов приводит к уменьшению электробезопасности при обслуживании сепараторов.
В значительной устранить эти недостатки позволяют методы диэлектрического разделения семян [16,17,18,30,86,134,135,], разрабатываемые в настоящее время в МГАУ им. В.П. Горячкина в отраслевой научно - исследовательской лаборатории перспективных автоматических средств сепарации семян под руководством академика РАСХН И. Ф. Бородина. Методы диэлектрического разделения семян основаны на взаимодействии поля источника и диэлектрической частицы, причем поле частицы образуется за счет индукции полем источника свободных и связанных зарядов, что позволяет осуществлять разделение без предварительной зарядки семян как в стационарных, так и переменных полях. Неоднородное переменное электрическое поле, воздействующее на семена, создается при питании электродов бифилярной обмотки током высокого напряжения (1-12 кВ). Исследования очистки семян овощных культур на фрикционном диэлектрическом сепараторе, у которого электроды бифилярной обмотки установлены под рабочей ветвью продольно движущегося полотна, позволяют говорить о высокой эффективности наложения неоднородного электрического поля на рабочую поверхность.
Сепараторы этого типа целесообразно применять для разделения семенных смесей, компоненты которых имеют существенные различия в фрикционных свойствах. Однако разделение смесей, состоящих из шарообразных и цилиндрических (удлиненных) частиц, на таких сепараторах малоэффективно. Исследования [71,72] по ориентированию диэлектрических тел цилиндрической формы с помощью системы электродов в виде линейных проводников позволяют предположить возможность использования таких систем и для ориентирования семян. Одним из конструктивных решений системы электродов является диэлектрическая пластина с вмонтированными электродами. Питание электродов переменным током высокого напряжения является предпочтительным.
Разработка программного обеспечения для исследования метода распознавания семян по форме поверхности
Поэтому целесообразнее всего использовать оценку формы проекций представленных их бинарными изображениями, кроме того такие изображения занимают малый объём машинной памяти, что сильно влияет на увеличении быстродействия анализирующей системы. Современные компьютерные технологии позволяют достаточно просто и быстро переходить от полутонового изображения к бинарному [59].
Согласно принятой терминологии, описание изображения - это преобразование исходной или предварительно обработанной двумерной функции в совокупность количественных (числовых) или качественных (логических, вербальных) характеристик, нужных для решения поставленной перед системой технического зрения задачи [106,144].
В системах машинного зрения этап описания изображений, как правило, сводится к получению совокупности признаков для классификации объектов рабочей сцены, определению параметров их положения, ориентации, размеров и пр [153].
Признаки формы могут вычисляются как по глобальным свойствам областей изображения, представляющих объекты, так и по локальным характеристикам контурных границ этих областей или их фрагментов. Можно разделить множество алгоритмов расчёта признаков на две большие группы [84,103,122,139,153,156,159]. Одна большая группа алгоритмов базируется на формальных методах, задаваемых с помощью математических выражений (расчёт коэффициентов аппроксимирующих полиномов, разложений в спектры, интегральных инвариантов, топологических показателей и т.п.). Другая группа охватывает так называемые «лингвистические» методы классификации образов, для которых признаки выбираются (в результате предварительного исследования человеком конкретных классов объектов) в виде описаний -способов соединения или взаимного расположения характерных элементов рабочей сцены. Лингвистический подход, свойственный для теории искусственного интеллекта, использовался для анализа («грамматического разбора») сцен, составленных из многогранников и других классических геометрических тел [74]. Был разработан целый ряд методов представления таких сцен в виде совокупностей простейших элементов («примитивов»), описываемых графами отношений, целенаправленного поиска особенностей графического препарата на основе выдвижения гипотез ( в качестве этих особенностей обычно принимались различные виды пересечений двух или более отрезков контурных линий - углы, стрелки, острия, Т -, L -, К -, X - образные пересечения).
