Результаты и выводы по четвертой главе

На основании изложенного, можно выделить следующие выводы и результаты:

  • 1) Описана архитектура программного средства обработки и анализа рентгенограмм точечных сварных соединений, представленная в виде четырехуровневой слоистой структуры и UML-диаграммы компонентов программного средства. Архитектура базируется на исследуемой модели, предлагаемой методике и разработанных алгоритмах, и, представляется в виде многоуровневой системы, что необходимо для построения инвариантных (с иными пределами контролируемых параметров) систем автоматизированного контроля рентгенограмм с минимальными временными затратами.
  • 2) Приведена схема интеграции программного средства автоматизированного контроля точечных сварных соединений в процесс рентгенографического контроля изделия, предусматривающая использование выходных данных системы в качестве рекомендации по проведению повторной сварки (перечень рекомендуемых коррекций для каждого дефекта) и общей коррекции режимов сварки (выдается при значительном возрастании обнаружения дефектов определенного типа.
  • 2) Выполнено описание интерфейса и последовательности работы с программным средством, представленное в виде руководства оператора программного средства. Приведены примеры результатов применения основных алгоритмов.
  • 3) Для оценки скорости работы разработанных алгоритмов и выявления зависимости скорости от типа процессора, объема оперативной памяти аппаратных платформ и объемов входных данных, были проведены вычислительные эксперименты по программному средству. В ходе экспериментов установлено, что самые большие временные показатели (в среднем около 4 секунд) приходятся на алгоритм формирование набора шаблонов, основанных на заданных правилах. В то же время, затраты на прочие алгоритмы на любой из представленных платформ, в сумме, не превышает 0,10 - 0,25 секунды. Так же 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, что в 12-15 раз быстрее, чем при анализе оператором, не применяющим средства автоматизации. Для оценки эффективности разработки по критерию быстродействия и качества распознавания, были проведены сравнения с программами-аналогами и с методом ручного анализа. В результате исследования выявлено, что разработанная система в 4-5 раз эффективнее систем автоматизации работы с графическими данными и в 10 раз эффективнее методов распознавания вручную (по критериям скорости и точности распознавания). Так же была выявлена логарифмическая зависимость между размером объекта, скоростью и точностью распознавания.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >