В ходе работы лесозаготавливающего предприятия возникает необходимость вести контроль качества перевозки древесины от мест вырубки до мест переработки. Это подразумевает под собой выявление фактов пропажи и подмены бревен в момент транспортировки. Данный процесс предлагается организовать следующим образом: делаются фотографии лесовоза сразу после загрузки и перед разгрузкой, эти фотографии сравниваются и по ним определяется наличие факта подмены или пропажи лесоматериалов в пути. Сравнение происходит за счет выявления и сопоставления особенностей торцов бревен. Программное обеспечение решающее эту задачу должно первым шагом находить торцы бревен на фотографиях, а затем сравнивать их.
В данной работе предложен алгоритм для решения первой части этой задачи, то есть для нахождения торцов бревен на изображении. Следует учитывать, что по одной фотографии анализируются только одна пачка бревен. Если на изображении видны бревна, не относящиеся к анализируемой пачке, то их не следует находить. Кроме того, алгоритмы анализа изображений не могут работать с абсолютной точностью, поэтому предполагается, что работать данная программа будет под контролем оператора, который будет иметь возможность исправлять ошибки. При этом работа по устранению этих ошибок будет занимать значительно меньшее время, чем сравнение фотографий в ручную. Таким образом, производительность человеческого труда существенно возрастет. Пример входного изображения приведен на рисунке 1.
Рис. 1: пример входного изображения.
В ходе данного исследования были достигнуты следующие результаты.
• Разработан алгоритм предобработки изображения, положительным образом влияющий на качество работы алгоритма распознавания образов.
• Предложено возможное решение для задачи машинного обучения с учителем, где объектами являлись фрагменты изображения. Был разработан алгоритм извлечения признаков из изображения. В ходе этой работы было предложено усовершенствование алгоритма сегментационного фрактального анализа.
• Предложено решение для задачи пространственной кластеризации с неизвестным количеством кластеров. Кроме того, объектами, которые подлежали кластеризации, были окружности. Для решения этой задачи был применен алгоритм DBSCAN, а так же предложена его модификация для работы с окружностями.
