Chenar Marediploma1

1
Mod Coala document. Semn. Data

Elaborat
Controlat
Bujenia E.
Izvoreanu B.
B.
Litera Coala Coli
113
Bohanastiuc V.
UTM. 2153.30.003 ME
Recunoaterea obiectelor
geometrice
U.T.M. FCIM
Grupa AI - 041
N.Contr.
Aprobat Izvoreanu B.
CUPRINS
INTRODUCERE...................................................................................................4
1. Analiza metodelor existente de recunoatere a biectelor geometrice...........5
1.1 Sistemele inteligente n nteligena Artificial ............................................5
1.2 Descrierea obiectelor geometrice..................................................................8
1.3 Clase de imagini .........................................................................................10
1.4 Metode de recunoatere n selectarea obiectelor........................................13
1.4.1 Metoda decizional teoretic .....................................................................13
1.4.2 Metoda structural sintactic .....................................................................15
1.4.3 Recunoaterea conexionist......................................................................17
1.4.4 Proiectarea clasificatorului de recunoatere static...................................19
1.4.5 Clasificarea parametric statistic..22
1.5 Proprietile comparative a algoritmilor n recunoaterea imaginilor.........27
1.6 Punerea problemei de recunoatre ........................................................... ..28
1.6.1 Noiuni generale........................................................................................29
1.6.2 Strategii de recunoatere pentru N clase.................................................31
1.7 Filtrarea imaginilor.....................................................................................33
2.Descrierea modelelor de recunoatere a imaginilor ......................................36
2.1 Modelul de neuroni...................... .............................................................36
2.2 Arhitectura de reele neuronale..................................................................39
2.3 Algoritmul de antrenare a reelelor neurale................................................41
2.4 Perceptronul cu un singur strat i multistrat...............................................42
2.5 Reeaua Hopfield........................................................................................45
2.6 Reeaua Hamming......................................................................................46

Coal
Mod Coala Nr Document. Semnat Data
U.T.M.2153.30.003.ME
2
3. Elaborarea algoritmilor n baza mediului Windows NT i Java ...............47
3.1 Securitatea Windows NT.........................................................................47
3.2 Criptografia i tipuri de criptare...............................................................49
3.2.1 Algoritmi criptografice cu cheie secret i cu cheie public...............49
3.3 Securitatea Java........................................................................................51
4. Elaborarea interfeei utilizatorului ................................................................52
4.1 Interfaa utilizatorului...............................................................................52
4.2 Algoritmul de instruire.............................................................................53
5. Materialul grafic ..............................................................................................58
5.1 Schema funcional de recunoatere a obiectelor geometrice .................58
5.2 Algoritmi de recunoatere........................................................................60
5.2.1 Extragere de contur...............................................................................60
5.2.2 Algoritmi de urmrire de contur...........................................................61
5.2.3 nlnuirea elementelor de contur.........................................................64
5.2.4 Reprezentarea contururilor....................................................................67
5.3 Algoritmi de subiere de contur................................................................68
5.4 Segmentarea obiectelor............................................................................70
6. Calculul fiabilitii...........................................................................................71
6.1 Noiuni generale........................................................................................71
6.2 Informatic i fiabilitate............................................................................72
7. Capitolul organizaional economic al proiectului......................................76
7.1 Cercetri de marketing..............................................................................77
7.2 Elaborarea bugetului..................................................................................79
7.3 Rezultatele financiare................................................................................88
8. Protecia mediului ambiant ...........................................................................90
8.1 Protecia muncii........................................................................................90
8.2 Sanitaria industrial..................................................................................92
8.2.1 Cerinele igienico sanitare fa de calitatea aerului zonei de munc.....92
8.2.2 Microclimatul.......................................................................................93

Coal
U.T.M.2153.30.003.ME
3
8.2.3 Protecia de zgomot..............................................................................95
8.2.4 Iluminatul de producie.........................................................................96
8.3 Tehnica securitii....................................................................................98
8.3.1 Electrosecuritatea..................................................................................98
8.4 Calculul iluminatului natural n ncpere...............................................102
CONCLUZII.......................................................................................................106
BIBLIOGRAFIE.................................................................................................107
ANEXE................................................................................................................108
ANEXA A Materialul grafic...............................................................................108
ANEXA B Codul programului...........................................................................109

Coal
U.T.M.2153.30.003.ME
4
INTRODUCERE
n timpul prezent cnd tehnologiile informaionale se dezvolt foarte repede i
necesitile umane cresc, inteligena artificial (IA) a devenit s joace un rol foarte
important, avnd ca scop de a se apropia de raionamentul uman. Inteligena artificial
permite automatizarea i uurarea lucrului uman n atta, nct omului i se acord
funcia de control. IA se deosebete foarte mult de roboi, avnd posibilitatea de
nvare, luarea deciziilor fr intervenena uman, alegerea deciziilor dintr-o gam
larg de soluii. Din acest punct de vedere recunoaterea imaginilor este o problem
actual pentru procesul de nvare i priire a deciziilor n IA. Se poate de spus c IA a
fost dezvoltat pentru a permite soluionarea problemelor nerezolvabile prin metode
algoritmice i ea poate fi definit ca simularea inteligenei umane procesat de maini,
n special, de sisteme de calculatoare.
Pn n prezent s-au dezvoltat dou metode diferite de abordare a IA. Prima metod
este cunoscut sub numele top-down approach sau symbolic approach to AI i
aceast metod are dezavantajul c este prea dependent de main i poate fi utilizat
doar n probleme foarte restrnse. De asemenea, abordarea se bazeaz n mare msur
pe cunotinele programatorului, absolut nimic nu poate fi adugat automat. A doua
metod const n construirea unei reele neuronale care s asigure convertirea unei
imagini n informaie.
Inteligena artificial presupune proiectarea i construirea de sisteme capabile s
realizeze funcii ale intelectului uman: nvarea prin experien, nelegerea limbajului
natural, utilizarea unui raionament pentru rezolvarea unor probleme sau luarea unor
decizii. Toate acestea presupun ns i acumularea unei anume cantiti de informaie
(baza de cunotine, informaii din mediu etc.). Aceast informaie este preluat de
sistemele inteligente prin senzori i creeaz o imagine a mediului n momentul prelurii
datelor (snapshot). Din imaginea astfel obinut trebuie extrase informaiile utile.

Coal
U.T.M.2153.30.003.ME
5
Prelucrarea imaginilor este un domeniu complex, dinamic, cu numeroase aplicaii n
diverse domenii. Exist acum diverse implementri de sisteme de timp real, bazate pe
prelucrarea de imagini, sisteme utilizate n industria militar, medicin, sisteme de
control automat a proceselor industriale. S-au adus diverse mbuntiri pentru sisteme
de procesare a amprentelor digitale, recunoaterea feei, a scrisului, obiectelor. Pentru
zonele aglomerate sau de interes strategic au fost proiectate i implementate sisteme de
securitate i supraveghere bazate pe vederea artificial (machine-vision). De asemenea,
prelucrarea computerizat a imaginilor are un rol foarte important n medicin, n
domeniul tehnicii medicale: tomografia asistat de calculator, analiza i interpretarea
imaginilor microscopice celulare.
n lucrarea dat a fost efectuat cercetarea algoritmilor i metodelor de
recunoaterea a formelor geometrice i a fost realizat programul care efectueaz
recunoaterea formelor geometrice n Java.
1. Analiza metodelor existente de recunoatere a obiectelor geometrice
1.1 Sisteme inteligente n nteligena Artificial
Cnd s-a vorbit prima dat de Inteligena Artificial (AI -Artificial Intelligence) n
1956, totul prea o utopie, un vis prea frumos pentru a fi realizat, un stadiu al dezvoltrii
considerat a fi greu de atins. n ultimii aproape 50 de ani, termenul a prins contur,
devenind realitate, fiind n prezent folosit n aproape toate tiinele care doresc s se
afirme. Iniiatorul sau, prof. John McCarthy a prezentat noul concept n vara anului
1956 la ntrunirea Darthmouth Summer Research Project on Artificial Intelligence.
Odata cu dezvoltarea tehnicii de calcul i a pachetelor software, Inteligena
Artificial a devenit o ramura suplimentara a tiinelor. Totui, vrful de lance este
tiina computerelor, cea care a introdus termenul i a facut cel mai mult pentru
afirmarea noului concept.
Termenul de Inteligen Artificial este ntalnit azi n numeroase publicaii tehnice,
medicale, militare, tiinifice, de obicei, cnd vine vorba de aplicaii ce realizeaz

Coal
U.T.M.2153.30.003.ME
6
performane de care numai omul era socotit capabil: recunoaterea i analiza vocii i a
imaginilor, traduceri dintr-o limba n alta, diferite jocuri de inteligena (sah, bridge),
luarea unor decizii complexe fr intervenia unui operator uman etc. Iniial, obiectivele
Inteligenei Artificiale au fost foarte ambiioase: maina trebuia s rezolve diferite
probleme, s nvee din propria experien i din evenimentele exterioare sistemului sau,
s efectueze raionamente, s conceap noi obiecte cu proprieti prestabilite.
n mod natural, nc din momentul contientizrii existenei sale, omul a fost
ntotdeauna interesat s cunoasc modul de formare i funcionare a inteligenei proprii.
Unii oameni de tiin afirm c inteligena umana este imposibil de atins i ntrecut
pe cale artificial de o main. n 1989, matematicianul britanic Roger Penrose a
susinut ca mecanismele de funcionare specifice creierului uman nu pot fi replicate de
maina, nici mcar n principiu. n prezent, creierul uman este considerat a fi cel mai
sofisticat computer cunoscut. Spre a ntelege inteligena umana, trebuie s ntelegem
modul n care se formeaz cele mai simple gnduri. ncercarea de a trece peste aceste
etape primare i a cerceta direct aciunile complexe ale creierului uman este aproape
imposibil.
O metoda de a nelege lucrurile este de a le modela pe un computer i apoi a le
produce artificial. Primul pas pe care tiina computerelor trebuie s l fac n cercetarea
Inteligenei Artificiale este s ncerce a modela modul de funcionare a creierului. Pn
n prezent s-au dezvoltat doua metode diferite de abordare a Inteligenei Artificiale.
Prima metod este cunoscut sub numele top-down approach sau symbolic approach
to AI. Spre exemplu, vederea artificial a unei maini (controlat de un computer) a
fost abordat prin construirea unor algoritmi i aplicarea lor pe o serie de date de intrare.
Fiecare pas al procesului de vedere trebuie evaluat, un algoritm urmand s transforme
datele de intrare ntr-o forma mai uor de utilizat. Aceasta metoda are dezavantajul c
este prea dependent de main i poate fi utilizat doar n probleme foarte restrnse. De
asemenea, abordarea se bazeaz n mare masura pe cunotinele programatorului,
absolut nimic nu poate fi adugat automat.

Coal
U.T.M.2153.30.003.ME
7
A doua metod const n construirea unei reele neuronale care s asigure convertirea
unei imagini n informaie. n anii 60 preocuprile au fost concentrate pentru
constituirea unei astfel de reele, denumit perceptron. Acesta, o combinaie reuit de
reea neuronal i informaii pre-procesate, a permis pentru prima dat recunoaterea
imaginilor de ctre un computer. Perceptronul s-a bazat pe ceea ce a reprezentat atunci
primul stadiu al vederii artificiale, fiind folosit ulterior n construcia mainilor
autoghidate.
Ideile care au stat la baza formrii disciplinei inteligenei artificiale au plecat de la
cercetrile privind inteligena uman i raionamentul formal. Acestea au cuprins n special
cercetri n domeniul ciberneticii, a semanticii i teorii ale calculului. Ideea principal a
ciberneticii a fost aceea c modul de comportare inteligent se poate baza pe principiul
"reaciei negative". Reacia negativ este indicat pentru controlul mrimilor fizice, dar nu
poate fi generalizat n cazul raionamentului inteligent .
Alte abordri pentru studiul comportamentului uman s-au bazat pe teoriile privind luarea
deciziilor. Conform acestei orientri, modelul raional al gndirii este aproape imposibil de
exprimat n termeni cantitativi i formule analitice, ntruct gndirea uman i luarea
deciziilor nu depind direct de numere, ntruct raionamentul numeric este neadecvat
pentru modelarea inteligenei, a fost aleas procesarea simbolic drept un model pentru
replicarea cunoaterii i a raionamentului uman.
Evoluia tiinelor cibernetice i a studiului comportamentului uman au contribuit la
dezvoltarea domeniului raionamentului i a demonstrrii automate (machine reasoning),
acesta fiind unul dintre primele domenii ale inteligenei artificiale. Pentru inteligena
artificial, anul oficial al nceperii acesteia a fost 1956, odat cu proiectul "Summer
Research Project" de la Darmouth College. Dup 1956, inteligena artificial devine o
disciplin de studiu, care pe parcurs s-a dezvoltat i sistematizat continu. n sensul cel mai
acceptat astzi, scopul inteligenei artificiale este replicarea funcionalitii minii umane.
De-a lungul anilor, inteligena artificial a inclus diverse domenii. Subordonate scopului
principal, aceste domenii au ncercat s reprezinte diferitele faculti umane.
Principalele subdomenii ale inteligenei artificiale sunt considerate urmtoarele:

