Помощь в учёбе, очень быстро...
Работаем вместе до победы

Повышение эффективности сортирования яблок на основе цветных телевизионных датчиков

Диссертация: Повышение эффективности сортирования яблок на основе цветных телевизионных датчиков
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Дальнейшим развитием подобных систем были попытки создать сортировочные системы для дифференциальных показателей качества — пятен повреждений, болезней, проколов и т. п. Первоначально такие распознающие системы создавались на базе оптико-механических сканирующих, а затем — телевизионных вычислительных устройствах — монохромных и спектрозональных, с использованием телевизионных (видео) датчиков… Читать ещё >

Содержание

  • ГЛАВА 1. СОСТОЯНИЕ ВОПРОСА И ЗАДАЧИ ИССЛЕДОВАНИЯ
    • 1. 1. Сортировка плодоовощной продукции и её место в технологическом процессе обработки пр одукции
    • 1. 2. Системы распознавания качества продукции
    • 1. 3. Системы технического зрения
    • 1. 4. Выводы. Цель и задачи исследования
  • ГЛАВА 2. ТЕОРЕТИЧЕСКОЕ ИССЛЕДОВАНИЕ ЦВЕТОВЫХ ХАРАКТЕРИСТИК ПОВЕРХНОСТИ ДЛЯ РАСПОЗНАВАНИЯ КАЧЕСТВА ЯБЛОК
    • 2. 1. Цветовые характеристики изображения поверхности плода
    • 2. 2. Теоретические основы распознавания в трехмерном R, G, В -пространстве признаков
    • 2. 3. Линейная нейронная модель для распознавания пикселей изображения при распознавании показателей качества плодов
    • 2. 4. Анализ применимости различных источников света для распознавания качества продукции
  • ГЛАВА 3. ПРОГРАММА И МЕТОДИКИ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
    • 3. 1. Программа исследований
    • 3. 2. Методики экспериментальных исследований
      • 3. 2. 1. Описание стенда для исследования полноцветных изображений поверхности плодов
      • 3. 2. 2. Методика получения цветовых характеристик показателей качества поверхности плодов
      • 3. 2. 3. Методика обработки изображений показа телей качества
      • 3. 2. 4. Методика нахождения разделяющих функций показателей качества
    • 3. 3. Имитационная модель определения товарного сорта плодов
      • 3. 3. 1. Процедуры имитации сортирования плодов
      • 3. 3. 2. Имитационная модель устройства сортирования плодов
      • 3. 3. 3. Генератор изображений показателей качества
      • 3. 3. 4. Блок весовых коэффициентов Б
      • 3. 3. 5. Блок порогов показателей качества
      • 3. 3. 6. Блок расчета товарного сорта
      • 3. 3. 7. Окно управления имитационной моделью
    • 3. 4. Методика проведения имитационного эксперимента
  • ГЛАВА 4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ И ИХ АНАЛИЗ
    • 4. 1. Результаты эксперимента по определению RGB координат показателей качества
    • 4. 2. Результаты обработки нормированных RGB координат показателей качества с целью получения разделяющих функций между классами
    • 4. 3. Имитационное моделирование процесса разделения показателей качества в rgb — пространстве
    • 4. 4. Результат имитационного эксперимента по определению товарного сорта плода
  • ГЛАВА 5. РЕКОМЕНДАЦИИ ПО ПРАКТИЧЕСКОМУ ИСПОЛЬЗОВАНИЮ И ЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЙ
    • 5. 1. Использование имитационной модели распознавания качества плодов в сортировочных устройствах
    • 5. 2. Блок распознавания качества плода для сортировочного устрой
    • 5. 3. Компьютерный вариант распознавания качества плодов
    • 5. 4. Экономическая эффективность применения блока распознавания
  • ВЫВОДЫ

Повышение эффективности сортирования яблок на основе цветных телевизионных датчиков (реферат, курсовая, диплом, контрольная)

Важной операцией послеуборочной обработки плодов является их сортировка по качеству. Внешние повреждениянапример, ушибы, вдавливания, ожоги снижают товарное качество плодов и уменьшают срок хранения. В настоящее время сортировка по механическим и другим повреждениям плодов осуществляется вручную. С ростом количества плодов и недостатком квалифицированных рабочих необходимо автоматизировать процесс сортировки плодов по качеству, в частности сортировку по механическим повреждениямРазработанные к настоящему времени способы и устройства сортировки плодов по качеству проблемы сортировки по механическим повреждениям не решают /1,2, 3/.

