книги / Робот. Компьютер. Гибкое производство

из располагаемого набора микросхем, спроектировать не­ обходимый спецпроцессорный модуль.

Возможна ли экспертная система для проектирования алгоритмов АИ? Ответ частично зависит от того, является ли создание алгоритмов наукой или искусством. Как из­ вестно, можно вычислить неизвестное небесное тело или оптимальный закон управления самолетом. Но математи­ ческого аппарата для вывода алгоритмов АИ пока не существует.

Образный диалог

В этой ситуации полезным оказывается образный диалог с ЭВМ. Любая интеллектная процедура связана с вычле­ нением элементарных кирпичиков. Из нескольких десят­ ков машинных команд процессоров складывается все мно­ гообразие вычислительных процедур компьютеров. Ана­ логично последовательность элементарных процедур АИ образует программу анализа изображений. При этом об­ разный диалог позволяет существенно снизить трудоем­ кость процесса выбора искомой последовательности. Каж­ дое преобразование изображения реализуется определен­ ной элементарной процедурой, задаваемой соответствую­ щей командой.

Локальные операторы

Эффективным средством реализации элементарных пре­ образований является метод локальных операторов. Что­ бы пояснить, как производятся преобразования с помощью локальных операторов, нужно сказать несколько слов о том, как изображения представляются в ЭВМ.

Изображение для машины —это матрица щ f ( X K чи­ сел. Каждой точке реального изображения отвечает свое число в матрице. Точке изображения, имеющей координа­ ты х , у , (х , у —целые числа от 1 до Л*), отвечает в мат­ рице число М ( х , у). Величина числа М ( х , у) —это яр­ кость точки х у у. Таким образом, с математической точки зрения_изображение —это матрица яркости у) у

Ху у — 1, К. (Если все элементы матрицы яркости прини­ мают только два значения, то говорят о бинарном изобра­ жении. Книжный текст —это пример бинарного изобра­ жения. В случае полутоновых изображений элементы матрицы яркости М ( х , у) принимают несколько значений, например, т — 0,1, 2, 3,.,.,15, причем О соответствует чер-

121

вым точкам, 15 —самым ярким точкам и промежуточные значения —различным оттенкам серого цвета.)

Преобразования изображений с помощью локальных операторов происходят следующим образом. В исходном изображении вырезается некоторое локальное окно, например, квадрат 3X3, которое построчно сканирует весь кадр М ( х , у ) . Новое изображение формируется по принципу локальных преобразований, состоящему в том, что яркость каждой точки нового изображения определя­ ется локальной ситуацией в окрестности соответствующей точки исходного изображения. При этом под локальной ситуацией понимается состояние 9-точечного квадратного окна 3X3 (общее число состояний рассматриваемого ок­ на, т. е. общее число локальных ситуаций равно 512). Для примера приведем несколько ситуаций:

Таблица вида

000 000 000 — 0 либо 1

000 000 001 — 0 либо 1

000 101 111 — 0 либо 1

111 111 111 — 0 либо 1

задает яркость точки М ( х , у) выходного изображения в за­ висимости от локальной ситуации в окрестности точки (х , у) входного изображения. Формирование выходного изобра­ жения осуществляется в процессе сканирования локаль­ ным окном входного изображения.

Заметим, что общее количество возможных таблиц рассмотренного вида равно числу 512-разрядных последо­ вательностей из нулей и единиц, составляя 2512.

В понятие локальной ситуации можно вкладывать раз­ личный смысл. От выбранного понятия существенно за­ висит реализуемость, отношение аппаратура/быстродействие, широта ассортимента локальных операторов, каче­ ство преобразований. Однако в случае полутоновых изоб­ ражений размерность таблицы, основанной на рассмотрен­ ном понятии локальной ситуации (даже в случае окна 3X3), растет катастрофически. Уже при 16 уровнях яр­

122

каждую из них практически невозможно, то вместо уни­ версальных таблиц рассмотренного типа обычно применя­ ются весовые матрицы, с помощью которых подсчитыва­ ются взвешенные суммы разрядов, дающие оценки ло­ кальных ситуаций входного изображения.