Coal
U.T.M.2153.30.003.ME
8
1).Vederea artificial, care ncearc s recunoasc diferite structuri tipice
(abloane) n acelai mod ca i privirea uman;
2). Robotica, ce se ocup de producerea mainilor la care se poate controla micarea;
3). Procesarea vorbirii, care se ocup cu recunoaterea i sinteza vorbirii umane;
4). Procesarea limbajului natural, care se ocup cu nelegerea limbajului natural
scris, precum i cu producerea acestuia;
5). Demonstrarea teoremelor, care se ocup cu demonstrarea automat a
teoremelor din logic i matematic;
6). Rezolvarea general a problemelor, care ncearc s rezolve clase generale de
probleme exprimate ntr-un limbaj formal;
7). Recunoaterea formelor, care se ocup cu recunoaterea i clasificarea diferitelor
abloane de imagine;
8). Jocurile, care ncearc s creeze programe de jocuri competitive;
9). nvarea automat, care se ocup cu producerea mainilor capabile s acumuleze
cunotine prin observarea exemplelor;
10). Sistemele inteligente, care se ocup cu reproducerea expertizei umane.
Unele dintre aceste domenii sunt deja foarte bine conturate i ncep s devin de sine
stttoare, prsind cmpul inteligenei artificiale; exemple concludente sunt recunoaterea
formelor, procesarea vorbirii i sistemele inteligente .
n prezent, sistemele inteligente sunt cel mai adesea asociate cu reprezentarea
cunotinelor i cu raionamentul, n cadrul lor, s-au dezvoltat deja un numr de subdomenii
proprii, cum este achiziia de cunotine, care este o form specializat de nvare
automat. Alte surse ale sistemelor expert includ domenii care sunt n acelai timp i
domenii curente de cercetare n cadrul inteligenei artificiale. Asemenea surse includ:
explicarea, nvarea inteligent, planificarea, rezolvarea distribuit a problemelor, etc.
1.2 Descrierea obiectelor geometrice
Prelucrarea a imaginilor reprezint un domeniu foarte larg. Acest domeniu are la
baz o teorie matematic riguroas, bine pus la punct, dar n general implementrile pe

Coal
U.T.M.2153.30.003.ME
9
diverse maini de calcul sunt destul de mari consumatoare de resurse (putere de calcul,
memorie), n special dac ne referim la utilizarea n timp real a informaiilor extrase din
imagini.
ntr-un sens ct mai general, o imagine este o descriere a variaiei unui parametru pe
o suprafa. De exemplu, imaginile (n sensul clasic) sunt rezultatul variaiei intensitii
luminii ntr-un plan bidimensional. Dar acest parametru nu este singurul folosit; de
exemplu o imagine poate fi generat de temperatura unui circuit integrat, emisiile de
radiaii (cu diverse lungimi de und) ale unor galaxii etc. ns aceste tipuri de imagine
sunt de obicei, convertite n imagini clasice pentru ca operatorul uman s poat face o
evaluare vizual a variaiei unor parametrii. Din aceste considerente, pe parcursul
lucrrii toate referirile se vor face la imagini n sensul clasic.
O imagine este deci un semnal bidimensional i prin urmare prelucrarea imaginilor
poate fi considerat i o ramur a prelucrrii digitale de semnal (care mai include
prelucrarea audio, telecomunicaii etc.). Dup cum s-a menionat anterior, prelucrarea de
imagine i n general prelucrarea digital a semnalelor presupune un consum relativ
mare de resurse de calcul i memorie. Implementarea algoritmilor specifici se poate face
pe sisteme clasice (PC-uri, evoluia microprocesoarelor ofer puterea de calcul
necesar), dar pentru sistemele dedicate, de timp real, se folosesc n general procesoare
dedicate numite procesoare digitale de semnal (DSP = Digital Signal Processing).
Aceste tipuri de procesoare au implementate hardware diverse optimizri i paralelisme
pentru a oferi puterea de calcul necesar (de obicei la frecvene mult mai mici dect
microprocesoarele clasice); evident ele presupun i un consum mai mic de energie fa
de microprocesoare.
Prelucrarea imaginilor include sau este legat de mai multe discipline:
- preluarea, compresia i stocarea imaginilor;
- restaurarea i ameliorarea imaginilor prin corecii geometrice, radiometrice,
ajustri de contrast, filtrarea zgomotului etc;
- fotogrammetrie, adic msurtori ale unor obiecte, fenomene fcute pe baza unor
imagini;

Coal
U.T.M.2153.30.003.ME
10
- recunoaterea formelor (pattern matching, shape recognition, face recognition);
- vederea artificial (computer vision, robot vision);
- inteligena artificial;
- sinteza de imagini, imagini generate de calculator.
Fig. 1.1. Coninutul imagisticii computerizate.
1.3 Clase de imagini
Imaginile sunt clasificate n patru clase [1]:
- Clasa 1 de imagini include imaginile n scar de gri (sau color).
- Clasa 2 de imagini cuprinde imaginile binare (sau cu cteva culori).

a). b).
Fig. 1.2. Exemplu de imagine din clasa 1 (a) i clasa 2 (b).
- Clasa 3 de imagini include imagini formate din linii i curbe continue.
- Clasa 4 de imagini cuprinde imagini formate din puncte izolate sau poligoane.

Coal
U.T.M.2153.30.003.ME
11
c). d). e).
Fig. 1.3. Exemplu de imagine din clasa 3 (c) i clasa 4 (d).
Din fig.1.3 se pot extrage punctele critice, care vor forma o imagine de clasa 4.
Se remarc scderea complexitii imaginii odat cu numrul clasei, simultan cu
reducerea semnificativ a volumului de date necesar pentru stocarea lor. Astfel
imaginile de clas 1 sunt cele mai complexe, un exemplu tipic de astfel de imagini fiind
cele de televiziune, obinute deci cu o camer TV. Imaginile binare conin doar dou
nuane, de obicei alb i negru (sau doar cteva culori n cazul imaginilor color). Clasa 3
cuprinde imagini i mai simple, adic coninnd doar linii i curbe avnd grosimea de un
pixel. Imaginile din ultima clas sunt cele mai simple, ele fiind formate din puncte
izolate sau, n cazul graficii computerizate, din poligoane care descriu corpul
tridimensional a crui reprezentare realist se dorete n final .
O taxonomie a domeniului prelucrrii de imagini n corelaie cu grafica
computerizat este prezenat n fig. 1.4 [1].
Fig. 1.4. Taxonomie a imagisticii computerizate.

Coal
U.T.M.2153.30.003.ME
12
Nu au fost reprezentai n diagrama anterioar algoritmii de codare/decodare a
imaginilor, care formeaz un subdomeniu destul de consistent al prelucrrii de imagini.
mbuntirea imaginilor i filtrrile formeaz un domeniu care se ocup de
eliminarea zgomotelor, mbuntirea contrastului, accentuarea muchiilor i detecia de
muchii. Restaurarea imaginilor i propune eliminarea distorsiunilor care afecteaz
imaginea, distorsiuni datorate unor fenomene fizice cunoscute, modelate matematic sau
estimate.
Segmentarea imaginilor realizeaz separarea regiunilor uniforme, de interes, din
imagine. Uniformitatea este o noiune general ea nereducndu-se la constana nivelelor
de gri (aceeai textur, aceleai proprieti, etc.). Binarizarea furnizeaz la ieire o
imagine de clas 2, ea putnd fi asimilat unei operaii particulare de segmentare (de
exemplu segmentarea cu prag).
Algoritmii de extragere de contur furnizeaz la ieire un contur nchis, deci o
imagine de clas 3. Algoritmii de subiere de contur realizeaz tot transformarea
imaginilor de clas 2 n imagini de clas 3, dar furnizeaz la ieire un graf.
Imaginile de clas 3 pot fi simplificate n continuare cu algoritmii de segmentare a
curbelor, care furnizeaz localizarea aa-numitele puncte critice i, n plus, parametrii
curbelor care aproximeaz/interpoleaz liniile i curbele din imagine ntre dou puncte
critice succesive. Se poate remarca c, practic, se obine n aceast faz o descriere
extrem de simplificat a imaginii iniiale.
n cazul graficii computerizate, dup cum s-a menionat anterior, se pleac de la o
descriere a imaginii, urmrindu-se n cazul cel mai general, sinteza unei imagini realiste.
Descrierea iniial cea mai des folosit conine o colecie de poligoane mpreun cu
conexiunile dintre ele, ceea ce formeaz aa-numita descriere "cadru-de srm" (wire-
frame). Obinerea imaginii realiste (clasa 1) se traduce printr-o secven de algoritmi
care "apropie" imaginea sintetizat de cea real.
Algoritmii de aproximare/interpolare pleac de la descrierea "cadru-de-srm" i
urmresc obinerea unei curbe netede pentru suprafeele corpurilor tridimensionale ce se

Coal
U.T.M.2153.30.003.ME
13
reprezint. Algoritmii de umplere de contur realizeaz operaia complementar
extragerii de contur, n timp ce expandarea este operaia complementar subierii.
Cunoscnd sau deducnd regulile de variaie a nivelului de gri (culorii) de-a lungul
suprafeelor care mrginesc corpul, prin operaia de refacere se poate obine o
reprezentare bidimensional realist a corpurilor studiate. Se ine cont de caracteristicile
i poziia surselor de lumin i caracteristicile locale ale corpurilor care se reprezint
(reflexivitate, transparen, etc.).
Alte clase de algoritmi sunt specifice tomografiei computerizate, care realizeaz
investigarea nedistructiv a corpurilor. Corpul studiat este penetrat de un fascicol de
unde (raze "X", radiaii electromagnetice, ultrasunete, etc) iar n prelungirea lor (mai
puin n cazul ultrasunetelor, care msoar unda reflectat) un set de receptori msoar
energia rezultat a radiaiei, energie dependent direct de proprietile locale de
absorbie ale corpului investigat. Ceea ce se obine la nivelul receptorilor este proiecia
1D (deci un vector) a unei seciuni plane a corpului investigat, ntr-o anumit direcie.
Reconstrucia 2D reface seciunea plan a corpului studiat dintr-un set de proiecii
1D, n direcii diferite, ale seciunii.
Avnd la dispoziie mai multe asemenea seciuni (paralele sau radiale) ale corpului
studiat, se poate realiza reconstrucia 3D a corpului studiat. Operaia invers se numete
proiecie 2D . Trebuie de remarcat ns c aceast sintez nu trebuie vzut rigid,
existnd n literatur o multitudine de algoritmi care nu pot fi ncadrai n ea i, n plus
diferii autori ncadreaz diferit un acelai algoritm n categorii diferite. Ca exemplu,
operaia de codare a datelor poate fi vzut ca o extragere de trsturi regenerative, ceea
ce se obine fiind n esen o descriere a imaginii, scopurile urmrite fiind ns diferite.
1.4 Metode de recunoatere n selectarea obiectelor
1.4.1 Metoda decizional teoretic
n acest caz, forma este reprezentat printr-un vector n-dimensional al
caracteristicilor (trsturilor) extrase, decizia de clasificare bazndu-se pe o msur a

Coal
U.T.M.2153.30.003.ME
14
similaritii, de exemplu o distan [1,2].
Seciunea de recunoatere n figura ce urmeaz conine extragerea aracteristicilor
i clasificarea, iar seciunea de analiz include selecia caracteristicilor i nvarea.
Schema bloc a unui sistem de recunoatere teoretic-decizional este prezentat n
figura de mai jos:
Fig.1.5. Schema bloc a unui sistem de recunoatere teoretic - decizional.
Dac fiecare component a vectorului de caracteristici poart o cantitate mic de
informaie asupra eantioanelor, atunci numrul n de caracteristici trebuie s fie foarte
mare, ceea ce ngreuneaz clasificarea. Din acest motiv, spaiul originar al
caracteristicilor trebuie transformat ntr-un spaiu cu mai puine dimensiuni, dar care s
conserve informaia semnificativ pentru clasificare. Aceast transformare reprezint
selecia caracteristicilor.
Selecia caracteristicilor este o problem dependent de formele studiate i de
numrul de clase. Exist criterii de optimizare a seleciei, care conduc, n spaiul
caracteristicilor selectate, la maximizarea distanelor ntre clase i minimizarea
distanelor ntre componentele aceleiai clase. Cu ct dimensiunea spaiului
caracteristicilor este mai redus i separabilitatea claselor e mai mare, cu att structura
clasificatorului este mai simpl. Cel mai eficient criteriu de optimizare este cel care
minimizeaz riscul deciziei, adic minimizeaz probabilitatea de recunoatere eronat.
Recunoaterea teoretic-decizional implic existena a dou etape importante:

