Разработка системы управления многоосевым манипулятором
Характеристика топографических карт. Среда программирования MATLAB, распознавание образов. Алгоритмы работы программы, распознавание линий и сопоставление данных. Эргономическая оценка рабочего места оператора. Расчёт экономической эффективности проекта.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | дипломная работа |
Язык | русский |
Дата добавления | 12.02.2015 |
Размер файла | 804,0 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Федеральное агентство железнодорожного транспорта
Государственное образовательное учреждение
высшего профессионального образования
«Уральский государственный университет путей сообщения»
(УрГУПС)
Факультет Механический
Кафедра Мехатроники
Дипломный проект
Разработка системы управления многоосевым манипулятором
Екатеринбург
2014
Содержание
Введение
1. Теоретические сведения и методы решения задачи
1.1 Топографические карты
1.2 Среда программирования MATLAB
1.3 Распознавание образов
2. Разработка и написание программы
2.1 Алгоритмы работы программы
2.2 Распознавание линий
2.3 Сопоставление данных
3. Эргономическая оценка рабочего места оператора
4. Расчёт экономической эффективности
4.1 Расчёт единовременных затрат
4.2 Текущие (эксплуатационные) затраты по «старой» технологии
4.3 Текущие (эксплуатационные) затраты по «новой» технологии
4.4 Годовой приток денежных средств
4.5 Расчет оценочных показателей проекта
алгоритм программа matlab
Введение
В последнее время наблюдается активный рост объемов получаемой информации. В связи с этим становиться очень актуальной потребность в качественной, максимально быстрой и полной обработке информации, а также ее хранения и передачи в сжатой форме. Человек из года в год пытается создать машины, которые заменили бы его при решении сложных задач, а задачи связанные с огромным количеством информации действительно сложные и требует большого количества времени для решения их человеком. В идеале ученые стремятся к тому, чтобы машины сами решали все вышеперечисленные задачи, причем делали это не хуже человека, поэтому в настоящее время все больше значение и актуальность для исследователей приобретают системы на основе искусственного интеллекта. Разработка фиксированных алгоритмов не позволяет создавать действительно гибкие универсальные системы, поэтому растет интерес к системам с нечеткой логикой и нейронным сетям. Эти системы работают по принципам, заложенным в человеческую систему мышления. Мозг представляет собой чрезвычайно сложный, нелинейный, параллельный компьютер (систему обработки информации). Он обладает способностью организовать свои структурные компоненты, называемые нейронами, так, чтобы они могли выполнять конкретные задачи (распознавание образов, обработка сигналов органов чувств, моторные функции) во много раз быстрее, чем могут позволить самые быстродействующие компьютеры.
В данной дипломной работе объектом наших исследований будут именно методы распознавания образов, а предметом исследований - их практическая реализация на топографических картах. Мы будем распознавать цвета, линии, цифры, и уделим особое внимание тому, чтобы наша программа сопоставляла всю полученную из топографических крат информацию, связывала некоторые элементы, например, конкретную цифру (высоту ландшафта) с линией (рельефом).
Целью дипломной работы является разработка программы в среде программирования MatLab. Эта программа будет распознавать объекты на 2D карте и строить по полученным данные 3D модель местности. Программа будет содержать понятный для пользователя интерфейс.
Задачами дипломной работы в связи с указанной целью:
1. Изучение понятий искусственного интеллекта, распознавания образов.
2. Рассмотреть различные методы распознавания образов.
2. Провести анализ топографических карт.
3. Изучить среду программирования MatLab.
4. Написать программы, ее тестирование.
Написание программы позволит обеспечить более наглядное представление о местности. Ее можно будет использовать для планирования строительства дорог и других объектов. Она сократит время планирования проектов.
В ходе исследований и решения поставленных задач были использованы следующие методы: теоретический анализ и сравнение различных методов распознавания образов, моделирование алгоритмов работы программы.
Научная новизна и практическая значимость.
Введение раскрывает актуальность, объект, предмет, цель и задачи, методы исследования, раскрывает практическую значимость работы.
Далее в первой главе будут рассматриваться, необходимы для выпленния работы, теоретические сведения - топографические карты, среда программирования MatLab и методы распознавания образов.
Вторая глава повещена практической части работы. В ней описываются алгоритмы и блок-схемы работы программы, подробно показаны все функции, используемые в программе, объясняются вес самые важные фрагменты программного кода.
1. Теоретические сведения и методы решения задачи
1.1 Топографические карты
Топографическая карта -- называется подробное и точное изображение местности на плоскости, выполненное условными знаками с уменьшением всех линий местности. Топографическая карта содержит сведения об опорных геодезических пунктах, рельефе, гидрографии, растительности, грунтах, хозяйственных и культурных объектах, дорогах, коммуникациях, границах и других объектах местности. Полнота содержания и точность топографических карт позволяют решать различные технические задачи.
Отношение, показывающее, во сколько раз все линейные размеры местности уменьшены при изображении их на карте, называется масштабом карты. Чем меньше это уменьшение, тем изображение местности, а, следовательно, и масштаб карты будут крупнее, и наоборот. Очевидно, чем крупнее масштаб карты, тем подробнее и точнее можно изобразить на ней местность.
По крупномасштабным топографическим картам и планам можно достаточно подробно и точно изучать, местность и ориентироваться на ней, производить необходимые измерения и расчеты, например, планировать положение дорожных сетей и многое другое.
Все местные предметы изображаются на картах условными знаками. В рамках данного дипломного проекта нас будут интересовать только условные обозначения рельефа и типа местности, а также обозначения водных объектов. На топографических картах рельеф изображается горизонталями.
Рис 1. Модель горы
Представим себе модель горы (Рис. 1), рассеченной горизонтальными плоскостями, расположенными одна от другой на равных расстояниях по высоте. Обведя карандашом на бумаге основание горы и все полученные следы сечения, получим ряд кривых замкнутых линий, соединяющих точки с одинаковой высотой над основанием горы. Замкнутые кривые линии, соединяющие точки с одинаковой высотой, называются горизонталями.
По одним горизонталям невозможно определить, в каком направлении повышается или понижается местность. Для обозначения этого направления на некоторых горизонталях перпендикулярно им ставят короткие черточки - указатели ската (бергштрихи). Они всегда направлены в сторону понижения ската.
Более наглядное представление рельефа, а также некоторые другие полезные обозначения представлены в таблице 1.
