Воронин андрей анатольевич разработка и исследование спектрального метода и аппаратуры для оперативной идентификации пород древесины

На правах рукописи

УДК 681.7, 681.58 ВОРОНИН Андрей Анатольевич РАЗРАБОТКА И ИССЛЕДОВАНИЕ СПЕКТРАЛЬНОГО МЕТОДА И АППАРАТУРЫ ДЛЯ ОПЕРАТИВНОЙ ИДЕНТИФИКАЦИИ ПОРОД ДРЕВЕСИНЫ Специальность: 05.11.07 – «Оптические и оптико-электронные приборы и комплексы»

АВТОРЕФЕРАТ

диссертации на соискание учной степени кандидата технических наук

Санкт-Петербург 2011 2

Работа выполнена на кафедре Компьютеризации и проектирования оптических приборов Санкт-Петербургского государственного университета информационных технологий, механики и оптики.

Доктор технических наук, профессор

Научный консультант:

Латыев С.М.

Доктор физико-математических наук

Официальные оппоненты: Горбунов Г.Г.

ГОИ им. С.И.Вавилова Доктор технических наук, профессор Зверев В.А.

ФГУП «ЦНИИ «Комета»,

Ведущая организация:

г. Санкт-Петербург

Защита состоится «03» мая 2011 года в 10 ч. 00 мин. на заседании диссертационного совета Д 212.227.01 «Оптические и оптико-электронные приборы и комплексы» при Санкт-Петербургском Государственном Университете Информационных Технологий, Механики и Оптики по адресу: Санкт-Петербург, пер. Гривцова д. 14, ауд. 314а

С диссертацией можно ознакомиться в библиотеке СПбГУИТМО.

Автореферат разослан «01» апреля 2011 года.

Отзывы и замечания по автореферату (в двух экземплярах), заверенные печатью, просим направлять в адрес университета: 197101, г. Санкт-Петербург, Кронверкский пр., д. 49, СПбГУ ИТМО, секретарю диссертационного совета Д.212.227.01.

Учный секретарь Диссертационного совета Д 212.227. Кандидат технических наук, доцент В.М.Красавцев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы В связи с тем, что Россия за два прошедших десятилетия вс больше интегрируется в мировую торговлю, весьма актуальным является создание оперативных средств для идентификации и контроля естественных и искусственных объектов, перемещаемых через государственную границу. Одними из таких объектов являются, например, лесо- и пиломатериалы, продукты питания, нефтепродукты и др.

Россия занимает первое место в мире по запасам леса, а древесина является одной из значимых составных частей в структуре экспорта.

Высокая востребованность продукции лесопромышленного комплекса на мировом рынке на фоне слабости и противоречивости отечественной нормативно правовой базы, регламентирующей экспорт лесоматериалов, отсутствие технических средств объективного и точного контроля их количественных и качественных характеристик сделали правонарушения в области экспорта лесоматериалов традиционным явлением на протяжении последних 20 лет. Эти правонарушения, главным образом, заключаются в указании поставщиком лесопродукции породы древесины, облагаемой более низкими таможенными пошлинами, а также в занижении объма перевозимой древесины. Так, например, в зависимости от породы древесины изменяется и таможенная пошлина. На ценные породы древесины экспортные пошлины выше. Ель – более ценная порода, чем сосна, однако отличить их внешне даже опытному сотруднику таможни бывает трудно, в этих случаях подключаются эксперты-криминалисты. Но на каждом таможенном посту содержать эксперта в штате сотрудников не целесообразно, поэтому существует потребность в автоматизированном средстве определения породы древесины.

Одним из вариантов решения задачи идентификации древесины является применение спектрофотометрических или колориметрических методов неразрушающего контроля. Однако, их применение для выявления определнных концентраций веществ или определения индивидуальных для различных пород полос поглощения, не приводит к уверенной и достоверной идентификации. Поэтому необходимо исследование спектральной информации с целью разработки алгоритма объективной идентификации. Кроме того, для идентификации породы древесины в настоящее время применяется субъективная экспертная оценка, и отсутствуют приборы для объективного контроля.