Coal
U.T.M.2153.30.003.ME
15
- Proiectarea i antrenarea clasificatorului.
- Clasificarea formelor necunoscute de intrare.
Proiectarea i antrenarea clasificatorului. Antrenarea (sau nvarea) nseamn
estimarea parametrilor densitilor de probabilitate dintr-un set de eantioane, setul de
antrenare, atunci cnd forma analitic a densitilor este cunoscut.
nvarea presupune existena setului de antrenare, format din eantioane a cror
apartenen la clase este cunoscut.
Clasificarea efectuat n urma unei operaii de nvare sau antrenare este o
clasificare supervizat.
Dac nu exist un asemenea set de antrenare, se apeleaz la metode de clasificare
nesupervizat (clusterizare), cnd numrul claselor i apartenena eantioanelor de
clasificat nu sunt cunoscute sau insuficient cunoscute.
Clasificarea nesupervizat construiete clusterele, pe msur ce procesul
clasificrii nainteaz, pe baza optimizrii unor criterii de similaritate, care realizeaz o
grupare ct mai natural a eantioanelor .
O categorie de clasificatoare des folosite este cea a clasificatoarelor neuronale.
Dintre clasificatoarele cu intrri cu valori continue, clasificare supervizat, cele mai
utilizate sunt perceptroanele cu un singur strat sau cu mai multe straturi, care
implementeaz fie clasificatorul Gaussian (perceptronul cu un singur strat), fie
clasificatorul celor mai apropiai K vecini (perceptronul multistrat). Un clasificator cu
nvare nesupervizat este harta de trsturi cu auto-organizare Kohonen.
Odat ce clasificatorul a fost proiectat i antrenat, n situaia n care densitile de
probabilitate condiionate ale vectorilor caracteristicilor selectate sunt cunoscute pentru
fiecare clas sau pot fi estimate precis dintr-un set de eantioane, denumit set de
antrenare, se aplic regula de clasificare Bayes, care minimizeaz probabilitile de
recunoatere eronat sau riscul mediu.
n situaia, mai des ntlnit, cnd acestea nu sunt cunoscute se utilizeaz fie
funciile discriminant, fie metode neparametrice de clasificare
Metodele neparametrice se bazeaz pe definirea unei funcii distan i respectiv

Coal
U.T.M.2153.30.003.ME
16
alocarea unui eantion necunoscut clasei creia i aparin cele mai multe eantioane din
cele mai apropiate k eantioane vecine.
1.4.2 Metoda structural-sintactic
n situaia n care formele de recunoscut sunt foarte complexe sau numrul claselor
este foarte mare sau nu poate fi determinat din cauz c elementele care constituie
obiectul se pot combina ntr-o infinitate de moduri, atunci metodele teoretic-decizionale
nu pot fi utilizate n recunoatere.
Este cazul analizei scenelor, de exemplu n robotic, n cazul n care obiectele
aezate unele peste altele trebuie recunoscute i extrase pe rnd din stiv.
Forma complex este vzut ca o combinaie de forme mai simple care sunt
recunoscute una cte una i apoi stabilite relaiile dintre ele n vederea descrierii
obiectului .
Dac fiecare sub form este la rndul ei complex, se reprezint prin sub forme
mai simple, pn cnd se ajunge la cele mai simple sub forme, denumite primitive. n
figura urmtoare este prezentat schema unui bloc de recunoatere structural-sintactic a
formelor.
Forma
Recunoatere
Analiz
Forme aparinnd
Setului de antrenare
(estimare)
Fig. 1.6. Schema unui bloc de recunoatere structural-sintactic.

Prelucrare
Extragere primitivilor
i a relaiilor dintre ele
Inferena gramatical
(structural)
Inferena gramatical
(structural)
Selecia primitivilor i a
relaiilor dintre ele
Coal
U.T.M.2153.30.003.ME
17
Seciunea de recunoatere const din prelucrare, extragerea primitivelor i analiza
structural-sintactic, incluznd selecia primitivelor i inferena structural.
n recunoaterea sintactic, o form este reprezentat ca un ir de primitive sau
subforme. Regulile care guverneaz compunerea primitivelor n forme sunt specificate
de gramatici ale limbajului de descriere a formelor.
Recunoaterea structural poate utiliza fie un graf relaional ale crui noduri sunt
subformele, iar ramurile specific fie relaiile dintre subforme fie alt tip de reprezentri
pentru a pune n eviden relaiile dintre subforme, care s conduc n final la descrierea
obiectului sau formei.
Nu exist o regul general pentru selecia primitivelor formelor. De obicei, se aleg
n aa fel nct s fie uor de recunoscut. De multe ori trebuie fcut un compromis ntre
complexitatea subformelor i cea a limbajului de descriere. n general, cu ct subformele
sunt mai complexe, cu att relaiile dintre ele sunt mai simplu de descris i invers.
Dup selecia primitivelor, pasul urmtor este construcia unor gramatici care s
genereze unul sau mai multe limbaje pentru descrierea formelor studiate. Selecia unei
anumite gramatici depinde de primitivele selectate i de compromisul dintre puterea
descriptiv a gramaticii i eficiena analizei sintactice. n descrierea formelor utiliznd
iruri de subforme, operaia tipic ntre acestea este concatenarea. Decizia de acceptare
sau recunoatere a unei forme este luat de analizorul sintactic.
n general, se folosete cte o gramatic sau mai multe pentru fiecare form sau
clas, clasificarea nsemnnd determinarea gramaticii care accept o reprezentare a unei
forme date ca fiind corect.
1.4.3 Recunoaterea conexionist
Metodele conexioniste se bazeaz pe utilizarea unei reele de "procesoare" conectate
intensiv unele cu altele. Fiecare "procesor" poate executa un numr redus de operaii, de
obicei aceleai pentru toate procesoarele din reea. Gradul lor de programabilitate este
redus. Implementarea acestor reele de procesoare impune ca o necesitate practic

Coal
U.T.M.2153.30.003.ME
18
limitarea conexiunilor aferente fiecrui procesor, astfel nct el s fie conectat doar la un
numr de procesoare vecine .
Pot fi ncadrate n categoriile descrise anterior structurile sistolice, procesoarele
matriceale, reelele neurale artificiale, etc.
Structurile sistolice fac parte din categoria mai larg a mainilor paralele complexe
care sunt alctuite dintr-un mare numr de uniti procesoare, de obicei identice, fiecare
fiind capabil s execute o operaie fix de baz. Proprietile arhitecturale ale
structurilor sistolice le fac potrivite pentru o implementare VLSI. Conectarea celulelor
de calcul se face conform unei topologii regulare, n care fluxul de informaii este
permis numai spre unitile adiacente ntr-un mod "pipe-line". Necesitile de
comunicare cu exteriorul sunt limitate, conexiunile sunt foarte scurte, ceea ce permite o
vitez mare de operare.
Procesoarele matriceale sunt structuri paralele care realizeaz aceleai operaii,
simultan, asupra unor date diferite. Ele constituie exemplul tipic de structuri SIMD
(Single Instruction Stream - Multiple Data Stream). Au un grad mai mare de
programabilitate dect structurile sistolice, dar utilizarea lor este limitat la aplicaii care
cer un paralelism nalt, cum ar fi lucrul cu matrici de date de dimensiuni mari (cazul
imaginilor).
Reelele neurale (neuronale) artificiale ncearc s se apropie de modelul
creierului uman. Spre deosebire de mainile Von - Neuman care se caracterizeaz prin
existena unei uniti procesoare care execut instruciuni stocate n memorie, ntr-o
secven aflat sub controlul numrtorului de program, alte arhitecturi propuse ncearc
s exploateze ct mai eficient paralelismul care este de obicei inerent. "Procesoarele"
care formeaz reelele neuronale, sunt denumite neuroni artificiali.
Dac majoritatea calculatoarelor existente n momentul de fa dispun de o singur
unitate procesoare, extrem de puternic i de rapid, la cealalt extrem din punctul de
vedere al structurii interne se plaseaz aceste reele neurale artificiale, caracterizate
printr-o simplificare extrem a unitilor componente, alturi de o extindere ct mai
larg a conexiunilor ntre aceste uniti procesoare. Orice reea neural este caracterizat

Coal
U.T.M.2153.30.003.ME
19
de trei elemente: modelul neuronului, arhitectura reelei i algoritmul de antrenare
folosit. n ceea ce privete modelele de neuroni, cel mai mult folosite n momentul de
fa sunt cele fr memorie, deci care implementeaz o relaie de forma:

,
_
N
i
j i ij i
x w f y
1
, (1.1)
unde y
i
este ieirea neuronului "j", x
i
este intrarea "i" a neuronului, w
ij
este ponderea
conexiunii de la intrarea "i" la neuronul "j", iar
j
este pragul ataat neuronului "j".
Funcia f este o funcie neliniar care poate fi de tipul limitare hardware, prag
logic, sigmoid simetric sau nu, sau chiar funcia identic.
1.4.4 Proiectarea clasificatorului de recunoatere static
Principii generale. Presupunerea fundamental care se face este c exist pentru
fiecare clas o funcie densitate de probabilitate care s poat fi folosit pentru
determinarea probabilitii ca o form de intrare s aparin unei clase. Aceste funcii
definite pe spaiul formelor permit clasificarea prin selecia clasei de probabilitate
maxim.
Vom folosi urmtoarele notaii:
P(
j
) - probabilitatea aprioric a clasei
j
;
P(
j
/X) - probabilitatea ca clasa
j
s includ forma X;
P(X/
j
) - probabilitatea ca forma X s fie inclus n clasa
j
;
F(
j
,
j
) - funcia de pierdere, care descrie pierderea ce afecteaz procesul de
recunoatere cnd o form din clasa
j
este clasificat ca aparinnd clasei
k
.
Funciile de pierdere uzuale sunt:
a) Funcia de pierdere simetric, dat de:
F(
j
/
j
)=
'
. , 1
; , 0
k j pentru
k j pentru
(1.2)
care mai poate fi scris F(
j
/
j
)= 1-(j,k), unde funcia (j,k) este funcia delta
Kronecker.
b) Funcia de pierdere diagonal, descris de:

Coal
U.T.M.2153.30.003.ME
20
F(
j
/
j
)=
'

. , 1
; ,
k j pentru
k j pentru h
j
(1.3)
Pe baza funciei de pierdere se definete pierderea medie condiionat sau riscul
condiionat pentru fiecare clas prin:

C
N
j
j k j k
X P F X L
1
) / ( ) / ( ) , (
. (1.4)
Folosind formula lui Bayes (sau formula cauzei), avem:

) (
) ( ) / (
) / (
X P
P X P
X P
j j
j

, (1.5)
rezult pentru riscul condiionat expresia:

C
N
j
j j k j k
P X P F
X P
X L
1
) ( ) / ( ) / (
) (
1
) , (
. (1.6)
Decizia de clasificare se ia pe baza riscului minim de eroare, deci conform regulii:
. , .. 1 ), , ( ) , ( k j N j X L X L X
C j k k
<
Se remarc faptul c procesul de luare a deciziei impune calculul a Nc funcii de
risc condiionate, unde Nc este numrul de clase.
Trecerea la funciile discriminante se face imediat definindu-le prin:

) , ( ) (
k k
X L X D
, (1.7)
adic

C
N
j
j j k j k
P X P F
X P
X D
1
) ( ) / ( ) / (
) (
1
) (
, (1.8)
care definete funcia de decizie pentru clasificatorul Bayes. Deci regula de decizie
devine:

. , .. 1 ), ( ) ( k j N j X D X D X
C j k k
>
(1.9)
Pentru funcia de pierdere simetric, riscul condiionat are expresia:

C
N
j
j j j j k
P X P k j P X P
X P
X L
1
). ( ) / ( ) , ( ) ( ) / ( [
) (
1
) , (
(1.10)
Dar din formula probabilitii totale avem:

C
N
j
j j
P X P X P
1
). ( ) / ( [ ) (
(1.11)
i ca urmare:

Coal
U.T.M.2153.30.003.ME
21

). ( ) / (
) (
1
1 ) , (
j j j
P X P
X P
X L +
(1.12)
Probabilitatea P(X) este aceeai pentru toate funciile de risc condiionat, deci putem
folosi:

). ( ) / ( ) , (
k k k
P X P X L
(1.13)
Rezult funcia de decizie a clasificatorului Bayes pentru funcia de pierdere
simetric:

). ( ) / ( ) (
k k k
P X P X D
(1.14)
Pe baza ei se scrie regula de decizie:

,
) (
) (
) / (
) / (
) ( ) / ( ) ( ) / (
k
j
j
k
j j k k k
P
P
X P
X P
P X P P X P X
> >
(1.15)
unde cu s-a notat raportul de verosimilitate.
Pentru funcia de pierdere diagonal, expresia riscului condiionat este

), ( ) / ( ) (
) (
1
) , (
k k k k
P X P h
X P
X L
(1.16)
i din aceleai considerente ca mai sus vom folosi :

). ( ) / ( ) , (
k k k k
P X P h X L
(1.17)
Funcia de decizie a clasificatorului Bayes pentru funcia de pierdere diagonal este:

), ( ) / ( ) (
k k k k
P X P h X D
(1.18)
iar regula de decizie corespunztoare se scrie :
,
) (
) (
) / (
) / (
) ( ) / ( ) ( ) / (
k k
j j
j
k
j j j k k k k
P h
P h
X P
X P
P X P h P X P h X
> >

(1.19)
Probabilitatea global de eroare pentru clasificatorul Bayes este:

1
1
]
1
i
dX X P P P
i i e
) / ( ) (
. (1.20)
1.4.5 Clasificarea parametric statistic

Coal
U.T.M.2153.30.003.ME
22
n cazul metodelor parametrice se presupun cunoscute caracteristicile statistice ale
formelor de intrare, adic densitatea de probabilitate pentru fiecare clas i
probabilitile apriorice ale claselor [6].
Cel mai des, sistemele reale sunt descrise de legea normal. Pentru cazul
unidimensional avem:
1
]
1

