СПОСОБ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ Российский патент 1994 года по МПК B07C5/342 G01N21/25 

Изобретение относится к способам идентификации объектов по их оптическим признакам и может быть использовано в устройствах, применяемых при сортировке исходного сырья и готовой продукции в различных отраслях промышленности и сельского хозяйства, а также в тех случаях, когда необходимо обнаружить тот или иной объект на фоне оптических помех, например, при наблюдении поверхности Земли аэрокосмическими методами.

Известны способы распознавания объектов по их оптическим признакам [1] , заключающиеся в анализе отраженного от анализируемого объекта излучения и классификации объекта по результатам этого анализа.

Недостатками их является отсутствие универсальности, так как все они используют анализ отраженного света в конкретных узких спектральных диапазонах, характеристики которых обусловлены оптическими свойствами анализируемых объектов, и поэтому они могут применяться лишь для сортировки конкретных объектов, спектр отражения которых заранее известен. Их недостатком также является недостаточно высокое качество сортировки, обусловленное флуктуациями анализируемых оптических признаков у конкретных образцов сортируемых объектов.

Наиболее близким является способ идентификации, положенный в основу способа оптической сортировки плодов [2] , предусматривающий освещение плодов потоком света сложного спектрального состава, выделение в отраженном от плода излучении двух монохроматических участков, определение коэффициентов отражения на этих участках и сравнение их соотношения с пороговым значением отбраковки. При этом с целью повышения точности сортирования перед сортированием плодов осуществляют предварительную подачу эталонных образцов, запоминание граничных значений областей распределения их коэффициентов отражения, вычисление и запоминание статистических параметров эталонных образцов, а в процессе сортирования плодов производят периодическое сравнение граничных значений областей распределения коэффициентов отражения эталонных образцов с текущими значениями сортируемых плодов и при их несоответствии вычисляют статистические параметры сортируемых плодов и сравнивают их с эталонными, а коррекцию порогового значения отбраковки осуществляют по результату этого сравнения.

Недостатками этого способа является ограниченность применения, а также невысокая точность идентификации, обусловленная зависимостью спектров отражения объектов не только от их типа и качества, но и от чистоты их поверхности и других факторов.

Целью изобретения является повышение точности идентификации и расширение области применения данного способа.

Цель достигается тем, что в способе идентификации объектов, включающем освещение объекта потоком света сложного спектрального состава и анализ отраженного света, согласно изобретению, отраженный свет пропускают через управляемый светофильтр с полосой пропускания не уже 380. . . 770 нм, и регулируемым спектром пропускания, измеряют интенсивности прошедшего света при заданных спектрах пропускания и по измеренным значениям идентифицируют объект.

Цель достигается также тем, что дополнительно измеряют интенсивность прошедшего света при равномерном спектре пропускания, а значения интенсивностей при заданных спектрах делят на это значение. При этом задают такие спектры пропускания светофильтра, при которых наблюдают максимумы различия между значениями интенсивностей прошедшего света для различных классов объектов, из отобранных таким образом спектров выбирают такие, при которых результаты измерений имеют наименьшие коэффициенты парной корреляции, причем число таких спектров ограничивают минимально необходимым для идентификации объектов.

Кроме этого, с целью уменьшения времени идентификации, отраженный свет разделяют на несколько пучков, которые пропускают через соответствующие управляемые светофильтры, спектры пропускания которых заранее устанавливают соответствующим образом, одновременно измеряют интенсивности света на выходе всех светофильтров и по полученным значениям идентифицируют объект.

На чертеже приведена функциональная схема созданной распознающей системы, реализующей способ, где осветитель 1, механический модулятор 2, идентифицируемый объект 3, управляемый светофильтр 4, блок 5 управления светофильтром, фотоэлектронный умножитель 6, усилитель 7 переменного напряжения, селективный фильтр 8, детектор 9, фильтр 10 нижних частот, аналогоцифровой преобразователь 11, микроЭВМ 12.

Проведена идентификация объектов двух классов: в качестве первого класса были взяты образцы природного кварца, а в качестве второго - образцы кальцита. Данные минералы известными способами не разделяются, поскольку имеют весьма близкие оптические характеристики.