Однако если несколько изменить понятие локальной ситуации, то способ универсальных таблиц, можно ис­ пользовать и в полутоновом случае. Способ универсаль­ ных таблиц является, возможно, самым эффективным в том смысле, что позволяет с помощью одного аппаратного мо­ дуля реализовывать практически любые преобразовании изображений, допустимые в соответствии с локальным принципом преобразований.

Приведем для примера несколько широко применяе­ мых локальных операторов, выполняющих следующие преобразования над объектами изображения:

1)сжатие,

2)расширение,

3)оконтуривание,

4)удаление изолированных одинарных и двойных

точек,

5)скелетизация,

6)выравнивание краев.

Процедуры распознавания

Другой класс элементарных процедур образуют алгорит­ мы распознавания. Распознавание объектов подразумева­ ет определение их типов. В одних случаях объект зани­ мает изображение целиком. В других —на изображении рассыпано много объектов. Еще один типичный пример — когда один макрообъект составлен из многих частей, не связанных жестко и, возможно, частично перекрывающих­ ся. Во всех этих случаях эффективно работает принцип распознавания, состоящий в том, что распознавание цело­ го изображения реализуется через распознавание его ча­ стей, т. е. локальных ситуаций изображения.

Например, при анализе контурной структуры распо­ знавание локальной ситуации в окрестности контурной точки необходимо для выбора направления очередного шага вдоль контура. Циклическое повторение этой про­ цедуры локализует замкнутый контур. При анализе кон­ туров распознавание локальных ситуаций используется также для определения типа участка контура в окрест­ ности рассматриваемой контурной точки.

123

Модели

В целом алгоритмы АИ состоят из двух частей: пре­ добработки и интерпретации. В процессе предобработки формируется сжатое описание (модель) объекта. На этапе интерпретации модели производится распознавание (или классификация, кластеризация и др.).

В качестве модели изображения М ( х , у) плохо брать само это изображение. Такой подход требует хранения безнадежно большого количества информации. Уже при формате изображения 512X512 и при 16 градациях яр­ кости, что близко к телевизионному стандарту, для хра­ нения матрицы яркости М { х , у) требуется память объе­ мом в 128 кбайт. А ведь это только эталонное изображе­ ние одного положения объекта. Телевизионный канал пе­ редает за секунду 25 таких информационных порций. Но он только передает, тогда как распознает их человек. Встретившись с эталонным тупиком, биологические и ис­ кусственно создаваемые системы пошли по пути сжатия информации и работы с моделями.

В области АИ используются геометрические (лингви­ стические) и интегральные (статистические) модели. Гео­ метрические модели могут иметь вид набора точек, задан­ ных своими координатами, и таблиц связей между ними. В случае интегральных моделей объект характеризуется набором чисел (признаков). Каждое такое число —это некоторая взвешенная сумма точек матрицы яркости. В формировании этой суммы могут участвовать и нели­ нейные процедуры, например пороговая обработка.

Одно из основных требований к признакам состоит в том, что они должны быть инвариантны относительно сдвигов и вращений объекта в кадре. Инвариантность при­ знаков позволяет сокращать информационный объем мо­ делей на порядки.

Аппаратная реализуемость

При разработке систем анализа изображений, предназна­ ченных для работы в реальном масштабе Бремени, сущест­ венную роль играет критерий аппаратной реализуемости. Проиллюстрируем влияние этого критерия на выбор ал­ горитма распознавания на следующем примере. Пусть требуется вычислить интегральный признак объекта, представленного матрицей изображения М ( е , х, у) (е —

124

угол поворота объекта на изображении), определяемый преобразованием вида

У ( Р г е ) =

2Я

р cos (£) + аЮ, р sin (t) + уО) exp (jat) d t j , (1)

где p — полярный радиус, t — полярный угол, #0, уО — координаты центра тяжести объекта на изображении (ве­ са точек объекта равны их яркостям), #=pcos(£),

y = p s m ( t ) .

Такое преобразование применяется в методах распо­ знавания, основанных на полярных моментах. Смысл это­ го преобразования состоит в том, что при интегрировании функции М ( е , х , у ) по окружности радиуса р с центром

Для того чтобы признак учитывал структуру объекта полнее, выражение (1) следует вычислять не по одной окружности, а по системе из многих (К) концентрических окружностей.

