КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL - Проблемы Информационных Технологий

КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL - Проблемы Информационных Технологий

КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL - Проблемы Информационных Технологий

КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL - Проблемы Информационных Технологий

КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL - Проблемы Информационных Технологий
КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL - Проблемы Информационных Технологий
НАЦИОНАЛЬНАЯ АКАДЕМИЯ НАУК АЗЕРБАЙДЖАНА

№1, 2020

КЛАССИФИКАЦИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ МЕТОДАМИ СЕМЕЙСТВА FOREL

Кульков Ярослав Ю., Садыков Султан С., Жизняков Аркадий Л., Привезенцев Денис Г.

С ростом автоматизации производства возникла необходимость обеспечить работу многих технологических процессов без участия человека. Главным образом это процессы, связанные с рутинной, однообразной работой или опасные для человека. К таким процессам можно отнести классификацию объектов. Для решения этой проблемы могут быть использованы системы технического зрения. На сегодняшний день системы визуального контроля широко востребованы в разных областях науки, промышленности и техники. В частности, они используются для получения данных о контроле состояния объектов, их местонахождении, распознавания любых объектов разных форм. В данной работе предлагается проверить применимость алгоритмов кластеризации семейства FOREL для решения задачи классификации отдельных плоских объектов на основе их безразмерных признаков. Результатом работы станут вероятности распознавания каждого объекта из заданной тестовой выборки, на основе которых можно будет сделать вывод о применимости данного метода для решения поставленной задачи (стр.16-21).

Ключевые слова: FOREL, FOREL2, классификация объектов, безразмерные признаки.
DOI : 10.25045/jpit.v11.i1.02
Литература
  • Genkin V.L, Moskalev E.S. Recognition systems for automated production / V.L.Genkin, I.L.Erosh, L.: Mashinostroenie, Leningradskoe otdelenie, 1988, 246 p.
  • Panov S.S., Mazepin P.G., Smirnov V.A., Petrova L.N. Robotic assembly stands with technical vision and computer control systems // Assembly in mechanical engineering, instrument making, 2010, no 12., pp. 23–28.
  • Sadykov S.S., Kulkov Y.Y. Recognition of individual test and real flat objects based on the dimensionless marks of convex hulls // Telecommunication. 2017, no 3. pp. 28-35.
  • Zagoruyko N.G., Lbov G.S., Elkin N.V. Empirical patterns detection algorithms. Novosibirsk: Nauka, 1985, 112 p.
  • Sadykov S.S., Kulkov Y.Y. The study of the possibility of recognizing flat objects using the dimensionless marks of the convex hulls of their two-gradation images // Proceedings of the international symposium "Reliability and quality", 2017, pp.76–79.
  • Amsharuk E.I., Gorbachev T.F. FOREL digital image clustering // Kuzbass State University, 2014, 350 p.
  • Schekin V.P., Cherniy S.G., Borduk A.S. Adaptive fuzzy systems on forel class taxonomy // Software products and systems, 2014, 115 p.
  • Sadykov S.S., Kulkov Y.Y. Recognition of Flat Objects Based on Dimensionless Marks Based of Their Contours [Text] // CEUR Workshop Proceedings, 2017, vol.1940, pp.68–73.
  • Sadykov S.S., Kulkov Y.Y. Recognition of individual test and real flat objects based on the dimensionless marks of the contours of their binary images // Information Technology, 2016. vol 22, no 10, pp.747–753.