Цель работы Целью настоящей работы является разработка и исследование спектрального метода объективной идентификации породы древесины, а также создание универсального прибора, реализующего метод идентификации.

Для достижения указанной цели должны быть решены следующие задачи:

осуществить анализ существующих методов и средств для идентификации породы древесины;

разработать спектральный метод объективной идентификации породы;

создать математическую модель объективного метода идентификации и установить количественные показатели, по которым определяется порода древесины;

разработать и создать пакет прикладных программ, реализующих математическую модель метода, а также обеспечивающих взаимодействие прибора с пользователем (интерфейсная часть);

разработать конструкцию и создать опытный образец контрольно измерительного прибора для оперативного контроля породы древесины;

произвести синтез методов компенсации погрешностей измерений для уменьшения массогабаритных характеристик прибора и повышения уверенности идентификации породы древесины;

провести экспериментальные исследования опытных образцов прибора.

Постановка задачи Зачастую методы традиционной спектроскопии оказываются бессильными и имеют крайне узкую область применения для идентификации объектов. Так, например, невозможно различать разные породы древесины путм поиска в них определнных концентраций элементов, присущих отдельным породам, однако на глаз очевидны различия цветовые и текстурные. Таким образом, необходим комплексный подход к идентификации естественных объектов. За основу подхода взят естественный механизм, заложенный природой в человека – это накопление и сравнение индивидуальных признаков различных объектов. Под понятием «признак» понимается как цветовое отличие, так и текстура среза. Анализировать текстуру – сложная задача, которую способны выполнять квалифицированные специалисты. Для реализации автоматизированного средства контроля требуется сложная система распознавания образов. Цветовое отличие – характеристика, которая исследуется в данной работе путм сбора базы данных (библиотеки) спектров и сравнение их друг с другом путм применения специализированного математического алгоритма.

Инструмент для получения данной характеристики – спектрофотометр, работающий в видимой и ближней инфракрасной областях спектра. В работе изучены различные варианты анализа спектральной информации, получаемые при помощи спектрофотометра, а именно: анализ спектров по абсолютной величине, по величинам производных спектральных функций на определнных длинах волн, а также смешанные методы. Исследование было проведено на различных породах древесины и эмпирически были выбраны оптимальные алгоритмы и методы идентификации.

Научная новизна и практическая значимость работы Научная новизна работы заключается в том, что впервые теоретически обоснован спектральный метод объективной идентификации породы древесины автоматизированным средством. Разработана математическая модель, реализующая метод идентификации. Создан алгоритм идентификации, который реализован в виде программного обеспечения на опытных образцах приборов. Собраны и исследованы спектры различных пород древесины, наиболее часто экспортируемой с территории РФ.

Практическая значимость работы:

созданы и исследованы опытные образцы портативного прибора идентификации древесины;

разработан и реализован пакет прикладных программ, отражающих алгоритм идентификации пород древесины и обеспечивающих взаимодействие с пользователем прибора;

составлены методики аттестации и поверки созданных приборов;

собрана база данных (банк спектров) пород древесины;

опытные экземпляры приборов стали прототипами серийно выпускаемых по заказу Федеральной Таможенной Службы России приборов для идентификации пород древесины «Кедр» и «Кедр-М».

Апробация работы Результаты работы докладывались на всероссийских и международных конференциях:

1 XL научная и учебно-методическая конференция СПбГУ ИТМО, 1 - февраля 2011 года;

2 VII Всероссийская межвузовская конференция молодых ученых, посвященная 110-й годовщине со дня создания Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 20-23 апреля 2010 года;

3 XXXIX научная и учебно-методическая конференция СПбГУ ИТМО, посвященная 110-й годовщине со дня создания Санкт-Петербургского государственного университета информационных технологий, механики и оптики, 2-5 февраля 2010 года;

4 VI Всероссийская межвузовская конференция молодых ученых «КМУ 2009», 14-17 апреля 2009 года;

5 XXXVIII научная и учебно-методическая конференция СПбГУ ИТМО, посвященная 100-летию со дня рождения выдающегося ученого и талантливого педагога М.М.Русинова, 3 – 6 февраля 2009 года;

6 XXXVII научная и учебно-методическая конференция СПбГУ ИТМО, января – 1 февраля 2008 года;

7 IV Всероссийская межвузовская конференция молодых ученых и специалистов «Оптика 2007», 10 – 13 апреля 2007 года.

По теме диссертации опубликовано 6 печатных работ, 4 из которых в изданиях, входящих в перечень изданий, рекомендованных ВАК.