Будет ли функция у { е } р ) постоянна при изменении угла е в действительности? И да и нет. Нет —потому что при повороте объекта на дискретной сетке его изображе­ ние искажается. Да —потому что если шаг дискретной сетки выбран за границей, определяемой теоремой Ко­ тельникова-Найквиста, то при этих условиях информа­ ция теряться не будет.

Оценим объем вычислений при реализации (1). Он пропорционален числу концентрических окружностей К , умноженному на число точек Р в средней окружности плюс М операций при вычислении центра тяжести: КР + М. При формате изображения МХЛ^ = 512Х512 и яри времени вычисления около секунды баланс объем аппара­ туры/ быстродействие будет довольно напряженным. (При программной реализации рассматриваемого алгоритма на универсальных ЭВМ потребуется в сотни раз больше времени.)

Изменим структуру алгоритма так, чтобы улучшить ситуацию. Для этого откажемся от вычисления центра тяжести и, оставив только одну окружность (Х =1), про­ сканируем ею изображение, вычисляя при каждом поло­ жении окружности новое значение признака у . Можно

123

показать, что распределение частоты проявления различ­ ных значений величины у инвариантно к вращениям и сдвигам распознаваемого объекта.

Как выбирать радиус р окружности? С точки зрения увеличения быстродействия и уменьшения объема аппа­ ратуры, чем р меньше, тем лучше (так как в случае контурных изображений при р=>0 функция М ( х , у) будет стремиться к постоянной вдоль окружности). При этом только надо иметь в виду, что фактически величина радиуса р ограничена снизу, так как при р=1 окружность вырож­ дается в идеальный квадрат. И уже задолго до приближе­ ния радиуса р к единице выражение (1) становится су­ щественно неинвариантным к вращениям объекта на изоб­ ражении.

Томографический видеоанализ

Рассмотрим некоторые вопросы, возникающие при пере­ ходе от видеоанализа духмерных изображений к видео­ анализу трехмерных изображений, т. е. к объемным те­ лам, произвольно ориентированным в пространстве.

Первый этап решения задачи трехмерного распознава­ ния связан с построением в памяти машины трехмерной оболочки реального объемного тела. Процесс ее «набивки» вручную, особенно для объектов сложной конфигурации, служит хорошим примером трудоемкой процедуры.

Используемые автоматические методы подразделяют­ ся на активные и пассивные. Активные методы требуют прямого измерения дальности, что не всегда удобно и во­ обще возможно. В пассивных методах в качестве входной информации используются двухмерные полутоновые изо­ бражения, даваемые телекамерами. Задача синтеза трех­ мерной формы по плоским изображениям может быть эффективно решена с помощью томографии —сравнитель­ но нового научного метода, применяемого в медицине и дефектоскопии для реконструкции изображений внутрен­ них сечений.

Две прикладные задачи

Томографический видеоанализ иллюстрирует то обстоя­ тельство, что А И является «открытой» дисциплиной, ак­ тивно впитывающей самые разные научные методы, спектр Которых простирается от интеллектных эксперт­ ных систем до теории обобщенных функций, используе­

126

мых в томографии. Но развитие АИ стимулируется на­ сущными производственными задачами. Возьмем только одну из них. Современный компьютер —это прежде всего новейшая микроэлектронная технология. Для совершенст­ вования компьютеров необходимо производство все боль­ шего числа интегральных схем, все более и более высокой степени интеграции. Проконтролировать лавину кристал­ лов интегральных схем на различных технологических стадиях можно только с помощью электронных глаз. По­ этому необходим компьютер «с глазами», который мог бы рассматривать, контролируя, микроскопические кир­ пичики будущих компьютеров. Так же как живые орга­ низмы создаются (пока) только живыми организмами, так и более совершенные компьютеры будут создаваться только с помощью компьютеров. Одна из книг фон Ней­ мана имеет название «Теория самовоспроизводящихся автоматов». Похоже, что от теории дело движется к практике.