Первые работы в области автоматического сортирования были посвящены отдельным вопросам распознавания и построения сортировочных устройств для таких показателей качества как зрелость томатов по цвету, яблок, цитрусовых и других аналогичных продуктов, где цвет изображения однозначно определял распознаваемый показатель качества. Эти устройства были: основаны, на известных принципах построения интегральных оптико-электронных приборов в одном или нескольких спектральных диапазонах оптического излучения.

Анализ результатов исследований и разработок известных ученых И. Ф. Бородина, A.M. Башилова, О. Н. Будаговской, А. С. Гордеева /6, 7, 10, 13, 17, 18, 22, 26, 32, 34, 35/ по объективной оценке поверхности качества плодов и их автоматическому сортированию показал, что дальнейшее повышение производительности труда на операции сортирования возможно при сокращения времени осмотра плода.

Дальнейшим развитием подобных систем были попытки создать сортировочные системы для дифференциальных показателей качества — пятен повреждений, болезней, проколов и т. п. Первоначально такие распознающие системы создавались на базе оптико-механических сканирующих, а затем — телевизионных вычислительных устройствах — монохромных и спектрозональных, с использованием телевизионных (видео) датчиков вакуумных и твердотельных (приборов с зарядовой связью (ПЗС — матриц)).

Оптико-механические приборы имели сложную механическую конструкцию, низкую производительность съема информации с поверхности плодов и недостаточную надежность /5, 21, 24/.

По мере совершенствования видеодатчиков, особенно цветных на базе ПЗС — матриц, а также электронных средств обработки видеосигналов, распознающие системы для сортировочных устройств приобретали все более универсальный характер — число показателей качества, определяемых в одном устройстве росло, а надежность достигла уровня, когда их можно было уже применять в реальных условиях современного производства — цехах обработки хранилищ и переработки.

Цель, исследований. Научное обоснование модели распознавания товарного качества яблок и ее применение в устройствах сортирования плодов, а также решение ряда вопросов теории и практики обнаружения и оценки величины показателей товарного качества по их цветовым координатам.

Задачи исследования:

1.Исследовать объект сортирования — яблоки как поток изображений в системе технического зрения;

2.Исследовать оптические характеристики поверхности яблок в цветовой системе RGB видеокамеры;

3.Разработать и исследовать модель распознающего устройства для яблок с учетом требований к их качеству;

4.Разработать блок автоматического распознавания качества яблок;

5.Разработать методику расчета блока распознавания товарного качества и его привязки к устройству сортирования плодов;

6. Дать предложения * по практическому применению и экономической эффективности.

Объект исследований. Модель распознавания товарного качества яблок.

Предметом исследования являются алгоритм работы< модели и модель устройства распознавания качества яблок.

Методы исследований. В работе использованы теория распознавания образов, методы математической статистики и математического моделирования, а также планирования экспериментов.

Научная новизна работы заключается в:

— разработке методики съёма оптическойинформации"о показателях качества поверхности плодов с созданием базы изображений показателей качества;

— выявлении связи между цветовыми характеристиками поверхности плода и показателями качества в RGB стандарте видеосигнала;

— обосновании: применения линейной разделяющей поверхности между зонами! цветовых координат, соответствующих разным показателям < качества, при обучении модели с помощью нейронной сети.

Реализация и внедрение результатов работы. Алгоритм работы модели распознающего устройства реализован в двух устройствах автоматического распознавания качества плодов. Результаты исследований внедрены по университетской программе об инновационных технологиях в учебном процессе на кафедре «Информационно-управляющие системы» МГАУ имени В.П. Горяч-кина в виде виртуальной лабораторной работы «Анализ качества яблок при помощи модуля сопряжения компьютера через LPT-порт».

Апробация работы. Основные положения диссертационной работы доложены и одобренына научной конференции профессорско-преподавательского состава, аспирантов t и > сотрудников МГСХА, посвященной 275-летию Российской академии наук (г. Мичуринск) 1998 г., научно-практической конференции в Рязанской государственной сельскохозяйственной академии, г. Рязань, 1999 г., научной конференции студентов и аспирантов АЧГАА, г. Зерноград, 2000 г., научной конференции «Инженерное обеспечение АПК» МичГАУ, 2003 г., научной конференции МГАУ, г. Москва, 2004 г.