Основные результаты работы, выносимые на защиту:

1 объективный спектрофотометрический метод идентификации пород древесины;

2 математическая модель и алгоритм функционирования прибора, обеспечивающие высокую достоверность идентификации пород;

3 концепция и принципы построения конструкции универсального портативного прибора, реализующего алгоритм идентификации породы древесины;

4 результаты экспериментальных исследований контрольно измерительного прибора и его внедрение для идентификации породы древесины в составе технических средств, состоящих на снабжении Федеральной таможенной службы Российской Федерации.

Личный вклад автора Теоретические и экспериментальные результаты диссертационной работы получены автором самостоятельно. Произведн подробный анализ существующих методов и средств идентификации пород древесины, в результате которого разработана концепция конструкции универсального прибора, ставшая основой опытных образцов приборов для идентификации. Проведнные исследования позволили реализовать цифровую компенсацию (алгоритмическую коррекцию) погрешностей измерений СКДО, благодаря чему значительно повысилась уверенность идентификации, а также были оптимизированы массогабаритные характеристики прибора. Методики аттестации и поверки были разработаны и апробированы на опытных образцах приборов для идентификации пород древесины.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Диссертационная работа состоит из введения, четырх глав, заключения, библиографического списка и пяти приложений. Диссертация изложена на страницах машинописного текста, включая 61 рисунок, 7 таблиц и библиографических ссылок.

Во Введении обозначена цель работы, поставлена задача, обоснованы актуальность, научная новизна, практическая значимость и полезность работы, перечислены защищаемые положения, а также кратко излагается содержание разделов диссертации.

В Главе I производится анализ используемых и перспективных методов и средств для идентификации пород древесины. Приводится перечень идентификационных характеристик и описываются существующие методы идентификации, а также формулируются требования к контролю породы древесины.

Кратко приводятся результаты предварительных исследований, на основе которых строится предполагаемое решение задачи идентификации. Рассматриваются разработанные ранее спектрофотометрические методы и приборы для идентификации породы древесины, производится анализ отказа от их применения.

В Главе II приведено описание концепции построения прибора, а также определение требований к его компонентам. Выполнен анализ различных вариантов источников и примников излучения, разработана функциональная схема прибора.

Исходя из функциональной схемы прибора и выбранных источников и примников излучения разработаны оптическая и электронная схемы.

Во время исследования были получены спектры диффузного отражения различных пород древесины. Для упрощения описания методики взято всего три породы.

Все три различных породы древесины имеют как ряд сходств, так и некоторые различия. Полученные спектры можно различить как по абсолютной величине (например, на длине волны 700 нм все три спектра далеко отстоят друг от друга по интенсивности), так и по первым производным спектральных функций (наклон кривых несколько меняется на длинах волн около 600 и 800 нм). Данные отличия названы индивидуальными признаками. Если же провести анализ множества образцов древесины, то можно заметить тот факт, что спектры одной и той же породы могут отличаться друг от друга больше, чем от спектров другой породы.

Данный факт иллюстрирует рис. 1.

Коридоры спектров диффузного отражения некоторых пород древесины 1, Интенсивность излучения, отн.ед.

0, 0, 0, 0, 0, 0, Берёза повислая 0, Ель обыкновенная 0, Сосна обыкновенная 0, 0, 400 500 600 700 800 Длина волны, нм Рисунок 1. Комплекс коридоров спектров различных пород древесины Построив совокупность спектров образцов одной породы, отберм предельные по высоте точки, получим, таким образом, коридоры спектров для породы. На рисунке видно, что коридор для породы «Ель» полностью лежит в коридоре для породы «Сосна». Таким образом, отличить по абсолютной величине данные породы невозможно, у породы «Ель» нет абсолютных индивидуальных признаков. С другой стороны, порода «Берза» также частично пересекается с коридорами пород «Ель» и «Сосна», хотя в области пересечения имеет место различный общий наклон спектральных функций. Таким образом, чисто эмпирически отличить породу древесины по е спектру возможно. Следовательно, есть возможность формализации и автоматизации идентификации спектра образца древесины.