2
2
2
) (
exp
2
1
) (

m x
x
. (1.21)
unde "m" i "
" sunt respectiv media i dispersia variabilei aleatoare cu distribuie

normal.
Pentru cazul multidimensional, mediei i corespunde:
M=E{X}, (1.22)
iar dispersiei:
=E { (X-M)(X-M)
2
}, (1.23)
unde E este operatorul speran matematic, iar este matricea de covarian a
variabilei aleatoare multidimensionale X=(x
1
, x
2
,, x
n
) .
Densitatea de repartiie multidimensional este:
1
]
1
) ( ) (
2
1
exp
) 2 (
1
) (
1
2 /
2 / 1
M X M X X
T
n
. (1.24)
Deci :
1
]
1
) ( ) (
2
1
exp
) 2 (
1
) / (
1
2 /
2 / 1
k k
T
k
n
k
k
M X M X X P
. (1.25)
Pentru funcia discriminant se prefer folosirea logaritmului:

)]. ( ) / ( log[ ) (
k k k
P X P X D
(1.26)
Renunnd la termenii care sunt independeni de clas, rezult:
). ( log
2
1
2
1
log
2
1
) (
1 1 1
k k k
T
k k
T
k k
T
k k
P M M X M X X
l
X D + +

(1.27)
Sunt foarte utile unele propuneri simplificatoare:
1) Dac matricele de covarian sunt egale pentru toate clasele se obine
binecunoscutul clasificator liniar:

). ( log
2
1
) (
1 1
k k
T
k
T
k k
P M M X M X D +

(1.28)

Coal
U.T.M.2153.30.003.ME
23
2) Fcnd presupunerea suplimentar a clasificrii binare, funcia de decizie se scrie:

). ( / ) ( log
2
1
2
1
) ( ) (
1 1 2
1
2 1
1
1
1
2 1
P P M M M M X M M X D
T T T T
+ +

(1.29)
3) Dac probabilitile apriorice ale claselor sunt egale, funcia de decizie
multicategorial este:

.
2
1
) (
1 1
k
T
k
T
k k
M M X M X D

(1.30)
4) Dac trsturile formei de intrare sunt necorelate, atunci este o matrice
diagonal i avem:

,
2
1
) (
k
T
k
T
k k
M M X M X D
(1.31)
care este tocmai clasificatorul binar de distan minim.
Divizarea neparametric de recunoatere statistic. Pierderea medie condiionat
(riscul condiionat) pentru un clasificator bayesian este dat de [5]:

). ( ) / ( ) / (
) (
1
) , (
1
i
N
i
i i k k
P X P F
X P
X L
c

(1.32)
Riscul global de clasificare incorect, a crui minimizare se dorete, este dat de:

dX X P X L r
k
) ( ) , (
, (1.33)
unde integrala se calculeaz peste ntreg spaiul formelor, deoarece, evident:

c
N
k
k
1

. (1.34)
nlocuind prima formul n cea precedent, se obine:

. ) / ( ) / ( ) ( ) ( ) / ( ) / (
1 1
1
]
1
1
]
1
c c
N
i
i i k i i
N
i
i i k
dX X P F P dX P X P F r

(1.35)
Deoarece orice clasificare multicategorial poate fi realizat folosind clasificatori
binari, formula anterioar devine pentru cazul Nc=2:
. ) / ( ) / ( ) ( ) / ( ) / ( ) (
) / ( ) / ( ) ( ) / ( ) / ( ) (
2 1
2 1
2 2 2 2 2 1 2 2
1 2 1 1 1 1 1 1
dX X P F P dX X P F P
dX X P F P dX X P F P r

+ +
+ +

(1.36)

Coal
U.T.M.2153.30.003.ME
24
n expresia de mai sus F(
i
,
i
) este valoarea funciei de pierdere pentru cazul
clasificrii corecte, i ca urmare, pentru simplificarea calculelor, se poate impune
F(
i
,
i
), de unde obinem:
. ) / ( ) / ( ) ( ) / ( ) / ( ) (
1 2
2 1 2 2 1 2 1 1
dX X P F P dX X P F P r

+

(1.37)
Se urmrete construirea unui clasificator binar n condiiile minimizrii riscului
global dat de expresia anterioar. Dac clasificatorul dorit este unul linear, el este
descris de vectorul de ponderi W (care d normala la hiperplanul de decizie din spaiul
extins al trsturilor), regula de decizie fiind dat n acest caz de:

'
<
>
. 0
; 0
2
1
X W X
X W X
T
T
(1.38)
Condiia de linearitate impus clasificatorului nu este restrictiv. innd cont de
dependenele existente, trebuie fcut nlocuirea:

), , , / ( ) / (
2 1 2 1
W X F F
(1.39)
i atunci avem:

. ) / ( ) , , / ( ) ( ) / ( ) , , / ( ) (
1 2
2 1 2 2 1 2 1 1
dX X P W X F P dX X P W X F P r

+

(1.40)
Planul de decizie, deci parametrii clasificatorului trebuiesc determinai din condiia
minimizrii riscului global, adic:

, 0 ) ( W r
unde
,
_

+1 2 1 n
w w w

. (1.41)
Calculnd gradientul riscului global, rezult expresia:

); , ( ) / ( ) , , / ( ) (
) / ( ) , , / ( ) ( ) (
2 1 2 1 2 2
1 2 1 1
1
2

g dX X P W X F P
dX X P W X F P W r
+ +
+
(1.42)
unde ultimul termen este datorat dependenei gradientului de limitele de separare a
claselor. Impunnd ca funcia de pierdere F s fie nul pe aceste limite de separare,
ultimul termen se anuleaz.
Funciile de pierdere care pot fi folosite n construcia neparametric a clasificatorilor
bayesieni sunt enumerate n continuare:

Coal
U.T.M.2153.30.003.ME
25
(1) Funcia de pierdere simetric:
F(
k
/
j
)=
'
. , 1
; , 0
k j pentru
k j pentru
(1.43)
(2) Funcia de pierdere diagonal:
F(
k
/
j
)=
'

. , 1
; ,
k j pentru
k j pentru h
k
(1.44)
(3) Funcii de pierdere dependente de distana ntre forma clasificat incorect i clasa
corect:

d F ~

2
~ d F F

d ~

2
~ d

d

d

a

d

a). b). c).
Fig. 1.7. Funcii de pierdere dependente de distan.
Distana se msoar de la planul de decizie la forma clasificat incorect folosind:

2 / 1
1
1
2
,
_
n
i
i
T T
w
X W
W
X W
d
. (1.45)
Dac d < 0 , nseamn c forma a fost clasificat corect, deci n acest caz avem:
F(d)=0, pentru d<0.
Pentru o funcie de pierdere dependent liniar de distana la planul de decizie, avem:

'
<

. , , 0 ,
; , , 0 , 0
) , / (
1
1
2 1
incorecta e clasificar X X W pentru
W
X W
corecta e clasificar X X W pentru
d F
T
T
T

(1.46)

'
>

. , , 0 ,
; , , 0 , 0
) , / (
2
2
1 2
incorecta e clasificar X X W pentru
W
X W
corecta e clasificar X X W pentru
d F
T
T
T

(1.47)

Coal
U.T.M.2153.30.003.ME
26
Se calculeaz
,
) (
) ( ) (
3
2
2
1
2
2 / 1
2
2 / 1
2
W
W X W W X
W
W W X W W X
W
W W W X W W X
W
W W X W W X
W
W X W W X
W
X W
T T
T T T T T
T
,
_
(1.48)
iar rezultatul se noteaz cu:
3
2
) (
) , (
W
W X W W X
W X f
T
. (1.49)
Ca urmare, gradientul riscului global poate fi exprimat cu:
). , ( ) / ( ) , ( ) ( ) / ( ) , ( ) ( ) (
2 1 2 2 1 1
1 2

g dX X P W X F P dX X P W X F P W r + +

(1.50)
Aceste metode fiind neparametrice, caracteristicile statistice ale procesului sunt
necunoscute, deci P(i ), P(X/ 1 ) nu se cunosc [4]. De aceea se adopt o procedur
iterativ de estimare a lui "W", riscul global estimndu-se i el plecnd de la formele din
setul de antrenament:

'
+
+ +

2 1
1
) 2 (
1 2
2
1
) 1 (
2 1
1
). , , / (
1
) , , / (
1
) (
); ( ) ( ) 1 (
N
m
m
N
m
m
W X F
N
W X F
N
W r
i W i W i W

(1.51)
Metoda gradientului descresctor furnizeaz condiia ca
) (i W
s fie proporional
cu
) (W r
deci s avem:
), ( ) ( ) 1 ( W r i W i W + +

i pe baza formulei precedente se poate utiliza drept estimaie a gradientului:

+
2 1
)), ( , (
1
)) ( , (
1
) (
) 2 (
2
) 1 (
1 M m
m
M m
m
i W X F
N
i W X f
N
W r
(1.52)
unde cu M1 , M2 s-au notat mulimile indicilor care, la iteraia "i" produc o
clasificare corect.
1.5 Proprietile comparative a algoritmilor n recunoaterea imaginilor

Coal
U.T.M.2153.30.003.ME
27
Una din cele mai importante clase de metode de localizare a obiectelor ntr-o
imagine are la baz aa-numita "potrivire" a coninutului unei imagini cu un model al
obiectului cutat. Aceasta este n esen o operaie de cutare a minimului unei msuri a
diferenei ntre imagine i model. "Potrivirea" ideal se obine rareori, datorit prezenei
zgomotelor, efectelor digitizrii imaginii, etc.
Dac se noteaz cu f(m,n) imaginea digital, unde -M m M i -N n N , iar cu
T(j,k) modelul cutat, o msur a distorsiunii dintre imagine i model poate fi scris:
[ ]

j k
n k m j T k j f n m d . ) , ( ) , ( ) , (
2

"Potrivirea" se obine pentru valoarea minim a expresiei anterioare sau cnd
d( n , m) scade sub un anumit prag. Relaia anterioar se poate simplifica mult notnd:

), , ( ) , ( 2 ) , ( ) . (
3 2 1
n m d n m d n m d n m d +

(1.53)
unde
[ ]
j k
k j f n m d , ) , ( ) , (
2
1

j k
n k m j T k j f n m d ), , ( ) , ( ) , (
2

[ ]

j k
n k m j T n m d . ) , ( ) , (
2
1
Termenul d
3
(m,n) este constant i independent de coordonatele (m,n). Energia
imaginii din fereastra de "potrivire" este reprezentat de d
1
(m,n), n timp ce d
2
(m,n) este
chiar corelaia ntre imagine i model, n fereastra curent. Deoarece condiia de minim
poate fi atins pentru valori mari ale corelaiei d
2
(m,n) i ale energiei imaginii, d
1
(m,n),
chiar n condiii de "nepotrivire", se utilizeaz intercorelaia normalizat drept msur a
"potrivirii", adic:

.
) , (
) , (
) , (
~
1
2
n m d
n m d
n m R
FT
(1.54)
Decizia de "potrivire" se ia dac este ndeplinit condiia:

) , ( ) , (
~
n m L n m R
R FT
>
(1.55)
1.6 Punerea problemei de recunoatere

Coal
U.T.M.2153.30.003.ME
28
Recunoaterea formelor Recunoaterea formelor se ocup de clasificarea unui set de
obiecte, procese sau evenimente. Clasificarea este un proces fundamental care
caracterizeaz nu numai tiinele ci i viaa social. Metodele matematice dezvoltate n
cadrul recunoaterii formelor i gsesc aplicaie n cele mai diverse domenii .
Recunoaterea formelor are ca scop determinarea clasei din care fac parte
elementele unei mulimi. Stabilirea numrului de clase este o problem legat direct de
caracteristicile aplicaiei. Pot exista aplicaii cu numr de clase cunoscut aprioric, dar i
aplicaii n care numrul de clase trebuie stabilit algoritmic.
Clasificatorul este sistemul care implementeaz operaia de recunoatere a
formelor, deci el realizeaz o procedur stabilit anterior de clasificare.
Exist dou abordri ale procesului de recunoatere: recunoaterea controlat i
recunoaterea necontrolat. Recunoaterea controlat (supervizat) implic existena
unui set de forme a cror apartenen la clase este cunoscut. Acest set de forme include
setul de formare (nvare, antrenare) care este folosit pentru construcia propriu-zis a
clasificatorului i setul de predicie (testare) al crui scop este testarea (evaluarea)
clasificatorului respectiv. Construirea clasificatorului este asociat n acest caz
algoritmului de nvare corespunztor clasificatorului, algoritm care construiete n
mod iterativ coeficienii acestui clasificator.
Recunoaterea necontrolat (nesupervizat) nu necesit cunoaterea aprioric a
apartenenei formelor din setul de formare la clase. Aceast abordare dezvolt algoritmi
care realizeaz construcia claselor pe msur ce forme analizate sunt luate n
considerare. Ei sunt numii algoritmi de grupare (clustering). Schema bloc a unui sistem
de recunoatere a formelor este dat n continuare fig. 1.8:

Intrare
Decizie

Translator
(extragere
trsturi)
Selector
trsturi
Clasificator
Coal
U.T.M.2153.30.003.ME
29
Fig. 1.8. Schema bloc a unui sistem de recunoatere a formelor.
1.6.1 Noiuni generale
n urma extragerii trsturilor se obine un set de "n" trsturi notat:
X=(x
1
, x
1,,
x
n
)
T
, (1.56)
care poate fi vzut ca un vector n spaiul trsturilor (formelor), spaiu notat cu
R
n
.
Clasificarea este o partiionare a spaiului formelor n "K" regiuni (clase), notate
{
j
}
j=1,..k
i care ndeplinesc condiiile [1]:

1

2
...
; (1.57)

1

2
...
F, (1.58)
unde F este mulimea punctelor care alctuiesc frontierele ntre aceste clase. Funcia
discriminant ataat unei clase este o funcie D
j
(X): R dat de:
X
D
j
(X) >D
i
(X), i j, i=1,...,K. (1.59)
Limitele de decizie ntre clasele
i
i
j
vor fi definite prin ecuaia:
D
i
(X)- D
j
(X)=0. (1.60)
Metodele matematice utilizate pentru rezolvarea problemelor de recunoatere a
formelor se grupeaz n dou mari categorii:
- metode decizional-teoretice i statistice;
- metode sintactice (lingvistice).
Dintre proprietile care permit evaluarea unui clasificator, mai importante sunt
urmtoarele:
Recunoaterea este exprimat prin rata de recunoatere, care este procentul de
forme din setul de formare recunoscut corect de clasificator.
Convergena exprim viteza de rspuns a unui clasificator. n cele mai multe
cazuri se urmrete realizarea unui compromis ntre rata de recunoatere i viteza de
rspuns care caracterizeaz un anume clasificator.

