نشریه تخصصی مهندسی صنایع، دوره 49، شماره 1، بهار و تابستان 1394، از صفحه 21 تا 31
شناسایی ضایعات خط تولید با الگوی پردازش تصویر در شرکت روغن
نباتی شیراز
سید محمدعلی خاتمی فیروزآبادی1*، وجیهه ظریف2
دانشیار دانشکدة مدیریت و حسابداري دانشگاه علامه طباطبایی)ره(
کارشناس ارشد مدیریت صنعتی، گرایش تحقیق در عملیات، دانشگاه علوم و تحقیقات تهران
)تاریخ دریافت 6/7/92ـ تاریخ دریافت روایت اصلاح شده 24/1/93ـ تاریخ تصویب 11/3/93( چکیده
امروزه رقابت شدید بین تولیدکنندگان و هزینة بالاي تولید باعث شده کاهش ضایعات و استفادة دوباره در مرحلة بازیافت به یکی از دغدغه هـاي بسیار مهم کارخانه ها و شرکت هاي صنعتی و تولیدي تبدیل شود. هدف این تحقیق کاربرد الگوي پـرداز تصـویر در شناسـایی ضـایعات خـ تولید بود. جهت مطالعة موردي، از ظروف تولیدي شرکت روغن نباتی شـیراز اسـتفاده شـد. عملیـات پـرداز تصـویر بـا اسـتفاده از نـرم افـزارMATLAB انجام گرفت. در این تحقیق، از دو نظریه براي سنجش و شناسایی ظروف سالم و معیوب استفاده شد .نظریة اول بر مبناي مقایسـ ة مساحت تصویر ظروف سالم و معیوب با یک نمونة سالم و نظریة دوم بر مبناي نسبت طول به مجموع عرض هاي قسمت هاي مختلف هـر تصـویراست .نظریة دوم از الگوریتم تابع لبه استفاده می کند. نتایج تحقیق نشان داد نظریة دوم نسبت به نظریة به دست آوردن مساحت تصویر دقیـق تـراست.
کلیدواژگان: الگوریتم آشکارسازي لبه ،بازیافت، پرداز تصویر ،ضایعات ،ظرف روغن.
مقدمه
امروزه، با روند روبه رشد توسعة سیستم هـاي الکترونیکـی وهوشمند از یک سو و رقابت صاحبان صنایع بـراي تسـخیربازارهاي تجاري از سوي دیگر، کنترل کیفیت نقشـ ی مهـمدر صــنایع ایفــا مــی کنــد. رو هــاي معمــول بازرســی،درجه بندي و سورتینگ دستی فراورده هاي غذایی هزینه بـر و وقت گیر و مشکل است. بـ ه عـلاوه ، نتیجـ ة عملکـرد ایـنرو ها قابل تضمین نیست و نمی توان کیفیت یکنواخت و پایدار محصولات غذایی را با این رو هـا کنتـرل کـرد . در مقاب ل، سیس تم ه اي بین ایی ک ام یوتري، غی ر مخ رب و کارآمد و مقرون به صرفه اند و نسبت به رو هاي معمول نیز نتایجی باثبات تر و پایدارتر ارائه مـی کننـد. بـه طـور کلـی، سیستم هاي بینایی کام یوتري بر مبنـاي تصـویربرداري ازمحصول حتی در حین عبور از خ تولید و س س پرداز تصویر گرفته شده و آنالیز آن کار مـی کننـد. سیسـتم هـايبینایی کام یوتري نه تنها اندازه، شکل، رنگ، و بافت اشیا را تشخیص می دهند، بلکه ویژگی هاي عددي اشـیا و صـحن ة تصویربرداري شده را نیز تعیین می کنند ]1[.
Email : [email protected].ir 02188886002 :نویسنده مسئول تلفن: 02188770015، فکس *
در این تحقیق از دو نظریه بـراي سـنجش و شناسـاییظروف سالم و معیوب استفاده شـد. نظریـة اول بـر مبنـايمقایسة مساحت تصویر ظروف سالم و معیوب با یک نمونـ ة سالم بود و نظریة دوم نسبت طول به مجمـوع عـرض هـايقسمت هاي مختلف هـر تصـویر را بـه دسـت آورد. نتیجـهمبناي بررسی قرار گرفت.
بیان مسئله
یکی از راه هـاي افـزایش بهـره وري کـاهش ضـایعات اسـت.
ضایعات و افزایش روزافزون آن یکی از پدیده هاي تولید انبوه است که کشورهاي صنعتی در جست وجـوي یـافتن راه هـايجلوگیري و کاهش آن اند. موضوع قطـع جریـان ضـایعات یـاکاهش آن، به دلیل حجم بالاي منـابع تولیـدي تلـف شـده وخسارت بالقوة محیطی، از اهمیتی خاص برخوردار اسـت . بـاکاهش ضایعات و در نتیجه کاهش هزینه هـا سـود بیشـتريعاید شرکت می شود که بخشی از آن، به منزلة بهره وري، بـهکارگران و کارکنان پرداخت می شود. از ایـن رو ، تولیـد بهتـربا ضایعات کمتر، علاوه بـر آنکـه سـطن زنـدگی کـارگران رابهبود می بخشـد ، موجـب شـکوفایی اقتصـاد نیـز مـی شـود .
داشتن برنامه و تکنولوژي مناسـب جهـت کـاهش ضـایعاتبراي هر صنعتی امري اجتناب ناپذیر است. این برنامه موجب هدایت تلا هاي سازمان در جهت تأمین نیازها و ابزارهـايکاهش ضایعات می شود ]2[.
ه دف ایــن تحقی ق ارائ ة راهک اري جهــت مقایس ة محصولات خ تولید بـا نمونـ ة سـالم و بـدون نقـص آن وشناس ایی محص ول س الم از معی وب در بخ ش تولی د وبسته بندي شرکت روغن نباتی شیراز بود. جهت شناسـاییمحصولات در خ تولید دوربین هایی براي تصـویر بـرداريبه کار رفت. براي انجـام دادن ایـن طـرح از الگـوریتم هـایی استفاده شد که در زمینة پرداز تصویر وجود دارد. از این الگوریتم ها می توان به الگوریتم آشکارسازي لبه اشاره کرد ،که کاربرد فراوان در زمینة پرداز تصویر دارد.
این تحقیق در شرکت روغن نباتی نرگس شیراز جهـتکاهش ضایعات در بخش بسته بنـدي انجـام شـد. موضـوعشرکت ایجاد کارخانه هاي روغن کشی از دانه هـاي روغنـی،استحصال دانه هاي روغنی و تولید محصولات فرعی، ایجـادکارخانه هاي تصفیه، و تولید انواع روغن هـاي نبـاتی ـ نظیـرجامد، ویژه ،کرة نباتی، و … ـ است.
در ادامه پیشینة تحقیق بررسـی و پـس از آن مراحـلانجام دادن تحقیق ارائه می شود .س س، نظریه هاي موجـوددر الگوهاي پرداز تصویر می آید و پس از آن نتـایج ایـننظریه ها، همراه نظریة پیشنهادي، مطرح می شود. در بخش نهایی نیز نتیجة این پژوهش بیان می شود.
پیشینة تحقیق
رشد سریع تکنولوژي براي اجراي عملیات تکراري و سـرعتزیاد عملیات موجب شده پرداز تصاویر در دنیـاي کنـونیبه ابـزاري جهـت تشـخیص مـوارد متعـدد تبـدیل شـود از تشخیص خودرو در بزرگ راه تا تشـخیص ضـایعات در خـ تولید] 3[. پرداز و آنالیز تصویر هستة سیستم هاي بینـاییکام یوتري اند. پرداز تصویر مستلزم انجام دادن مجموعه اي از عملیات بر تصویر است که کیفیت یک تصویر را به منظور حذف عیـوبی نظیـر اعوجـان هندسـی، فوکـوس نامناسـب،اغتشا ، نورپردازي غیر یکنواخت، و حرکت دوربین افزایش می دهد. آنالیز تصویر عبارت است از فرایند تشخیص اشیا )یا نواحی مورد نظر( از زمینة تصـویر. آنـالیز تصـویر همننـینمی تواند اطلاعات عددي را ارائـه دهـد کـه د ر سیسـتم هـايکنترلی براي تصمیم گیـري اسـتفاده مـی شـو ند. پـرداز وآنالیز تصویر شامل مجموعه اي از مراحل است کـه مـی تـوانآن ها را به سه سطن پرداز سطن پـایین، پـرداز سـطنمتوس ، و پرداز سطن بالا تقسیم کرد ]4[.