Таблица 1 - Условные обозначения некоторых объектов на топографической карте
Рельеф местности |
||
Подписи горизонталей в метрах и указатели направления скатов (бергштрихи) |
||
Реки и ручьи |
В данном дипломном проекте мы пишем программу для компьютера. Наша программа - своего рода интеллектуальная система. А любая система может работать только с определенной информацией, или с той информацией, которая приведена к определенному виду. Наша программа может работать практически с любыми топографическими картами, но для лучшего распознавания объектов и для уменьшения количества ошибок следует определить некоторые критерии для карт, с которыми должна работать программа:
- Разрешение (количество пикселей на единицу площади изображение) не менее 400 пикселей на дюйм;
- Отсутствие шумов, посторонних элементов (сгибов и вытертостей на карте);
- Все или большинство линий имеют соответствующие им подписанные высоты;
- Цифры и линии изображены одним цветом, который более не присутствует на карте.
1.2 Среда программирования MATLAB
Для написания программы нам потребует среда программирования MatLab, которая имеет именно те функции, которые понадобятся нам для реализации нашей прогркаммы.
MATLAB является языком высокого уровня для выполнения технических и научных вычислений. В нем интегрированы вычисления, визуализация и программирование в удобной пользовательской среде, в которой задачи и их решения выражаются с помощью привычных математических обозначений. Типичный набор действий включает:
- математические вычисления;
- разработку алгоритмов;
- моделирование и создание прототипных систем;
- анализ данных, их исследование и визуализацию;
- построение различных графиков;
- разработку приложений и пользовательский интерфейс.
MATLAB представляет собой интерактивную систему, в которой базовым элементом выступает массив элементов, который не требует задания фиксированной размерности. Это позволяет легко формулировать условия и решения многих вы- числительных задач, которым требуется матричное представление объектов. При этом необходимая работа займет лишь малую долю времени, которое потребовалось бы для написания аналогичных программ на скалярном и неинтерактивном языке типа С или Fortran.
Программа очень удобна и проста в использовании.
Рабочий стол MATLAB -- это основное окно приложения MATLAB, рабочий стол состоит из пяти подокон: окна команд (Command Window), окна рабочего пространства (Workspace Browser), окна текущей папки (Current Directory Window), окна совершенных команд (Current History Window) и одного или нескольких окон графиков.
Окно команд (Command Window) -- это область, где пользователь набирает команды и выражения MATLAB после приглашения системы (>>) (ввод) и где система помещает свои отклики на команды пользователя (вывод). При каждом сеансе работы MATLAB формирует рабочее пространство, т. е. множество переменных, создаваемых пользователем.
Окно рабочего пространства (Workspace Browser) показывает эти переменные, а также сообщает некоторую информацию о них. Двойное нажатие левой клавиши мыши на любую переменную в этом окне вызывает окно Редактор массивов, в котором можно увидеть дополнительную информацию о данном массиве, а также (во многих случаях) отредактировать его содержимое.
Над заголовком окна рабочего пространства расположена метка Current Directory (текущая папка), за которым расположено окно текущей папки (Current Directory Window), отражающее ее полный системный путь, например, C:\MATLAB\Work. Это означает, что папка «Work» является подпапкой главной папки «MATLAB» приложения MATLAB, которое установлено на диск С. Если нажать левой клавишей мыши на треугольник справа от окна текущей папки, то раскроется список путей недавно использованных папок, что позволяет пользователю быстро менять текущую рабочую папку.
Система MATLAB использует переменную окружения путь поиска (Search Path) для обнаружения М-файлов и файлов других типов, используемых в этой системе, которые организованы в виде компьютерных папок. Любой исполняемый файл должен располагаться или в рабочей папке, или в папке, на которую указывает путь поиска. По умолчанию, файлы, поставляемые вместе с MATLAB и MathWorks, помещаются в Search Path. Самый простой путь узнать, какие папки помещены в Search Path, а также добавить, удалить или модифицировать имеющиеся там записи, -- это выбрать пункт Set Path в меню File рабочего стола и совершить необходимые действия в появившемся диалоговом окне Set Path. В начале работы бывает удобно поместить ссылки на часто используемые папки в путь поиска. В этом случае не придется часто менять текущую папку системы.
Окно совершенных команд (Current History Window) содержит записи всех команд, которые пользователь вводил в окне команд, включая текущую и все предыдущие сеансы работы с MATLAB. Ранее исполненные команды можно выбирать и повторно исполнять из окна совершенных команд. Для этого достаточно щелкнуть правой кнопкой мыши по команде или последовательности команд. Такое действие активирует меню, из которого необходимо выбрать некоторые дополнительные опции для выполнения этих команд. Такая организация хорошо помогает при экспериментировании с разными командами в сеансе работы с MATLAB.
1.3 Распознавание образов
Разработка систем обработки изображений всегда тесно связана с большим объемом тестирования и экспериментальной работы, который необходимо выполнить для достижения приемлемого решения поставленной задачи.
Изображение представляет собой двумерную функцию f (x, у), где х и у -- это пространственные координаты, а амплитуда f в любой точке с парой координат (х, у) называется интенсивностью или уровнем серого цвета изображения в этой точке. Если переменные x, у и f принимают значения их конечного (дискретного) множества, то говорят о цифровом изображении. Под цифровой обработкой изображений подразумевается обработка цифровых изображений с помощью цифровых вычислительных машин (компьютеров). Отметим, что цифровое изображение состоит из конечного числа элементов, каждый из которых расположен в конкретном месте и имеет определенное значение. Эти элементы принято называть элементами изображения или пикселями.
Зрение является самым совершенным из наших органов чувств, поэтому зрительные образы играют такую важную роль в человеческом восприятии. Однако в отличие от людей, которые способны воспринимать лишь электромагнитное световое излучение видимого диапазона, машинная обработка изображений покрывает практически весь спектр электромагнитных волн от гамма-излучения до радиоволн.
В своей работе мы будем иметь дело с топографическими картами. Они содержат в себе несколько цветов, то есть это цветные изображения, на них есть линии, цифры, водные объекты, которые нам необходимо будет распознать.
Задача распознавания образов является основной в большинстве интеллектуальных систем. Распознавание образов - процесс отнесения объекта по фиксированной группе его свойств к одному объекту из множества образов по заранее оговоренному правилу.
Подходы к компьютеризации распознавания образов можно разделить на две основные категории: методы, основанные на теории решений, и структурный анализ. Первая категория имеет дело с образами, которые описываются количественными дескрипторами, такими как длина, площадь, текстура и многими другими дескрипторами, а вторая категория методов ориентирована на образы, которые можно хорошо представить символьной информацией, например, символьными строками, и которые можно описать свойствами и взаимоотношениями между этими символами.
Выделим наиболее важные шаги в процедуре распознавания:
1. Восприятие образа. На этом этапе производят получение значений характеристических свойств объекта (измерения линейных замеров, фотографирование, оцифровка звука);
2. Предварительная обработка (удаление шумов, представление изображения в черно-белом варианте, обрезание ненужных частей изображения);
3. Выделение характеристик (индексация). На этом этапе измеряются характеристический свойства объекта (измеряем длину рыбы и ее цвет);
4. Классификация (принятие решения).