На рис. 1 видны различия как по абсолютной величине, так и по различному наклону спектральных функций различных пород. Открывается возможность реализации двух направлений идентификации, создания двух методов – метода сравнения первых производных и разностного метода.

В основу метода сравнения первых производных положены принцип сжатия коридоров спектральной информации и методика накопления индивидуальных признаков для пород. Алгоритм идентификации, реализующий данный метод, был впервые предложен профессором, д.т.н., Смирновым А.П. Алгоритм был доработан и внедрн автором настоящей диссертации в опытно-конструкторской работе «Кедр», проведнной в Санкт-Петербурге в ЗАО «Научно-производственный центр «Инновационная техника и технологии». Рис. 2 иллюстрирует процесс сжатия спектральной информации.

Рисунок 2. Сжатие коридора спектральной информации На рисунке видно, что спектр породы s по абсолютной величине лежит вне пределов коридора породы, однако имеет сходный наклон кривой. Возьмм точку спектра s на длине волны 0. Проведм все спектры из коридора через данную точку.

Если наклон кривой спектра s соответствует спектрам выбранного коридора, то по абсолютной величине данный спектр окажется внутри коридора. Таким образом, фактически, вычисляется первая производная (наклон кривой) и проверяется е соответствие коридору первых производных выбранной породы. Данная операция проводится для всех пород из базы данных по спектрам пород.

Для того чтобы оценить численно степень соответствия, вычисляется количество индивидуальных признаков для каждой из пород из базы данных. Рис. иллюстрирует процесс подсчта индивидуальных признаков для пород.

На рис. 3.а видно, что коридоры пород A и B сжаты на длине волны 0. На длине волны + коридоры пород полностью расходятся, то есть у каждой из пород при длине волны сжатия 0 на длине волны + есть индивидуальный признак, а на длине волны - коридоры пород пересекаются, то есть индивидуального признака нет. Если теперь спектр исследуемого образца после сжатия на длине волны 0 попадт на длине волны + в один из коридоров, то у него появится один балл в пользу породы, для которой построен коридор спектров.

Рисунок 3. К вопросу подсчёта количества индивидуальных признаков Чтобы оценить соответствие спектра какой-либо породе (назовм данную величину уверенностью идентификации), необходимо для каждой из пород подсчитать общее количество индивидуальных признаков, сжав коридоры на каждой длине волны из диапазона измерений. После этого подсчитывается количество баллов в пользу каждой из пород и делится на количество признаков каждой из пород. Таким образом, получаем набор уверенностей для каждой из пород.

Эмпирически были установлены уровни уверенностей. Для уверенности до 0, вероятность соответствия была самой низкой. Для уверенности свыше 0,33 образцы соответствовали породам из базы. Для уверенностей от 0,25 до 0,33 количество соответствий и количество несоответствий образцов породам из базы оказались близки. Таким образом, если прибор после подсчта уверенностей получает число, меньшее 0,25, то результат работы алгоритма – несоответствие спектра исследуемого образца породе из базы данных. Если выше 0,33 – соответствие. Если между 0,25 и 0,33 – прибор требует повторения исследования на других образцах.

Следует отметить, что признаки пород могут быть частичными. Так, например, на рис. 3.б на длине волны + коридоры пересекаются, но частично. В этом случае можно считать вес признака не единичным и не нулевым, а численно равным отношению индивидуальных отрезков к общей ширине коридора данной породы.

Экспериментально установлено, что не имеет смысла использовать признаки, вес которых меньше 0,5. То есть для факта пересечения более, чем половины ширины коридора, можно сказать, что признак неинформативен.

Разностный метод идентификации базируется на сравнении спектров по абсолютной величине уровня интенсивности сигнала на всех длинах волн. Методику расчта уверенности по разностному методу иллюстрирует рис. 4.