تشخیص شی ء به شناسایی انواع اشیاي موجود در یک تصویر گفته می شود. یکی از رو هـاي اصـولی تشـخیصشی ء بر اساس ویژگـی هـاي کلیـدي اسـتخران شـده از آنبنیان نهاده شده است. این ویژگی ها مشخصات شی ء مـوردنظر را می گیرد و آن را با بانک داده هاي تصـویري مقایسـهمی کند. باید توجه داشت استخران ویژگی هـاي مناسـب ازتصاویر واقعی به علت وجود عوامل مخرب، از جملـه نـویز،فعالیت آسانی نیست ]5[.
اگرچه مدلی براي تشـخیص اشـیا بـا دقـت تشـخیصانسان وجود ندارد، نظریه ها و مدل هاي قابل قبول بسـیاريبدین منظور پیشنهاد شده است. دو رو مهم تر عبارت اند از تشخیص بر اساس مدل و تشخیص بر اساس ظاهر.
تشخیص بر اساس مدل
در این نوع تشخیص قسمتی از یک شی ء سه بعـدي انتخـابمی شود و اجزاي بخش هاي انتخاب شده بـا همـان بخـش درشی ء استاندارد مقایسه می شود .از بین مدل هـاي سـه بعـديکامل، موفق ترین و مهم ترین آن ها عبارت است از مدل هـاي لاو و هاتنلاچر] 5 و 6[. تشخیص بر اساس مـ دل مشـکلات ی به همراه دارد از جمله محدودیت در بخش هاي انتخاب شده )لایه هاي زیرین( در یک شی ء، تهیة مدل سه بعدي، و حجـمذخیرة زیاد براي ذخیره کردن تصاویر سه بعدي از اشیا.
تشخیص بر اساس ظاهر
در این نوع تشخیص اشیاي سه بعدي به صورت مجموعه اي از تص اویر دوبع دي درم ی آی د و س س م دل از روي آن ساخته می شود. در این تشخیص، هـر یـک از ایـن تصـاویر نمایی خاص از شی ء مربوطه را نشان می دهد. بنابراین ،بـهذخیره کردن مدل هاي سه بعدي نیاز ندارد. به عبارت دیگـر،رو هاي بر اساس ظاهر عمل تشخیص شی ء را به صـورتیک مسئلة بازیابی تصویر در نظر می گیرنـد در حـالی کـهرو هاي بر اساس مـدل بـه آن بـه صـورت یـک مسـ ئلة بازیابی مدل هندسی می نگرند ]6[.
علاوه بر موضوعاتی که در این بخش تـا کنـون مطـرحشد، در قسمت بعـد، مفـاهیم دیگـري نظیـر خـ تولیـد،ضایعات، و پرداز تصویر ارائه و به خلاصه اي از تحقیقـاتپیشین اشاره می شود.
خط تولید
خ تولید مجموعه اي نظام یافته از ایستگاه هاي کار، یعنـیماشین آلات و تجهیزات و ابـزار و لـوازم بـه ترتیـب تـوالیعملیـات تولیـدي، اس ت. خـ تولیـد م واد را بـه ص ورت یکنواخت و مـداوم و بـا سـرعتی همسـان از یـک سلسـلهمراحل عملیاتی می گذراند طوري که هـر یـ ک از عملیـاتادامة عملیات قبلی و پیش نیاز عملیات بعدي باشد ]7[.
شناسایی
تشخیص اجسام متحرر برا کمرر پرردازشتصویر
تشخیص اجسام به کمک پرداز تصویر یکـی از مسـائلیاست که امـروزه بـه آن بسـیار توجـه مـی شـود و یکـی ازشاخه هاي مهم بینایی ماشین است. در این گونه سیستم هـاتغییرات محل، اندازه، و تا حدودي دوران جسـم نبایـد بـرک ارایی دس تگاه ت أثیر بگ ذارد ع لاوه ب ر آن، در مقاب ل تغییرات گذرا نیز پایدار باشد .مـی تـوان بـا کـاهش وضـوحتصویر و انتخاب مناسب مجموعه اي از خصوصیات آماري و هندسی تصاویر اعوجان یافته را سریع پرداز کرد ]8[.
ضایعات
تولید محصول بـا کیفیـت بـالا و عـاري از عیـب از اهـدافاستراتژیک شرکت هاي تولیدي است که هر سـازمانی را دردست یابی به سـهم مناسـب از بـازار رقابـت جهـانی یـاريمی کند. کاهش و حذف ضایعات نقشی مهم در رسیدن بـههدف مزبور ایفا می کند.
مدیریت ضایعات چالشی مهم در سطن کلی است. زیرا، در برخی موارد ضـایعات تهدیدکننـد ة بهداشـت عمـومی ومح ی ان د و حت ی ممک ن اس ت م انعی س ر راه توس عة اقتصادي تلقـی شـوند . راه حـل هـاي گونـاگونی بـراي حـلمشکل ضایعات ارائه شده است. باید توجه داشت کـه بـروزضایعات اجتناب ناپذیر به نظر می رسـد بـه خصـوص بـرايسازمان ها یا شرکت هایی که بازار انحصاري یـا تـا حـدوديانحصاري دارند ]9[.
هرچند تا کنـون تحقیقـات متنـوعی در خصـوص سـهزمینة مطرح شده انجام شده است، در ادامه به آن دسـت ه از تحقیقات اشاره می شود که با پرداز تصویر ارتباط دارند.
بهینه سازی تفسیر تصاویر پرتونگاری صنعتی جهت تشخیص عیوب لوله های نفت و گاز در نواحی جوش با استفاده از پردازش تصویر
آزمون پرتونگاري، از مجموعة آزمون هاي غیر مخرب، یکـی از رو هاي پرکاربرد و قدیمی جهت تشخیص عیـب هـاي نواحی جـو خطـوط انتقـال نفـت و گـاز اسـت . در ایـن تحقیق روشی شامل چندین مرحله، جهت بهبـود کیفیـت تصاویر پرتونگاري نواحی جـو ، بـه منظـور آشکارسـازي عیب هاي جو موجود در این تصاویر، پیشنهاد مـی شـود . سیستم ارائه شده شامل چهار مرحلة دیجیتال کردن تصاویر پرتونگاري، پیش پرداز تصـویر ، فشـرده سـازي تصـویر ، و ایجاد مستطیل محی بر آن است.
در این تحقیق از رو رشد ناحیه )یکی از تکنیک هاي پرداز تصویر( استفاده شد. رو کار به این صـورت بـودکه کاربر یک پیکسل از عیب را انتخاب کـرد . در پـرداز تصویر، اصطلاحاً، این پیکسل را بـذر مـی نامنـد . سـ س بـا پیوستن پیکسل هاي همسایة بـذر بـه آن نـواحی بـزرگ و بزرگ تري ایجاد شد. شرط پیوستن این پیکسل ها بـه بـذر تشابه سطن خاکستري آن ها با بـذر بـود . سـرانجام ، وقتـی هیچ پیکسل دیگري معیارهاي پیوسـتن بـه یـک ناحیـه را برآورده نکرد رشد ناحیه متوقف شد ]10[.
امکان سنجی درجه بندی کیفی سیب با استفاده از پردازش تصویر
هدف تحقیق مزبور بررسی امکان استفاده از پرداز تصـویر در درجه بندي کیفی سیب بر اساس صـدمات سـطحی بـود .
بدین منظور از یک سیسـتم کامـل ماشـین بینـایی ، شـاملمحفظة نوردهی و دوربین و کام یوتر، اسـتفاده شـد کـه بـهکمک آن ها بتوان شاخصی براي تشخیص معیـوب یـا سـالم بودن سیب بر اساس مقدار آستانه اي تعریف شـده بـه دسـتآورد. مشکلی که در این تحقیق وجود داشـت وجـود دُم گـل بود که در تصویر بـاینري بـا نـواحی معیـوب اشـتباه گرفتـه می شد. به همین علت از رو نسبت طول به ضخامت بـراي حذف دمُ گل استفاده شد ]11[.
کاهش اثر فلز مصنوعی در تصاویر سی تی اسکن1 با تکنیر های پردازش تصویر
اث ر فل ز مص نوعی یک ی از مش کلات عم ده در تص اویر سی تی اسکن است. الگوریتم جدیـدي بـراي غلبـه بـر ایـنمشکل در تحقیق مزبور ارائـه شـد. ایـن الگـوریتم در پـنجمرحله تعریف شد که از تعیین ناحیـة فلـزدار شـروع و بـهجایگزینی تصویر اصلاح شده ختم شد. استفاده از الگـوریتمجدید موجب شد تصویر خروجی کنتراست بهتـري نسـبتبه وضعیت اولیه داشته باشد ]12[.
ارزیابی الگوریتم های پردازش تصویر در تشخیص لبه
در این تحقیق انواع الگوریتم هاي تشخیص لبـه بـه منزلـة اساسی ترین الگوریتم هـاي پـرداز تصـویر مقایسـه شـد.نتایج این ارزیابی می تواند اطلاعاتی ارزنده باشد براي سـایرطرح هاي تشخیص اشیا ]13[.
استفاده از پردازش تصویر برای شناخت رفتار ترافیر
در این پـژوهش سیسـتمی ابـداع شـد کـه بـا اسـتفاده از

