Оценка эффективности применения программного средства автоматизации контроля

Для оценки скорости работы разработанных алгоритмов и зависимости скорости от типа процессора, объема оперативной памяти аппаратных платформ и объемов входных данных, были проведены вычислительные эксперименты. Характеристики платформ приведены в таблице 4.3 (сортировка по возрастанию производи-110

тельности). В качестве балла оценки производительности взяты баллы, присваиваемые операционной системой Windows 7. Максимально назначаемый балл составляет 7,9.

Таблица 4.3. - Характеристики аппаратных платформ (АП), используемых для про

ведения вычислительного эксперимента

АП

Процессор

Оперативная па-мять

Балл оценки производительности

процессор

оперативная память

1

AMD С-60 512K6L2 Cache 2 х 1.00 ГГЦ

  • 2 Гб
  • 1066 МГц

3,2

5,0

2

AMD Athlon Х2 512 Кб L2 Cache 2 х 1.90 ГГЦ

  • 4Гб
  • 400 МГц

4,5

5,3

3

Intel Pentium Е5200 2 Мб L2 Cache 2х 2.5 ГГЦ

  • 4 Гб
  • 667 МГц

5,9

5,5

4

Intel Core 2 Duo Е6750

4 Мб L2 Cache 2х 2.66 ГГЦ

  • 6 ГБ
  • 800 МГц

6,2

6,2

5

AMD Athlon II Х4 650 512K6L2 Cache 4х 3.20 ГГЦ

  • 4 Гб
  • 667 МГц

7,3

7,3

6

Intel DualCore І5-2410

  • 3 Мб L2 Cache
  • 4 х 2.40 ГГЦ
  • 6 Гб
  • 1333 МГц

6,9

7,4

7

Intel Core І7-3770

  • 8 Мб L3 Cache
  • 8 х 3.50 ГГц
  • 16 Гб
  • 1600 МГц

7,7

7,8

На примере единичного соединения (распознавание единичного отпечатка точечного сварного соединения) было исследовано время выполнения алгоритмов, представленных в таблице 4.4.

Таблица 4.4 - Исследуемые алгоритмы

№ операции

Алгоритм

1

Формирование набора шаблонов, основанных на заданных правилах

2

Наложение фильтров контрастирования и пороговой сегментации

3

Нелинейная шумоподавляющая фильтрация

4

Определения центра ядра литого соединения

5

Выделение границ объекта

6

Распознавание геометрических параметров точечного сварных соединения

Для эксперимента было распознано 50 единичных соединений размером 65 х 65 пикселей на соединение (величина, приближенная к размеру 1:1). Среднеарифметические временные результаты экспериментов (в миллисекундах) представлены в таблице 4.5. В заголовке таблицы представлены номера алгоритмов, по вертикали -номера платформ.

Установлено, что самые большие временные показатели (в среднем около 4 секунд) приходятся на алгоритм №1 (формирование набора шаблонов, основанных на заданных правилах). Однако, следует учесть, что данный алгоритм выполняется лишь единожды, перед распознаванием всей серии объектов. В то же время, затраты на алгоритмы 2-5 на любой из представленных платформ, в сумме, не превышает 0,10 - 0,25 секунды. Диаграмма времени исполнения данных алгоритмов наглядно представлена на рисунке 4.16. По вертикальной оси представлены номера алгоритмов, по горизонтальной - время в миллисекундах. Так же, дополнительно была построена диаграмма Ганта, представленная на рисунке 4.17.

По горизонтальной оси диаграммы Ганта наглядно представлено время испол-112

нения каждого из алгоритмов (в секундах) для каждой из платформ, в процессе распознавания единичного соединения. Установлено, что для ЭВМ средней производительности общее время распознавания единичного соединения размером 65 х 65 пикселей составляет 4-5 секунд, большая часть времени из которых затрачивается на алгоритмы формирования шаблонов, которые используются лишь единожды, перед распознаванием всей серии объектов.

Таблица 4.5 - Результаты экспериментов по распознаванию единичного соединения,

миллисекунд

Номер платормы

Алгоритм

№1

Алгоритм

№2

Алгоритм

№3

Алгоритм

№4

Алгоритм

№5

Алгоритм №6

Платформа

№1

12 605,0

73,4

33,4

3,9

22,4

5 657,4

Платформа

№2

3 627,0

130,0

50,0

2,0

41,3

3 652,2

Платформа

№3

3 480,0

21,1

11,0

0,6

7,1

2 039.7

Платформа

№4

2 862,0

14,0

8,1

0,6

4,6

1 824,7

Платформа

№5

2 688,5

13,6

7,5

0,5

4,5

1 652,4

Платформа

№6

2 515,0

13,2

6,8

0,4

4,5

1480,0

Платформа

№7

1 612,0

9,1

4,6

0,2

3,0

1 132,5

Средние значения

4 198,5

39,2

17,3

1,2

12,5

2491,3

Таким образом, при распознавании серии из большого количества отпечатков соединений, время, затрачиваемое на распознавание соединений, начиная со второго, значительно сократится.

В связи с вышесказанным, было исследовано общее время обработки для серий снимков. Перечень исходных изображений, отсортированных по количеству исследуемых объектов, присутствующих на рентгенограмме (отпечатков точечных сварных соединений), находящихся на снимке, приведен в таблице 4.6. Среднее количество объектов на снимках при контроле трехслойки (примеры снимков приведены в Приложении А) составляет 130 штук. Для исследования использовалось по 30 снимков каждой серии.

0,0 2000,0 4000,0 6000,0 8000,0 10000,0 12000,0 14000,0 "7

Время, млсек

Рисунок 4.16 - Диаграммы времени исполнения алгоритмов

Диаграмма Ганта

Рисунок 4.17 - Диаграмма Ганта

Таблица 4.6 - Перечень исходных изображений, взятых для проведения экспериментов

№ изображения

Количество объектов на снимке

Размер снимка, мегапикселей

1

2

0,008

2

10

0,080

3

50

0,418

4

100

0,840

5

130

1,094

6

150

1,263

В результате проведения экспериментов, были получены результаты, представленные на рисунке 4.18.

Таким образом, была установлена прямолинейная зависимость между производительностью аппаратного платформы и скоростью выполнения алгоритмов. Выявлено среднее время для серий снимков, составляющее 5.4 и 5.9 минуты для серии из 130 и 150 объектов соответственно.

Платформа

^—1

—2

^—3

^—4

^—5

----б

Количество объектов

Рисунок 4.18 - Диаграмма результатов обработки серий объектов

Дальнейшие исследования производились на персональном компьютере с характеристиками, аналогичными аппаратной платформе №4, поскольку результаты экспериментов, проводимых на ней, наиболее близки к среднеарифметическим (по семи исследуемым платформам).

Для оценки эффективности разработанной системы по критерию быстродействия и качества распознавания, были проведены сравнения с программами-аналогами и с методом ручного анализа.

Для анализа быстродействия рассматривалось количество обработанных снимков, содержащих по 130-150 объектов в каждом, за один час. Данными для диаграммы качества контроля являются значения (в процентах) неверного распознавания объектов на снимке.

Для распознавания оператора вручную таковыми являются пропуски дефектных соединений на снимке, вызванные высокой зашумленностью и низкой контрастностью снимка, а так же утомлением оператора, вызванного монотонной работой.

Для средств автоматизации работы с графическими данными (графические редакторы Photoshop, GIMP, программа SOWA32) неверное распознавание может быть вызвано отсутствием подходящих алгоритмов обработки рентгенограмм и средств автоматизации (шаблоны, макросы), что, в свою очередь, так же приводит к ошибочному отнесению оператором объектов к дефектным либо пропуску объектов ненадлежащего качества.

Для разработанной автоматизированной системы контроля точечных сварных соединений на основе рентгенографии неверным распознаванием является пропуск алгоритмами дефектного соединения либо отнесения объектов надлежащего качества к таковым.

Диаграммы с полученными результатами представлены на рисунках 4.19 и 4.20.

Были исследованы различные разрешения исследуемых объектов на снимке для получения зависимостей между размером объекта, скоростью и качеством распознавания. В ходе исследования было проверено по 50 объектов различных разрешений (таблица 4.7).

Установлено, что размер единичного соединения 65 х 65 пикселей является оптимальным для распознавания. Увеличение размера объекта вдвое не приводит к снижению погрешности распознавания, но в то же время увеличивает время на распознавание примерно в 5 раз (рисунок 4.21). Уменьшение объекта вдвое примерно в 2 раза уменьшает время распознавания, одновременно с этим, увеличивая погрешность распознавания с 3% до 5%.

Дальнейшее уменьшение объекта вдвое дает уменьшение скорости менее чем в два раза, увеличивая при этом погрешность до 15%.

  • 20
  • 18
  • 16
  • 14

SOWA32

  • 12
  • 10
  • 8

граф, редакторы (Photoshop, GIMP ит.д.)

вручную

граф, редакторы (Photoshop, GIMP и т.д.)

количества обработанных снимков за один час

Рисунок 4.19 - Сравнение среднего

вручную

SOWA32

автом. система

R-Scan

автом. система

R-Scan

SOWA32

вручную

  • 10%
  • 10%
  • 15%

РЯДІ

граф, редакторы (Photoshop, GIMP и т.д.)

автом. система

R-Scan

рисунок 4.20 - процентное отношение неверно распознанных объектов

  • 16%
  • 14%
  • 12%
  • 10%
  • 8%
  • 6%
  • 4%
  • 2%
  • 0%

вручную

граф, редакторы (Photoshop, GIMP ит.д.)

SOWA32

автом. система R-Scan

Таблица 4.6 - Набор исследуемых объектов

№ объекта

Размер объекта, пикселей

Разрешение объекта, мегапикселей

1

16х 16

0,002

2

33 х 33

0,004

3

65 х 65

0,008

4

130 х 130

0,016

Исследование зависимостей между размером объекта, скоростью и

Рисунок 4.21 - Исследование зависимостей между размером объекта, скоростью и

качеством распознавания

Таким образом, установлена логарифмическая зависимость между размером объекта, скоростью и точностью распознавания разработанными методами.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >