СРАВНИТЕЛЬНЫЙ АНАЛИЗ СУЩЕСТВУЮЩИХ ТЕХНОЛОГИЧЕСКИХ РЕШЕНИЙ, ПРИМЕНЯЕМЫХ ДЛЯ ИДЕНТИФИКАЦИИ ФИЗИЧЕСКИХ ОБЪЕКТОВ

COMPARATIVE ANALYSIS OF EXISTING TECHNOLOGICAL SOLUTIONS USED TO IDENTIFY PHYSICAL OBJECTS

Michael Sobko

student, Department of System Analysis and Logistics, Saint Petersburg State University of Aerospace Instrumentation,

Russia, Saint Petersburg

АННОТАЦИЯ

В статье проводится сравнительный анализ существующих технологических решений для идентификации материалов.

ABSTRACT

The article provides a comparative analysis of existing technological solutions for the identification of materials.

Ключевые слова: идентификация материалов, штрих-кодовая идентификация, радиочастотная идентификация (RFID), сенсорная идентификация, машинное зрение.

Keywords: Material identification, barcode identification, radio frequency identification (RFID), sensory identification, machine vision.

Сравнительный анализ существующих технологических решений, применяемых для идентификации физических объектов

1. Штрих-кодовая идентификация

Штрих-коды чаще всего используются для автоматизации перемещения товаров. Наиболее широко используемый тринадцати-битный код EAN-13, разработанный в 1976 году на основе кода UPC (Universal Product Code). Смысл этой технологии заключается в нанесении метки в виде последовательности столбцов, которые вместе с пробелами между строками заменяют числовые значения. Считывание данных со штрих-кода осуществляется оптическими машинами (сканерами).

Преимущества использования идентификации по штрих-коду включают в себя:

• Сокращение бумажного документооборота и количества ошибок;
• Увеличенная скорость обработки;
• Автоматизация распределения товаров.

Основными недостатками идентификации по штрих-коду являются следующие:

• Данные идентификационного знака не могут быть дополнены – штрих-код записывается только один раз при печати;
• Не может хранить большое количество данных;
• Информация вводятся в бирку медленно, так как липкие этикетки со штрих-кодом часто наносятся вручную;
• Данные на метке представлены в открытом виде и не защищают товары от подделок и краж;
• Этикетки со штрих-кодом недолговечны, поскольку они не защищены от внешних воздействий и механических воздействий.

В наше время идентификация по штрих-коду начинает вытесняться технологией радиочастотной идентификации.

2. Радиочастотная идентификация

В средствах радиочастотной идентификации (RFID - Radio Frequency Identification) разработчики стараются развить достоинства идентификации по штрих-коду, которые им доступны и пытаются обходить большинство недостатков и ограничений. RFID может получать информацию, записанную в цифровом виде в памяти носителя, без прямого контакта путем обмена картой-приемником по принципу возбуждения пассивной электромагнитной цепи, встроенной в пластиковую карту или иной носитель.

Расстояния, на которых информация может быть считана и записана, находиться в интервале от пары миллиметров до нескольких метров, это зависит от используемой несущей частоты, которая колеблется от 125 кГц до 5,8 ГГц. Большинство используемых носителей используют компоненты производства Angstrem, HID, Atmel, Mifare, EM Microelectronic Marin, Microchip и т.д. Чаще всего используются несущие частоты 125 кГц или 13,56 МГц. Пример RFID метки приведен на рисунке 1.

Рисунок 1. RFID метка

3. Сенсорная идентификация

Рассмотрим возможность использования датчиков для идентификации объектов. Бесконтактные датчики положения обнаруживают объект в зависимости от принципов работы: индуктивные, емкостные, оптические.

Датчики приближения определенного типа выбираются в зависимости от параметров и свойств обнаруживаемого объекта (например: форма, цвет), а также условий окружающей среды и условий эксплуатации. Датчики приближения или бесконтактные переключатели обладают огромным ресурсом, так как они не содержат механических движущихся частей, и высокой частотой переключения.

Емкостные датчики положения объекта (емкостные датчики) являются одним из самых популярных типов бесконтактных концевых выключателей. Бесконтактные емкостные датчики имеют определенные преимущества перед индуктивными датчиками, например, реагируют на объекты, изготовленные из различных материалов. Цвет объекта также не влияет на расстояние обнаружения.

Бесконтактные индуктивные датчики являются самыми популярными концевыми выключателями, и в настоящее время без них практически невозможно обойтись в автоматизированном производстве. Если сравнивать индуктивные датчики приближения с механическими переключателями, то преимущества очевидны: бесконтактный принцип работы, отсутствие движущихся и трущихся частей, высокая частота переключения в сочетании с высокой точностью отклика. Индуктивные бесконтактные переключатели представляют собой миниатюрные металлодетекторы и могут обнаруживать предметы, изготовленные из любого металла. На индуктивные датчики не влияют: высокая влажность, пыль, вибрация.