الگوریتم هاي سادة پـرداز تصـاویر موقعیـت هـر یـک ازوسایل نقلیه را در آزاد راه تعیین می کند. همننـین ، برخـیتخلفات رانندگی، مانند سـرعت غیـر مجـاز و سـبقت غیـرمجاز و عدم رعایت فاصلة مطمئنه، قابل تشخیص می شـود . اس تفاده از پ رداز تص اویر ب ه ج اي رو ه اي دس تی قدیمی باعث افزایش دقت محاسبات می شود و از آن جهت که کار یکنواخت و خسته کننده را ماشین انجام مـی دهـد ، امکــان انتخــاب نمونــة آمــاري بــزرگ تــر و در نتیجــهبه دست آوردن نتایج دقیق تر فراهم می شود ]14[.
پردازش تصویر کاتادیوپتریر2 )شکست و انعکاس نور( مرکزی با استفاده از معیار ژئودسیر3 )کوتاه ترین خط بین دو نقطه روی سطح(
از آنجا که معمولاً اعوجان در صـورت وجـود منبـع نـور یـاوجود آینه ایجاد می شود تصاویر کاتادیوپتریک نمـی تواننـد ماننــد تصــاویر کلاســیک شــفاف باشــند .دمونســاکس و همکاران پرداز تصویر کاتادیوپتریک را با توجه به معیـار ژئودســیک پیشــنهاد کردنــد .بــا اســتفاده از ایــن رو ، رو هاي پرداز تصویر کلاسیک به سادگی قابـل انطبـا خواهند بود. به طور خاص، در این رو بر شیب تصـویر و کشف نقطة همبستگی و نظایر آن تمرکز می شود ]15[.
روش شناسی تحقیق
مراحل کلی انجام گرفتن تحقیق در شکل 1 می آید. همان طـور که در شکل 1 دیده مـی شـود ، در گـام اول لازم اسـت عمـلپیش پرداز روي تصـا ویر انجـام شـود. بـراي پـیش پـرداز تصاویر الگوریتمی لازم است. رو انجام گـرفتن آن در شـکل2 می آید. پـس از آن ، تصـاویر اصـلی پـرداز و نظریـه هـاي پیشنهادي روي آن اعمال مـی شـود . در صـورت موجـه بـودننتایج، اقلام سالم یا معیوب شناسایی مـی شـوند . در غیـر ایـنصورت، پیش پرداز تصاویر انجام می شود.
پیش پردازش تصاویر
قبل از پرداز اصلی تصاویر باید روي آن ها پـرداز اولیـهیا پیش پرداز انجام شود. مراحل انجام گرفتن پیش پرداز در الگوریتم شکل 2 می آید. مراحل مختلف آن نیز اینجا بـهتفصیل تشرین می شود. این الگوریتم بر همة تصـاویر اعمـالمی شود. پس از جمع آوري تصاویر، که به وسیلة دوربینـی بـاقدرت نزدیکی زیـاد گرفتـه مـی شـود، یکسـان سـازي قالـبتصاویر انجام می شود به گونه اي که تصـاویر بـا فرمـت هـايمختلف Bmp ،Tif، و… به فرمت Jpg تبدیل می شود )شـکل3(. س س تصاویر بـه دسـت آمـده بـا اسـتفاده از نـرم افـزار ي گرافیکی، مانند فتوشاپ یا نرم افزارهاي مشابه، همسان سازي می شود. همسان سازي به معناي یکسان کردن طول و عـرضتصاویر بر مبناي پیکسل است )شکل 4(.

