Задачи, методы и алгоритмы интеллектуальных систем управления (обзор)

Исходные данные и условия задачи:

• 
  1) Множество характерных фрагментов оцифрованных видеоизображений поверхности дефектных и бездефектных участков рельсов.
  
• 
  2) Библиотека многовариантно представленных поверхностных дефектов (волосовина, раскатанный пузырь, раскатанная трещина, плена, рванина, риски).
  
• 
  3) Описание действующей системы визуального контроля качества рельсов, применяемой в ЕВРАЗ ЗСМК.
  
• 
  4) ГОСТ 21014-88 «Термины и определения дефектов поверхности», атласы дефектов [102 104], технологические инструкции
  

производства рельсов и их приемки.

• 
  5) Описание определяющих факторов, обуславливающих возникновение поверхностных дефектов.
  
• 
  6) Известные методы и алгоритмы выделения информативных признаков и классификации (Я.З. Цыпкин, Ю.И. Журавлев, В.А. Сойфер, А.Л. Горелик, К. Фу, Р. Дуда, П. Харт [95 -5- 101]).
  
• 
  7) Аппарат ИНС: многослойный персептрон, алгоритм обратного распространения ошибки, алгоритм Левенберга-Марквардта, алгоритм сопряженных градиентов, алгоритм быстрого распространения, радиальная нейронная сеть, алгоритм Линде-Бузо-Грея, самоорганизующаяся сеть Кохонена (приложение А).
  
• 
  8) Знания специалистов-экспертов квалифицированно решающих задачу распознавания дефектов неподвижного рельса.
  
• 
  9) Аппарат экспертных систем (ЭС): методика построения продукционной модели представления знаний: IF (условие), THEN (действие) [21]; программный продукт разработки специализированных ЭС, поддерживающих работу в сети Internet - Exsys CORVID [105] (приложение Б).
  
• 
  10) Информация о факторах, искажающих видеоизображение фрагментов рельса (изменение скорости движения рельса, масляные пятна, сдвиг, поворот, вибрация).
  
• 
  11) Критерий качества распознавания - отношение количества правильно опознанных объектов к их общему числу в партии.
  
• 
  12) Ограничения: диагностические решения должны приниматься с упреждением на время, достаточное для нанесения отметок на дефектные участки рельса; скорость движения рельса по рольгангу в зоне контроля не должна превышать 3 м/с.
  

Требуется разработать методическое, алгоритмическое и программное обеспечение интеллектуальной системы распознавания поверхностных дефектов рельсов, перемещаемых рольгангом, учитывающее заданные ограничения и обеспечивающее максимум правильно опознанных дефектов.

Общая схема автоматического распознавания и параметризации поверхностных дефектов

Методика решения задачи. Предложена интеллектуальная система распознавания поверхностных дефектов рельсов, объединяющая две технологии - искусственные нейронные сети (ИНС) и экспертные системы (ЭС).
Процедура распознавания поверхностных дефектов рельсов в потоке производства (рисунок 42) включает следующие основные операции:

• 
  1 - Сканирование поверхности рельса с помощью восьми видеокамер и специальной подсветки (рисунок 43).
  
• 
  2 - Разбиение каждого видеосигнала на последовательность непересекающихся видеокадров (цифровых изображений).
  
• 
  3 - Представление i-ro цифрового изображения в цветовой модели RGB (то есть получение 24-разрядного рисунка).
  

Рисунок 42 - Процедура распознавания поверхностных дефектов рельсов в потоке производства

Рисунок 43 - Схема расположения камер, обеспечивающих «двух-» и «трехглазие»
4 - Преобразование полученного цветного изображения в изображение с нулевым контрастом (изображение в градации серого) выполняется по формуле, которая отражает цветовое восприятие человека:

где R_{n m}(i), G_{n m}(i), B_nm(i) - красный, зеленый, синий компоненты цветовой модели RGB; n, m - номер строки, столбца изображения; i - номер изображения (видеонаблюдения).
5 - Минимаксное нормирование (индекс Н) изображения осуществляется по формуле:

