Новости
09.05.2023
с Днём Победы!
07.03.2023
Поздравляем с Международным женским днем!
23.02.2023
Поздравляем с Днем защитника Отечества!
Оплата онлайн
При оплате онлайн будет
удержана комиссия 3,5-5,5%








Способ оплаты:

С банковской карты (3,5%)
Сбербанк онлайн (3,5%)
Со счета в Яндекс.Деньгах (5,5%)
Наличными через терминал (3,5%)

АВТОМАТИЧЕСКИЙ АНАЛИЗ ПЕРИОДИЧЕСКИХ СТРУКТУР МАТЕРИАЛОВ НА ОСНОВЕ РАСЧЕТНЫХ МОДЕЛЕЙ ДИФРАКЦИОННЫХ КАРТИН

Авторы:
Город:
Санкт-Петербург
ВУЗ:
Дата:
10 марта 2016г.

Микроструктура большинства материалов характеризуется периодичностью повторения элементов. Так, в тканях это повторение переплетения нитей основы и утка, в трикотаже – повторение петельных рядов и столбиков, в крученых нитях и пряже – повторение витков волокон. Периодическую структуру образуют также шероховатости поверхностей деталей машин.

Геометрические параметры структуры материалов определяют их основные физико-механические свойства. В частности, для текстильных материалов количество нитей на единицу длины материала, среднее расстояние между соседними нитями и т.д. определяют прочность материала (ткани, трикотажа), воздухопроницаемость и пр.

Таким образом, актуальной является задача автоматического анализа таких структур с целью выявления периодичности, а затем – определения линейных и угловых расстояний между соседними элементами в структурах. Эта задача может быть решена с помощью компьютерного анализа цифровых изображений микроструктур исследуемых материалов (распознавания образов).

В [5] было предложено определять расстояния между элементами микроструктуры по математической модели дифракционной картины, рассчитываемой в предположении, что микроструктура материала освещается монохромным светом, в результате чего наблюдается дифракция Фраунгофера. В качестве исходных данных для построения модели дифракционной картины используется цифровая фотография структуры материала, выполненная фотокамерой с использованием микроскопа. При проведении автоматизированного анализа дифракционная картина по сравнению с исходным цифровым изображением обладает тем преимуществом, что на ней ярко выражены дифракционные максимумы, соответствующие периодическим элементам исходной структуры (Рисунок 1).



Из равенств (3) вытекает, что обрабатываемые изображения должны иметь одинаковое количество пикселей по ширине и высоте (M = N), что нетрудно выполнить, «обрезая» цифровые фотографии.

После подстановки (3) в (2) получаем формулу моделирования дифракционной картины, соответствующую формуле дискретного двумерного преобразования Фурье, для которой может быть использован алгоритм быстрого дискретного преобразования Фурье. В качестве величин комплексных амплитуд u в исходной фотографии материала берутся значения яркости пикселя цифрового изображения (мнимая составляющая равна нулю). После расчета по формуле (2) получается двумерный массив комплексных амплитуд, которые в целях дальнейшего построения изображения дифракционной картины целесообразно заменить на интенсивности светового сигнала I в каждом пикселе изображения модели по формуле:

Ik,l = Uk,l * Uk,l*,                                   (4)


где Uk, * – величина, комплексно сопряженная величине амплитуды Uk,l для пикселя с индексами (k,l).

При построении компьютерного изображения дифракционной картины по рассчитанной с помощью (4) матрице интенсивностей яркость соответствующего пикселя устанавливают пропорционально величине интенсивности сигнала. Самым ярким будет пиксель в центре изображения (центральный максимум).

Построение моделей дифракционных картин и их анализ с целью определения расположения и расстояний между дифракционными максимумами осуществляется с помощью компьютерной программы, написанной на языке программирования Microsoft Visual C++ с использованием платформы .NET. Программа позволяет решать следующие задачи:

– моделирование дифракционной картины и построение еѐ компьютерного изображения;

– автоматическое определение расстояния между соседними дифракционными максимумами Dx и Dy, которые обратно пропорциональны (с точностью до константы) расстояниям Tξ и Tη между соседними элементами в исходной периодической структуре материала (рис. 1);

– при анализе моделей дифракционных картин крученых нитей – автоматическое определение направления и угла кручения;

– при анализе моделей дифракционных картин тканей – автоматическое определение угла перекоса уточной нити по отношению к основной.

Таким образом, программа является ядром программно-аппаратной системы, позволяющей в автоматическом режиме и без контакта с исследуемым материалом (только по его цифровой фотографии) реализовать методы определения геометрических параметров структуры текстильных материалов [1-5].

Указанная система может быть использована для анализа структуры не только текстильных материалов, но и любых материалов с периодической микроструктурой, например, шероховатых поверхностей деталей машин, приспособлений для просеивания компонентов сухих строительных смесей, фильтрующих материалов и т.д. Для работы системы необходимы только цифровые фотографии материалов, сделанные с увеличением, обеспечивающим не менее 4 повторяющихся элементов в кадре по ширине и высоте.

 

Список литературы

1.     Кофнов О.В., Сухарев П.А., Шляхтенко П.Г. Безаппаратный метод автоматического определения направления крутки нити по еѐ компьютерному микроизображению. //Известия вузов. Технология легкой промышленности. №2, 2013 – с. 79-81

2.     Кофнов О.В., Шляхтенко П.Г. Измерение угла кручения нити по еѐ компьютерному изображению.//Химические волокна, №5, 2013 – с. 57-61

3.     Кофнов О.В., Шляхтенко П.Г., Рудин А.Е. Использование двойного Фурье-преобразования для контроля параметров геометрической структуры текстильных материалов. //Известия вузов. Технология легкой промышленности. №3, 2013 – с. 23-26

4.     Шляхтенко П.Г., Кофнов О.В., Сухарев П.А. Метод определения перекоса уточной нити в ткани. //Оптический журнал, Т.82, №2, 2014 – с. 76-79

5.     Шляхтенко П.Г., Пименов В.И., Кофнов О.В. Использование двумерного дискретного преобразования Фурье для компьютерного анализа материала с повторяющейся структурой. //Автоматизация и современные технологии, №7, 2013. – с. 20-27.