شکل 1. مراحل کلی عملیات

شکل 2. الگوریتم پیش پردازش تصاویر
مرحلة بعد تبدیل تصاویر به قالب سیاه و سـفید اسـت. اولین دلیل این کار کمترکردن حجم عکس است. پرداز تصویري که حجم کمتري داشته باشد راحت تر است. دلیل دیگر آن این است که در نـرم افـزار مـت لـب کـارکردن بـاتصاویر سیاه و سفید آسان تر است )شکل 5(.
در مرحل ة بع د بای د فش رده س ازي تص ویر انج ام ش ود .
فشرده سازي )نازک سازي( تصـویر بـه منظـور کـاهش نـویز وکاهش اندازة تصـویر قبـل از اسـتفاده از آن انجـام مـی شـود .
تصویر فشرده شده خصوصیات اصلی تصـویر را بـا پهنـاي بانـدکمتر حفظ می کند. ابتدا تصویر ورودي به بلوک هـایی تقسـیمو DCT5 دوبعدي براي هـر بلـوک محاسـبه مـی شـود. عامـل DCT به تدریج کدگذاري و س س به سـمت گیرنـده فرسـتادهمــی شــود. گیرنــده عامــلDCT را رمزگشــایی مــی کنــد، مرحله به مرحلـه معکـوسDCT دوبعـدي را بـراي هـر بلـوکمحاسبه می کند ،و بلوک ها را به تصویري واحد تبدیل می کند.
آخرین مرحلة پیش پرداز تصویر افـزایش کنتراسـت)کیفیت( تصویر است که به کمک توابـع مناسـب افـزایشکیفیت تصویر انجام می شود.
الگوریتم آشکارسازی لبه
شناسایی