Coal
U.T.M.2153.30.003.ME
30
Sigurana este descris prin gradul de ncredere al unui clasificator, care
caracterizeaz capacitatea clasificatorului de a clasifica corect formele distorsionate
aplicate la intrare.
Predicia exprim capacitatea clasificatorilor de a recunoate corect forme care nu
aparin setului de formare. O msur a acestei proprieti este abilitatea predictiv care
exprim procentul de forme din setul de predicie (deci cu apartenen la clase
necunoscut n prealabil) recunoscute corect.
ntre cele dou clase de metode exist o conexiune direct care asigur
ntreptrunderea lor, dup cum rezult i din urmtoarea schem bloc care descrie
modurile posibile de abordare ale unei probleme generale de clasificare [2]:

Forme de
intrare
Decizie
Gramatici
utilizate
Descriere/Extragere/
primitive
Metode
neparametric
e
Metode
parametrice
Prelucrare
preliminar
Clasificare
supervizat/
nesupervizat
Metode
statistic
e
Metode
sintactice
Metode
mixte
Coal
U.T.M.2153.30.003.ME
31
Fig. 1.9. Moduri posibile de abordare ale unei probleme de clasificare.
1.6.2 Strategii de recunoatere pentru N clase
Complexitatea problemei poate fi micorat mprind-o n mai multe sarcini mai
mici, i anume alctuind cteva grupe de clase i apoi construind cte un clasificator
pentru fiecare grup de forme. Trsturile extrase se aplic simultan la intrrile tuturor
clasificatorilor i n mod normal unul singur va furniza decizia de recunoatere.
Schemele bloc pentru dou variante ale unui asemenea sistem sunt prezentate n
continuare .

Fig. 1.10. Sistem de recunoatere pentru N clase, varianta 1.

Coal
U.T.M.2153.30.003.ME
32
Fig. 1.11. Sistem de recunoatere pentru N clase, varianta 2.
Rolul logicii de decizie este de a furniza o decizie corect n cazurile cu o oarecare
doz de incertitudine, utiliznd informaiile furnizate de toate clasificatoarele.
Dei prima variant este mai simpl, se poate utiliza, pentru optimizarea timpului
de rspuns, un preclasificator care s specifice crei grupri i aparine fiecare form de
intrare i n consecin, care clasificator elementar trebuie folosit pentru recunoaterea
efectiv.
De multe ori, orice sistem de recunoatere include i un subsistem de tratare a
erorilor de recunoatere (forme nerecunoscute), un exemplu tipic in acest sens fiind
cazul caracterelor atinse sau fragmentate din sistemele OCR (Optical Character
Recognition). n ambele cazuri, pentru formele nerecunoscute se mai face o ncercare n
ipoteza c ele reprezint forme nc "nenvate"; se ncearc reantrenarea
clasificatorului, apoi rezultatul este iari aplicat la intrarea clasificatorului pentru o
nou ncercare .
1.7Filtrarea imaginilor. Filtre spaiale pentru eliminarea zgomotelor

Coal
U.T.M.2153.30.003.ME
33
Zgomotul este o informaie nedorit care deterioreaz calitatea unei imagini.
Zgomotul din imaginile digitale poate proveni dintr-o multitudine de surse. Procesul de
achiziie al imaginilor digitale, care convertete o imagine optic ntr-un semnal electric
continuu este un proces primar generator de zgomote.
La fiecare pas din procesul de achiziie exist fluctuaii cauzate de fenomene
naturale i acestea adaug o valoare aleatoare la extragerea fiecrei valori a luminozitii
pentru un pixel dat. n imaginile tipice, zgomotul poate fi modelat fie printr-o distribuie
gaussian figura 1. 12 - a, uniform figura 1. 12 b, sau de tip salt and pepper
(sare i piper) figura 1. 13, c.
Operaia prin care se elimin zgomotul, datorat unor surse externe, dintr-o imagine
digital este filtrarea. Filtrarea imaginilor digitale este o operaie care se aplic local la
nivelul fiecrui pixel din imagine, nlocuind valoarea intensitii/ culorii pixelului curent
cu o valoare ce depinde de valorile de intensitate/culoare ale pixelilor vecini. Numrul
de vecini luai n considerare va determina dimensiunea filtrului.
Filtrele spaiale pot fi folosite efectiv pentru a nltura anumite tipuri de zgomote
din imaginile digitale.
Probabilitate Probabilitate
1 B

,
A

Nivele de gri a b Nivele de gri a b Nivele de gri

Fig. 1.12. Tipuri de zgomot.

b) c)
a)
Coal
U.T.M.2153.30.003.ME
34
Aceste filtre spaiale opereaz pe vecinati mici, ntre 3x3 i 11x11, i unele pot fi
implementate ca i mti de convoluie.
Principalele categorii de filtrele spaiale folosite la nlturarea zgomotelor sunt
filtrele ordonate i filtrele de mediere.
Filtrele ordonate sunt filtre neliniare implementate prin aezarea pixelilor vecini n
ordine de la cel cu valoarea cea mai mica a nivelelor de gri la cel cu valoarea cea mai
mare a nivelelor de gri. Aceast ordonare se folosete pentru a selecta valoarea
"corect", n timp ce la filtrele de mediere se determina, ntr-un fel sau altul, o valoare
medie a vecinilor [7].
Filtrele de medie sunt n general filtre liniare aplicate printr-o operaie de
convoluie a imaginii cu un nucleu (masca) de convoluie i lucreaz mai bine cu
zgomot uniform sau zgomot gaussian. Filtrele ordonate (in special filtru median)
lucreaz mai bine cu zgomote salt-and-peper, zgomote exponenial negative, zgomote
Ryleigh. Filtrele de mediere au dezavantajul de a voala marginile sau detaliile
imaginilor. Filtrele ordonate nu sunt liniare, astfel ca rezultatele acestora sunt uneori
imprevizibile. n practic ambele tipuri de filtre pierd informaiile de frecvent nalt
(muchii si detalii) n ncercarea lor de a nltura zgomotele, i scopul este de a diminua
aceste pierderi de informaie cnd se maximizeaz nlturarea zgomotului. Un filtru care
ii schimba comportamentul bazndu-se pe caracteristicile nivelelor de gri ale vecinilor
este numit filtru adaptiv, i aceste filtre sunt folosite in multe aplicaii practice.
Filtre ordonate. Filtrele ordonate sunt bazate pe un tip specific de statistica a
imaginilor numit statistica ordonat. Aceste filtre opereaz pe subimagini mici
(ferestre) din jurul pixelului curent, i nlocuiesc valoarea pixelului central (curent).
Statistica ordonat este o tehnic care aranjeaz toi pixelii ntr-o ordine secvenial,
bazat pe valoarea nivelelor de gri. Plasarea unei valorii n cadrul acestei mulimi
ordonate va fi caracterizat de un de rang. Dndu-se o fereastra W de NN pixeli,
valorile pixelilor pot fi ordonate cresctor dup cum urmeaz: I
1
I
1
I
1
I
N
2
, unde { I
1
,
I
1
, I
1
,, I
N
2
} reprezint intensitile (nivelele de gri) valorilor corespunztoare subsetului

Coal
U.T.M.2153.30.003.ME
35
de pixeli din imagine, care sunt in fereastra W de NN pixeli (care este: {(r,c)W}) din
jurul pixelului curent.
Exemplu: fie este dat o subimagine cu dimensiunea 3x3 :
1
1
1
]
1
85 88 95
104 104 100
114 110 110
.
Rezultatul aplicrii statisticii ordonate va fi: {85, 88, 95, 100, 104, 104, 110, 110,
114}.
Filtrul de maxim - nlocuiete valoarea pixelului central cu cea mai mare valoare
(I
N
2
) din fereastra ordonat de valori ale pixelilor din vecintatea curenta (in exemplul
de mai sus valoarea selectat ar fi 114).
Filtrul de minim - nlocuiete valoarea pixelului central cu cea mai mica valoare
(I
1
) din fereastra ordonat de valori ale pixelilor din vecintatea curent (in exemplul de
mai sus valoarea selectat ar fi 85) i este folosit pentru eliminarea zgomotelor salt.
Filtrul punctului de mijloc - nlocuiete valoarea pixelului central cu media dintre
valoarea minim (I
1
) i valoarea maxim (I
N
2
) din fereastra ordonat de valori ale
pixelilor din vecintatea curent, este folosit pentru zgomot gaussian si zgomot uniform.
2. Descrierea modelelor de recunoatere a imaginilor
2.1 Modelul de neuroni
Reelele neurale (neuronale) artificiale ncearc s se apropie de modelul creierului
uman. Alte arhitecturi propuse ncearc s exploateze ct mai eficient paralelismul care
este de obicei inerent [5,6]. "Procesoarele" care formeaz reelele neuronale, sunt
denumite neuroni artificiali.
Dac majoritatea calculatoarelor existente n momentul de fa dispun de o singur
unitate procesoare, extrem de puternic i de rapid, la cealalt extrem din punctul de
vedere al structurii interne se plaseaz aceste reele neurale artificiale, caracterizate

Coal
U.T.M.2153.30.003.ME
36
printr-o simplificare extrem a unitilor componente, alturi de o extindere ct mai
larg a conexiunilor ntre aceste uniti procesoare.
Orice reea neural este caracterizat de trei elemente: modelul neuronului,
arhitectura reelei i algoritmul de antrenare folosit.
x
1
W

x
2
a y
funcie Ieire
x
n
activare
Fig. 2.1. Structura neuronului artificial.
n figura 2.1 avem urmtoarele nsemnri:
- "a" reprezint suma intrrilor ponderate pentru neuronul respectiv;
- f(a) funcia neliniar de ieire sigmoid simetric , sau chiar funcie
liniar.
n ceea ce privete modelele de neuroni, cel mai mult folosite n momentul de fa
sunt cele fr memorie, deci care implementeaz o relaie de forma [4]:

,
1
,
_
N
i
j ij i
w f y
(2.1)
unde y
j
este ieirea neuronului "j", x
i
este intrarea "i" a neuronului, w
ij
este ponderea
conexiunii de la intrarea "i" la neuronul "j", iar
j
este pragul ataat neuronului "j".
Deci n esen, sunt aplicate un set de intrri (x
1
, x
2
,.., x
n
), fiecare reprezentnd, de
obicei, ieirile altor neuroni.
Deci n esen, sunt aplicate un set de intrri (x
1
, x
2
,.., x
n
), fiecare reprezentnd, de
obicei, ieirile altor neuroni.
Fiecare intrare este multiplicat cu o pondere corespunztoare (w
i1
, w
i2
,... w
in
)
analog puterii sinapsei, i apoi toate rezultatele sunt sumate pentru a determina nivelul
de activare al neuronului.

f
W
1
W
2
W
n
Coal
U.T.M.2153.30.003.ME
37
Funcia Y =(a) este o funcie neliniar care poate fi de tipul limitare hardware, prag
logic, sigmoid simetric sau nu, sau chiar funcia identic. Limitarea hardware se
implementeaz n unul din urmtoarele dou moduri, vezi figura 3.2 :
Fig. 2.2. Limitarea hardware.

'
+
<
'
+
<
. 0 , 1
; 0 , 0
) (
. 0 , 1
; 0 , 1
) (
a penru
a pentru
a Y
a penru
a pentru
a Y
(2.2)
Pragul logic realizeaz limitarea domeniului de ieire la zero pentru valori de
intrare negative (sau uneori la -1) i la +1 pentru valori ce depesc un anumit prag
pozitiv. Pentru anumite aplicaii se prefer utilizarea neuronului liniar, vezi figura 3.3.
Fig. 2.3. Pragul logic ce realizeaz limitarea domeniului de ieire la zero pentru
valori de intrare negative i la +1 pentru valori ce depesc un anumit prag pozitiv.

. ) (
. 0 ,
; 0 , 0
) ( a a Y
a penru a
a pentru
a Y
'
<
(2.3)
Funcia sigmoid, foarte des folosit, asigur limitarea domeniului de ieire al
neuronului la gama (0,1) pentru sigmoida asimetric i la (-1,+1) pentru sigmoida
simetric, vezi figura 3.4.