Публикации. По результатам исследований опубликовано 9 работ. Объем работы. Диссертация состоит из 5-ти глав и приложения. Изложена на 199 страницах, включая 19 таблиц, 81 рисунка и списка литературы из 117 наименований.

ВЫВОДЫ.

1. На основании литературных и патентных исследований устройств и методов сортирования плодов по качеству предложено показатели качества товарного сорта определять по координатам i цвета пораженного участка плода при помощи стандартных RGB видеодатчиков.

2. Предложен алгоритм оценки< показателей: качестваплода, содержащий поэлементный анализ координат цвета его поверхности, пороговое разделение цветового пространства с помощью линейных разделяющих функций на зоны, соответствующих различным показателям качества, с последующим накоплением результатов анализа по всей поверхности плода для каждого показателя в отдельности.

3. Предложена методика исследования координат цвета поверхности плодов, заключающаяся в создании базы изображений с различными-показателями качества, определения зонгруппировок их координат цветас последующим: ее использованием для обучения модели: распознавания качественного состояния поверхности яблок.

4. Разработана имитационная модель, распознавания качественного состояния поверхности яблок, включающая в себя: генератор изображений показателя качества, блок весовых коэффициентов, блок порогов показателей качества, блок расчета товарных сортов, блок вывода? информации на исполнительные механизмы. Модель позволяет с помощью предложенного алгоритма оценки показателей качества определять, основные показатели качества и товарный сорт плода.

5. Экспериментально определены статистические характеристики (математическое ожидание М и среднеквадратическое отклонение S, соответственно для красной R, зеленой G, синей В составляющих) зон группировок координат цвета показателей качества: здоровые зеленые — MR=219, SR=22, MG=192, SG=17, MB=77, SB=14- здоровые красные — MR=220, SR=20, MG=79, SG=9- MB=80, SB=10- ушибыMR=90, SR=21, MG=53, SG=19, MB=49, SB=16.

6. В процессе обучения модели экспериментально определены коэффициенты линейных разделяющих функций^ вида, а = Wp+bs с помощью линейной нейронной сети. Полученные коэффициенты сформированы в базу и могут быть использованы для работы реального сортировочного устройства.

7. G помощью линейных разделяющих функций все показатели качества распознаются относительно фоновой поверхности с вероятностью Р=1. На фоне зеленой поверхности с вероятностью Р>0.7 распознаются все показатели, кроме плодожорки (Р=0.64). На фоне красной поверхности с вероятностью Р>0.7 распознаются все показатели, кроме загара (Р=0.56). На фоне плодоножки низкую распознаваемость Р<0.7 имеют прокол заживший, гниль и растрескивание.

8. На базе имитационной модели разработан компьютерный вариант установки для сортировки плодов, формирующий изображения плодов, разделяющий их по товарным сортам и выдающий решение на исполнительные устройства. Установка содержит: персональный компьютер с памятью 3,2 Гбмодуль сопряжения с компьютеромвидеокамеру и плату ее контроллера: Обработка осуществляется в реальном масштабе времени по каждому плоду. Обработке подвергается кадр размером 470 000 пикселей при времени обработки менее 0,1 секунды.

9. Разработан электронный блок распознавания качества плода для сортировочного устройства, предназначенный для анализа и распознавания качества плодоовощной продукциипо цвету. Работа блока осуществляется в текущем времени по мере поступления информации с видеокамеры. На выходе блока имеются сигналы о номере товарного сорта и номере плода.

10. Разработана методика расчета блока распознавания товарного качества и его привязки к устройству сортирования плодов, позволяющая проектировать средства автоматизации с использованием предложенной модели. Одновременно можно обрабатывать до 20 плодов, движущихся со скоростью 0,1 м/с, что соответствует производительности 15 тонн/час.

11. Технико-экономический анализ показывает, что использование предложенной модели в устройствах сортирования плодов позволяет автоматизировать процесс сортирования с чистым дисконтированным доходом 21 469 руб. на одну установку.