شکل 3. نمونه ای از تصویر گرفته شده شکل 4. یکسان سازی اندازة تصویر شکل 5. فرمت سیاه و سفید
آشکارسازي لبه یکی از مفاهیم اصلی پرداز تصاویر اسـت.با انجام دادن پیش پرداز تصـاویر لازم اسـت روشـی بـرايبررسی تصاویر به کار رود. الگوریتم آشکارسازي لبـه یکـی ازرو هــاي پرکــاربرد در ایــن زمینــه اســت ]4[. هــدف آشکارسازي لبه نشان گذاري نقاطی از یک تصویر اسـت کـهدر آن ها شدت روشنایی به تندي تغییر می کند. تغییرات تنـددر خصوصیات تصویر معمولاً نشان دهندة رویدادهاي مهـم وتغییرات محیطی است. لبه ها می توانند به زاویة دید بسـتگیداشته باشند به این معنی که با جابه جایی نقطة دیـد تغییـریابند یا مستقل از زاویة دید باشند .در مورد اول، جسمی کـهپشت جسم دیگري قرار می گیرد قابـل مشـاهده نیسـت . در این حالت، تصویر گرفته شده فق می تواند هندسة صـحنه رانش ان ده د. در م ورد دوم، ویژگ ی ه اي اجس ام، همن ون نشانه هاي خاص و شکل مسطن، را نشان می دهد.
یک لبة نوعی ممکن است مثلاً مرز میـان یـک بخـشقرمزرنگ و یک بخش سیاه رنگ باشد. حال آنکه یک خـ می تواند تعداد کمی از پیکسل هاي ناهم رنـگ در زمینـه اي یکنواخت را نشان دهد. در این حالـت، در هـر سـوي خـ یک لبه وجود خواهد داشت .مراحل این الگوریتم، که براي همة نمونه هاي بررسی شـده در ایـن تحقیـق اعمـال شـدهاست، در شکل 6 می آید.
00

در مرحلة اول تصویر مورد نظر از نـرم افـزار فراخوانـدهمی شود. س س، فیلتـر مـورد نظـر و مناسـب روي تصـویراعمال می شود. منظور از فیلتر در الگوریتم آشکارسازي لبه شناسایی دقیق تر لبه هاي نادرست است. فیلتر کنی یکی از فیلترهاي مناسب براي این منظور است. زیرا در این فیلتـراز دو آستانة مختلف براي یافتن لبه هاي مناسب و نامناسب استفاده می شود. بنابراین، می تواند در خروجی تصـویر ایـنایــن پــژوهش نــه تنهــا پرکــاربردترین فیلتــر بــود ، بلکــه گزار هاي متعدد نشان می دهد سایر فیلترها برتري قابـلملاحظه اي بر فیلتر کنی ندارند ]16[.

شکل 6. الگوریتم تابع لبه
باید توجه کرد در یک تصویر لبـ ة یـک انح ناسـت کـهمسیر تند تغییریافته در تصویر را دنبـال مـی کنـد. لبـه هـااغلب به کرانه هاي شی ء در تصویر وابسته انـد . بـراي یـافتنلبه ها از تابع لبـه نیـز مـی تـوان اسـتفاده کـرد. ایـن تـابعمکان هایی را در تصویر جست وجو می کند که شدت تغییـربیش از حد است. در این حالـت ، مـی تـوان ح ساسـیت بـهلبه هاي افقی یا لبه هاي عمودي یا هر دو را تعیین کـرد. دریک تصویر باینري، مقـدار تـابع لبـه در صـورت شناسـاییگوشه 1 و در غیر این صورت 0 خواهد بود.
مطالعة موردی و نظریه های مطرح
در این تحقیق، خ تولید شرکت روغن نباتی شیراز در نظـرگرفته شد. بخش کنترل کیفیت شرکت مزبور در خ تولیـدظرف هاي روغن با مشکل ضایعات مواجه است و طی سالیان اخیر سعی کرده شناسایی آن هـا را بـدون کنتـرل مسـتقیمانجام دهد. این ضایعات در فرورفتگی ظرف ها، ناصـاف بـودنلبه هاي بطري، و … مشاهده می شـود . متغیـر ورودي در ایـنتحقیق تصـاویر ظـروف سـالم و معیـوب و متغیـر خروجـیتشخیص سالم یا معیوب بودن اقلام یا کالاها بود.
لبه ها را نشان دهد ضمن آنکه توانایی مقایسه بین لبه هاي مناسب و نامناسب را دارد .علت استفاده از فیلتـر کنـی در

شکل 7. فراخوانی و نمایش تصویر
ش کل 7 تص ویر ی ک ظ رف معی وب روغ ن را نش ان می دهد. از آنجا که تقریباً خرابی همة ظروف در قسمت تـهظرف است، براي حفظ تعـادل ظـرف هنگـام درن تصـویر،تصاویر به صورت وارونه ثبت شد.
پس از فراخوانی و نمایش تصویر ،لازم است تصـویر بـهنوع باینري تبدیل شود. براي این منظـور از دسـتور خـاصدر متلب4 استفاده می شود .تصاویر در متلب داراي انـواع وگونه هاي مختلف است هم چـون رنگـی یـاRGB ، سـیاه وسفید، باینري، و … جهت باینري کردن یک تصویر ،با اعمال دســتور مزبــور ،تصــویر بــاینري خروجــی بــه ازاي همــة پیکسل هایی که میزان روشنایی آن ها کمتر از مقدار از قبل مشخص شده باشد مقدار 0 )سیاه( و براي بقیة پیکسـل هـامقدار 1 )سفید( اختیار می کند.

شکل 8. تصویر باینری شده
این مقدار از قبل مشخص شده مقداري در دامنـه ]1 و 0[ است که در آن سطن 0 مربوط به رنگ سیاه و سطن 1 مربوط به رنگ سفید است. اگر براي پارامتر مزبـور عـدديدر نظر گرفته نشود، برنامه به صورت پیش فرض مقدار 5/0 را منظور خواهد کرد .نتیجة اعمال این دستور در شـکل 9 می آید. س س، همین مراحل بر یکی از ظـروف سـالم نیـز انجام می شود )شکل 10(.