Однако, необходимо отметить, что в системах технического зрения гораздо шире распространены не чисто формальные и лингвистические алгоритмы, а методы описания формы объектов смешанными наборами признаков из двух указанных групп, которые получили название -«геометрические признаки» [153].
Геометрическими признаками, характеризующими изображение объекта, могут быть его площадь, периметр, пераунд (нормированное отношение площади к квадрату периметра), размеры вписанного и описанного прямоугольников. Эти признаки так же, как и число отверстий, число углов, число выступов и т.п., инвариантны к перемещению изображения в картинной плоскости. Они широко используются для описания формы плоских фигур в системах технического зрения при классификации объектов по двумерным проекциям [7,41,53,78,144,158].
Основное достоинство применения геометрических признаков заключается в том, что их удаётся вычислить непосредственно по цифровому представлению изображения, минуя стадию его аналитического описания в виде математической модели [73,153]. Но в то же время, простые геометрические признаки, хорошо понятные человеку не всегда обеспечивают однозначное распознавание объектов. Так, например, они не могут обеспечить достоверное описание анализируемых объектов в том случае когда они имеют абсолютно одинаковую площадь, периметр и другие перечисленные выше признаки .
В таких ситуациях используются используются системы формальных признаков. Основная идея описания формы объекта состоит в том, что его контур характеризуется его кривизной K(s), задаваемой в функции от длины s, отсчитываемой вдоль контура от некоторой фиксированной точки. Для замкнутого контура K(s) - периодическая функция с периодом, равным периметру контура Р [53,153]. Поэтому коэффициенты разложения указанной функции в ряд Фурье дают полную систему признаков данного объекта. Вместо K(s) нашло применение и другое описание контурной кривой. В [64] предлагалось раскладывать в ряд Фурье безразмерное отношение р( р) = Pfr( p), где г(ф)- уравнение контура в полярной системе координат с полюсом в центре формы объекта. Аналогично можно рассмотреть периодические функции x(s), y(s), представляющие кривую на координатной плоскости (х, у). На этой основе был предложен ряд практически эффективных вычислительных схем для расчёта классифицирующих инвариантов. Дискретное представление контура рядами Фурье с конечным числом членов N может иметь вид x(s) = а0 + \ап COS(2KS/P) + Ъп sin( 2xris/P)]; (2.1) и=1 y(s) = c0 + [C„ cos(2ns/P) + dn m(2ms/P)]; (2.2) /7=1 Однако этим алгоритмам расчёта признаков на основе изменений кривизны и тому подобных свойств контура присущ общий недостаток локальных методов - большая чувствительность к шумовым искажениям границ объектов.
Определение основных статистических характеристик значений признаков
Для проведения исследований эффективности информативных признаков формы были взяты коллекционные семена люцерны жёлтой, бодяка и вязеля в количестве 100 шт. каждого вида растения. Коллекция семян была подобрана специалистами контрольно - семенной станции и содержала семена с присущими им всевозможными изменениями формы. Вычисление значений признаков формы для выборок семян каждого вида растения производилось с использованием компьютерной программы «Распознавание семян». Значения признаков для исследуемых видов семян представлены в приложениях 3, 4, 5.
Полученные массивы численных значений признаков были занесены в соответствующие компьютерные базы данных для дальнейшего их использования в исследованиях.
