ПРОБЛЕМЫ АВТОМАТИЗАЦИИ КОНТРОЛЯ МАГНИТНЫХ ПОЛЕЙ РАССЕЯНИЯ С ПОМОЩЬЮ МАГНИТНЫХ ЖИДКОСТЕЙ

Магнитные жидкости (МЖ) как новые искусственные перспективные материалы для приборостроения, медицины и сепарации полезных ископаемых появились раньше, чем термин «нанотехнологии». МЖ представляют собой стабилизированные коллоидные растворы ферро- или ферримагнитных частиц в немагнитных носителях. Размер магнитных частиц составляет порядка 10 нм, поэтому МЖ иногда рассматривают как нанодисперсные материалы. За почти 50 лет исследования и применения МЖ были разработаны электромеханические преобразователи, герметизаторы, датчики физических величин, сепараторы и рентген-контрастные вещества для медицинских исследований.
На основе магнитных жидкостей получены индикаторные среды, используемые для визуализации дефектов на поверхности изделий, способных намагничиваться в слабых магнитных полях. Разработка таких индикаторных сред позволила предложить новые способы и устройства для контроля магнитных полей рассеяния магнитных головок (МГ) и сигналограмм [1,2,3,4], устройство для визуализации магнитного поля, способы определения полей рассеяния МГ и коэрцитивной силы магнитного носителя, метод моделирования критических зон записи. Индикаторными средами, способными визуализировать поля рассеяния микроскопических намагниченных объектов или дефекты на поверхностях изделий, способных намагничиваться в слабых магнитных полях являются: магнитные жидкости, мелкодисперсные эмульсии магнитных жидкостей [5-8], магнитные жидкости с микрокапельными агрегатами [9].
В настоящее время развитие технологии производства и применение вычислительной техники позволяет не только проводить многосторонние исследования хаpaктеристик разнообразных технических устройств, но и ставит задачу по автоматизации процесса измерений, повышению точности получаемых результатов, что позволит значительно сократить время исследования и число занятых в исследовательском процессе людей.
При использовании магниточувствительных жидкостей необходимо контролировать такие их параметры как количество и размеры дисперсной фазы, распределение по размерам, поли-или монодисперсность их состава. Использование в качестве датчиков магнитных полей рассеяния микрокапельных агрегатов размером порядка 1 мкм ставит задачу контроля их прострaнcтвенного расположения, размеров и формы. Для автоматизации способов контроля магнитных полей рассеяния микроскопических объектов, описанных в работах [1-13], необходимо реализовать получение, оцифровку и распознавание изображений, полученных с помощью магнитооптических датчиков.
Распознавание видеоизображений является отраслью, использующей возможности самых разных областей математики, средств вычислительной техники и методов программирования. Наиболее распространенными методами распознавания изображений являются экстремально-корреляционные, статистические, структурно-лингвистические, геометрических инвариантов. Эти методы основаны на сравнении эталонного и анализируемого изображений непосредственно или через вторичные признаки. Вне зависимости от метода качество сравнения в сильной степени зависит от идентичности условий освещения и наблюдения анализируемого и эталонного изображений.
Целью данной работы является автоматизация анализа видео и фотоизображений микроскопических датчиков, полученных разными методами для контроля полей рассеяния магнитных головок и сигналограмм.
Контролируемыми параметрами могут быть размеры, форма, расположение и перемещение микроспокических объектов внутри датчика.
Разработаны алгоритмы для выделения цельных непрерывных объектов, основанные на теории графов, а именно, на волновом принципе нахождения пути с минимальным количеством вершин.
Для дисперсионного анализа микрофотографий разработано программное средство MJ_FOTOSCAN [14]. Работа программы состоит из 2-х основных этапов: оцифровки и анализа. После оцифровки микрофотографий следует этап их распознавания и анализа количества и размера агрегатов МЖ. Разработанная программа производит следующие операции: преобразует фотографию в серой цветовой гамме (градация серого цвета) в монохромное изображение; полученное монохромное изображение подвергается последующему распознаванию и анализу. Методика анализа дискретизированного черно-белого изображения основана на выделении отдельных групп черных точек, которые непосредственно соединены друг с другом, то есть являются соседними по горизонтали и вертикали. После этого программа строит диаграмму распределения агрегатов по размерам. На основании полученной диаграммы можно сделать вывод о возможности применения данной МЖ для получения датчиков магнитного поля и оценить их чувствительность.