Разработка системы распознавания образов происходит несколькими этапами:
1. Разработка тренировочной коллекции. Тренировочная коллекция - коллекция объектов для которых заведомо известны их образы. Например, коллекция аудио записей для каждого звука, или коллекция изображений каждой буквы латинского алфавита;
2. Выбрать модель представления объектов;
3. Выбрать значимые характеристики. Один из самых важных этапов разработки системы распознавания. Например, если в случае идентификации рыбы окунь/лосось в качестве характеристики выбрать только длину рыбы, то никакое классифицирующее правило не сможет точно определить тип рыбы, поскольку весьма вероятно встретить лосося и окуня одинаковой длины;
4. Разработать классифицирующее правило. Классифицирующее правило - правило, которое по значениям характеристических свойств объекта отнесет его к одному из образов.
5. Обучение алгоритма. На этом этапе алгоритм "собирает опыт" на основе распознавания тренировочной коллекции. Для того, чтобы правильно выставить коэффициенты (параметры) алгоритма его прогоняют на тренировочной коллекции контролируя результат работы алгоритма;
6. Проверить качество. Вернуться к шагу 2,3 и 4). Если частота ошибок алгоритма не устраивает решаемую задачу, то необходимо вернуться к п. 2 (3, 4). Интуитивно понятно, что увеличение количества характеристических свойств, увеличение тренировочной коллекции улучшают качество работы алгоритма.
7. Оптимизация алгоритма. После того, как качество работы алгоритма подходит под условие рассматриваемой задачи, иногда приходится произвести его оптимизацию. Изначальный алгоритм может быть слишком долгим или ресурсоемким. Ускорить алгоритм распознавания можно уменьшив количество характеристических свойств объекта, выбрав другие характеристические свойства, используя другое классифицирующее правило.
В целом, можно выделить три метода распознавания образов: Метод перебора. В этом случае производится сравнение с базой данных, где для каждого вида объектов представлены всевозможные модификации отображения. Например, для оптического распознавания образов можно применить метод перебора вида объекта под различными углами, масштабами, смещениями, деформациями и т. д. Для букв нужно перебирать шрифт, свойства шрифта и т. д. В случае распознавания звуковых образов, соответственно, происходит сравнение с некоторыми известными шаблонами (например, слово, произнесенное несколькими людьми).
Второй подход - производится более глубокий анализ характеристик образа. В случае оптического распознавания это может быть определение различных геометрических характеристик. Звуковой образец в этом случае подвергается частотному, амплитудному анализу и т. д.
Следующий метод - использование искусственных нейронных сетей (ИНС). Этот метод требует либо большого количества примеров задачи распознавания при обучении, либо специальной структуры нейронной сети, учитывающей специфику данной задачи. Тем не менее, его отличает более высокая эффективность и производительность.
Перед нами стоят задачи распознавания нескольких видов объектов - линии и цифры. Цифры - более сложные элементы для распознавания. Они могут быть под любым наклоном, могут находиться в любом месте на карте. Для них подошел бы первый из перечисленных методов, но иногда карты бывают очень большие и обработка такого изображения, сравнение цифр под разным наклоном из базы данных со всеми возможными цифрами на большой карте, займет слишком много времени. Поэтому мы создадим продукционную модель знаний.
Продукционные модели можно считать наиболее распространенными моделями представления знаний. Продукционная модель - это модель, основанная на правилах, позволяющая представить знание в виде предложений типа: "Если ( выполняется условие), то (выполняется действие)".
Существуют два типа продукционных систем - с «прямыми» и «обратными» выводами. Прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память. Существуют также системы с двунаправленными выводами. Основные достоинства систем, основанных на продукционных моделях, связаны с простотой представления знаний и организации логического вывода.
Мы будем использовать некоторые свойства цифр и линий, которые присущи только им, чтобы выделить от остальных объектов, а так же между собой. Каждая цифра имеет свою форму, площадь, центр масс и так далее, список особенностей практически не ограничен.
2. Разработка и написание программы
2.1 Алгоритмы работы программы
Перед написанием программы необходимо продумать алгоритм ее работы, построить соответствующие блок-схемы (Рис.10).
Для начала необходимо загрузить изображение карты в программу. Любое изображение в MatLab представляется в виде массива с числами. После получения этого массива нам необходимо нужным образом его обработать. Топографическая карта обычно выполнена в полно цветном варианте, линии рельефа и все цифры выполнены одним цветом. Поэтому, зная цвета линий и цифр, мы можем их выделить из числа других объектов на карте, и преобразовать наше растровое изображение в логический формат, то есть в новую матрицу. Эта матрица будет представлять собой значения только 1 и 0 - там, где находиться линия или число - 1, а там, где остальные объекты 0.
Далее очистим новую матрицу от шумов. Это необходимо сделать, так как до преобразования на ней было множество посторонних элементов, ненужных нам, и которые могли остаться на карте.
Далее, из этой новой матрицы, с помощью специальных функций MatLab, мы определим все отдельные объекты и пронумеруем их. Затем выделим из всех найденных объектов линии по их свойствам (например, малая площадь самого объекта в области этого объекта). И если вычесть получившуюся матрицу линий из нашей первоначальной матрицы - получим матрицу цифр.
Распознаем каждую цифру по ее особенным свойствам (например, число Эйлера, эксцентриситет, центр масс и так далее), а затем соединим все полученные цифры в числа, составим новую матрицу чисел.
Следующим шагом, необходимо сопоставить все полученные нами данные - линии и числа, и также сформировать новую матрицу Z. Эта матрица будет содержать все высоты на карте.
По полученной матрице можно будет построить 3-D модель.
Рис. 10. Блок-схема работы программы
2.2 Обработка изображения
Для начала нам потребуется загрузить карту в MatLab для дальнейшей работы с ней. Для этого используем функцию imread.
f=imread('топографическая карта 1.jpg');
Теперь наша карта представлена с помощью массива f, в каждой ячейке которого указана интенсивность каждого пикселя. Топографические карты выполняются в цветном варианте, но рельеф и цифры изображаются черным цветом. Компьютеру в данном случае будет намного проще работать с черно-белым изображением, поэтому с помощью специальных функций программы переведем изображение в черно-белый вариант:
fR = f(:, :, 1);
fG = f(:, :, 2);
fB = f(:, :, 3);
gray=((fR>150)&(fG<150)&(fB<150)).