Показать весь текст

Список литературы

  1. Авторское свидетельство СССР N 650 468 «Устройство для обнаружения дефектов на поверхности плодов’УГордеев А.С., Четвертаков А.В.//Бюллетень „Изобретения, промышленные образцы, товарные знаки“.- 1978, — N 25.
  2. Авторское свидетельство СССР N 707 478 „Устройство для обнаружения дефектов на поверхности плодов"/ Четвертаков А. В., Гордеев А. С., Ильинский А. С., Соловьев В.Н.//Бюллетень „Изобретения, промышленные образцы, товарные знаки“.- 1979.-N 22.
  3. И.Ф., Гордеев А. С. Способ определения качества плодов и овощей. Авторское свидетельство СССР N 561 800. „Изобретения, промышленные образцы, товарные знаки“. 1977.- N 22.
  4. И.Ф., Гордеев А. С. О возможности контроля механических повреждений на плоде фотоэлектрическим методом. //Доклады ВАСХНИЛ, 1975, 12.
  5. И.Ф., Гордеев А. С. Оптоэлектронная установка для сортирования яблок.//Механизация= и электрификация социалистического сельского хозяйства. 1976, 2.
  6. Будаговская О. Н: Математическая модель процесса съема видеоинформации в высокопроизводительных линиях товарной обработки с автоматическим управлением. //Математическое моделирование в садоводстве / ВНИИС им. И. В. Мичурина. Мичуринск, — 53−57 с.
  7. О.Н. Универсальная полуавтоматическая установка для сортирования фруктов и овощей по качеству //Перспективы отечественного садоводства. Киев, 1991, с. 138.
  8. О.Н. Оптикоэлектронный контроль качества яблок: Автореферат дис. канд. техн. наук. М., 1993.,-16с.
  9. А.С. Исследование метода и разработка автоматического устройства послеуборочной обработки яблок. Диссертация на соискание ученой степени к.т.н. М.: 1977.
  10. А.С., Гасанов А. К., Богоявленский А. К., Бородин И. Ф. Устройство для сортировки плодов и овощей по цвету.//Авт. свидетельство СССР N 624 664. „Изобретения, промышленные образцы, товарные знаки“.-1978.- N35.
  11. А.С. Устройство для автоматической сортировки яблок.// Проблемные вопросы автоматизации производства. М., 1978.
  12. А.С. Минимизация погрешностей автоматического сортирования яблок по качеству.// Сборник научных трудов ВНИИС им. И.В.Мичу-рина, вып.26, — Мичуринск, 1978.
  13. А.С., Ильинский А. С., Соловьев В. Н., Четвертаков А. В. Устройство для обнаружения дефектов на поверхности плодов. //Авт. свидетельство СССР N 707 478. „Изобретения, промышленные образцы, товарные знаки“.- 1979.- 48.
  14. А.С. К вопросу автоматического сортирования яблок.// Сборник научных трудов МИИСП им. В. П. Горячкина, т.16, в.13, -М., 1979.
  15. А.С. Определение качества плодов по цвету. //Консервная и овощесушильная промышленность. N 9. 1980.
  16. А.С. Распознавание качества плодов, — В кн. Проблемные вопросы автоматизации производства (тезисы докладов). ВСНТО.- М., 1981.
  17. А.С., Ильинский А. С. Устройство для сортирования плодов.// Авт. свидетельство СССР. 876 215. „Изобретения, промышленные образцы, товарные знаки“.- 1981.- 40 .
  18. А.С., Будаговская О.Н: Устройство для распознавания качества плодов.// Механизация производственных процессов в- садоводстве. Сб. научных трудов, вып. 37, Мичуринск, 1982.
  19. А. С. Кобозев Р.П., Ильинский А. С., Соловьев В. Н. Устройство для транспортирования плодов при сортировании. Авт. свидетельство СССР N 933 069."Изобретения, промышленные образцы, товарные знаки“, — 1982.- N 21.
  20. А.С. Телевизионный автомат для калибрования яблок. //Мех. и электрификация с.-х. производства, 1982, N12, с. 55−57.
  21. А.С., Будаговская О. Н. Оптический метод контроля качества плодов.//В кн. Краткие тезисы докладов Всесоюзной конференции молодых ученых, Мичуринск, 1982.