Рисунок 4. К вопросу расчёта уверенности разностным методом Для каждого спектра из базы данных подсчитывается величина соответствия по следующей формуле 1:

, (1) где A, B – исследуемая порода и порода из базы данных;

n – количество точек длин волн в спектре;

i – разность спектров на очередной длине волны.

Данная величина характеризует соответствие одного спектра другому.

Вычислив среднее значение данной величины в пределах спектров каждой из пород, получим набор соответствий исследуемого спектра каждой из пород в базе данных.

Для подсчта уверенности распознавания воспользуемся эмпирически установленной формулой 2:

, (2) где Dmax – максимальная величина соответствия, D2 – второе по величине соответствие, U – уверенность распознавания.

Для реализации алгоритма идентификации была разработана концепция прибора, включающая в себя структурную, оптическую и электронную схемы.

Структурная схема контрольно-измерительного прибора изображена на рис. 5.

На схеме видно, что помимо классических компонентов – источника излучения, объекта исследования, оптической схемы, примника излучения, контроллера примника и вычислительного модуля с устройством вывода в схему введены такие компоненты, как датчики температуры, модуль термостабилизации примника излучения, а также схема управления источником излучения. Для полевого исполнения прибора должен обеспечиваться широкий рабочий диапазон температур прибора (от минус 30 С до 45 С). К сожалению, фотопримники, работающие в таком диапазоне температур – редкость. В связи с этим фактом введн модуль термостабилизации. Он построен на базе термоэлектрического модуля Пельтье.

Рисунок 5. Структурная схема контрольно-измерительного прибора В схеме присутствуют датчики температуры, которые размещаются на фотопримниках. Свойства фотопримников исследуются для каждого прибора и запоминаются в памяти ЭВМ для дальнейшей алгоритмической коррекции погрешностей.

Оптическая схема прибора (Рис. 6) содержит всего один силовой оптический элемент – вогнутую многосекционную дифракционную решетку. Конструктивно прибор выполнен в виде двух спектрофотометров, один из которых работает в видимой области спектра, а второй – в ближней инфракрасной. Световой поток от источников излучения видимого и инфракрасного диапазонов, размещнных в одном фотометрическом шаре, падает на торцевую поверхность исследуемого объекта, отражается от не и через входную щель попадает на дифракционные рештки.

Диспергирующие элементы разлагают сигнал, полученный от исследуемого образца, в линейный спектр излучения и проецируют его не на отдельные фотопримники, а на ПЗС-линейки примников. С приемников сигнал поступает на встроенный микроконтроллер, где происходит его первичная обработка и преобразование в цифровой вид. Таким образом, схема лишена механических элементов (за исключением шторки для снятия темнового сигнала, поз. 9), что позволило значительно сократить время получения одного измерения.

Рисунок 6. Упрощённая оптическая схема прибора «Кедр» - объект исследований (образец древесины);

- входное окно прибора;

- фотометрический шар со встроенными источниками излучения;

- источник излучения видимой области спектра;

- выходное окно фотометрического шара;

- ПЗС-линейка на видимую область спектра;

- вогнутая стигматическая дифракционная решетка видимой области спектра;

- источник излучения инфракрасной области спектра;

- входные щели с электромеханической шторкой;

- фотогальванический приемник ИК-излучения;

- вогнутая стигматическая дифракционная решетка ИК-области спектра.

В Главе III рассмотрено создание информационного обеспечения контрольно измерительного прибора для идентификации породы древесины. Приведены алгоритмы программ и описания структур данных. Выполнен анализ особенностей применения прибора в таможенных органах, разработана часть программы, отвечающая за взаимодействие с конечным пользователем (интерфейс программного обеспечения).

На рис. 7 приведн алгоритм, реализующий методику идентификации, описанную в главе II. Алгоритм встроен в программное обеспечение, работающее непосредственно в вычислительном модуле прибора.