Возьмем теперь совсем другую задачу. Когда был изобретен печатный станок, человечество вышло на но­ вый виток спирали культурного прогресса. Сейчас мы снова на взлетной полосе. Содержимое целой библиотеки можно разместить на нескольких оптических дисках ЭВМ. За чем остановка? За тем огромным количеством машинисток, которые необходимы, чтобы перепечатать миллионы томов, уже изданных и издающихся. Со време­ нем личные библиотеки переместятся на маленькие дис­ кетки, которые будут вставляться в домашние персональ­ ные компьютеры. ЭВМ по команде владельца выведет на экран нужные страницы. А для ввода в память бумажной книги ее будет достаточно перелистать перед видеокаме­ рой персональной ЭВМ.

Особенности видеоввода печатного текста

Основную проблему при видеовводе печатного текста мож­ но назвать проблемой пограничных точек. Это точки, лежащие вдоль границы, отделяющей очертания буквы от фона. Фоновые точки имеют нулевой уровень яркости. Внутренние точки буквы —единичный. Пограничные точ­ ки принимают значения ноль или единица с вероятностью, равной 7г. Это связано с особенностями работы видео­ камер. Так как приблизительно половина пограничной точки темная и половина —светлая, то пороговое устрой­ ство видеокамеры становится в тупик и срабатывает в

127

МОДЕЛИРОВАНИЕ ГИБКИХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ

В. М. НАЗАРЕТОВ

Создание гибких производственных систем требует зна­ чительных капиталовложений. Это объясняется высокой стоимостью их основных компонент, таких, как станки с числовым программным управлением, автоматизированные склады, роботы, автоматические транспортные средства и накопительные системы, управляющие ЭВМ. Экономи­ ческая эффективность ГПС оправдывает крупные затра­ ты на их создание. Однако опыт эксплуатации показал, что ГПС нельзя рассматривать как простое соединение высокопроизводительного оборудования, передовой техно­ логии и вычислительной техники. Современные высокоав­ томатизированные производства —это сложная система, технико-экономические характеристики которой весьма чувствительны к малым изменениям структуры и техни­ ческих параметров, совокупность которых обычно назы­ вают техническим решением. Поэтому риск выбора не­ удачного технического решения, которое, будучи реализо­ ванным в действующем производстве, не даст ожидаемого экономического эффекта, весьма велик.

С чем это связано? Ведь машиностроение развивается уже много десятилетий, опыт проектирования производст­ венных систем накоплен немалый. Дело в том, что гиб­ кая автоматизация существенно изменила характер про­ изводства. Во-первых, ослабло свойство самоорганизации производственного процесса из-за отсутствия на нижнем уровне рабочего-станочника, который может компенсиро­ вать незначительные «нештатные» ситуации, связанные с нарушениями синхронности материальных потоков, отка­ зами оборудования и инструмента. Во-вторых, существен­ но сократились объемы межоперационных запасов из-за стремления сократить уровень незавершенного производст­ ва, уменьшить площади, занимаемые оборудованием для складирования. В-третьих, экономические характеристи-

Таблица Функциональные задачи проектирования ГПС

Основное оборудоватие Транспортная система Накопительная система

ки производства в значительно большей степени стали за­ висеть от коэффициента загрузки основного оборудования. Эти и ряд других факторов ужесточили требования к временной и пространственной организации автоматизиро­ ванного производственного процесса и, как следствие, ус­ ложнили его проектирование. Создалась ситуация, когда инженерные методы проектирования и расчета технико­ экономических характеристик, принятые для традицион­ ных производств, оказываются либо слишком грубы, либо вовсе неприемлемы для проектирования ГПС.

В этих условиях особое значение приобрели методы ав­ томатизированного синтеза технических решений, осно­ ванные на математическом моделировании. Можно выде­ лить два основных направления их развития. Первое свя­ зано с созданием компьютерных инженерных методов решения отдельных функциональных задач проектирова­ ния, математической основой которых является современ­ ный аппарат оптимизации. Некоторые из таких задач представлены в таблице. Этот список не претендует на полноту. В нем с целью иллюстрации перечислены лишь те задачи, которые наиболее часто обсуждаются в лите­ ратуре. Второе направление заключается в создании ма­ тематических моделей, описывающих динамику функцио­ нирования ГПС в целом. Очевидно, эти направления не исключают друг друга и могут использоваться в рамках единой системы автоматизированного проектирования ГПС.

Рассмотрим особенности процесса проектирования ГПС.

130