Мы просто исключили красный, зеленый и синий цвета и сохранили новый массив. Далее с помощью функции size мы определяем размер изображения, который нам пригодиться в будущем. И найдем отдельные объекты на изображении используя специальную функцию bwlabel и найдем свойства этих объектов с помощью regionprops, то есть площадь Area и область объекта BoundingBox. только второй раз через пару страниц
[Ny,Nx]=size(gray);
[labeled,num] = bwlabel(gray,8);
stats = regionprops(labeled, 'Area','BoundingBox');
Очистим изображение от шума. Если есть в нашем изображении отдельные пиксели, вокруг которых нет других элементов, то он их удалит. И сохраним новый массив без шумов.
for i=1:num
if stats(i).Area<15
for xx=min(ceil(stats(i).BoundingBox(1)),Nx):min(ceil(stats(i).BoundingBox(1)+stats(i).BoundingBox(3)-1),Nx)
for yy=min(ceil(stats(i).BoundingBox(2)),Ny):min(ceil(stats(i).BoundingBox(2)+stats(i).BoundingBox(4)-1),Ny)
if labeled(yy,xx)==i
gray(yy,xx)=0;
end
end
end
end
end
grayN=gray;
2.2 Распознавание линий
Для того, чтобы потом удобно было распознавать линии и цифры создадим два массива. В одном на изображении будут видны только линии, а на другом только цифры.
Для начала найдем все объекты на карте и с помощью специальной функции пронумеруем их:
clearvars labeled num stats;
[labeled,num] = bwlabel(gray,8);
stats = regionprops(labeled, 'Area','BoundingBox');
После этих операций у нас образовался совершенно новый массив, в котором есть только пронумерованные по порядку линии и цифры, далее нам нужно и отличить между собой.
У каждого объекта есть своя область, в которой он находится.
У каждого объекта также есть свой объем. После рассуждений можно прийти к выводу, что линия занимает очень малый объем в своей области. По этому свойству ее можно легко определить. Но есть мы будем уже выделенный нами элемент (например первый), затем вычисляем его площадь и сравниваем эту площадь с площадью его области. Если это отношение большое, то перед нами линия, если маленькое, то цифра. Линии мы стираем и образуем матрицу чисел.
for i=1:num
if (stats(i).Area/(stats(i).BoundingBox(3)*stats(i).BoundingBox(4)))<0.1
for xx=min(ceil(stats(i).BoundingBox(1)),Nx):min(ceil(stats(i).BoundingBox(1)+stats(i).BoundingBox(3)-1),Nx)
for yy=min(ceil(stats(i).BoundingBox(2)),Ny):min(ceil(stats(i).BoundingBox(2)+stats(i).BoundingBox(4)-1),Ny)
if labeled(yy,xx)==i
grayN(yy,xx)=0;
end
end
end
end
end
Затем получаем карту линий, из общей карты вычитаем карту цифр.
grayL=gray.*~grayN;
[labeledL,numL] = bwlabel(grayL,8);
statsL = regionprops(labeledL, 'EulerNumber');
enumL=zeros(numL,1);
for i=1:numL
enumL(i)=statsL(i).EulerNumber;
end
2.2 Распознавание цифр
Теперь у нас есть отдельный массив, в котором присутствуют только цифры. Нам предстоит, как уже было сказано ранее, одна из главных и сложных задач, в данной работе - это распознавание цифр на топографической карте. Причем цифры могут располагаться как горизонтально, так и под любым углом наклона, поскольку они всегда нарисованы вдоль линии рельефа.
Если бы мы создали базу данных эталонов цифр и постепенно сравнивали каждый участок карты с нашими эталонными цифрами, то обработка большой карты заняла бы много времени. Пришлось бы также поворачивать наши эталоны на каждом участке карты, где возможно расположение цифры.
Все цифры - 1, 2, 3, 4, 5, 6, 7, 8, 9, 0 разные. Они имеют разные свойства, по разному нарисованы, каждая из ни индивидуальна, поэтому для каждой можно придумать свойство, которое отличало бы ее от других, причем эти свойства не должны зависеть от угла наклона цифры.
Среда программирования MatLab имеет множество функций, которые бы помогут нам в реализации задуманного. А сейчас выявим эти свойства.
Во первых стоит заметить цифру 8, ее можно легко определить из ряда других чисел по числу Эйлера. Число Эйлера равно числу объектов на изображении минус количество дыр в этих объектах. В цифре 8 две дыры и больше таких цифр нет. Для определения числа Эйлера в MatLab есть специальные функции:
enum(i)=stats(i).EulerNumber;
if (enum(i)==-1)
definenum=8; sign=1;
end
Из части кода мы видим, что если программа вычислила число Эйлера и оно равно -1, то перед ней цифра 8.
Далее будем работать с теми цифрами, число Эйлера у которых 0, то есть 1 дыра - это 4, 6, 9, 0. У каждой из цифр есть своя область, в которой она находится, в зависимости от наклона эти области меняются (Рис 3.).
Рис. 3. Области цифр, в зависимости от наклона.
Далее мы будем использовать области цифр для выявления индивидуальных свойств 4 и 0, у этих цифр разное отношение заполненной части к незаполненной в своей области, в которой находится цифра.
if (enum(i)==0)&&(extent(i)>0.72)&&(sign==0)
definenum=4; sign=1;
end
if (enum(i)==0)&&(extent(i)<0.62)&&(sign==0)
definenum=0; sign=1;
end
Из кода мы видим, что у 4 это отношение не зависимо от угла наклона больше 0.72, а у 0 меньше 0.62.
Самое сложное - это найти отличия 6 от 9. Эти числа абсолютно одинаковые по форме, объему и прочим показателям. 6 есть перевернутая 9. Поэтому мы придумаем новый способ. У 6 и 9 заполенность входит в границы от 0.63 до 0.71. И если компьютер вычислил место на карте с числом Эйлера 0 и входящией в границы заполненностью, то мы будем рисовать в области цифры круг (Рис. 4.).
Рис. 4. Свойства 9 и 6.
После этой операции, как мы видим на рисунке, у 9 остается число Эйлера равным 0, а у 6 оно изменяется и становиться -1, то есть дырка пропадает.
Для рисования круга мы используем код:
if (enum(i)==0)&&(extent(i)>0.63)&&(extent(i)<0.71)&&(sign==0)
[rr cc] = meshgrid(1:Nx,1:Ny);
centrx=xx(i)+cos(orient(i))*rad(i)/3.5;
centry=yy(i)-sin(orient(i))*rad(i)/3.5;
C2 = (sqrt((rr-centrx).2+(cc-centry).2)<=(rad(i)/2.5));
newnumb=C2|numb;
[labeled3,num3] = bwlabel(newnumb,8);
stats3 = regionprops(labeled3, 'EulerNumber');
А затем, с помощью нового числа Эйлера мы определим что за цифра перед нами - 6 или 9.
if stats3(i).EulerNumber==1
definenum=6; sign=1;
end
if stats3(i).EulerNumber<1
definenum=9; sign=1;
end
Следующие цифры, которые мы будем искать на карте - это 1, 7, 5, 3, то есть те, у кого число Эйлера = -1, нет дыр.