Алгоритм идентификации древесины Получение исследуемого спектра в диапазоне длин волн 0,4...4,0 нм Цикл по всем породам древесины Сжатие коридоров Выбор максимального спектральной соответствия по методу Значения информации сжатия коридоров соответствия Вычисление соответствия исследуемого спектра породе древесины из БД База данных спектров различных пород древесины Цикл по всем спектрам из БД Вычисление соответствия Значения разностным методом соответствия Вычисление средних значений Средние соответствия по значения породам соответствия по породам Выбор максимального соответствия по разностному методу Соответствия нет да относятся к разным породам Сложение соответствий с по весовым коэффициентам – получение уверенности идентификации Сумма меньше порогового нет значения да Идентификация Порода древесины Идентификация неуверенная не определена уверенная Сообщение о породе и уверенности Рисунок 7. Алгоритм идентификации породы древесины В Главе IV приводится описание опытных образцов приборов, а именно:

конструкция, технические характеристики, методика юстировки, процесс аттестации.

Исследуются погрешности измерений СКДО образцов древесины, приводятся описания мер по обеспечению достоверности результатов идентификации.

Производится синтез способов компенсации погрешностей прибора для повышения уверенности идентификации и оптимизации массогабаритных характеристик.

Приводятся результаты экспериментальных исследований метода и прибора для идентификации породы древесины. Произведена проверка достоверности результатов в зависимости от породы древесины, от е влажности и качества обработки поверхности.

Вследствие того, что древесина является естественным объектом, и спектры диффузного отражения от торцов древесины могут зависеть от ряда факторов, характерных не только для данной породы, но и, например, для состава почв, на которых произрастал объект исследования, или химических особенностей воды в регионе произрастания, очень сложно собрать достаточный статистический материал для точного определения требований к погрешностям измерений. В связи с этим требования к погрешностям измерений были установлены эмпирически, в ходе эксплуатации опытных образцов приборов «Кедр».

Вопрос об оценке допустимых значений погрешностей измерений СКДО и погрешности установки шкалы длин волн для прибора был поставлен после проведения исследований по сбору базы данных спектров различных пород древесины.

Для оценки был выбран допустимый предел изменения уверенности идентификации1 – 5 %. Этот предел означает, что результаты уверенности идентификации для самых близких пород древесины лежат на грани неуверенной идентификации (33 %). В случае изменения уверенности вследствие погрешности измерений, идентификация объекта будет неуверенной.

Уже первые испытания опытного образца показали, что при прогреве прибора до установления термодинамического равновесия с окружающей средой уверенность идентификации меняется значительно более чем на 5 %. Данный факт потребовал проработки вопроса исследования и компенсации погрешности вследствие температурной нестабильности спектрофотометра.

Для изучения вопроса температурной нестабильности в схему прибора были внесены два температурных датчика для постоянного контроля температуры во время измерений. Один из датчиков был размещн вблизи фотопримника видимой области спектра, второй – вблизи фотопримника для инфракрасной области спектра.

Уверенность идентификации – результат работы алгоритма идентификации. 100% - абсолютная уверенность;

25…33% - требование прибора повторить измерения для других образцов;

менее 25% - отрицательный результат идентификации В результате было проведено исследование дрейфа показаний фотопримников в зависимости от температуры, эта зависимость послужила основой для алгоритмической (цифровой) компенсации погрешностей.

Эмпирически было установлено, что изменение уверенности идентификации прибора вызывается изменением показаний фотопримников на 5% (среднее значение по всему спектру). В связи с этим было сформулировано требование для средства измерений для СКДО: «Пределы допускаемой абсолютной погрешности измерения спектральных коэффициентов диффузного отражения: ±5 %».

Погрешность установки шкалы длин волн для прибора была установлена в пределах ±10 нм. Данная величина была получена путм сравнения показаний двух приборов, шкала длин волн одного из которых смещалась относительно шкалы длин волн второго. База данных спектров пород древесины была собрана на одном из приборов, затем она была перенесена на второй прибор и уже на нм производилась непосредственная идентификация.

При различиях в установке шкал длин волн на приборах менее 2 нм самые плохие результаты идентификации ухудшились менее чем на 1 %. Предел в 5 % был достигнут при смещении шкалы длин волн на втором приборе более, чем на 10 нм.

Среднеквадратические отклонения погрешностей были исследованы при аттестации прибора.