Идентифицируемые объекты освещались светом с непрерывным спектром, исходящим от лампы накаливания типа КГМ-12/30, и проходящим через механический модулятор. Частота модуляции составляла 700 Гц. Излучение модулировалось с целью исключения влияния постоянной составляющей тока ФЭУ на результаты измерений.

В качестве управляемого светофильтра была использована поляризационно-оптическая система.

Свет, проходящий через управляемый светофильтр, подавали на фотоэлектронный умножитель типа ФЭУ-83, с которого электрический сигнал поступал на усилитель переменного напряжения, затем на узкополосный фильтр, настроенный на частоту модуляции, выходной сигнал которого поступал на детектор, фильтр нижних частот с частотой среза около 70 Гц и затем на аналого-цифровой преобразователь типа Ф7077/1. Информация в виде 10-разрядного параллельного цифрового кода передавалась в микроЭВМ типа ДВК-3, где осуществлялся ее анализ и непосредственно происходила идентификация объекта.

Управляющие напряжения на электрооптические ячейки управляемого светофильтра подавали от той же микроЭВМ через блок управления, где производилось преобразование цифровой информации, передаваемой из микроЭВМ в виде 10-разрядного параллельного двоичного кода, в напряжение от нуля до 2500 В.

Для реализации данного способа производили следующую последовательность операций.

1. В микроЭВМ загружали обучающую программу, которая управляет дальнейшей последовательностью операций (п. п. 2-7). Целью выполнения этой программы являлось создание обучающей выборки.

2. Случайным образом были выбраны пять пар значений управляющих напряжений из рабочего диапазона.

3. Образец, относящийся к 1 классу (поликристалл природного кварца), помещали в держатель и освещали потоком модулированного света.

4. Пара нулевых значений и выбранные пары значений напряжений последовательно подавали на электрооптические ячейки управляемого светофильтра и измеряли соответствующие им интенсивности света. Затем измеренные значения интенсивности при выбранных значениях управляющих напряжений делили на значение интенсивности при нулевых значениях управляющих напряжений. Эту операцию повторяли 150 раз. При этом в держатель последовательно устанавливали различные образцы, заведомо относящимися к этому же классу. Это было проделано для учета в процессе обучения оптических и электрических шумов и помех, а также флуктуаций оптических признаков различных образцов. За счет деления измеренных значений интенсивности на значение при нулевых управляющих напряжениях достигалось исключение влияния нестабильности во времени освещенности анализируемого объекта.

5. В держатель помещали образец, относящийся ко 2-му классу (поликристалл кальцита).

6. Повторяли операции, описанные в п. 4.

7. Полученные данные записывали в файл в виде таблицы, именуемой обучающей выборкой.

8. Обучающую выборку переносили на миниЭВМ типа СМ-4, где она обрабатывалась программой, реализующей стандартный метод обучения по прецедентам. В результате работы этой программы было выдано сообщение о невозможности получить решающее правило на основе данной обучающей выборки.

9. Проанализировали информативность выбранных признаков объектов и оказалось, что наименее информативен первый признак, а наиболее информативны третий и пятый признаки.

10. Заменили значения первой пары управляющих напряжений на другие случайно выбранные значения.

11. Процесс создания обучающей выборки и обучения был повторен и снова было получено сообщение программы о невозможности найти решающее правило.

12. Снова проанализировали информативность признаков и обнаружили, что наименее информативен четвертый признак, а наиболее информативны третий, первый и пятый признаки.

13. Заменили значения четвертой пары управляющих напряжений на другие случайно выбранные значения.

14. Процесс создания обучающей выборки и обучения был повторен еще раз, было получено сообщение об успешном завершении обучения и создании решающего правила.

15. Файл с информацией о решающем правиле, полученный в результате обучения, переносили на микроЭВМ, где ранее проводили создание обучающей выборки.

16. В держатель устанавливали образец, относящийся к I классу, который не анализировался при создании обучающей выборки.

17. В микроЭВМ загружали программу распознавания, которая осуществляла последовательную подачу пар выбранных вышеописанным образом управляющих напряжений, измерение соответствующих им интенсивностей света и анализ полученных данных в соответствии с алгоритмом. Этот алгоритм использовал данные, находящиеся в файле с решающим правилом, перенесенным с миниЭВМ.

18. В результате работы программы на экран дисплея выдавалось сообщение о принадлежности данного образца к I классу.