شکل 9. تصویر پس از اعمال تابع لبه و فیلتر کنی نظریه های مطرح
در این بخش به معرفی نظریه هاي مطـرح در ایـن تحقیـقپرداخته می شـود. نظریـة اول بـر مبنـاي مسـاحت تصـویرظروف و نظریة دوم بر پایة نسبت طـول و عـرض هـاي هـرتصویر است.
نظریة بررسی مساحت تصاویر
براي به دست آوردن نتیجة نهایی هر پـرداز ، بـه طرحـیبراي اجماع و به دست آوردن نتایج مستند نیاز است. یکی از این نظریه ها بر پایة محاسبة مساحت تصاویر ظروف اسـت.
در ایــن نظریــه، پــس از فراخــوانی تصــویر و انجــام دادن پ یش پ رداز و پ رداز تص اویر، مس احت ه ر تص ویرمحاسبه می شود. س س با قراردادن یک تصـویر سـالم، بـهمنزلة مرجع ،بقیة تصـاویر سـالم و معیـوب بـا آن مقایسـهمی شود و تلورانس محاسبه شده به منزلة نتیجة این نظریـه ارائه می شود.
نتایج نظریة بررسی مساحت تصویر
با توجه به نتایج به دست آمده از محاسبة مسـاحت ظـروف،مشخص شد از دََه تصویر ظروف سالم هفت تصویر درسـتتشخیص داده شده است. از سیزده تصویر ظـروف معیـوبنیز دوازده تصویر درست تشـخیص داده شـده اسـت . ایـننتایج با توجه به تلورانس درنظرگرفته شده بـه دسـت آمـد.تصاویر متناظر با مقادیر بیشـتر از 5 درصـد خطـا )کـه بـاتوجه به پرداز تصویر سالم مشخص می شود( بـه منزلـة کالاي معیوب و مقادیر کمتر از آن به منزلـة کـالاي سـالمشناخته شدند .نتایج نهایی کارایی نظریة بررسـی مسـاحتتصویر در جدول 1 می آید.
از آنجا که هدف این تحقیق شناسایی ظـروف معیـوباست ،نتیجة به دست آمده از نظریة بررسی مساحت تصـویرخوب و مفید است اما قانع کننـده نیسـت. زیـرا شناسـایییک ظرف سـالم بـه مثابـة یـک ظـرف معیـوب مـی توانـدمشکل ساز باشد.
جدول 1. نتایج نهایی بررسی مساحت تصویر
درصد شناسایی اقلام سالم با استفاده از نظریة بررسی مساحت تصویر درصد شناسایی اقلام معیوب
با استفاده از نظریة بررسی مساحت تصویر
70 92/30

از دیگر نکات قابل بررسی در این نظریه این اسـت کـهرو مزبور بدون درنظرگرفتن فاصلة ظـرف از لبـ ة تصـویرمساحت ظرف را محاسبه می کند. این رو بدون اسـتفادهاز الگوریتم آشکارسازي لبه انجام می گیرد. در نظریـة بعـد،از الگوریتم آشکارسازي لبه استفاده می شود.
نظریة بررسی نسبت طول به عرض
در این نظریه نیز، مانند نظریة محاسـبة مسـاحت تصـویر،ابتدا پیش پرداز و پرداز کلی بر شکل انجام مـی شـو د.
س س طول و عرض هاي مختلف تصویر محاسبه مـی شـود.مبناي محاسبه طول پیکسـل هـاي سـتون 65 هـر تصـویراست. ستون 65 ستون وس هر تصویر است کـه فقـ بـه تعداد پیکسل هاي بـین ابتـدا و انتهـاي هـر تصـویر توجـهمی کند.