  22. Гордеев- А.С.,. Будаговская О. Н. Определение качества плодов спектрозональным методом://Дефектоскопия, 1985. N 3. 41−45 с.
  23. А.С., Горшенин В. И. Автоматизация товарной обработки плодов.// Плодоовощное хозяйство, 1985, N2, с.48−51.
  24. А.С., Бородин И.Ф, Ильинский А. С., Будаговская О. Н- Автоматизация сортирования яблок.// Механизация и электрификация сельского хозяйства, 1986, N 4, с.50−52.
  25. А.С. Алгоритмы классификации плодов по качеству. //Плодоовощное хозяйство 1987, N 6, 41 с.
  26. А.С., Будаговекая О. Н., Кобозев Р. П. Устройство для автоматического управления сортировочной машиной. // „Изобретения, промышленные образцы, товарные знаки“.- 1988.- N 16, стр. 50.
  27. А.С. Проблемы комплексной механизации и автоматизации обработки плодов.//Механизация и электрификация сельского хозяйства, 1989, N9, с 15.
  28. А.С. Математическое моделирование в садоводстве: Сб. науч. тр./ВНИИ садоводства им. И. В. Мичурина.-Мичуринск, 1990.
  29. А.С. Машина для сортировки плодов. // Авторское свидетельство СССР. N 1 658 989. „Изобретения, промышленные образцы, товарные знаки“.- 1991.-N-21.
  30. А.С. Автоматизированная обработка яблок. Диссертация на соискание ученой степени д.т.н. М.: 1996 г.
  31. А.С. Исследование метода и разработка автоматического устройства послеуборочной обработки яблок. Диссертация на соискание ученой степени к.т.н. М.: МИИСП, 1977
  32. А.С., Гордеев А. С. Способ определения механических повреждений на плодах.//Авт. свидетельство СССР N 1 009 539. „Изобретения, промышленные образцы, товарные знаки“.- 1983.- N13.
  33. В.И., Башилов A.M., Андержанов A.JI. Автоматизация контроля качества картофеля, овощей и плодов.-М.: Агропромиздат, 1987.-197с.
  34. Тенденция развития средств автоматического сортирования плодов и овощей по качеству. Обзорная информация. Серия „Новая сельскохозяйственная техника и методы ее испытаний“ ЦНИИТЭИ, М., 1978.
  35. Линия обработки томатов и фруктов голландской фирмы AWETA.
  36. М.Е., Беренштейн И. В. Механизация интенсивного садоводства (на укр. яз.). Киев, „Урожай“, 1970.
  37. В.П., Самохвалов С. Г. Анализ качества продукции инфракрасной спектрометрией- //Сельское хозяйство за рубежом, 1984, N 4, с. 6164.
  38. Нечаева И-А. Цветоведение и теория трехцветной репродукции. Mi: Государственное изд-во „Искусство“, 1956.-190 с.
  39. С.И. Системы технического зрения для автоматизации производства// Механизация и автоматизация производства, 1983,№ 6.С. 39−42.
  40. Schwartz G., Vicek J: Realtime image processing for robotic and inspection system with specialized processors// 2 Int. Conf. Artif. Intel, and Information -Control System of Robots. Prepr. of Papers. 1982, 18−22 October. P.220−223.
  41. Schmidberger E. J., Ahlers K. J. Quality Control with a Robot guided Electro-optucal Sensor// Proc. Of the 4-th Intern. Conf. On Robot Vision and Sensory Controls.9−11 October 1984. Londfon:U.K.P.27−35.
  42. Ю.Д., Сердцев A.A. Системы технического зрения для промышленных роботов // Зарубежная радиоэлектроника, 1985- № 12, С. 23−33.
  43. Levi P. CVS: A prayscale vision system for iconic image processing // Proc. Of the 4-th Intern. Conf. On Robot Vision and Sensory Controls. 9−11 October 1984^ London- U.K. P. 45−53.
  44. P.E. и др. Телевидение: Учебное пособие для вузов.- М.: Высшая школа. 1988, 248 с.
  45. Горелик C. JI, Кац Б. М., Киврин В. И. Телевизионные измерительные системы.-М: Связь. 1980−49- Рудаков П. И., Сафонов В. И., Обработка сигналов и изображений * Matlab 5.x., ДИАЛОГ-МИФИ- Москва, 2000, с. 361
  46. В.П. Автоматическое распознавание образов. „Энергия“, Л., 1970.92с. с рис.