Достоверность результатов идентификации зависит от трх факторов – приборная погрешность, ошибки оператора и методическая погрешность. При формулировании требований к средству измерений был установлен допустимый предел изменения уверенности идентификации вследствие проявления приборных погрешностей – 5 %. Для изучения методической погрешности были привлечены силы потенциального заказчика – Федеральной таможенной службы РФ. Благодаря приказу ФТС со всей России были присланы образцы 32 пород древесины. Были проведены исследования, подтверждающие правильность полученных ранее результатов об отличиях и сходствах между породами.

Так, например, наличие в одной базе данных спектров ели и сосны сильно уменьшает уверенность их идентификации друг от друга. Южные породы (дуб, клн, липа и др.) идентифицировались в 100 % случаев для всех присланных образцов.

В разрабатываемом приборе были выявлены две основные причины возникновения погрешностей измерений. Это нелинейность свойств примников совместно с электронным трактом и зависимость чувствительности фотопримников от температуры. В рамках работы было проведено исследование этих явлений и была предпринята попытка цифровой (алгоритмической) компенсации погрешностей.

Суть алгоритмической коррекции заключается в следующем: выделяется фиксированный набор тел (называемых впоследствии эталонами), спектры которых измерены как на стационарном оборудовании с высокой точностью, так и на портативном спектрофотометре, входящим в состав прибора «Кедр». Различие вида спектров, полученных на стационарном оборудовании и спектральной информации, полученной на портативном спектрофотометре, позволяет изучить факторы, повлиявшие на изменение вида спектральной информации.

В ходе работы в качестве эталонов применялись четыре различных поверхности, внешне представляющие собой градацию серого цвета. Спектры этих эталонов были измерены на специализированном оборудовании в ГОИ им. Вавилова.

Для краткости будем в дальнейшем называть спектрофотометр, входящий в состав прибора «Кедр» портативным, а спектральное оборудование высокой точности – стационарным.

Временно зафиксируем длину волны. Обозначим количество эталонов за.

На стационарном спектрофотометре интенсивность излучения этих эталонов равна, на портативном. Задача заключается в нахождении функции пересчета интенсивности на портативном спектрометре в интенсивность на стационарном. Обозначим эту функцию через. В конкретной задаче мы будем ограничивать вид функции и искать саму функцию методом наименьших квадратов, т.е. выбирать параметры так, чтобы число (3) было минимально.

Экспериментально установлено, что функцию можно считать линейной (рис.8).

Взаимосвязь уровня сигнала и показаний фотоприёмника 0, Уровень сигнала, отн. ед.

0, 0, 0, 0,2 0,3 0,4 0,5 0,6 0,7 0, Показания фотоприёмника, отн. ед.

Рисунок 8. Функция s(p) Положим (4) где – параметры. Точка минимума функционала находится из соотношений (5) Имеем (6) (7) Получили систему из двух уравнений на две неизвестные ( ). Система всегда невырождена, поэтому решение существует, единственно и задается формулами (8) (9) Отметим, что в нашем примере Также отметим, что все это делалось для фиксированной длины волны. На самом деле все числа в этих расчетах зависят от :

.

После расчета функции спектр любого объекта, снятого на портативном спектрометре, можно преобразовать в линию, близкую к спектру того же объекта, снятого на стационарном спектрометре. Пусть снятый спектр есть функция.

Тогда преобразованный спектр вычисляется по формуле (10) Было обнаружено, что спектр, получаемый на портативном спектрофотометре, сильно зависит от температуры. При изменении температуры уровень сигнала фотопримной линейки меняется. В наших обозначениях это означает, что все данные, полученные на портативном спектрометре, являются еще и функциями температуры:. Поэтому спектры эталонов снимаются не однократно, а в течение некоторого промежутка времени, пока прогревается прибор. На Рис.9 показана зависимость уровня сигнала, получаемого от одного и того же эталона на одной и той же длине волны от температуры. Это фактически график функции от аргумента при фиксированных параметрах.

Термокоррекция заключается в построении функции по значениям. Отметим, на практике сама функция неизвестна, известны лишь ее значения при определенных значениях температуры: Поскольку алгоритм вычисления функции описан выше, достаточно построить семейство функций по значениям, где Рисунок 9. Изменение уровня сигнала фотоприёмника в зависимости от температуры Экспериментально установлено, что можно искать в виде квадратичной функции, т.е.