شکل 10. اعمال مراحل پیش پردازش و پردازش با استفاده از تابع لبه بر تصویر جسم سالم
هر پیکسل یک واحد سطن در محاسبه در نظر گرفتـهمی شود. در زمینة محاسبة عرض هـر تصـویر، از آنجـا کـهتصویر عرض هاي مختلف دارد، براي مستدل بودن محاسبه ،بخش هاي مختلف تصویر) به ویـژه بخـش هـاي بـالایی( در قسمت هاي مختلف محاسبه و ارزیابی می شـود . ایـن بـدانمعناست که در ردیف هایی ماننـد ردیـف 10، 20، 30، و … تعداد پیکسل هاي بین دو لبة کناري هر جسم، اعم از سالم یا معیوب، محاسبه می شود. پس از محاسبة طول و عـرضبخش هاي مختلف هر تصویر، با محاسـب ة نسـبت طـول بـهبرایند عرض ها، نتایج به دست می آید.
در این نظریه شکلی بـه منزلـة شـکل مرجـع در نظـرگرفته نمی شود تا بقیة تصاویر با آن مقایسه شود بلکـه بـامحاسبة نسبت مزبور نتایج ارزیابی می شوند.
 محاسبة طول
براي انجام دادن این نظریه، لازم است طول ظروف محاسبه شود. بدین منظور باید خ وس هر تصویر را مد نظر قرار داد. از آنجا که اجسام در تصویر به صورت طولی قرار دارند و هر تصویر 130 پیکسل دارد، خ وس هـر شـکل خـ 65 است. براي محاسبة طول ستون وس ، که همان ستون
65 است ،1هاي موجود در ماتریس نشان دهنـد ة لبـه هـايظروف است .با محاسبة تعداد پیکسل هاي بـین 1 بـالایی وپایینی هر شکل در ستون 65 طول هـر تصـویر بـه دسـتمی آید.
 محاسبة عرض
براي محاسبة عرض، از آنجا کـه عـرض هـر تصـویر کـاملاً یکسان نیست، به عرض قسمت هاي مختلف هر تصویر نیـازاست. بدین منظور، در سطر مورد نظر تعـداد پیکسـل هـايبین ابتـدایی تـرین و انتهـایی تـرین 1 موجـود در مـاتریسشمار می شود. در این تحقیق، عرض سطرهاي 10، 20، 30، 40، 50، 60، 70، 140، و 210 محاسبه شد.
نتایج نظریة بررسی نسبت طول به عرض
نتایج کاربردي این نظریه در جدول 2 مـی آیـد . ایـن رو نسبت به نظریة بررسـی مسـاحت تصـویر اعتبـار بیشـتريدارد. چ ون در ای ن رو اش یا و تص اویر نس بت ب ه ه م سنجیده نمی شوند، بلکـه نسـبت طـول بـه عـرض مـلاکسنجش قرار می گیرد. بنابراین، نسبت به بررسـی مسـاحتدقیق تر است.
جدول 2. نتایج نهایی نظریة شمارة 2
درصد شناسایی اقلام سالم با استفاده از نظریة طول به عرض درصد شناسایی اقلام معیوببا استفاده از نظریة نسبت طول به عرض
90 92/30
نتایج نظریه های پیشنهادی
در این بخش طرح پیشنهادي جهت نصب دوربین در خـ تولید و دو نظریة پیشنهادي) نظریة بر مبناي نقطة مرجـعو نظریة بر اساس مرکز ثقل هر تصویر( ارائه می شود.
طرح پیشنهادی جهت نصب دوربین در خط تولید
خ تولید روغن نبـاتی بـه گونـه اي اسـت کـه تـا قبـل ازپرشدن ظروف باید از سالم بودن آن اطمینان حاصل کرد. با این طرح پیشنهادي می توان از صـحت و سـلامت ظـروف، قبل از پر شدن، اطمینان حاصل کـرد. همـان طـور کـه در شـکل 11 دیـده مـی شـود، بـا قرارگـرفتن ظـرف در برابـرسنسور، دوربین عملیات تصویربرداري را انجام می دهد و با ارسال آن به سیستم کام یوتري و پـرداز آن بـه وسـیلة نرم افزار پاسخ مناسب ارائه می شود.
نظریة نقطة مرجع
این نظریه نیـز ماننـد نظریـة نسـبت طـول بـه عـرض بـر الگوریتم آشکارسـازي لبـه اسـتوار اسـت. در ایـن نظریـه ، همان طور که در شکل 12 می آید، پایین ترین نقطـ ة وسـ قسمت سر ظرف «نقطة مرجع» در نظـر گرفتـه مـی شـود.س س ،فاصلة نقطة مرجع از نقـاطی خـاص در لبـ ة ظـرف)مثلاً به فاصلة هر 5 پیکسل یک نقطه( محاسبه مـی شـود .
در بدترین حالت فاصلة از همـة نقـاط محاسـبه مـی شـود .
برایند این فواصل، به منزلة نتیجه اي بـراي مقایسـه، قابـلاستناد خواهد بود. در اینجا نیـز شناسـایی ظـروف سـالم ومعیوب با به دست آوردن سطن آستانه انجام می پذیرد.
طبق شکل 12، نقطة مرجع نقطه اي اسـت کـه فاصـل ة دیگر نقاط ظرف از آن نقطه محاسبه می شـود. همـان طـورکه در تصویر نیز دیـده مـی شـود ، براینـد ایـن فواصـل درظروف سالم و معیوب با هم متفاوت است.

شکل 11. نمایی از طرح پیشنهادی جهت نصب دوربین

شکل 12. طرحی از نظریة نقطة مرجع
نظریة مرکز ثقل
این نظریه با محاسبة مرکز ثقـل ظـروف سـالم یـا معیـوببودن هر ظرف را بررسی می کند. در ایـن تحقیـق، از آنجـاکه محاسبات روي تصاویر دوبعدي ظروف انجام مـی گیـرد،مرکز ثقل همان مرکز سطن در نظر گرفته می شـود. مرکـزسطن با رابطه هاي 1 و 2 محاسبه می شود: )1( x i aa
y  j aa )2(
a مساحت کل ظرف ،i و j اندیس هاي هر واحد پیکسل تصویر، و a∆ المان برگرفته از مساحت است. از آنجا که هر پیکسل مقداري برابر بـا 1 یـا 0 دارد ،a∆ برابـر 1 در نظـرگرفته شد که معـادل یـک واحـد پیکسـل اسـت. پـس ازمحاسبة مرکز سطن هر شکل و مقایسة آن با نمونة سـالم،می توان دریافت که شکل تصویر یک شـی ء سـالم را نشـانمی دهد یا معیوب. شـکل 13 نظریـة مرکـز ثقـل را نشـانمی دهد.