С помощью эксцентриситета из оставшихся цифр выделим 1 и 7. Эксцентриситет -- числовая характеристика объекта, показывающая степень его отклонения от окружности. У окружности эксцентриситет равен 0, а у линии 1. 1 и 7 очень вытянутые цифры. Далее, чтобы отличить их между собой мы:
if (enum(i)==1)&&(eccen(i)>0.93)&&(meanN(i)==-1)
meanN(i)=1;orient(i)=orient(i)-0.1015;
end
if (enum(i)==1)&&(eccen(i)>0.85)&&(convex(i)>0.44)&&(meanN(i)==-1)
meanN(i)=7; orient(i)=orient(i)+0.1881;
end
Остались только 2, 3 5. 2 и 3 также круглишочками. в уголке 2ки рисуем.
2.3 Сопоставление данных
После того, как мы распознали все линии и все цифры, нам следует сопоставить наши данные. То есть соединить все цифры в числа, поскольку высота гор чаще всего измеряется трех или четырех значными цифрами, а также соотнести к каждой линии рельефа свою цифру.
3. Эргономическая оценка рабочего места оператора
В настоящее время в производстве, научно-исследовательских и конструкторских работах, сфере управления и образования нашли широкое применение персональные ЭВМ (ПЭВМ). Практически не осталось ни одного вида деятельности, где бы ни использовались компьютеры. Они завоевывают свое место на предприятии, в организации, офисе и даже в домашних условиях.
С помощью компьютера решается широкий спектр задач, особенно в организациях, связанных с хранением и поддержанием в актуальном состоянии больших массивов информации, обработкой данных, оказанием всевозможных информационных услуг.
Поскольку целью данной дипломной работы является создание компьютерной программы, эта цель подразумевает под собой владение навыками работы на компьютере разработчиком и оператором, который в последствии будет использовать данную программу. А когда речь идет об обеспечение комфортного рабочего места за компьютером, мы должны уделить этому особое внимание. Так как в данном случае специфика труда оператора заключается в больших зрительных нагрузках в сочетании с малой двигательной активностью, монотонностью выполняемых операций, вынужденной рабочей позой. Эти факторы отрицательно сказываются на самочувствии работающего и могут нанести непоправимый вред его здоровью.
Эргономические требования к рабочему месту оператора ПК.
Общие требования.
При организации рабочего места весьма важным фактором является рабочая поза работника, т.е. положение его корпуса, головы, рук и ног относительно орудий труда. Если работник работает сидя, ему необходимо обеспечить правильную и удобную посадку, что достигается устройством опоры для спины, рук, ног, правильной конструкцией сиденья, способствующей равномерному распределению массы тела.
Все материальные элементы рабочего места разделяют на предметы постоянного и временного пользования и с учетом этого располагают в определенном порядке на местах постоянного хранения; это экономит трудовые движения и силы работающего. Инструмент, оснастка и предметы труда должны находиться на расстоянии 560 - 750 мм на уровне рук работника, тогда их использование не приводит к излишним движениям и наклонам. Важным элементом рациональной планировки рабочего места является учет индивидуальных антропометрических и психофизиологических данных работающего.
Рабочие места оборудуют соответствующей мебелью и инвентарем, отвечающим наиболее комфортабельным условиям работы и требованиям физиологии, психологии и эстетики. С учетом нашей дипломной работы, рабочее место оператора должно быть оснащено столом, стулом, монитором и клавиатурой и компьютерной мышью.
Центр экрана монитора должен находиться примерно на уровне глаз, а расстояние между глазами и плоскостью экрана составлять не менее 40 - 50 см. Желательно, чтобы прямой солнечный свет не попадал на экран. По отношению к сидящему за столом окно, по возможности, должно быть слева или спереди. От яркого света следует защититься плотными шторами на окнах. Однако смотреть на экран монитора (как и на экран телевизора) в полной темноте не рекомендуется, необходим дополнительный источник рассеянного света (можно включить люстру, настольную лампу).
Помещение с ПК должны быть оснащены аптечкой первой помощи и углекислотными огнетушителями, а также в таких помещениях ежедневно должна проводиться влажная уборка.
Далее мы будем рассматривать каждый из требуемых объектов, для установления критериев их выбора из всех имеющихся моделей и правильной установки всего оборудования на рабочем месте.
В Санитарных правилах и нормах - СанПиН 2.2.2.542-96 даются общие требования к организации и оборудованию рабочих мест с ВДТ и ПЭВМ. Далее будем учитывать все эти правила и нормы.
Требования к рабочему столу
Для оборудования рабочего места оператора ПК рекомендуется использовать специализированную компьютерную мебель, то есть специальный рабочий стол для компьютера. Конструкция рабочего стола должна обеспечивать оптимальное размещение на рабочей поверхности используемого оборудования с учетом его количества и конструктивных особенностей (размер ВДТ и ПЭВМ, клавиатуры, пюпитра и др.), характера выполняемой работы.
Высота рабочей поверхности стола должна регулироваться в пределах 680-800 мм; при отсутствии такой возможности высота рабочей поверхности стола должна составлять 725 мм. Модульными размерами рабочей поверхности стола для ПЭВМ, на основании которых рассчитываются конструктивные размеры, следует считать: ширину 800,1000,1200 и 1400 мм, глубину 800 и 1000 мм при нерегулируемой его высоте, равной 725 мм.
Рабочий стол должен иметь пространство для постановки ног, которое составляет: высоту - не менее 600 мм, ширину - не менее 500 мм, глубину на уровне колен - не менее 450 мм и на уровне вытянутых ног - не менее 650 мм.
Конструкция рабочего стула (кресла) должна поддерживать рациональную рабочую позу при работе с ПЭВМ, позволять изменять позу с целью снижения статического напряжения мышц шейно-плечевой области и спины для предупреждения утомления.
Требования к рабочему стулу (креслу)
Рабочий стул (кресло) должен быть подъемно-поворотным и регулируемым по высоте и углам наклона сиденья и спинки, а также расстоянию спинки от переднего края сиденья. Конструкция стула должна обеспечивать:
* ширину и глубину поверхности сиденья не менее 400 мм;
* поверхность сиденья с закругленным передним краем;
* регулировку высоты поверхности сиденья в пределах 400-550 мм и углов наклона вперед до 15° и назад до 5°;
* высоту опорной поверхности спинки 300 ± 20 мм, ширину - не менее 380 мм и радиус кривизны горизонтальной плоскости - 400 мм;
* угол наклона спинки в вертикальной плоскости в пределах 0 ±30°;
* регулировку расстояния спинки от переднего края сиденья в пределах 260-400 мм;
* стационарные или съемные подлокотники длиной не менее 250 мм и шириной - 50-70 мм;
* регулировку подлокотников по высоте над сиденьем в пределах 230 ± 30 мм и внутреннего расстояния между подлокотниками в пределах 350-500 мм.
Поверхность сиденья, спинки и других элементов стула (кресла) должна быть полумягкой с нескользящим, неэлектризующимся и воздухопроницаемым покрытием, обеспечивающим легкую очистку от загрязнений.