Цель проведения исследований эффективности предложенных информативных признаков формы заключалась в определении законов изменений значений признаков, получении статистически обоснованных граничных значений признаков и формирования набора наиболее информативных признаков для обеспечения точности распознавания семян люцерны жёлтой в соответствии с требованиями ГОСТ 19450 - 80 [56]. Для этого была предложена методика оценки эффективности признаков формы для обеспечения необходимой точности распознавания в соответствии с требованиями государственных стандартов [56]: - оценка средних значений предложенных признаков при заданной степени надёжности равной 0.95; - проверка соответствия опытных выборок значений признаков нормальному закону распределения при помощи критерия % ; - предварительный, графоаналитический, выбор признаков для распознавания семян люцерны и сорняков; - оценка коэффициента корреляции между исследуемыми выборками значений признаков; - оценка вероятности ошибки распознавания 1 и 2 рода, а также полной вероятности распознавания при помощи интегральной функции Лапласа; - определение граничных значений признаков для обеспечения точности распознавания, требуемой ГОСТ 19450 - 80 [56]; - формирование набора наиболее информативных признаков для надёжной идентификации семян люцерны, при помощи сформулированного условия выбора признаков. Предложенный в главе 2 предварительный набор признаков выбирался путём оценки формы проекций исследуемых семян и акцентирования внимания на характерные их отличия, что нашло отражение в сформулированных признаках формы. То есть определённых критериев по выбору количества признаков формы на этом этапе нет. Поэтому, предложенная методика оценки эффективности информативных признаков позволяет выбрать из предварительного набора признаков самые эффективные для обеспечения надёжного распознавания семян люцерны и сорняков.
После того как были получены численные значения признаков, для опытных выборок коллекционных семян люцерны жёлтой, бодяка и вязеля в объёме 100 шт. каждого растения, мы произвели проверку распознающей способности признаков из предварительного набора. Для этого, на одном графике были нанесены значения определённого признака для семян люцерны жёлтой, бодяка и вязеля, как показано на рис.3.1 - 3.9.
По взаимному расположению кривых, судили о пригодности того или иного признака для идентификации этих видов семян. В результате анализа полученных графиков вариации численных значений признаков, для выборки семян каждого вида в количестве 100 шт., предварительно установлено, что для идентификации семян люцерны жёлтой, бодяка и вязеля можно использовать следующий набор признаков:
Испытания достоверности распознавания семян люцерны и сорняков
Выходной сигнал схемы суммирования 11 представляет собой числовое значение от 0 до 4, в зависимости от того сколько признаков «опознали» в проходящем через зону осмотра семени люцерны жёлтой. Далее сигнал поступает на вход схемы сравнения 12, где происходит сравнение значения входного сигнала с пороговым значением. Смысл ввода порогового значения заключается в том, чтобы обеспечить надёжное распознавание. В результате экспериментов было найдено оптимальное пороговое значение равное двум. При этом установлено, чтобы как минимум два признака из четырёх «сделали заключение» о том, что в зоне осмотра находится семя люцерны жёлтой. С выхода схемы сравнения 12 сигнал поступает на схему вычитания 20, осуществляющую алгебраическое вычитание, и на один из двух входов схемы совпадения 13. Сигнал с выходов схем 3, 4, 5, 6 поступает на схему суммирования 19, в которой происходит алгебраическое сложение параллельно поступающих данных. Выходной сигнал схемы суммирования 19 также представляет собой числовое значение от 0 до 4, в зависимости от того сколько признаков «опознали» в проходящем через зону осмотра семени бодяка или вязеля. Далее сигнал поступает на вход схемы сравнения 23, где происходит сравнение значения входного сигнала с пороговым значением равным двум. С выхода схемы сравнения 23 сигнал поступает на второй вход схемы совпадения 13 и на вход схемы вычитания 22. Эта операция включена в алгоритм с той целью, чтобы исключить ситуацию когда происходит одновременное опознавание одного семени как семени люцерны жёлтой и семени сорного растения (бодяка или вязеля). В результате, если произошло одновременное распознавание, то благодаря операции сравнения семя будет отнесено к семени сорных растений (брак). Это происходит следующим образом. Если выходные сигналы схем 12 и 23 равны 1, то на выходе схемы совпадения 13 появляется логическая 1, которая через схемы сравнения 14, суммирования 21 и сравнения 25 поступает на вход схемы вычитания 20, где происходит алгебраическое вычитание значений обоих сигналов, чьи текущие значения равны 1. В этом случае получается, что счётчик семян люцерны жёлтой 27 не увеличит своё показание, а счётчик семян сорных растений 29 увеличит своё показание на 1.