Coal
U.T.M.2153.30.003.ME
38
Fig. 2.4. Funcia sigmoid.

.
) exp( 1
) exp( 1
) ( ;
) exp( 1
1
) (
a
a
a Y
a
a Y
+

(2.4)
Prin aceast funcie se obine un ctig neliniar pentru neuronul artificial. Acest
ctig variaz de la valori mici pentru excitaii negative mari (curba este aproape
orizontal), la valori mari pentru excitaii mari i pozitive. Grossberg (1973) a gsit c
acest ctig neliniar caracteristic rezolv dilema saturrii. n ciuda diversitii de modele
de neuroni, majoritatea sunt bazate pe aceast configuraie.
Modele mai sofisticate de neuroni introduc variabila timp, un astfel de model fiind
descris de urmtoarele relaii:

'
+ +
). (
;
1
j i
N
i
j i ij j
j
u f y
x w u
dt
du
(2.5)
unde u
j
caracterizeaz starea curent a neuronului.
2.2 Arhitecturi de reele neurale
Dei un singur neuron poate realiza funcii simple de detecie de modele, puterea
calcului neural provine din conectarea neuronilor n cadrul reelelor. O reea neural
simpl este aranjarea unui grup de neuroni pe un strat ca n figura 2.5:

y
1
y
2
y
K

Coal
U.T.M.2153.30.003.ME
39
w
21
w
1K
w
11
w
12
w
22
w
2K
w
NK
w
N2
w
N1
x
1 -
x
2 ---
x
N
Fig. 2.5. Reea neural cu un strat.
Setul de intrare X are fiecare element conectat cu fiecare neuron, cu cte o pondere
separat. Fiecare neuron scoate la ieire o sum a produsului ponderi-intrri
corespunztoare. Actualele reele artificiale i biologice au unele din conexiuni lips dar
conectivitatea total a fost artat aici din raiuni de generalitate. Este convenabil s
reprezentm ponderile ca fiind elementele unei matrici. Dimensiunile matricei fiind N
linii pe K coloane, unde N este numrul de intrri, iar K numrul de neuroni. n acest fel
putem calcula pentru setul de neuroni cele K funcii de activare ca simple nmuliri de
matrici:

), ( ) ( X W f A f Y X W A
T T

(2.6)
unde X, A, Y sunt vectori linie, W este o matrice NK.
Reelele cu mai multe straturi, mult mai generale i mai complexe, ofer n general,
o capacitate mare de calcul. Asemenea reele au fost construite n orice configuraie
imaginabil, aranjnd neuronii n straturi imitnd structura straturilor dintr-o anumit
zon a creierului. Aceste reele multistrat au capaciti sporite, dovedite relativ la
reelele cu un singur strat, iar n ultimii ani algoritmi performani s-au dezvoltat pentru
antrenarea lor. Reelele multistrat pot fi formate prin simpla cascadare de straturi,
ieirile unui strat devenind intrri pentru stratul urmtor.
Reelele multistrat nu furnizeaz nici o cretere a puterii de calcul n raport cu
reelele cu un singur strat dac nu este prezent o funcie de activare neliniar ntre
straturi.
Calculul ieirii unui strat liniar const n nmulirea vectorului de intrare cu prima
matrice de ponderi, apoi (dac nu este prezent o funcie de activare neliniar)

Coal
U.T.M.2153.30.003.ME
40
multiplicnd vectorul rezultat cu a doua matrice de ponderi. Aceasta ar putea fi
exprimat prin : Avnd n vedere c nmulirea de matrici este asociativ, relaia poate fi
rescris :

). (
1 2
X W W Y
T T
(2.7)
Avnd n vedere c nmulirea de matrici este asociativ, relaia poate fi rescris :

. ) ( ) (
1 2 1 2
X W W X W W Y
T T T

(2.8)
Aceasta arat c reea liniar cu dou straturi este exact echivalent cu o reea cu
un singur strat ce are matricea ponderilor egal cu produsul celor dou matrici. De aici,
se poate trage concluzia c funcia de activare neliniar este vital pentru extinderea
capacitilor reelelor fa de cele cu un singur strat.
Reelele considerate pn acum nu au conexiuni cu rspunsuri spre napoi
("feedback"), conexiuni care s aplice valorile de la ieirea unui strat spre intrarea
aceluiai strat sau a altui strat. Aceast clas special, numit reele nerecurente sau cu
rspuns (propagare a fluxului de date) spre nainte ("feed foreward") prezint un interes
considerabil i sunt larg aplicate. n general, reelele care conin conexiuni feedback sunt
denumite reele recurente. Reelele nerecurente nu au memorie, ieirile fiind
determinate doar pe baza intrrilor curente i a valorilor ponderilor.
n cteva configuraii, reelele recurente recirculeaz ieirile anterioare napoi spre
intrare, de aici ieirile lor sunt determinate pe baza intrrilor curente i ieirilor
anterioare. Din acest motiv reelele recurente pot etala proprieti similare cu memoria
pe termen scurt a omului.
2.3 Algoritmi de antrenare a reelelor neurale
Dintre toate caracteristicile interesante ale reelelor neurale, nici una nu capteaz
atta imaginaie ca abilitatea lor de a nva. Antrenarea reelelor artificiale este ns
limitat, multe probleme dificile rmnnd a fi rezolvate.
Algoritmii de antrenare sunt categorizai n supervizai i nesupervizai. O reea
este antrenat dac aplicarea unui set de intrri produce ieirea dorit sau una apropiat.
Antrenarea este realizat prin aplicarea secvenial de vectori de intrare, n timpul

Coal
U.T.M.2153.30.003.ME
41
fiecrei asemenea operaii ajustnd ponderile din reea n acord cu o procedur
predeterminat. n timpul antrenrii, ponderile din reea converg gradual spre valori
pentru care fiecare vector de intrare produce vectorul de ieire dorit.
Antrenarea supervizat cere pentru fiecare vector de antrenare perechea vector
int care este ieirea dorit. Acestea sunt denumite pereche de antrenare. Uzual, o reea
este antrenat dup un numr de astfel de perechi de antrenare. Un vector de intrare este
aplicat, ieirea reelei este calculat i comparat cu vectorul int, iar diferena (eroarea)
este trimis napoi, iar ponderile sunt schimbate n acord cu un anumit algoritm care
tinde s minimizeze eroarea la un nivel acceptabil.
nvarea nesupervizat nu cere cunotine apriorice despre datele aplicate la
intrarea reelei, reelele se auto-organizeaz pentru a produce ieirile dorite. Antrenarea
supervizat a fost criticat ca fiind biologic neplauzibil. Antrenarea nesupervizat este
un model mai plauzibil de nvare n sistemele biologice.
Antrenarea nesupervizat nu cere vector int pentru ieiri, de aceea nu au loc
comparaii cu rspunsul ideal. Setul de antrenare nu const dect n vectori de antrenare.
Algoritmul de antrenare modific ponderile reelei pentru a produce un vector de ieire
consistent. Procesul de antrenare este deci extragerea de proprieti statistice ale setului
de antrenare i a vectorilor, dintr-un grup similar de vectori, n clase. Aplicnd la intrare
un vector, dintr-o clas dat, va produce la ieire un vector specific, dar aici nu este nici
o cale de a determina care model specific va fi gsit la ieire de un vector de intrare
dintr-o clas dat.
De aici, ieirea unei astfel de reele trebuie n general transformat ntr-o form ce
s poat fi neleas, ulterior procesului de antrenare.
Marea majoritate a algoritmilor utilizai n prezent au evoluat de la concepiile lui
Hebb [6]. El propunea un model pentru nvare nesupervizat unde "triile" sinapselor
(ponderile) sunt mrite dac att neuronul surs ct i neuronul destinaie sunt active. n
acest fel modelele utilizate n reele sunt puternice, iar fenomenul de folosire i nvare
prin repetiie este explicat.

Coal
U.T.M.2153.30.003.ME
42
O reea neural artificial utiliznd algoritmul de nvare al lui Hebb va modifica
ponderile n acord cu produsul nivelelor de excitaie dintre neuronii surs i destinaie.
Legea de nvare este descris de ecuaia:
j i ij ij
Y Y n w n w + + ) ( ) 1 (
, (2.9)
unde: w
i,j
(n) - valoarea ponderii de la neuronul "i" la neuronul "j" naintea
ajustrii;
w
i,j
(n+1)- valoarea ponderii de la neuronul "i" la neuronul "j" dup ajustare;
- coeficientul de nvare;
Y
i
- ieirea neuronului "i" i intrarea neuronului "j";
Y
j
- ieirea neuronului "j".
2.4 Perceptronul cu un singur strat i perceptronul multistrat
Cutnd s descopere modele hardware/software ale neuronului biologic i a reelei
sale de interconectare McCulloch i Pitts au publicat primul studiu sistematic al reelelor
neurale artificiale [6].
O arhitectur tipic pentru un perceptron cu trei straturi este prezentat n figura
2.6. Capabilitatea perceptronului multistrat rezid n neliniaritatea folosit n nodurile
sale [6].
z
1
z
2
z
N

w
21
(z)
(z) (z) (z) w
22
w
1N
(z) (z)
w
11
w
12
w
2N
(z)

w
M2
w
MN
y
1
(y) y
2
w
M1
y
M
w
21
(y)
(y) (y)w
12
(y) w
22
w
1M
(y)w
K2
(y)w
KM
w
11
(y) w
K1
x
K
x
1
(x)

x
2
(x)
(x) (x) w
21
(x) w
22
w
1K
(x)
w
11
w
12
(x)w
2K
(x)

w
L2
w
LK

Coal
U.T.M.2153.30.003.ME
43
w
L1
u
1
u
2 ---
u
L
Fig. 2.6. Arhitectura tipic a perceptronului cu trei straturi.
S-a folosit cel mai mult modelul neuronului descris anterior, ns folosind
neliniaritatea prag logic:

'
>
. 0 , 0
; 0 , 1
) (
a pentru
a pentru
a f
(2.10)
Aceste sisteme poart numele de perceptron. n general, acestea constau ntr-un
singur strat de neuroni artificiali conectai prin ponderi la un set de intrri.
n ciuda limitrilor pe care le prezint, studiul perceptronilor a fost extins (chiar
dac nu sunt folosii pe scar larg). Teoria lor reprezint o fundaie pentru multe alte
forme de reele neurale artificiale i au demonstrat c reprezint principii importante n
acest domeniu. Pentru aceste motive ei reprezint punctul logic de nceput n studiul
teoriei reelelor neurale artificiale.
Valabilitatea teoremei nvrii perceptronilor demonstreaz c perceptronii pot
nva orice poate fi reprezentat. Este important de fcut distincia ntre reprezentare i
nvare. Reprezentarea se refer la abilitatea perceptronului (sau a altor reele) de a
simula o funcie specific. nvarea reclam existena unei proceduri sistematice de
ajustare a ponderilor din reea pentru a produce acea funcie.
Dac nodurile sunt elemente liniare, atunci un perceptron cu un singur strat avnd
ponderi apropiate poate realiza foarte bine aceleai calcule ca i reeaua multistrat.
Algoritmul backpropagation este o metod sistematic de antrenare a reelelor
neurale artificiale. El are un fundament matematic puternic, dar care nu este ntotdeauna
practic. Pentru a antrena reeaua, un vector X este aplicat la intrare, iar ieirea Y este
calculat.
Ponderile care conecteaz intrrile sunt modificate la o valoare care s minimizeze
eroarea dintre ieirea obinut i ieirea dorit. Dup un anumit numr de pai, reeaua
va nva s diferenieze vectorii cu care a fost antrenat de ali vectori de intrare.

Coal
U.T.M.2153.30.003.ME
44
Fiecare neuron are intrrile conectate cu ieirile stratului precedent. Relaiile care
descriu funcionarea perceptronului multistrat sunt:

'
,
_
,
_
,
_
,
;
;
1
) (
1
) (
1
) (
pk
L
k
x
kj pj
pk
M
k
y
kj pj
pk
N
k
z
kj pj
u w f x
x w f y
y w f z
(2.11)
unde: N - numrul de neuroni de pe stratul de ieire;
M - numrul de neuroni de pe stratul intermediar (ascuns);
K - numrul de neuroni de pe stratul de intrare (ascuns);
L - numrul de intrri n reea
z
pj
- ieirea neuronului "j" de pe stratul de ieire pentru forma "p" de intrare;
y
pj
- ieirea neuronului "j" de pe stratul intermediar pentru forma "p" de intrare;
x
pj
- ieirea neuronului "j" de pe stratul de intrare pentru forma "p" de intrare;
u
pj
- valoarea aplicat intrrii "j" n reea pentru forma "p" de intrare;
) ( z
ij
w
-ponderea conexiunii neuronului "i" de pe stratul intermediar cu neuronul
"j" de pe stratul de ieire;
) ( y
ij
w
- ponderea conexiunii neuronului "i" de pe stratul de intrare cu neuronul "j"
de pe stratul de intermediar;
) ( x
ij
w
- ponderea conexiunii intrrii "i" n reea cu neuronul "j" de pe stratul de
intrare.
Funcia de eroare corespunztoare formei de intrare "p" este dat de:

M
j
pj pj p
z d E
1
2
) (
2
1
. (2.12)
2.5 Reeaua Hopfield

Coal
U.T.M.2153.30.003.ME
45
Acest tip de reea poate fi folosit ca memorie asociativ sau pentru rezolvarea unor
probleme de optimizare. Folosete neuroni cu intrri binare, a cror ieire conine
nelineariti de tipul limitare hardware (vezi primul paragraf al acestui capitol).
Arhitectura unei reele Hopfield cu N neuroni este prezentat n figura 3.8. Ieirea
fiecrui neuron este aplicat tuturor celorlalte noduri prin intermediul unor ponderi t
ij
.
Hopfield a demonstrat c aceast reea converge dac ponderile sunt simetrice (t
ij
= t
ji
).
Dei simplitatea ei o face atractiv, aceast reea prezint dou limitri majore cnd este
utilizat ca memorie adresabil prin coninut. n primul rnd, numrul de forme prototip
care pot fi stocate i apoi regsite corect n reea este limitat la aproximativ 15% din
numrul de neuroni [6].
Dac se ncearc stocarea prea multor forme prototip, reeaua ar putea converge
ctre un prototip fictiv. A doua limitare prezent la reeaua Hopfield apare dac
prototipurile memorate n reea sunt foarte asemntoare (prezint un mare numr de
bii identici), caz n care reeaua devine instabil.
Dac reeaua Hopfield este folosit drept clasificator, ieirea reelei (dup
convergen) trebuie comparat cu fiecare form prototip, dup care se poate lua decizia
de apartenen la una din clasele ataate formelor prototip.