  47. М.Н. и др. Автоматизация распознавания телевизионных изображений. М.,"Энергия», 1975.- 160с. с ил.
  48. Т., Лейзерсон Ч. Алгоритмы: построение и анализ. Издательство: Московский центр непрерывного математического образования, М.: 1999.-960 с.
  49. Д., Мерсеро Р. Цифровая обработка многомерных сигналов.-М.: Наука, 1997.-560с.
  50. Лазарев Ю.Ф. MatLAB 5.x. К.:Издательская группа BHV, 2000.-384с. (Серия «Библиотека студента»).
  51. Введение в Matlab 6, Н. Н. Мартынов, Москва, Кудиц-образ, 2002.
  52. Гультяев А.К. MATLAB 5.2. Имитационное моделирование в среде Windows: Практическое пособие. СПб.: КОРОНА принт, 1999. — 288с.
  53. А. Визуальное моделирование в среде MATLAB: учебный курс Спб: Питер, 2000. — 432.: ил.
  54. Р.Т., Пищухин A.M., Есин С. А. Оптимизация проблемно-ориентированных СТЗ. стр.6−7 в сб. «Методы использования искусственного интеллекта в автоматизированных системах», Самара, 1991.
  55. Е.Б., Великотный М. А., Иванов Ю. В. Телевизионные информационно-измерительные системы контроля чистоты поверхностей для гибких автоматизированных производств// Электронная техника. Сер.8,1984,вып.3(108). С. 43−45.
  56. В.П. Применение систем технического зрения. Механизация и автоматизация производства. N 9, 1989, стр. 23.
  57. Н.А. Сбор и товарная обработка плодов и ягод. М., «Колос», 1970.
  58. B.JI. и др. Системы распознавания" автоматизированных производств/ В. Л. Генкин, И. Л. Ерош, Э. С. Москалёв.-Л.: Машиностроение. Ленингр. отделение, 1988.-246с.: ил.
  59. Л.М. и др. Цифровая обработка сигналов: Справочник.-М.: Радио и связь, 1985. 312с.
  60. И.С. Радиотехнические цепи и сигналы.-М.: Радио и связь, 1986, 521с.
  61. А.Л. Об одном подходе к выбору пространства признаков, используемого при построении системы распознавания объектов и явлений.-Кибернетика, 1972, № 4, с. 142−146.
  62. А.Л. Игровой подход к построению пространства признаков, систем распознавания объектов и явлений.-Кибернетика, 1973, № 5, с.114−116.
  63. А.Л., Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания.-М.: Радио и связь, 1985.-160с.
  64. В.М. Методы и средства построения прикладных систем технического зрения. Канд. Дисс.-Л.: 1987, 205с.
  65. Златопольский- В.И. и др. Сегментация изображения (состояние, проблемы)//Автоматика и телемеханика № 7., 1987, с. 3−56.
  66. Источники и приёмники излучения.-СПб.: Политехника, 1991, 240с.
  67. Г. Д., Курячий М. И., Пустынский И. Н. Измерительное телевидение: Учеб. пособие для вузов/-М.: Высш. Шк., 1994.-288 е.: ил.
  68. В.Н. Системы технического зрения для диагностики и неразрушающего контроля. Приборы и системы управления, N 5, 1989. МНПО «Спектр».
  69. М.И. Основы телевизионных измерений. Изд. 2-е, перераб. и доп. М.,"Связь", 1976.-536с. с ил.
  70. Ф.А. Кандидатская диссертация. Методика написания, правила оформления и порядок защиты. Практическое пособие для аспирантов и соискателей учёной степени.-2-е изд.-М.:"Ось-89″, 1998.-208 с.
  71. Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов.-М.: Радио и связь, 1987.-400с.
  72. М.М. Теоретические основы оптико-электронных приборов. Машиностроение. Л, 1983, — 696 с.
  73. П.В., Зограф И. А. Оценка погрешностей результатов измерений.-Л.: Энергоатомиздат, 1991.-304с.
  74. А.И. Дешифрирование снимков для целей сельского хозяйства. М., Недра, 1982, 144с.
  75. Е.Ф. Вычислительные системы обработки изображений.-Л.:Энергоатомиздат. Ленингр. отд-ние, 1989.- 136 е.: ил.
  76. Т. Алгоритмы машинной графики и обработки изображений. Пер. с анг. М.: Радио и связь, 1986. — 400 е., ил.
  77. У. Цифровая обработка изображений: В 2 т. М.: Мир, 1982.