Для практической реализации действий предусмотренных алгоритмом работы распознающей системы разработана компьютерная программа. Она написана на алгоритмичном языке, используемом в среде прикладной программы Mathcad [157]. Текст программы, реализующей алгоритм работы распознающей системы представлен в приложении 7.
Для моделирования потока значений признаков и проверки выполнения действий предусмотренных алгоритмом, использована база данных значений признаков, вычисленных с помощью программы «Распознавание семян» по фотографиям реальных семян люцерны жёлтой, бодяка и вязеля, взятых в количестве 100 шт. каждого растения. Эта же база данных была использована в исследованиях, проведённых в рамках главы 3. Результаты определения эффективности признаков, показали, что для решения поставленной задачи, целесообразно использовать признаки К1, К2, К7 и К9. В целях контроля работы предложенного алгоритма и реализующей его программы поток значений признаков организован таким образом, что первые 100 значений признаков К1, К2, ЬС7 и К9 соответствуют семенам люцерны жёлтой, вторые 100 значений - бодяку и оставшиеся 100 значений - вязелю.
Анализ литературы [19,28,84,85,103,142,145], посвященной распознаванию объектов и машинному зрению, показал, что общих рекомендаций по методике оптимизации количества признаков для достоверного описания объектов не существует. В каждом конкретном случае приёмы оптимизации производятся так, чтобы обеспечить выполнение требований по надёжности распознавания.
Поэтому одним из наиболее подходящих путей минимизации количества информативных признаков при распознавании семян люцерны жёлтой, бодяка и вязеля является оценка ошибки распознавания семян люцерны О от количества распознающих признаков т. При этом признаки связаны алгоритмом работы распознающей системы (см. рис. 4.1).
Исходя из результатов исследований эффективности информативных признаков (глава 3) и подхода к оптимизации их числа, нами была использована следующая методика определения оптимального набора признаков для идентификации семян люцерны жёлтой из смеси семян «люцерна жёлтая - бодяк - вязель».
1. Определение предварительного набора признаков, на основе изучения формы проекций семян и выделения их различий.
2. Накопление необходимого числа значений признаков предварительного набора с помощью программы «Распознавание семян». В нашем случае, значения признаков измерены для 100 семян.
3. Вычисление коэффициента корреляции между исследуемыми выборками значений признаков и сравнение его с критическим значением.
4. Определение граничных значений признаков и их оценка по условиям: ВЕРХИ. (4.1) x(Kj95) x(Ke). (4.2)
5. Построение диаграммы зависимости ошибки распознавания от числа распознающих признаков т. Используя это построение, с учетом вышеперечисленных пунктов определяется минимально необходимый набор информативных признаков для распознавания компонент исследуемой смеси семян.
В результате исследований (глава 3) формы семян люцерны жёлтой, бодяка и вязеля был предложен предварительный набор признаков: К1;К2;КЗ;К4;К5;К6;К7;К8;К9. Результаты оценки коэффициента корреляции между выборками этих признаков показали несостоятельность признака К8. Определив граничные значения оставшихся 8 признаков, мы обнаружили несоответствие условию (4.1) признаков КЗ и К4. Результаты проверки оставшихся признаков по условию (4.2) показали, несоответствие этому требованию признаков К5 и Кб. Таким образом, из предварительного набора признаков отобраны самые эффективные признаки К1, К2, К7 и К9, позволяющие идентифицировать семена люцерны жёлтой из смеси семян «люцерна жёлтая - бодяк - вязель».
Представленный на рис. 4.1 алгоритм работы распознающей системы и реализующая его компьютерная программа, позволяют определить зависимости ошибки распознавания семян люцерны жёлтой О от числа используемых в алгоритме распознающих признаков т. Для этого в программе предусмотрена возможность изменения числа распознающих признаков.