Магнитно-индуктивные датчики предназначены для бесконтактного определения положения объектов. Магнитные датчики положения работают без механического износа и имеют преимущество перед индуктивными датчиками приближения, поскольку они имеют большее расстояние считывания при тех же размерах.

Для точного определения положения объекта бесконтактным способом на большом расстоянии используются оптические датчики положения или, как их еще называют, фотоэлектрические датчики. Если для индуктивных датчиков приближения имеет значение, из какого материала состоит объект измерения, то фотоэлектрические датчики обнаруживают объекты из любого материала. Дополнительным преимуществом является то, что по сравнению с другими датчиками приближения, такими как емкостные или индуктивные датчики, бесконтактные переключатели имеют гораздо большее расстояние срабатывания.

4. Машинное зрение

Для распознавания объектов применяют “машинное зрение”.  Для этого модулю сортировки необходимы системы искусственного интеллекта. Идентификация предметов производится с помощью нейронной сети, обученной на образцах, собранных в dataset. Чем больше параметров применяют для оценки, тем выбор сортировщика становится более точным, но при этом требуется больше вычислительной мощности.

Машинное зрение — это способы автоматизированного распознавания и обработки объектов реального мира для решения различных производственных задач.

На данный момент разработано множество различных алгоритмов распознавания изображений, но эта область до конца не изучена. Основной проблемой является отсутствие легко применимых математических моделей для различных реальных ситуаций.

Проблема заключается в том, что на изображениях могут быть абсолютно любые предметы, могут быть перегружены информацией. Изображения даже одинаковых объектов очень разные - возьмем, к примеру классическую задачу классификации кошек и собак - животные каждой группы бывают разных пород, могут занимать различные положения тел и т.д. Вследствие этого рождается множество частных методов идентификации.

Методы технического зрения дают возможность автоматизировать процесс сортировки и отбраковки продукта (рисунок 2). Заменив «человеческий фактор», роботы повышают качество продукции и производительность, уменьшают количество брака.

С помощью нейронных сетей выполняется анализ и обработка изображения, производится автоматическое классификация объектов по категориям и выводится отчет об итогах обработки в удобной форме. Пример сортировка с помощью видеокамеры приведен на рисунке 2.

Рисунок 2. Автоматическая сортировка на конвейере с помощью видеокамеры

Во время отбраковки может производиться анализ целостности и комплектации упаковки, наличие нанесенных маркировок и этикеток.

Также могут анализироваться различные признаки: отношение продукта к какому-либо классу в соответствии с их свойствами по форме, цвету, геометрическим размерам, фактуре и др.)

Преимущества применения систем машинного зрения:

• Высокая точность идентификации (95 % и более);
• Отсутствие "человеческого фактора”;
• Управление роботом в режиме реального времени;
• Объединение с АСУ ТП;
• Возможность осуществления контроля по нескольким признакам.

Область применения: сортировка в фармацевтической промышленности, сортировка в пищевой промышленности и др.

СТЗ и видеодатчики относятся к наиболее результативным инструментам автоматизации учета и сортировке продукции в производстве (рисунок 3).  СТЗ при идентификации способна считывать и различать различные размеры любых символов, логотипов, штрихкодов, или любую комбинацию этих компонентов. Пример считывания 2D-кода и цифровой маркировки приведён на рисунке 3.

Рисунок 3. Автоматическое считывание 2D-кода и цифровой маркировки

Вывод

Рассмотрены различные технологические решения, применяемые для идентификации материалов: штрихкодовая, радиочастотная, сенсорная, с применением машинного зрения. Методы машинного зрения выглядят наиболее перспективными. Именно систему идентификации объектов с помощью машинного зрения планируется применять в данном проекте.

Список литературы:

1. Григорьев, П. В. Особенности технологии RFID и ее применение / П. В. Григорьев. — Текст: непосредственный // Молодой ученый. — 2016. — № 11 (115). — С. 317-322.
2. Zamberletti A.; Gallo I; Albertini S. Robust Angle Invariant 1D Barcode Detection // Pattern Recognition (ACPR), 2013 2nd IAPR Asian Conference, 2013. pp. 160-164. DOI: 10.1109/ACPR.2013.17
3. Lin Jeng-An, Fuh Chiou-Shann. 2D barcode image decoding. // Mathematical Problems in Engineering, 2013.Vol. 2013. P.10. DOI: 10.1155/2013/848276.
4. Parikh Devi, Jancke Gavin. Localization and segmentation of a 2D high-capacity color barcode. // In Applications of Computer Vision, 2008. WACV 2008. IEEE Workshop on, 2008. P. 1-6. DOI:10.1109 WACV.2008.4544033.
5. Rogers D., Adams A. Mathematical elements for computer graphics. Second Edition. // Publ. McGraw-Hill Science Engineering Math 1989. P. 512.