Требования к монитору
В соответствии с санитарными нормами и правилами СанПиН 2.2.2/2.4.1340 монитор на рабочем месте должен располагаться так, чтобы изображение в любой его части было различимо без необходимости поднять или опустить голову. Он должен быть установлен ниже уровня глаз оператора. Угол наблюдения экрана оператором относительно горизонтальной линии взгляда не должен превышать 60°.
Монитор должен обладать следующими качествами:
* экран должен иметь антибликовое покрытие. Оптимальное подавление отражений может быть достигнуто в основном при строго вертикальном или слегка наклонном расположении дисплея. Самая верхняя используемая строка на экране не должна располагаться выше горизонтальной линии взгляда;
* цвета знаков и фона должны быть согласованы между собой. При работе с текстовой информацией (в режиме ввода данных, редактирования текста и чтения с экрана ВДТ) наиболее благоприятным для зрительной работы оператора является представление черных знаков на светлом фоне, так как при одинаковом контрасте разборчивость знаков на светлом фоне лучше, чем на темном;
* для многоцветного отображения рекомендуется использовать одновременно максимум 6 цветов - пурпурный, голубой, синий, зеленый, желтый, красный, а также черный и белый, так как вероятность ошибки тем меньше, чем меньше цветов используется и чем больше разница между ними, а для одноцветного отображения - черный, белый, серый, желтый, оранжевый и зеленый. Красные и голубые цвета на границе видимого спектра (и их сочетания) применять нельзя;
* необходимо регулярное тщательное обслуживание оборудования специалистами.
Нормативные параметры для монитора представлены в таблице ниже.
Таблица -- Визуальное эргономические параметры монитора
Наимерование параметров |
Пределы значений параметров |
||
минимум |
максимум |
||
Яркость знака (яркость фона), кд/м2 (измерения в темноте) |
35 |
120 |
|
Внешняя освещенность экрана, лк |
100 |
250 |
|
Угловой размер знака, угл. мин. |
16 |
60 |
Требования к клавиатуре
Конструкция клавиатуры должна предусматривать:
* исполнение в виде отдельного устройства с возможностью свободного перемещения;
* опорное приспособление, позволяющее изменять угол наклона поверхности клавиатуры в пределах от 5 до 15°;
* высоту среднего ряда клавиш не более 30 мм;
* расположение часто используемых клавиш в центре, внизу и справа, редко используемых - вверху и слева;
* выделение цветом, размером, формой и местом расположения функциональных групп клавиш;
* минимальный размер клавиш - 13 мм, оптимальный - 15 мм;
* клавиши с углублением в центре и шагом 19 мм ± 1 мм;
* расстояние между клавишами не менее 3 мм;
* одинаковый ход всех клавиш с минимальным сопротивлением нажатию 0.25Н и максимальным - не более 1,5Н;
* звуковую обратную связь - от включения клавиш с регулировкой уровня звукового сигнала и до возможности ее отключения.
Клавиатуру компьютера лучше всего располагать на расстоянии 10-15 мм от края стола, тогда запястья рук будут опираться на стол. Желательно приобрести специальную подкладку под запястья, которая, как утверждают медики, поможет избежать болезни кистей.
Прочее оборудование
Для эффективного использования манипулятора типа "мышь" необходим специальный "коврик" - планшет. Коврик должен удовлетворять основным критериям: во-первых, хорошо держаться на поверхности стола, во-вторых, материал верхней поверхности планшета должен обеспечивать хорошее отражение лазерного луча мыши, но не затруднять движения мыши.
Производственные факторы, влияющие на работоспособность и состояние здоровья оператора
Типичными ощущениями, которые испытывают к концу рабочего дня операторы ПЭВМ, являются: головная боль, резь в глазах, тянущие боли в мышцах шеи, рук и спины, зуд кожи лица и т.д. Испытываемые день за днем, эти недомогания приводят к мигреням, частичной потере зрения, сколиозу, кожным воспалениям и другим нежелательным явлениям.
На пользователя ПЭВМ одновременно воздействуют более 30 вредных факторов. Их источниками являются не только монитор и другие модули ПЭВМ, но и факторы внешней среды, количество и качество которых определяется спецификой конкретного рабочего места.
ПЭВМ генерирует в окружающее пространство широкий спектр ЭМП различной интенсивности, в том числе:
электростатическое поле;
переменные низкочастотные ЭМП;
электромагнитное излучение радиочастотного диапазона;
электромагнитное излучение оптического (видимого) диапазона.
Кроме того, на рабочем месте пользователя всегда присутствует электромагнитный фон промышленной частоты, обусловленный как ПЭВМ, так и сторонними источниками.
Источником электростатического поля является экран дисплея, несущий высокий электростатический потенциал (ускоряющее напряжение ЭЛТ). Заметный вклад в общее электростатическое поле вносят электризующиеся от трения поверхности клавиатуры и мыши.
Электростатическое поле, помимо, собственно биофизического воздействия на человека, обуславливает накопление в пространстве между пользователем и экраном пыли, которая затем с вдыхаемым воздухом попадает в организм и может вызвать бронхо-легочные заболевания и аллергические реакции. Кроме того, пыль оседает на клавиатуре ПЭВМ и, проникая затем в поры пальцев, может провоцировать заболевания кожи рук.
Современные дисплеи (изготовленные позднее 1998 г.) оборудованы эффективной системой защиты от электростатического поля. Источниками переменных ЭМП являются узлы ПЭВМ, работающие при высоких переменных напряжениях и больших токах.
Источником фоновых ЭМП промышленной частоты является, в первую очередь, электропроводка, независимо от того скрытая она или открытая, а также любое электрооборудование (щиты питания, розетки, выключатели) и бытовая электрорадиотехника (осветительные и нагревательные приборы, холодильники, кондиционеры, телевизоры и т. п.). При этом фон конкретного помещения формируется электрооборудованием всего здания и внешними источниками (трансформаторные подстанции, ЛЭП и др.).
Напряженность фонового поля промышленной частоты в обычных помещениях (офисах, рабочих кабинетах и т.п.), как правило, в десятки раз меньше установленных ПДУ, поэтому прямое влияние фонового поля на пользователя несущественно.
В числе профессиональных заболеваний работающих за компьютером - тендовагинит, травматический эпикондилит, болезнь де Карвена, тендосиновит, синдром канала запястья:
* тендовагинит - воспаление и опухание сухожилий. Заболевание распространяется на кисть, запястье, плечо;
* травматический эпикондилит (теннисный локоть, лучевой бурсит) - раздражение сухожилий, соединяющих предплечья и локтевой сустав;
* болезнь де Карвена - разновидность тендовагинита, при которой страдают сухожилия, связанные с большим пальцем кисти руки;
* тендосиновит - воспаление синовиальной оболочки сухожильного основания кисти и запястья;
* синдром канала запястья - ущемление медиального нерва руки в результате опухания сухожилия или синовиальной оболочки либо повторяющегося изгиба запястья.