где S^max =255, S^min = 0 -максимальное и минимальное значения
Sn,m(i)-
6 - Адаптивная бинаризация (индекс Б) изображения («1» - черный цвет пикселя, «О» - белый) осуществляется по правилу: 
где 5(i) - пороговый уровень, зависящий от яркости i-ro изображения.
7 - Элиминирование факторов, искажающих изображение фрагментов рельса, осуществляется следующим образом: если в заданной окрестности пикселя, у которого S„_m(i) = l, все другие
пиксели имею значение, равное нулю, то S„ _m(i) этого пикселя принимается равным нулю. Размер окрестности очистки устанавливает квадрат с центром в пикселе, у которого цвет черный («черный пиксель»). Размер, равный единице, соответствует квадрату 3x3 пикселей с центром в «черном пикселе», размер, равный двум, - квадрату 5x5 и т.д. Если «черный пиксель» расположен близко к краю изображения, то часть окрестности, не имеющая пикселей, отсекается.
8 - Оценивание информативного признака путем суммирования бинарных кодов цвета пикселей в соответствии с выражениями (рисунок 44)

9 - Сшивка соседних кадров, имеющих дефект, расположенный на их границе. 10 - Проверка условия присутствия дефекта на поверхности рельса. Если условие выполняется, то делается переход к операции 11, в противном случае - к условию 19. 11- Оценивание принадлежности дефекта k-му классу, путем подачи на входы ИНС (многослойного персептрона, в промежуточных и выходном слоях которого использованы нейроны сигмоидального типа с униполярной функцией активации) выделенного признака, осуществляется по следующим формулам:

где Xj(i)— выделенный признак, j = 1, 96, 97, ..., 192; Y_p(i) -
оценка вероятности возникновения р-го дефекта рельса; р = 1,8 (выходной нейрон, у которого р = 1, отвечает за дефект «Плена № 1», если р = 2, то «Плена № 2», если р = 3, то «Плена № 3», если р = 4, то «Плена № 4», если р = 5, то «Плена № 5», если р = 6, то «Плена № 6», если р = 7, то «Раскатанная трещина», если р = 8, то «Раскатанный пузырь»); Х“ (i) и Y_p^H(i) - нормированные значения Xj(i) и Y_p(i); Х™^х, xfⁿ и Y_p^max, Y_p^min - максимальное и минимальное значения Xj(i) и Y_p(i), взятые из обучающей выборки; w⁽k-^}, ^wSk> ^wpm ^_ весовые коэффициенты, оптимальные значения которых определяются в процессе обучения сети.

Рисунок 44 - Пример оценивания информативного признака
Если сеть не смогла однозначно установить тип дефекта, то его изображение последовательно поворачивается на разные углы. Для каждого полученного изображения вычисляется информативный признак, после чего он подается на входы сети. Параллельно запускается процедура сравнения информативных признаков этих изображений с информативными признаками эталонов типовых дефектов. Рассчитываются нормализированные коэффициенты корреляции между этими признаками. Наибольшее значение коэффициента корреляции подтверждает принадлежность наблюдения к одному из типов дефекта.
В одиннадцатом блоке использовали ИНС, поскольку они способны содержать в себе опыт и знания специалистов, а также обладают свойством надежности и хорошо делают то, чему их научили.

• 
  12 - Проверка условия «Все ли варианты кадров рассмотрены?». Если условие выполняется, то переход к операции 13, в противном случае - возврат к операции 3.
  
• 
  13 - Отнесение отдельного изображения к одному из типов дефекта с учетом дополнительной информации (например, маркировки рельса).
  
• 
  14 - Проверка условия «Тип дефекта установлен с заданной точностью?». Если условие выполняется, то переход к операции 18, в противном случае - переход к операции 15.
  
• 
  15 - Визуальный осмотр оператором-контролером дефектного участка натурного рельса и его цифрового бинаризованного изображения.
  
• 
  16 - Запуск ЭС распознавания дефектов, использующей продукционную модель представления знаний, как правило, применяемой в нестандартных случаях, например, при идентификации редко встречаемых (например, 1 раз в год), нетиповых дефектов.
  
• 
  17 - Проверка условий «Тип дефекта установлен с заданной точностью?», «Количество повторений больше максимально возможного?». Если хотя бы одно условие выполняется, то переход к операции 18, в противном случае - возврат к операции 15.
  
• 
  18 - Расчет координат и параметров дефекта.
  
• 
  19 - Проверка условия «Все ли поверхности данного рельса обработаны?». Если условие выполняется, то переход к условию 20, в противном случае - возврат к операции 3.
  
• 
  20 - Проверка условия «Обработаны все изображения рельса?». Если условие выполняется, то переход к операции 21, в противном случае - возврат к операции 3.
  
• 
  21 - Регистрация координат и параметров дефектов рельса.
  

Разработка и испытания интеллектуальных систем распознавания дефектов рельсов