Введение
1. Анализ современных подходов к разработке систем технического зрения 9
1.1. Структурная организация систем технического зрения 9
1.2. Модели информативных признаков для распознавания
1.2.1. Общая модель классификации 11
1.2.2. Выбор информативных признаков 15
1.3. Нейросетевой метод распознавания и способы его реализации 20
1.3.1. Математическая модель нейрона и нейронной сети 20
1.3.2. Применение нейросетевого метода 24
1.3.3. Применение нейронных сетей в экспертных системах 28
1.3.4. Программное обеспечение для имитационного моделирования нейронной сети
1.4. Основные проблемы разработки и адаптации систем технического зрения в промышленности 33
1.5. Цели и задачи исследований 35
1.6. Выводы 37
2. Методы решения задачи распознавания в системах технического зрения 38
2.1. Структура методов распознавания 38
2.2 Методы и алгоритмы предварительной обработки изображений 42
2.2.1. Отделение объекта от фона методом связных компонент 42
2.2.2 Преобразование реальных контуров изображений 45
2.3. Вейвлет- спектр цветовой окраски и формы исследуемых объектов 48
2.4. Исследование и понижение размерности признакового пространства51
2.4.1 .Генетический алгоритм 51
2.4.2. Анализ главных компонент з
2.4.3. Факторный анализ 57
2.5.Выводы 61
3. Алгоритм нейросетевого распознавания 63
3.1. Выбор объектов исследования для нейросетевого алгоритма 63
3.2. Математическое описание нейронной сети 66
3.3. Структура нейронной сети 69
3.4. Оценка сложности задачи классификации 84
3.5. Минимизация функции ошибки обучения с помощью градиентных методов 86
3.6. Оценка точности работы распознающего устройства по экспериментальным данным 93
3.7. Сравнение точности распознавания нейросетевого алгоритма с другими методами классификации 103
3.8. Выводы 107
4. Нейросетевой блок распознавания экспертной системы мониторинга качества при производстве консервов из растительного сырья 108
4.1. Автоматизация инспекции сырья как этап технологического процесса и часть вычислительного ядра ЭС 108
4.2. Нейросетевой блок контроля сырья экспертной системы (ЭС) мониторинга показателей безопасности и качества 111
4.3. Работа нейросетвого алгоритма по выделению примесей из сырья 114
4.4. Оценка точности работы нейросетевого блока контроля сырья экспертной системы 120
4.5. Выводы 122
Заключение 123
Список литературы