,
0

,
1

,
2 N

,
1 N
1 N
2 N

Coal
U.T.M.2153.30.003.ME
46
0
2 N
1 N

Fig. 2.7. Arhitectura reelei Hopfield.
2.6 Reeaua Hamming
Arhitectura reelei Hamming este prezentat n figura 2.8. Acest tip de reea poate
fi folosit drept clasificator pentru forme binare afectate de zgomot. Ea conine neuroni
de tip prag logic. Se remarc n arhitectura reelei prezena a dou straturi,
primul (cel inferior) realizeaz o valoare proporional cu distana Hamming la un
numr de M forme prototip. Stratul superior selecteaz nodul cu ieirea maxim.
Fig. 2.8. Arhitectura reelei Hamming.
3. Elaborarea algoritmilor n baza mediului Windows NT i Java
3.1 Noiuni generale n Microdsoft Windows NT
nceperea realizrii sistemului Microsoft Windows NT n 27 iulie 1993, marcheaz
un pas de hotar important n activitatea Microsoft. "Windows NT reprezint nimic
altceva decat o schimbare radical n modul n care se poate opera n reele de
calculatoare.
Windows NT a fost primul sistem de operare Windows care combina suportul pentru

Coal
U.T.M.2153.30.003.ME
47
aplicaii de nivel nalt client/server cu aplicaii de interes personal cu productivitate
ridicat.
Acest sistem de operare introduce noi posibiliti privind performana i puterea de
operare i include un sistem de programare multitasking pentru aplicaii bazate pe
Windows, lucru n reea integrat, securitatea serverului de domeniu.
n acelasi timp cu lansarea primei versiuni desktop a lui Windows NT a fost lansat i
primul sistem de operare pentru server al companiei Microsoft: Windows NT Advanced
Server 3.1. Acesta a fost proiectat s acioneze ca un server dedicat n mediul
client/server oferind putere, scalabilitate, rezisten mare la erori i interoperabilitate. Ca
server de aplicaie Windows NT Advanced Server este o platforma puternic pentru
servere de date (ex. Microsoft SQL Server), servere de comunicaie i servere de pota
electronic (ex. Microsoft Mail).
Windows NT este o versiune de 32 de bii a interfeei Microsoft cu utilizatorul care
ofer cu adevarat modul de lucru multitasking pentru calculatoarele personale bazate pe
microprocesoare Intel i pentru staiile de lucru. Windows NT (New Technology)
ruleaz exclusiv protejat, permind proiectanilor de aplicaii s foloseasc pn la 4 GB
de RAM. Windows NT are faciliti avansate de gestionare a fiierelor, puternice funcii
de reea, fiind un adevarat sistem client - server.
Utilizarea ulterioar de programe de actualizare (service pack) i instalarea de
faciliti opionale (option packs) permit utilizarea cheilor publice i a certificrilor
pentru securizarea datelor i adaug noi unelte de administrare pentru personalul tehnic.
Windows NT este un sistem de operare destinat retelelor multifunctionale, sistem care
poate aciona att n calitate de client, ct i ca server ntr-un mediu de lucru de reea.
Windows NT este o denumire generica pentru dou produse de sine stttoare:
Windows NT Workstation si Windows NT Server.
Windows NT Workstation ofer urmatoarele avantaje:
1). Mod de lucru performant. Asigur multitasking controlat pentru toate programele.
Windows NT Workstation accepta mai multe procesoare, pentru a realiza o
multiprocesare real. De exemplu, dac rulai un program multifila cum ar fi Microsoft

Coal
U.T.M.2153.30.003.ME
48
Word, putei continua lucrul la un document n timp ce tiprii un altul.
2). Profil hardware. Creeaz i ntreine o list a componentelor ce alctuiesc
configuraia hardware a unui calculator. De exemplu, dac folosii un calculator laptop
i un dispozitiv de extensie la locul de munc, putei utiliza un profil hardware pentru a
configura calculatorul astfel nct s funcioneze cu dispozitivul de extensie. Cand
lucrai pe laptop acas, putei folosi un alt profil hardware cu o configuraie care permite
aceluiai calculator conectarea telefonic la reea.
3. Microsoft Internet Explorer. V ofer un browser rapid i usor de folosit, compatibil
cu standardele existente.
4). Sistem de pot electronic. Recepioneaz i stocheaz mesajele electronice, dar i
fiiere i obiecte create n alte programe.
5). Servicii Web. Ofer un server Web personal, optimizat s funcioneze cu Windows
NT Workstation, versiunea 4.0.
6). Sigurana. Garanteaz securitatea local a fiierelor, directoarelor, imprimantelor i
a altor resurse. Utilizatorii pot fi identificai fie prin intermediul calculatorului local, fie
printr-un controller de domeniu pentru a avea acces la oricare dintre resursele
calculatorului sau ale reelei.
7). Stabilitatea sistemului de operare. Accepta orice program n propriul sau spaiu de
adresare al memoriei. Astfel, programele care prezint probleme de funcionare nu mai
pot afecta alte programe.
3.2 Criptografia i tipuri de criptare
3.2.1 Algoritmi criptografice cu cheie secret i cu cheie public
Criptografia este tiina scrierilor secrete. Ea st la baza multor servicii i
mecanisme de securitate folosite n internet, folosind metode matematice pentru
transformarea datelor, n intenia de a ascunde coninutul lor sau de a le proteja

Coal
U.T.M.2153.30.003.ME
49
mpotriva modificrii. Istoria moderna a criptografiei cunoaste numeroase inovatii in
aceasta privinta. Doua sunt elementele ce au marcat insa cotitura semnificativa in
dezvoltarea metodelor criptografice.
Primul este legat de dezvoltarea reelelor de calculatoare, al caror stimulent
extraordinar s-a manifestat att prin presiunea exercitat de tot mai muli utilizatori ct i
prin potentarea gamei de instrumente folosite efectiv n execuia algoritmilor de cifrare.
Cnd cheia secreta are o dimeniune convenabil i este suficient de frecvent schimbat,
devine practic imposibil spargerea cifrului, chiar dac se cunoate algoritmul de
cifrare. Al doilea moment important n evoluia criptografiei moderne l-a constituit
adoptarea unui principiu diferit de acela al cifrrii simetrice. n locul unei singure chei
secrete, criptografia asimetric foloseste doua chei diferite, una pentru cifrare, alta
pentru descifrare. Deoarece este imposibil deducerea unei chei din cealalt, una din
chei este facut public, fiind pus la ndemna oricui dorete s transmit un mesaj
cifrat. Doar destinatarul, care deine cea de-a doua cheie, poate descifra i utiliza
mesajul. Tehnica cheilor publice poate fi folosit i pentru autentificarea mesajelor, fapt
care i-a sporit popularitatea. Procesul de transformare a textului clar n text cifrat se
numete cifrare sau criptare, iar transformarea nvers, a criptogramei n text clar, are
denumirea de descifrare sau decriptare. Att cifrarea ct i descifrarea sunt controlate de
ctre una sau mai multe chei criptografice. Exist dou tipuri de sisteme criptografice:
- simetrice (cu cheie secreta) care folosesc aceeasi cheie, att la cifrarea ct i la
descifrarea mesajelor.
- asimetrice (cu chei publice) care folosesc chei distincte de cifrare i descifrare (dar
legate una de alta). Una din chei este inut secreta i este cunoscut doar de proprietarul
ei. A doua cheie (perechea ei) este facuta public, de unde i numele de criptografie cu
cheie publica.
Algoritmi criptografici cu cheie secret. Securitatea criptrii simetrice (cu cheie
secreta) depinde de protecia cheii; managementul acestora este un factor vital n
securitatea datelor i cuprinde urmtoarele aspecte: generarea cheilor. Pot fi folosite, cu

Coal
U.T.M.2153.30.003.ME
50
o tabel de conversie, proceduri manuale (datul cu banul, aruncarea zarurilor), dar
numai pentru generarea cheilor master (folosite pentru cifrarea cheilor). Pentru cheile de
sesiune sau de terminal sunt necesare proceduri automate, de generare (pseudo)
aleatoare, care se pot baza pe amplificatoare de zgomot, funcii matematice i diveri
parametri (numarul curent al apelurilor sistem, data, ora etc).
distribuia cheilor. Cu privire la transportul cheii secrete, problema este n general
rezolvat prin folosirea unei alte chei, numit cheie terminal, pentru a o cripta. Cheile de
sesiune - generate numai pentru o comunicaie - sunt transportate criptat cu cheile
terminal care, de asemenea, pot fi protejate (cand sunt memorate) cu alta cheie, numit
cheie master.
Cheile terminal, care cripteaz numai date foarte scurte (chei de sesiune), sunt
foarte dificil de atacat. Cifrul DES (DES simplu, DES cu sub-chei independente, DESX,
DES generalizat GDES, DES cu cutii S alternative, DES cu cutii S dependente de
cheie);
Algoritmi criptografici cu cheie publica. Un moment important n evoluia
criptografiei moderne l-a constituit crearea, n anul 1976, de ctre Whitfield Diffie i
Martin Hellman, cercettori la Univeritatea Stanford din California, a unui principiu
diferit de acela al cifrrii simetrice. Ei au pus bazele criptografiei asimetrice cu chei
publice. n locul unei singure chei secrete, criptografia asimetrica foloseste dou chei
diferite, una pentru cifrare, alta pentru descifrare. Deoarece este imposibil deducerea
unei chei din cealalt, una din chei este facut public, fiind pus la ndemna oricui
dorete s transmit un mesaj cifrat. Doar destinatarul, care deine cea de-a doua cheie,
poate descifra i utiliza mesajul. Tehnica cheilor publice poate fi folosit i pentru
autentificarea mesajelor prin semntura digital, fapt care i-a sporit popularitatea.
ntlnim urmtoarele tipuri de sisteme de criptare cu algoritmi cu cheie public:
sisteme de cifrare exponentiala RSA (Rivert-Shamir-Adleman);
3.3 Securitatea aplicaiilor Java

Coal
U.T.M.2153.30.003.ME
51
Securitatea definete starea de a fi protejat n faa pericolelor. Nu se poate vorbi de
securitate n sens absolut. Sintagma sistem sigur este neltoare ntruct implic faptul
c sistemele sunt fie sigure fie nesigure. n realitate, securitatea este un compromis.
Avnd la dispoziie resurse nelimitate, orice form de securitate poate fi compromis.
Cu toate acestea, n realitate, resursele de care dispun atacatorii sunt totui finite. Avnd
aceste lucruri n vedere, un sistem poate fi considerat sigur dac costul pe care un
atacator l pltete pentru a-l compromite este mult mai mare dect recompensa
obinut.
n sistemele complexe, fiecare component trebuie s aib propriul mecanism de
securitate sincronizat cu al celorlalte. Acest lucru este cel mai adesea dificil de realizat.
Atunci cnd se evalueaz securitatea unui sistem este avut n vedere securitatea celei
mai vulnerabile componente. Spre exemplu, tipizarea limbajului de programare, impus
de compilator i verificat de mediul de execuie, se dovedete a fi critic pentru o
platform care este de altfel sigur per ansamblu. n trecut, multe dintre breele de
securitate se datorau posibilitii de a depi cu uurin zone tampon (buffer overflow)
sau de a accesa nerestricionat memoria. n timp aceste bree de securitate au fost
eliminate prin tipizarea puternic a limbajului de programare i prin impunerea de ctre
mediul de execuie a unor restricii adecvate.
Securitatea platformei Java se manifest n dou feluri: prin securitatea integrat n
limbajul de programare i prin protecia mpotriva atacurilor accidentale sau nu asupra
limbajului i platformei. n ceea ce privete securitatea inerent limbajului de
programare, limbajul Java a fost puternic influenat de limbajele C i C++, dar mai ales
de slbiciunile manifestate de acestea. n acest sens, compilatorul Java notific
neiniializarea variabilelor. Limbajul este puternic tipizat, multe dintre construciile
nesigure fiind eliminate sau modificate; de exemplu, accesarea tablourilor se face n Java
cu verificarea indexului. De asemenea, prinderea excepiilor este obligatorie. Aceast
disciplin a prinderii i tratrii excepiilor nu are tot timpul implicaii directe asupra
securitii. Cu toate acestea, o excepie netratat poate conduce la o execuie
imprevizibil a programului, fapt ce, din punctul de vedere al securitii, trebuie evitat.