شکل 13. طرحی از نظریة مرکز ثقل مورد مطالعه
با اینکه این تحقیق در کارخانة روغن نبـاتی شـیراز انجـام شد، بدان معنا نیست که نتایج این تحقیق فقـ مـی توانـدبراي کارخانـ ة مزبـور اجـرا شـود . از آنجـا کـه شناسـایی وکاهش ضـایعات در خطـوط تولیـد مهـم اسـت، مـی تـوانبه راحتی با درنظرگرفتن شرای و محدودیت هـا و متغیرهـادر صنایعی همنون خودروسازي، قطعه سـازي ، و … از ایـنطرح استفاده کرد. همننین، این طـرح بـا اعمـال شـرای براي همة بخش هاي ساخت و تولیـد انـواع ظـروف، ماننـدبطري و جعبه و… ، قابل اجراست. از دیگر ابعادي کـه ایـنطرح را حائز اهمیت می کند مسائل امنیتی و سلامت افـراد
و کارگران است .در بعضـی از شـاخه هـاي صـنایع مداخلـ ة دست یا نیروي انسانی امکـان پـذیر نیسـت. ایـن طـرح بـه گونه اي است که مـی تـوا ن از آن در صـنایعی کـه دخالـتانس ان آس یب ب ه دنب ال دارد، مانن د ص نایع نظ امی ی ا داورسازي، نیز استفاده کرد.
استفاده از پـرداز تصـویر در کارخانـ ة روغـن نبـاتیشیراز موجب شد نه تنهـا ظـروف معیـوب بـا دقـت بـالاییشناسایی شوند، بلکه به علـت تشـخیص بـه موقـع ظـروفناسالم هزینه هاي دوباره کاري و ضایعات و ریختن محتویات ظرف به بیرون به شدت کاهش یابد.
نتیجه گیری
کاهش ضایعات در خطوط مختلف تولیدي از مواردي است که همواره مورد توجه محققان بوده است. در ایـن تحقیـقنشان داده شد که با استفاده از پرداز تصایر می تـوان بـامقایسة تصاویر به دست آمده از اقلام تولیدشده و مقایسة آن با تصویر اقلام سالم ضایعات را با دقت زیادي تشـخیص دادو از هزینه هاي اضافی جلوگیري کرد.
از نقایص مهم این تحقیق می تـوان بـه کـم بـودن تعـدادنمونه ها اشاره کرد. این موضـوع باعـث شـد قضـاوت دربـارةکارایی یا ناکارایی نظریه ها مشکل شود. اما از آنجا که هـدفاین تحقیـق بررسـی کـاربرد پـرداز تصـویر در شناسـایی
تابستان
ضایعات خ تولید بود، این هدف تا حد زیادي محقق شد.
در استفاده از نیروي انسانی جهـت شناسـایی ضـایعاتهمواره این نگرانی وجود دارد که بازرسان یا افـراد مسـئولدر خ تولید اشتباه کنند و اقلام سالم را ناسـالم یـا اقـلامناسالم را سالم در نظر بگیرند. عواملی نظیر خستگی، ضعف بدنی، استرس، اشتباه در نگر ، اشـتباه در محاسـبه، و …
باعث بروز خطا در شناسایی و تشخیص ضایعات مـی شـود.هرچند در پرداز تصویر نیز این پدیـده مـی توانـد اتفـا بیفتد، میزان اشتباه به شدت کاهش می یابد. مـورد مطالعـهنیز این کاهش را تأیید کرد. بنابراین، رو مزبور می توانـدجایگزینی مناسب در زمینة شناسایی ضـایعات باشـد کـهمعضل بسیاري از صنایع است. بـا توجـه بـه اینکـه امـروزهبسیاري از صنایع مکـانیزه شـده انـد یـا صـاحبان آن هـا در اندیشة مکانیزه کردن خ تولیـد هسـتند، مـی تـوان گفـترو مطرح شده در این مقاله می تواند بـه ایـن طـرح نیـزکمک کند.
تحقیق پیش رو براي سیستم تولیـد گسسـته بـه کـاررفت که در آن ظروف تولیدشدة روغن مـی توانسـت داراياشکال باشد .طرح استفاده از پرداز تصویر بـراي صـنایعپیوسته، که توقف در خ تولید آن ها ممکن است خسارات جبران ناپذیري را ایجاد کند، می تواند موضـوعی باشـد کـهنظر محققان آتی را به خود جلب کند.
REFERENCES
Hosainiparvar, H., Pourreza, H., Mortazavi, A., and Razavi, M. (2007). “Process Quality Control and food Products Using Computer Vision System.” 4th Conference of Computer Vision and Image Processing, Iran, Mashhad, Ferdosi University.
Ebrahimzade, R. (2010). Journal of Maskan Bank, Vol.107.
Shen, Z., Luo, J., Zhou, C., Huang, G., Ma, W., and Ming, D. (2005). “System design and implementation of digital-image processing using computational grids.” Computers and Geosciences, Vol. 31 (5), 619-630.
Sun, D. W. (2000). “Inspecting pizza topping percentage and distribution by a computer vision method.” Journal of Food Engineering, Vol. 44 (4), 245-.942
Ebrahimi, A. and Seidin, A. (2007). “A Review as Shape Base Methods in Imaging and Recognizing 3-D Objects.” 4th Conference of Computer Vision and Image Processing, Iran, Mashhad, Ferdosi University.
Huttenlocher, D. P. and Ullman, S. (1990). “Recognizing Solid Object by Alignment With an Image.” International Journal of Computer Vision, Vol. 5 (2), 195-.212
Mahdavi, M. (2002). “Culture of Describing technology.” Chapar Publication.
Kangarlou. (1998). “Recognizing Moving Objects Using Image Processing.” Text Book of Science and Technology of Iran, Electrical Department.
Shahin, A. (2005). “Waste Management, Modeling Success Items in Japan Product Industries.” Journal of Iran Teaching Engineering, Farhangestan Publications.
Karimian, A., Torbian, M., and Yazdchi, M. (2010). “Optimizing Understanding The Industrial Photographic Images For Recognizing Defects of Oil and Gas Pipes Around Welding Regions Using Image Processing.” Journal of Power and Electronic as Electrical Engineering Department, Vol.2, First Year, 51-.85
Poudarbani, R., Ghasemzade, H., golzade, A., and Behfar, H. (2010). “Possibility of Grading The Quality of Apple Using Image Processing.” Journal of Food Industrial Research, Vol. 19, No. 1, 75-.58
Safdari, M., Karimiana, A., and Yazdchi, M. (2011), “Metal Artifact Reduction in CT images of Head by Image Processing Techniques.” Journal of Physics Procedo, Vol. 22 (1), 209-.112
Tayefemahmoodi, M. (2002). “Checking Image Processing Algorithms in edge Recognition.” A Thesis of Science and Technology University of Iran, Computer Engineering Department.
Sadathosaini, M., Javadian, R., and Vaziri, M. (2007). “Using Image Processing to Understand The Behavior Traffic.” Journal of Transportation, No 3, 3rd Year, 183-193.
Demonceaux, C., Vasseur, P., and Fougerolle, Y. (2011). “Central catadioptric image processing with geodesic metric.” Journal of Image and Vision Computing, Vol 29 (12), 840-849.
Taken from the Site “www.wikipedia.org” “2010.17.10” in “22:15”.
واژگان لاتین به ترتیب استفاده در متن
Computerized Tomography Scan (CT Scan)
Catadioptric
Geodesic
MATLAB
Discrete Cosine Transform (DCT)



قیمت: تومان


دیدگاهتان را بنویسید