(11) Параметры подбираются как точка минимума функционала (12) Точка минимума функционала находится из соотношений (13) Решив систему из трх уравнений на три неизвестные (например, по методу Крамера) можно получить полную зависимость свойств примника от температуры.

Рисунок 10. Внешний вид прибора «Кедр» В результате, после применения технологии алгоритмической компенсации погрешностей измерений, удалось значительно повысить качество входящего в состав прибора «Кедр» спектрофотометра, уменьшить погрешность измерения спектральной информации, что обеспечило уверенную идентификацию пород древесины. На рис. 10 приведено фото серийно выпускаемого прибора «Кедр».

В Заключении приведены краткие итоги проделанной работы, направления дальнейших исследований, основные публикации по теме диссертации.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ 1 Выполнено исследование существующих методов качественной оценки (идентификации) естественных объектов на примере пород древесины. Выбран оптимальный с точки зрения применимости и уверенности идентификации объективный спектральный метод, основанный на анализе спектрального коэффициента диффузного отражения светового потока от торца древесины.

2 Разработан и внедрн в опытных экземплярах приборов алгоритм идентификации породы древесины на основе анализа спектральной информации об исследуемых образцах. Алгоритм представляет собой композицию двух различных методов идентификации.

3 В опытных экземплярах приборов реализована алгоритмическая (цифровая) компенсация погрешностей, возникающих вследствие нелинейности свойств примников оптического излучения в зависимости от интенсивности падающего на них излучения, а также из-за температурной нестабильности результатов определения спектрального коэффициента диффузного отражения.

4 Предложена и реализована концепция построения портативного прибора для идентификации в виде моноблока – спектрофотометр и многофункциональный вычислительный комплекс с устройствами отображения информации в одном корпусе.

5 Собрана база данных по спектрам диффузного отражения различных пород, произрастающих на территории Российской Федерации.

6 Обеспечена возможность решения ряда вопросов, связанных с применением разработанных алгоритмов идентификации и образцов приборов для идентификации других объектов (степень созревания сельскохозяйственных культур, качество мясопродуктов, идентификация жидкостей).

Основные результаты диссертации опубликованы в следующих работах:

1 Воронин А.А., Митрофанов С.С. Исследование нелинейности позиционно чувствительного примника фирмы «Hamamatsu» // Известия вузов.

Приборостроение. 2007. Т.50, №4. с. 47-50.

2 Воронин А.А., Смирнова Е.В., Смирнов А.П. К вопросу идентификации пород древесины с применением методов анализа спектров // Научно-технический вестник СПбГУ ИТМО, №2(66)/2010, с.5-11.

3 Воронин А.А., Смирнова Е.В., Фаизов И.Н. Алгоритмическая коррекция погрешностей портативного спектрофотометра // Известия вузов.

Приборостроение. 2011. Т. 54, №1. с.74-78.

4 Латыев С.М., Смирнов А.П., Воронин А.А., Падун Б.С., Яблочников Е.И., Фролов Д.Н., Табачков А.Г., Тезка Р., Цохер П. Концепция линии автоматизированной сборки микрообъективов на основе адаптивной селекции их компонентов // Оптический журнал. №7(76)/2009. с. 79-83.

5 Колгин Е.А., Ухов А.А., Воронин А.А., Кострюков А.А., Черноглазов В.С., Савушкин А.В. Спектрометрическое устройство для идентификации пород древесины // Петербургский журнал электроники. 2008. №2(55)-3(56). с. 116-120.

6 Ermolaeva E.V., Tabachkov A.G., Voronin A.A., Zocher K.-P. Adaptive und Selective Montage (ASM) von Mikroskopobjektiven // Сборник трудов международного коллоквиума. Секция Машиностроительного факультета Технического Университета г. Ильменау, 8 – 12 сентября 2009 г. с. 13-15.

Тиражирование и брошюровка выполнены в учреждении «Университетские телекоммуникации» Тел.: (812) 233-46-69, объм 1 п.л.

Тираж 100 экз.