Extrusion Russian Edition 4-2022

18 ЭКСТРУЗИЯ 4/2022 КОМПАУНДИРОВАНИЕ выполняется путь разверстки (путь декодирования), в ходе которого конструируется конечное изобра- жение. Этот процесс сопровождается точной лока- лизацией посредством транспонированных сверток. Важное отличие от архитектур других автокодиров- щиков заключается в том, что пути кодирования и декодиро- вания не изолированы. Перемыкающие соединения позволя- ют переносить информацию с мелкой детализацией из слоев более низких уровней в слои пути декодирования на более высоких уровнях, обеспечивая реконструкцию мельчайших подробностей. По результатам этой обработки выдается би- нарное изображение, в котором пиксели ячеек пеноматериала имеют значение 1, а пиксели перемычек или невспененных об- ластей имеют значение 0. При этом в силу принципа действия сегментации изображения размер выходного изображения уступает размеру исходного снимка, вследствие чего площадь области, анализируемой на последующих этапах, сокращается по сравнению с площадью области, зафиксированной перво- начально на образце пеноматериала. Для обучения сетиU-Net используются изображения вспененных пленок и листов, аннотированных ранее от руки. Затем на бинарных изображениях исследуемой яче- истой структуры выполняется алгоритм по извлечению признаков, предполагающий определение геометрических размеров каждой обнаруженной ячейки пеноматериала. По итогам данного алгоритма устанавливается так называемый вектор качества образца пеноматериала, включающий пред- варительно заданные пользователем величины для оценки качества. Общий порядок действий представлен на рис. 3. В сочетании с метаданными технологических настроек и желаемого качества производства полученный таким об- разом вектор качества служит отправной точкой для кор- ректировки процесса. По данным проведенного анализа технической осуществимости и экономической целесообраз- ности, вся аналитическая процедура, начиная с фотосъем- ки и заканчивая извлечением вектора признаков, занимает примерно 15 с. Прибавив для подстраховки 10 с на расчет скорректированных технологических настроек, мы можно определить возможные расстояния до пробоотборника в рамках текущего конструктивного решения. Эти расстоя- ния указаны в табл. 1. Перспективы исследования Таким образом, в рамках научно-исследовательского проекта по поточному анализу и классификации ячеистой структуры с помощью технологий цифровой обработки изображений специалистам промышленной лаборатории IKV удалось успешно разработать и внедрить первый из- мерительный стенд для фотосъемки ячеистой структуры на основе образцов рукавной пленки. На этапе первой оценки технической осуществимости внимание было сосредоточено на разработке отдельной измерительной системы. Интегра- ция этой системы в производственную линию в целях прове- дения поточного анализа ячеистой структуры запланирована на следующих этапах реализации проекта. Измерительная система была встроена в цифровую инфраструктуру, что по- зволяет исследовать изображения образцов с метаданными отдельно от процесса фотосъемкии без привязки к месту. Анализ ячеистой структуры с применением разработан- ной методики обработки изображений занимает 15 с. Этот интервал можно сократить путем оптимизации отдельных операций обработки и использования более мощных ком- пьютеров. Проект подразумевает дальнейшую разработку методик определения скорректированных технологиче- ских настроек с учетом различных отклонений в качестве ячеистой структуры. За счет цифровой инфраструктуры эти процессы можно будет выполнять непосредственно на производственной линии. В центре внимания — различные стратегии коррекции технологических настроек. Institut fuer Kunststoffverarbeitung (IKV) www.ikv-aachen.de Линейная скорость производственной установки, м/мин Расстояние до пробоотборника в процессе контроля качества, м Расстояние до пробоотборника в процессе управления качеством, м 1 0,25 0,42 5 1,25 2,08 10 2,50 4,16 50 12,5 20,83 Табл. 1. Расчетное расстояние до пробоотборника для анализа и адаптации экструзии пенопластов Источники [Ber12] — Berdel K. Inline-Inspektion texturierter und hochglaenzender Kunststoffoberflaechen. RWTH Aachen, Dissertation, 2012. — ISBN: 978-3-86130-247-6. [Bor90] — Borgschulte K. Industrielle Bildverarbeitung: Ein Baustein der rechnergest ü tzten Qualitaetssicherung. RWTH Aachen, Dissertation, 1990. — ISBN: 3-88585-801-0. [CM17] — Muelder C. Tomographie von Kunststoffschaeumen im sichtbaren Spektrum. RWTH Aachen, Dissertation, 2017. — ISBN: 978-3-95886-182-4. [Eav04] — Eaves D. Handbook of Polymer Foams. Shawbury: Rapra Technology Limited, 2004. [Eli03] — Elias H.-G. Makromolekuele Band 4 — Anwendung von Polymeren. Weinheim: Wiley-VCH Verlag. [Hen17] — Hendriks S. Experimentelle Untersuchungen zur Schaumextrusion mit Treibmittelgemischen und Analyse der Wirkzusammenhaenge mit dimensionslosen Kennzahlen. RWTH Aachen, Dissertation, 2017. — ISBN: 978-3-95886-235-7. [HM12a] — Hopmann C., Muelder C. Inline-Pruefung von Polymerschaum: Kontinuierliche Ueberwachung. QZ — Qualitaet und Zuverlaessigkeit 57 (2012) 9, S. 46-49. [HM12b] — Hopmann C., Muelder C. Inline-Qualitaetskontrolle geschaeumter Kunststoffhalbzeuge mittels digitaler Bildverarbeitung. Institut f ü r Kunststoffverarbeitung, RWTH Aachen, Abschlussbericht zum IGF Forschungsvorhaben Nr. 16394 N, 2012. [LPR06] — Lee S.-T., Park C. B., Ramesh N. S. Polymeric Foams: Science and Technology. Boca Raton: Taylor & Francis, 2006. [NJ95] — Newman T., Jain A. K. A Survey of Automated Visual Inspection. Computer Vision and Image Understanding 61 (1995) 2, S. 231-262. [Pet03] — Peters R. Schaumstrukturanalyse mit digitalen Bildverarbeitungsmethoden. RWTH Aachen, Dissertation, 2003. [RFB15] — Ronneberger О., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. Medical Image Computing and Computer-Assisted Intervention (MICCAI) 9351 (2015), S. 234-241.