Заболевания ТПН - это болезни нервов, мышц и сухожилий руки. Наиболее часто страдают кисти, запястье и плечо (сегмент верхней конечности от туловища до локтя), хотя бывает, что болезнь затрагивает плечевую и шейную области. У операторов ПЭВМ заболевание обычно наступает в результате непрерывной работы на неправильно организованном рабочем месте.
Чтобы по максимуму избежать проблем со здоровьем необходимо правильно организовать рабочее место оператору, а также делать профилактические упражнения во время перерывов.
Кроме вреда от компьютера, на рабочем месте есть и другие условия, которые могут причинить вред здоровью работника. Эти условия касаются практически всех рабочих мест, в том числе и рабочего места нашего оператора.
Нерациональное освещение рабочего места (недостаток естественного света, низкая освещенность рабочего места, повышенные блесткость и яркость на столе, клавиатуре и др., при наличии ламп дневного света пульсации светового потока).'
Некачественный состав воздуха рабочей зоны (наличие пыли и патогенной микрофлоры, недостаток легких отрицательных и избыток тяжелых положительных ионов).
Несоответствие норме параметров микроклимата.
Шум на рабочем месте.
Повышенные нервно-психические и эмоциональные нагрузки.
Монотонность труда в сочетании с повышенным напряжением внимания и зрения.
Гиподинамия и длительные статические нагрузки на кисти рук.
Вышеперечисленные факторы практически не связаны с качеством ПЭВМ, а определяются условиями труда на конкретном рабочем месте.
Профилактика неблагоприятного воздействия производственных факторов
В профилактике профессиональных заболеваний пользователей ЭВМ важное значение имеет правильный режим работы. Следует отметить, что перерывы для отдыха должны предоставляться в зависимости от степени утомления, своевременность их важнее длительности. Во время перерывов необходимо выполнять специализированные комплексы гимнастических упражнений -упражнений для глаз, для улучшения мозгового кровообращения, для снятия утомления с плечевого пояса и рук, с туловища и ног.
Единственным средством, защищающим пользователя от воздействия вредных излучений, являются фильтры для экранов мониторов. Практически все существующие защитные фильтры для экранов удовлетворяют требованиям техники безопасности независимо от того, из какого материала они изготовлены. Исключение составляют дешевые средства повышения контрастности. Средством защиты от отраженного света и бликов является многослойный антибликовый защитный фильтр. Если использовать в работе должным образом заземленный защитный фильтр, то можно избавиться от стрессов и усталости. Многослойный, имеющий проводящий слой и должным образом заземленный фильтр существенно ослабляет и воздействие электромагнитного поля.
Для профилактики профессиональных заболеваний при работе с ПЭВМ следует руководствоваться следующими рекомендациями:
* необходимо соблюдать ограничения на работу с персональными компьютерами для сотрудников, страдающих заболеваниями опорно-двигательного аппарата, глаз (или нарушениями зрения), кожи, а также для беременных женщин;
* профессиональные пользователи ВДТ и ПЭВМ должны проходить обязательные предварительные (при поступлении на работу) и периодические медицинские осмотры в порядке и сроки, установленные Минздравмедпромом России и Госкомсанэпиднадзором России. К непосредственной работе с ВДТ и ПЭВМ допускаются лица, не имеющие медицинских противопоказаний;
* предпочтительнее выбирать видеоадаптеры с высокой разрешающей способностью и по возможности частотой экранного изображения не менее 70-72 Гц;
* обязательно ставить на дисплеи экранные, в частности поляризационные, фильтры, в несколько раз снижающие утомляемость глаз.
Выполнять условия:
* сидеть от дисплея не ближе 60-70 см (примерно на расстоянии вытянутой руки);
* экран дисплея ориентировать не в сторону источников света (окон, настольных ламп и т.д.);
* при размещении рабочего места рядом с окном угол между экраном дисплея и плоскостью окна должен составлять не менее 90° (для исключения бликов), прилегающую часть окна желательно зашторить;
* не располагать дисплей непосредственно под источником освещения или вплотную с ним;
* желательно, чтобы освещенность рабочего места оператора не превышала 2/3 нормальной освещенности помещения;
* при размещении в одной комнате нескольких персональных компьютеров расстояние от рабочего места каждого оператора до задних и боковых стенок соседних персональных компьютеров должно составлять не менее 1,2м (именно через стенки происходит наиболее сильное излучение от блоков развертки изображения).
Требования к освещению
Восприятие цвета в большой степени зависит от освещенности; под влиянием различных источников света изменяется цветовая насыщенность, цвет поверхности меняет тон. Освещение помещений и оборудования предпочтительно мягкое, без блеска. Окраску интерьера рабочих помещений рекомендуют спокойную для визуального восприятия.
К системам производственного освещения предъявляются следующие основные требования:
* соответствие уровня освещенности рабочих мест характеру выполняемой зрительной работы;
* достаточно равномерное распределение яркости на рабочих поверхностях и в окружающем пространстве;
* отсутствие резких теней, прямой и отраженной блесткости (повышенной яркости светящихся поверхностей, вызывающей ослепленность);
* постоянство освещенности во времени;
* оптимальная направленность излучаемого осветительными приборами светового потока;
* долговечность, экономичность, электро- и пожаробезопасность, эстетичность, удобство и простота эксплуатации.
Освещенность рабочего места оператора на рабочем столе в горизонтальной плоскости от общего искусственного освещения должна быть от 300 до 500 лк.
Требования к шуму
В производственных помещениях, в которых работа на ВДТ и ПЭВМ является вспомогательной, уровни шума на рабочих местах не должны превышать значений, установленных для данных видов работ Санитарными нормами допустимых уровней шума на рабочих местах.
При выполнении основной работы на ВДТ и ПЭВМ (диспетчерские, операторские, расчетные кабины и посты управления, залы вычислительной техники и др.) уровень шума на рабочем месте не должен превышать 50 дБА.
В помещениях, где работают инженерно-технические работники, осуществляющие лабораторный, аналитический или измерительный контроль, уровень шума не должен превышать 60 дБА.
В помещениях операторов ЭВМ (без дисплеев) уровень шума не должен превышать 65 дБА. На рабочих местах в помещениях, где размещены шумные агрегаты вычислительных машин (АЦПУ, принтеры и т.п.), уровень шума согласно СанПиН 2.2.2. 542-96 не должен превышать 75 дБА.
Шумящее оборудование (АЦПУ, принтеры и т.п.), уровни шума которого превышают нормированные, должно находиться вне помещения с ВДТ и ПЭВМ. Шум в машинных залах снижают, ослабляя шумы самих источников и специальными архитектурно-строительными решениями.
Требования к микроклимату
Эти параметры в значительной степени влияют на функциональную деятельность человека, его самочувствие, здоровье, а также и на надежность работы вычислительной техники. Причем в производственных условиях характерно суммарное действие микроклиматических параметров.
На рабочем месте оператора должны обеспечиваться оптимальные микроклиматические условия в холодный и теплый периоды года. Система отопления обеспечивает достаточное постоянное и равномерное нагревание воздуха в помещениях в холодный период года, а также пожаро- и взрывобезопасность. При этом колебания температуры в течение суток не должны превышать 2-3 °С; в горизонтальном направлении - 2 °С на каждый метр длины, в вертикальном - 1°С на каждый метр высоты помещения.
Температура воздуха на рабочем месте в холодный период года должна быть от 22 до 24°С, в теплый период года -- от 23 до 25°С. Разница температуры на уровне пола и уровне головы оператора в положении сидя не должна превышать 3°С. Относительная влажность воздуха на рабочем месте оператора должна составлять 40-60%. Скорость движения воздуха на рабочем месте оператора должна быть 0,1 м/с. Для обеспечения установленных норм микроклиматических параметров и чистоты воздуха в машинных залах и других помещениях предприятия ИО применяют вентиляцию.
...Подобные документы
Принципы и система распознавание образов. Программное средство и пользовательский интерфейс. Теория нейронных сетей. Тривиальный алгоритм распознавания. Нейронные сети высокого порядка. Подготовка и нормализация данных. Самоорганизующиеся сети Кохонена.
курсовая работа [2,6 M], добавлен 29.04.2009Распознавание образов как раздел кибернетики, развивающий теоретические основы и методы классификации и идентификации предметов. Знакомство с принципом действия сканирующих устройств. Анализ особенностей преобразования документа в электронный вид.
презентация [160,1 K], добавлен 06.01.2014Создание программного средства, осуществляющего распознавание зрительных образов на базе искусственных нейронных сетей. Методы, использующиеся для распознавания образов. Пандемониум Селфриджа. Персептрон Розенблатта. Правило формирования цепного кода.
дипломная работа [554,8 K], добавлен 06.04.2014Рассмотрение программных продуктов, обеспечивающих решение задач по распознаванию образов. Видеопотоки от камер видеонаблюдения. Изменение размера и формата представления кадра. Отслеживание движения объекта в кадре. Распознавание номеров автотранспорта.
лабораторная работа [1,4 M], добавлен 28.11.2021Понятие и особенности построения алгоритмов распознавания образов. Различные подходы к типологии методов распознавания. Изучение основных способов представления знаний. Характеристика интенсиональных и экстенсиональных методов, оценка их качества.
презентация [31,6 K], добавлен 06.01.2014Характеристика предприятия, особенности работы оператора сервисного центра. Требования к программному и техническому обеспечению. Проектирование моделей данных, модулей и структуры информационной системы. Разработка интерфейса и тестирование программы.
дипломная работа [1,2 M], добавлен 16.02.2013Обзор и анализ распространенных искусственных нейронных сетей. Функциональное назначение слоев сети, алгоритмы обучения. Описание функциональных возможностей разработанной программной системы. Анализ исследовательской эксплуатации и возможных применений.
дипломная работа [1,3 M], добавлен 19.05.2011Разработка системы централизованного управления адресным пространством ЦУ IP ККС, назначение и задачи модернизации системы. Оценка экономической эффективности разработки системы. Влияние системы на организм оператора, принципы организации рабочего места.
дипломная работа [3,7 M], добавлен 08.07.2012Распознавание образов - задача идентификации объекта или определения его свойств по его изображению или аудиозаписи. История теоретических и технических изменений в данной области. Методы и принципы, применяемые в вычислительной технике для распознавания.
реферат [413,6 K], добавлен 10.04.2010Методы распознавания образов (классификаторы): байесовский, линейный, метод потенциальных функций. Разработка программы распознавания человека по его фотографиям. Примеры работы классификаторов, экспериментальные результаты о точности работы методов.
курсовая работа [2,7 M], добавлен 15.08.2011Теоретический анализ современных методик создания программных средств по распознаванию образов, их преимущества и недостатки. Описание предметной области, обоснование выбора технологии и разработка проекта программного средства по распознаванию образов.
дипломная работа [2,3 M], добавлен 20.05.2013Характеристика системы программирования. Главные составные части Delphi. Интерфейс программного приложения. Результаты работы программы. Руководство системного программиста и оператора. Язык программирования Delphi, среда компилятора Borland 7.0.
курсовая работа [1,6 M], добавлен 29.05.2013Обзор задач, возникающих при разработке систем распознавания образов. Обучаемые классификаторы образов. Алгоритм персептрона и его модификации. Создание программы, предназначенной для классификации образов методом наименьшей среднеквадратической ошибки.
курсовая работа [645,2 K], добавлен 05.04.2015Выбор типа и структуры нейронной сети. Подбор метода распознавания, структурная схема сети Хопфилда. Обучение системы распознавания образов. Особенности работы с программой, ее достоинства и недостатки. Описание интерфейса пользователя и экранных форм.
курсовая работа [3,0 M], добавлен 14.11.2013Оптическое распознавание символов как механический или электронный перевод изображений рукописного, машинописного или печатного текста в последовательность кодов. Компьютерные программы для оптического распознавания символов и их характеристика.
презентация [855,2 K], добавлен 20.12.2011Анализ нейронных сетей и выбор их разновидностей. Модель многослойного персептрона с обучением по методу обратного распространения ошибки. Проектирование библиотеки классов для реализации нейросети и тестовой программы, описание тестирующей программы.
курсовая работа [515,4 K], добавлен 19.06.2010История развития, применение искусственных нейронных сетей. Распознавание образов в сети. Сжатие данных и ассоциативная память. Проектирование экспертной системы, позволяющей диагностировать заболевания органов пищеварения. Программная реализация системы.
курсовая работа [744,0 K], добавлен 05.02.2016Процессы распознавания символов. Шаблонные и структурные алгоритмы распознавания. Процесс обработки поступающего документа. Обзор существующих приложений по оптическому распознаванию символов. Определение фиксированного шага и сегментация слов.
дипломная работа [3,3 M], добавлен 11.02.2017Понятие системы распознавания образов. Классификация систем распознавания. Разработка системы распознавания формы микрообъектов. Алгоритм для создания системы распознавания микрообъектов на кристаллограмме, особенности его реализации в программной среде.
курсовая работа [16,2 M], добавлен 21.06.2014Проектирование информационных систем. Разработка информационной системы в 1С. Создание справочников и документов, регистров накопления и регистров сведений. Пропускная способность системы. Автоматизация рабочего места оператора телефонной компании.
курсовая работа [1,6 M], добавлен 29.07.2013