  78. Л., Гоулд Б. Теория и применение цифровой обработки сигналов.-М.: Наука, 1977.-560с.
  79. А.Я. Арифметические и логические основы цифровых автоматов. М.: Высшая школа. 1980.
  80. Ю. Ю. Математическое и компьютерное моделирование. Вводный курс: Учебное пособие М.: Эдиториал УРСС, 2001. — 144 с.
  81. Техническое зрение роботов. М.: Машиностроение, 1990.-272с.
  82. Ту Гонсалес. Принципы распознавания образов. Мир.- М.: 1978.
  83. В.А. Передача, обработка и воспроизведение цветных изображений. М.: Радио и связь. 1981.
  84. .Л. Контроль качества. Теория и применение. М., 1968.
  85. В. В. Калинин Г. А. Обработка изображения на языке Си для IBM PC: Алгоритмы и программы М: Мир, 1994 — С., ил.
  86. JI.П. Введение в цифровую обработку изображений— М.: Сов. радио, 1979.- 312с., ил.
  87. Kidode M., Tabata M., Aihara N. High-speed compact image processing system, TOSPIX// Toshiba revue, 1982, V.37. N. 12.P. 1047−1050.
  88. C.B. Планирование эксперимента в исследованиях сельскохозяйственных процессов/С.В. Мельников, В. Р. Алешкин, Рощин П.М.-Л.:Колос, 1972−302с.
  89. Методика определения экономической эффективности использования в народном хозяйстве новой техники, изобретений и рационализаторских предложений, М:1977.-65с.
  90. Методика определения экономической эффективности модернизации технологических линий пищевой промышленности. М.: Минсельхозпром России, 1997−129с.
  91. Д.Э. Как рассчитать эффективность инвестиций/Д.Э: Старик.-М-:Финстатинформ, 1996.-93с.
  92. ЮО.Шеффе Г. Дисперсионный анализ: Пер. с англ./Г. Шеффе.-М.:Физматгиз, 1963.-114с.
  93. С.А. Электронно-оптический контроль при обработке и хранении плодов//Диссертация на соискание ученой степени кандидата технических наук. Мичуринск.: ВНИИС им. И. В. Мичурина, 1995 г.
  94. С.А. Построение математической модели электрофизических параметров плода. //Математическое моделирование в садоводстве / ВНИИС им. И. В. Мичурина. Мичуринск, — 57−62 с.
  95. Франчук Е. П: Товарное качество плодов. М: Агропромиздат, 1986. — 269 е., ил.
  96. В.М. Определение товарного сорта плодов при приемке и реализации с помощью ЭВМ. //Математическое моделирование в садоводстве/ ВНИИС им. И. В. Мичурина. Мичуринск, — 30−34с.
  97. B.C., Потемкин В. Г. Нейронные сети. MATLAB 6 /Под общ. Ред- К.т.н. В. Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2002.-496 е.- (Пакеты прикладных программ- Кн. 4).
  98. Юб.Зборищук Ю. Н. Дистанционные методы инвентаризации и мониторинга почвенного покрова. -М.: Изд-во МГУ, 1992.- 86 с.
  99. Hagan М.Т., Demuth Н.В., Beale М.Н. Neural Network Design. Boston, MA: PWS Publishing, 1996.
  100. Д.В. Телевизионная система для исследования оптических характеристик поверхности сельскохозяйственной продукции./ Гурьянов Д. В., Гордеев А. С., Хмыров В. Д. // Вестник МГАУ.- Мичуринск 2000. — Ч:№ 1- С. 75−77.
  101. A.С.// Вестник МГАУ.- Мичуринск 2004.- Т.1.
  102. Д.В. Основы расчета телевизионных средств распознавания- качества продукции в сортировочных устройствах./ Гурьянов Д. В., Тищенко1. B.C. // Мичуринск-2001.
  103. Д.В. Принципиальные основы построения телевизионных сортировочных автоматов для плодоовощной продукции./ Вестник МГАУ.-Мичуринск 2001.- Т.1, № 4.- С. 82−88.
  104. Д.В. Блок распознавания качества // Вестник МГАУ.-Мичуринск 2004.- Т. 1.
  105. А.С., Гурьянов Д. В., Рындюк К. Д. Имитационная модель определения товарного сорта плодов.
  106. Герман-Галкин С. Г. Компьютерное моделирование полупроводниковых систем в MATLAB 6.0: Учебное пособие. Сб.: КОРОНА принт, 2001.-320 е., ил.
Заполнить форму текущей работой

Пора сдавать?