19. В держатель устанавливали образец, относящийся ко 2 классу, который не анализировался при создании обучающей выборки.

20. Повторялись действия, описанные в п. 17.

21. В результате работы программы на экран дисплея выдавалось сообщение о принадлежности данного образца ко 2 классу.

Результаты, полученные в п. 18 и 21, говорили о том, что обучение завершено успешно и, используя программу распознавания и найденного решающее правило, можно распознавать образцы поликристаллов природного кварца и кальцита.

Такое распознавание было проведено для 50 образцов кварца и стольких же образцов кальцита, причем они никак не подбирались и не использовались при обучении.

В результате проведенного распознавания зафиксировано семь случаев неправильной идентификации: в двух из них образец кварца был отнесен ко второму классу, в пяти образец кальцита был отнесен к первому.

Затем аналогичным образом было проведено обучение и последующее распознавание пустой породы (1 класс) и породы с содержанием флюорита 30% (2 класс). При распознавании использовали по 50 образцов из каждого класса. В результате получили шесть случаев неправильной идентификации: в трех из них пустая порода была отнесена ко второму классу и в трех образец, содержащий флюорит, - к первому.

Было проведено обучение и последующая идентификация объектов двух классов. В качестве первого класса были выбраны образцы качественно прожаренных зерен кофе, а в качестве второго - некачественно прожаренных.

С целью уменьшения времени идентификации при анализе использовали устройство с тремя управляемыми светофильтрами. Одновременно осуществлялась регистрация трех необходимых значений интенсивности света.

Результаты анализа приведены в таблице.

Данный способ характеризуется повышенной точностью идентификации и позволяет расширить область применения.

Использование: идентификация объектов по их оптическим признакам. Сущность изобретения: отраженный от идентифицируемого объекта свет пропускают через управляемый светофильтр с полосой пропускания не уже 380 . . . 770 им и регулируемым спектром пропускания, измеряют интенсивности прошедшего света при нескольких заданных спектрах пропускания и по измеренным значениям идентифицируют объект. Дополнительно измеряют интенсивность прошедшего света при равномерном спектре пропускания светофильтра, а значения интенсивностей при заданных спектрах пропускания делят на это значение и по полученным результатам идентифицируют объект. При этом задают такие спектры пропускания, при которых наблюдают максимумы различия между средними значениями измеренных интенсивностей по множеству объектов из одного класса для различных классов объектов. Дополнительно отраженный от объекта свет разделяют на несколько пучков, которые пропускают через соответствующие светофильтры, спектры пропускания которых заранее установлены соответствующим образом, одновременно измеряют интенсивности света на выходе всех светофильтров и по полученным значениям идентифицируют объект. 1 ил. , 1 табл.

1. СПОСОБ ИДЕНТИФИКАЦИИ ОБЪЕКТОВ, включающий освещение идентифицируемого объекта потоком света сложного спектрального состава и анализ отраженного света, отличающийся тем, что, с целью повышения точности идентификации и расширения области применимости способа, отраженный от идентифицируемого объекта свет пропускают через светофильтр с полосой пропускания не уже 380 - 770 нм и регулируемым спектром пропускания, имеряют интенсивности прошедшего света при установленных спектрах пропускания и по измеренным значениям идентифицируют объект. 2. Способ по п. 1, отличающийся тем, что дополнительно измеряют интенсивность прошедшего света при равномерном спектре пропускания светофильтра, а значения интенсивностей при установленных спектрах пропускания делят на это значение и по полученным результатам идентифицируют объект. 3. Способ по п. 1, отличающийся тем, что спектры пропускания устанавливают такими, при которых наблюдают максимумы различия между средними значениями измеренных интенсивностей по множеству объектов из одного класса для различных классов объектов, из отобранных таким образом спектров выбирают такие, при которых результаты измерения имеют наименьшие коэффициенты парной корреляции, причем число этих спектров делают минимально допустимым для идентификации объектов. 4. Способ по пп. 1 - 3, отличающийся тем, что, с целью уменьшения времени идентификации, отраженный от объекта свет разделяют на несколько пучков, каждый из которых пропускают через соответствующий светофильтр с установленным спектром пропускания, одновременно измеряют интенсивности света на выходе каждого светофильтра и по полученным значениям идентифицируют объект.