Алгоритм процесса распознавания, анализа и моделирования динамики движения объектов на изображениях состоит из основных шагов:
1) получение исходного изображения (путем сканирования, видеокамера, Web-камера,
фотографирования, снятия информации с сенсорных датчиков и т.п.);
2) предобработка изображения, которая включает этапы нормализации и сегментации:
2.1) нормализация изображения (в том числе регистрация изображений, нормализация яркости, фильтрация изображения, бинаризация изображения, преобразование цветного изображения в тоновое, устранение шумов, выравнивание гистограммы яркости и т.п.);
2.2) сегментация изображения для выделения объектов и областей, представляющих интерес для решения поставленной задачи;
2.2.1) обработанное изображение состоит из двух цветов (черного и белого). Выполняется поиск ограниченных областей черного цвета, и при нахождении выполняется заливка объекта в уникальный цвет палитры RGB;
2.2.2) после заливки объекта на изображении информация о его месте нахождения и цвете выбранной заливки записывается в базу данных;
2.2.3) генерация нового, уникального цвета, повтор выполнения первой операции. Так как залитые области на изображении имеют уже не черный цвет, вследствие чего продолжаемая обработка изображения игнорирует найденные объекты и продолжает поиск новых, закрашенных в черный цвет;
2.2.4) на данном этапе мы имеем изображение, на котором объекты закрашены в разные цвета и информация о «точке столкновения» с объектом и цвете заливки записана в базу данных. Далее выполняется последовательное чтение записей и производится анализ каждой закрашенной области на изображении, при котором вычисляются точные координаты границ (вертикальных и горизонтальных), производится точный подсчет количества пикселей объекта и образ, преобразованный в массив, состоящий из координат каждой точки закрашенной области, записываются в базу данных. Данный набор операций применяется к каждому объекту, в результате образы каждой области изображения хранятся в базе данных;
2.2.5) применение алгоритмов предобработки изображений к выделенным областям (выделение остова, выделение контура и т.п.).
3) повторение выполнения первых двух шагов с интервалом времени, необходимым для выполнения операций получения и обработки изображения. По достижению нужного количества обработанных изображений переходим к следующему шагу распознавания образов;
4) применение одного или нескольких алгоритмов распознавания к полученным моделям объектов изображений, хранящихся в базе данных, по которым со 100% точностью можно восстановить каждое исходное черно-белое изображение. К объектам, хранящимся в таком виде можно применить любой способ описания, сравнения и сопоставления друг с другом;
5) поиск подобных объектов, находящихся на разных изображениях по выбранному методу сравнения и условий подобия. Построение геометрической модели движения с учетом времени и свойств объекта. Построение визуальной модели движения объектов на основе геометрической модели и образа объекта, хранящегося в базе данных. Данный этап можно производить параллельно с остальными этапами моделирования и динамически, с небольшим отставанием во времени следить за движением изучаемого объекта и отображать результаты в режиме реального времени.
Программная реализация описанного алгоритма основана на использовании сервера баз данных с реляционной архитектурой на основе MS SQL Server 2000.
СПИСОК ЛИТЕРАТУРЫ:
- А.с. 943618 (CCCР), Опубл. в Б.И.,1982, N 28.
- А.с. 949558 (CCCР), Опубл. в Б.И.,1982, N 29
- А.с. 1483485 (CCCР), Опубл. в Б.И.,1989, N 20
- А.с. 1465843 (CCCР), Опубл. в Б.И.,1989, N 10
- А.с. 940049 (CCCР), Опубл. в Б.И.,1982, N 24
- А.с. 966735 (CCCР), Опубл. в Б.И.,1982, N 38
- А.с. 1132213 (CCCР), Опубл. в Б.И.,1984, N 48
- Шагрова Г.В. Магниточувствительные жидкости для визуализации дефектов //Сборник научных трудов «10-я юбилейная международная Плесская конференция по магнитным жидкостям», Плес, Россия, сентябрь 2002. с. 172-177
- Шагрова, Г. В. Визуализация и определение полей рассеяния магнитных сигналограмм //11- международная Плесская конференция по магнитным жидкостям: сб. науч. тр./ Плес, сентябрь, 2004. - с.345 -350.
