Задачи, методы и алгоритмы интеллектуальных систем управления (обзор)

ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ НА ПРИМЕРЕ ПРОКАТНОГО ПРОИЗВОДСТВА

Автоматическое распознавание маркировки проката

Рассмотрим особенности трактовки понятия «распознавание» по работам [95 -МО 1]. В книге [95] задача распознавания образов заключается в классификации изображений (« ... образом является изображение») на основе определенных требований, причем изображения, относящиеся к одному классу образов, обладают относительно высокой степенью близости. Распознавание представляет собой классификацию на множестве признаков, оцениваемых по наблюдаемому изображению. Процесс отбора информативных признаков до сих пор остался процедурой эвристической, зависящей как от предметной области, так и от предпочтений разработчика. Можно также сказать, что классификация образов заключается в отображении пространства признаков в пространства решений. При таком подходе распознавание образов включает две задачи:

• 
  1) отбор и упорядочивание информативных признаков (геометрических, топологических, вероятностных, спектральных);
  
• 
  2) собственно классификация (принятие решения о принадлежности изображения к тому или иному классу на основе анализа значений признаков).
  

Академик Я.З. Цыпкин [96] утверждает, что основная задача опознавания (узнавания, распознавания) состоит в отнесении предъявляемого объекта к одному из классов. Классы характеризуются тем, что принадлежащие им объекты обладают некой общностью, сходством. То общее, что объединяет объекты в класс, и называют образом. Для решения задачи опознавания необходимо первоначально заняться обучением посредством показа образов, принадлежность которых к тому или иному классу известна.
В учебном пособии А.Л. Горелика и В.А. Скрипкина [97] распознавание представляет собой задачу преобразования входной информации, в качестве которой уместно рассматривать некоторые параметры, информативные признаки распознаваемых образов (объектов, сигналов, ситуаций, явлений или процессов), в выходную, представляющую собой заключение о том, к какому классу относится распознаваемый образ.
В работе Дж.Ф. Люгера [98] классификация - это определение категории или группы, к которой принадлежат входные значения, а распознавание образов - идентификация структуры или шаблона данных.
К. Фу в книге [99] утверждает, что для распознавания образов более совершенным подходом, чем подход, основанный на сравнении входного образа с эталонами, является классификация, базирующаяся на некотором множестве «отобранных замеров», производимых на входных образах. Эти «отобранные замеры», называемые признаками, предполагаются инвариантными по отношению к обычно встречающимся искажениям и обладающими малой избыточностью. Классификация при этом рассматривается как принятие решения о принадлежности входного образа тому или иному классу.
Р. Дуда и П. Харт в труде, связанном с исследованиями по искусственному интеллекту [100], структуру распознавателя образов рассматривают как модель интеллекта, состоящую из трех частей: датчика, выделителя признаков и классификатора. Датчик воспринимает воздействие объекта и преобразует его в сигналы (первичные данные), удобные для машинной обработки. Выделитель признаков (называемый также рецептором, фильтром свойств, детектором признаков или препроцессором), ориентированный на уменьшение объема обрабатываемых данных, выделяет из первичных данных полезные сведения. Классификатор на основе этих сведений относит объект к одной из нескольких категорий.
Задача идентификации проката (на примере рельсов) рассматривается как задача распознавания рельса, а именно его клейма (маркировки) - специального набора символов содержащих данные об имени и параметрах.
Задача распознавания маркировки рельсов представлена следующим образом.
Дано: 1) фрагменты изображения маркировки рельсов, получаемые с видеокамеры; 2) описание технологии производства рельсов и их клеймения; 3) маркировочный алфавит; 4) методы выделения признаков и классификации [95 -ь 101]; 5) типовые факторы, искажающие изображение символов на рельсе (масляные пятна, сдвиг, поворот, трещины); 6) эффективность классификации фрагментов маркировки и распознавания клейма рельса оценивается как отношение количества правильно опознанных объектов к общему их числу.