- А. с. 741137 (CCCР) Опубл. Б.И.,1980, N 22
- Скибин, Ю. Н., Чеканов В. В. Использование двойного лучепреломления в феррожидкости для построения спектра магнитных полей Магнитная гидродинамика, 1977 -. № 2, с. 137 - 138.
- Патент РФ 2005310 Опубл. в Б.И., 1993, N 47-48.
- Патент РФ 2019853 Опубл. в Б.И., 1994, N 17.
- Дроздова В.И., Федоров С.О. Программный комплекс для анализа дисперсного состава многокомпонентных систем// Компьютерное моделирование 2005 /Материалы VI международной конференции, Санкт-Петербург, 2005г. С. 361 - 363.
Статья в формате PDF
121 KB...
21 11 2026 2:58:11
Статья в формате PDF
309 KB...
20 11 2026 1:21:32
Статья в формате PDF
132 KB...
19 11 2026 9:32:27
17 11 2026 1:16:15
Исследована краевая задача со смещением для вырождающегося гиперболического уравнения. При определенных условиях неравенственного типа на известные функции доказана теорема единственности. Вопрос существования решения задачи сведен к вопросу разрешимости сингулярного интегрального уравнения, которое редуцируется к уравнению Фредгольма второго рода, безусловная разрешимость которого заключается из единственности решения задачи.
...
15 11 2026 21:22:42
Статья в формате PDF
207 KB...
11 11 2026 23:39:16
08 11 2026 16:22:28
Статья в формате PDF
123 KB...
07 11 2026 1:56:16
Статья в формате PDF
119 KB...
05 11 2026 17:46:42
Закладка двенадцатиперстной кишки имеет форму короткой дуги, она преобразуется в полукольцо при поперечном положении на рубеже 6-й – 7-й недель эмбриогенеза человека. У плодов эти состояния встречаются редко.
...
04 11 2026 3:34:43
Статья в формате PDF
112 KB...
03 11 2026 11:42:36
Разработан способ производства хлеба из целого зерна. Снижение микробиологической обсеменненности зерна осуществляется с помощью природных консервантов, которые можно вносить на стадии замачивания зерна или приготовления теста. Для повышения качества хлеба, сокращения продолжительности замачивания зерна, повышения степени его дисперсности при получении теста целесообразно использовать цитолитические ферментные препараты. ...
02 11 2026 15:21:24
Статья в формате PDF
135 KB...
01 11 2026 4:46:31
Статья в формате PDF
987 KB...
31 10 2026 19:26:15
30 10 2026 19:19:32
Статья в формате PDF
249 KB...
28 10 2026 12:58:26
Статья в формате PDF 126 KB...
27 10 2026 8:27:18
Статья в формате PDF
286 KB...
25 10 2026 0:26:15
В статье дано определение техническому состоянию техники, представлены виды технических состояний и процессы изменения технического состояния при эксплуатации. Бытовая техника при эксплуатации может принимать исправное и неисправное состояние, а также работоспособное и неработоспособное состояние. Показана взаимосвязь видов технических состояний в виде графа переходов технических состояний, позволяющий проводить технологию восстановления работоспособности техники. Определен порядок восстановления бытовой техники и сформулирован критерий отказа техники. Рассмотрены признаки восстановления бытовой техники по отношению к восстанавливаемой и невосстанавливаемой техники. Показано, что к невосстанавливаемой технике относится техника, нахоящаяся в предельном состоянии или в результате ресурсного отказа. Рассмотрены признаки предельного состояния для восстанавливаемой и невосстанавливаемой техники.
...
24 10 2026 3:15:20
Статья в формате PDF
292 KB...
23 10 2026 21:20:35
Статья в формате PDF
120 KB...
22 10 2026 21:30:52
Статья в формате PDF 115 KB...
21 10 2026 20:36:35
Статья в формате PDF
133 KB...
20 10 2026 16:48:23
Статья в формате PDF
121 KB...
19 10 2026 8:35:41
Статья в формате PDF
110 KB...
17 10 2026 16:23:36
Статья в формате PDF
120 KB...
16 10 2026 12:59:45
Статья в формате PDF
124 KB...
15 10 2026 23:11:20
Статья в формате PDF 119 KB...
14 10 2026 4:53:24
Статья в формате PDF
245 KB...
13 10 2026 10:17:49
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::