Coal
U.T.M.2153.30.003.ME
52
4. Elaborarea interfeei utilizatorului
4.1 Interfaa utilizatorului
Interfaa utilizatorului este una din etapele principale de creare a imaginilor mai
departe,i anume prin intermediul interfeei utilizator program putem efectua paii de
creare ,adaugare,modificare i tergere a figurilor geometrice pentru recunoatere
lor,aceast interfa arat astfel:
Fig.4.1. Interfaa utilizatorului.
Prima etapa de lucru al programului este instruirea perceptronului.
Pentru aceasta se creaz un obiect nou i se redenumete n dependen de numele
lui, aici se adaug toate imaginile care vor fi analizate dup algoritmul de mai jos. n
figura de mai jos n partea stng de sus avem procesarea imaginii, unde se
nregistreaz toate obiectele geometrice cu ajutorul butoanelor: ncarc imagine, obiect
nou, redenumete obiectul i dac vrem s modificm ceva utilizm butonul terge.
Alturi de aceast imagine avem interpretare grafic a reelei neurnale create pe baza

Coal
U.T.M.2153.30.003.ME
53
acestei imagini i recunoaterea obiectelor. n aa fel se produce procesul de instruire a
unui agent inteliget. Mai jos este descrierea procesului de instruire pe care se bazeaz
programul dat
Fig.4.2. Redenumirea fiecrui obiect geometric.
4.2 Algoritmul de instruire
Se prezenta algoritmul standard pentru instruirea perceptronului cu dou clase de
instruire. La primul pas al algoritmului de instruire se iniializeaz valorile ponderilor i
pragul. Ponderile iniiale sunt componentele vectorului v
1
. Se aleg pentru ponderile
iniiale numere reale mici i nenule. Se alege valoarea constantei de corecie c (de obicei
0 < c 1).

Coal
U.T.M.2153.30.003.ME
54
Constanta c controleaz rata de adaptare a reelei. Alegerea ei trebuie s satisfac
cerine contradictorii: pe de o parte exist necesitatea de a obine o adaptare rapid a
ponderilor la intrri i pe de alt parte trebuie s se in seama de necesitatea ca
medierea intrrilor precedente s genereze o estimare stabil a ponderilor.
Algoritmul de nvare al perceptronului compar ieirea produs de reea cu clasa
corespunztoare a vectorului de intrare. Dac s-a produs o clasificare eronat, atunci
vectorul pondere este modificat. n caz contrar el rmne neschimbat.
Dac la p pai consecutivi nu se produce nici o modificare a vectorului pondere, atunci
toi vectorii (formele) de instruire sunt corect clasificai de ultimul vector ponderere rezultat.
Am obinut un vector soluie i algoritmul se oprete cu aceast decizie. Procedura de
instruire descris mai sus conduce la algoritmul urmtor pentru instruirea perceptronului :
ALGORITMUL PERCEPTRONULUI
P1 Se iniializeaz ponderile i pragul.
Se aleg componentele w
1
,, w
n
i t ale vectorului v
1
.
Se pune k = 1 (v
1
este vectorul pondere la momentul iniial).
P2 Se alege constanta de corecie c > 0.
P3 Se alege o nou form de instruire.
Se reprezint reelei o nou form de intrare z
k
i ieirea dorit, (ateptat)
corespunztoare.
P4 Se calculeaz ieirea real generat de perceptron. Ieirea real este dat de
semnul expresiei (v
k
)
T
z
k
.
P5 Condiia de oprire.
Se repet pasul P6 pn cnd vectorul pondere nu se modific la p pai consecutivi.
P6 Se adapteaz ponderile i pragul.
Se modific vectorul pondere folosind regula de corecie
v
k
+cz
k
, dac (v
k
)
T
z
k
0
v
k
, dac (v
k
)
T
z
k
> 0 .

Coal
U.T.M.2153.30.003.ME
55
Se pune k = k + 1.
Dac algoritmul s-a oprit normal, atunci vectorul v
k+1
reprezint o soluie a
problemei de instruire . Pentru a ne convinge cum are loc plasarea vectorilor pe obiectul
geometric este artat in figura de mai jos un exemplu.
Fig.4.3. Iniializarea vectorilor pondere a obiectului.
Limitele perceptronului. n multe probleme concrete de clasificare i de instruire
intervin clase de obiecte care nu sunt liniar separabile. Deoarece perceptronul nu poate
discrimina dect clase liniar separabile, aplicarea acestui algoritm n rezolvarea unor
probleme concrete este sever limitat.
Cea mai celebr i una dintre cele mai simple probleme care nu pot fi rezolvate de
un perceptron este, problema calculrii valorilor funciei logice sau exclusiv
Problema poate fi rezolvat de un perceptron cu mai multe straturi,(cu dou
straturi). Aceast limitare, nu se datoreaz algoritmului, ci este legat de topologia

Coal
U.T.M.2153.30.003.ME
56
foarte simpl reelei utilizate. Dac problema de instruire necesit regiuni de decizie mai
complicate, atunci trebuie mrit complexitatea reelei.
2. Urmatorul pas de lucrul al programului este Propagarea napoi a erorii. Dupa
cum vedem dupa graficul redat din figura de mai jos fiecare iteratie de calcul eroare
devine mai mica. Procesul de calcul al erorii este descris mai jos.
Fig.4.4. Calculul erorii a obiectului geometric ptrat.
Propagarea napoi a erorii. Algoritmul de propagare napoi (Back
Propagation) este considerat in mod uzual, ca fiind cel mai important i mai utilizat
algoritm pentru instruirea reelelor neuronale.
Algoritmul de propagare napoi este o metod de instruire n reelele neuronale
multistrat cu transmitere nainte (reele unidirecionale), n care se urmrete
minimizarea erorii medii ptratice printr-o metod de gradient.
Caracteristica esenial a reelelor cu mai multe straturi este c ele proiecteaz
forme de intrare similare n forme de ieire similare fapt ce permite s fac

Coal
U.T.M.2153.30.003.ME
57
generalizrile rezonabile i s prelucreze acceptabil forme care nu li s-au mai prezentat
niciodat.
5. Probilistica obiectului geometric ptrat
n ultima instan are loc recunoaterea probabilistic a imaginii.
Fig.4.5. Recunoaterea probabilistic a obiectului geometric ptrat.
n partea dreapt a fraimului ecranului este redarea grafic a reelei neuronale a
obiectului din imagine. Aceast imagine se obine la fel ca i n etapa de instruire a
agentului Inteligent. n partea stng a freimului sunt date rezultatele n form
probabilistica de apartene n grupa de obiecte date la instruire.
5. Materialul grafic
5.1 Schema funcional de recunoatere a obiectelor geometrice

Coal
U.T.M.2153.30.003.ME
58
Structura tipic a unui sistem de prelucrarea (evident digital) i analiza
imaginilor este alctuit din punct de vedere funcional dintr-un numr mic de blocuri
(vezi gura 5.1):
sistemul de formare a imaginii (de exemplu sistemul de lentile al camerelor de
luat vederi): strnge radiaia electromagnetic a obiectului studiat pentru a forma
imaginea trsturilor de interes.
convertorul de radiie: convertete radiaia electromagnetic din planul imaginii
ntr-un semnal electric.
Sistemul de formare a imaginii i convertorul de radiaie formeaz senzorul;
acesta reali-zeaz o proiecie plan (bidimensional) a scenei reale (care este n general
tridimensio-nal).
Fig.5.1. Schema general a unui sistem de analiz i prelucrarea imaginilor.
sistemul de achiziie (echivalent unui frame-grabber sau video-blaster): convertete
semnalul electric al senzorului ntr-o imagine digital, pe care o stochez; acesta nu
este altceva dect un dispozitiv de eantionare (discretizare a suportului imaginii)
i cuantizare (discretizare a domeniului de valori a imaginii).
sistemul de prelucrare (n mod tipic un calculator, eelPCsausta tie de lucru); n
aceast categorie se ncadreaz n si mainile specializate de calcul, calculatoarele
de proces.
software-ul specializat: implementeaz algoritmii de prelucrare i analiz.

Coal
U.T.M.2153.30.003.ME
59
Sfera de aplicabilitate a tehnicilor de prelucrarea i analiza imaginilor este
deosebit de larg; practic, n orice domeniu de activitate se pot gsi numeroase aplicaii.
Aceast clas de aplicaii extrem de specice a fost caracterizat drept consumul
imaginii [1] (ima-ginea folosit n vederea analizei, deci a lurii unor decizii).
Imaginile preluate de ctre satelii pot folosite la descoperirea resurselor terestre,
cartograere geograc, urmrirea dezvoltrii urbane, urmrirea vremii, controlul i
prevenirea incendiilor i inundaiilor, precum i alte aplicaii ecologice i militare.
Aplicaiile transmisiei i compresiei imaginilor se regsesc n televiziunea digital,
sistemele de teleconferin, transmisiile fax, birotic, comunicaia pe reele distribuite,
sisteme de securitate cu cir-cuit nchis, aplicaii militare. n aplicaiile medicale sunt
prelucrate radiograile cu raze X, angiogramele, echograile, tomograile, imaginile de
rezonan magnetic nuclear. Acestea pot utilizate pentru monitorizarea pacienilor i
pentru descoperirea i identi-carea de boli i tumori.
O larg clas de aplicaii sunt cele industriale, n care componentele de prelucrarea
i analiza imaginilor sunt folosite n sisteme mai mari de asigurare a calitii produselor
(metrologie, controlul calitii - inclusiv defectoscopie nedistructiv).

5.2 Algoritmi de recunoatere
5.2.1 Extragere de contur
Acest algoritm furnizeaz la ieire o imagine binar, coninnd linii cu grosimea de
un pixel n poziiile n care se estimeaz prezena unei muchii sau grania ntre dou
regiuni diferite.
Algoritmii de extragere de contur asigur la ieire un contur nchis, deci o imagine
de clas 3. Detectorii spaiali de muchii realizeaz extragerea de contur dac sunt urmai

Coal
U.T.M.2153.30.003.ME
60
de alte operaii care s asigure obinerea imaginii binare coninnd linii cu grosimea de
un pixel. De exemplu, s-ar putea folosi una din urmtoarele combinaii de operaii:
Fig. 5.2. Algoritm de extragere a contururilor.
Evident, exist o multitudine de ali algoritmi de extragere de muchii.
5.2.2 Algoritmi de urmrire de contur
Un prim algoritm ce va fi descris este denumit i "mersul orbului". Plecnd de la o
imagine binar se urmrete selecia pixelilor aparinnd conturului.
1. Se alege un sens de parcurgere a conturului.
2. Se localizeaz un prim pixel al obiectului, de obicei prin baleiaj linie cu linie
sau coloan cu coloan. Acest pixel se marcheaz ca fiind pixelul de start. El devine

Coal
U.T.M.2153.30.003.ME
61
a)
b)
a)
pixelul curent.
3. Se baleiaz vecinii pixelului curent, n sensul de parcurgere ales, plecnd de la
precedentul pixel curent, pn la gsirea unui nou pixel obiect, care se marcheaz i
devine pixel curent.
4. Se repet pasul 3 pn la nchiderea conturului, adic pn cnd pixelul de start
devine iar pixel curent.
5. Dac se dorete localizarea altor obiecte n imagine, se reia algoritmul cu pasul
2, pentru gsirea altor obiecte..
Dac exist n imagine mai multe obiecte de localizat, pixelul de start se obine
cutnd perechi de pixeli de forma :
- baleiaj linie cu linie, de la stnga la dreapta;
- baleiaj linie cu linie, de la dreapta la stnga;
- baleiaj coloan cu coloan, de sus n jos;

- baleiaj coloan cu coloan, de jos n sus.
Unde cu gri s-au marcat pixelii obiect, iar cu alb cei de fond.
Funcionarea acestui algoritm pentru cazul a dou imagini simple este ilustrat n
figura 5.3.
Fig. 5.3. Exemple de aplicare a algoritmilor de urmrire de contur.
Un alt algoritm de urmrire de contur, utilizeaz pentru cutare o fereastr mobil
cu dimensiunile 2x2, creia i se ataeaz aa-numitul cod "C", astfel:

c)
Coal
U.T.M.2153.30.003.ME
62

C =8S+4r+2q+p.
Se definesc direciile de deplasare elementar a ferestrei fig. 5.4.
Fig. 5.4. Direciile de deplasare elementare a ferestrei.
Paii acestui algoritm sunt urmtorii:
1. Se alege un tip de conectivitate (contur titra-conecta sau octo-conectat) i un
sens de parcurgere a conturului.
2. Se determin un prim punct al conturului, de obicei prin baleiaj linie cu linie sau
coloan cu coloan. Acesta este marcat drept pixel de start i se ncadreaz ntr-o
fereastr ptratic 2x2.
3. Se calculeaz codul "C" corespunztor ferestrei curente i se extrage din tabelele
urmtoare, funcie de tipul de conectivitate i sensul de parcurs alese, direcia de
deplasare elementar a ferestrei.
4. Se repet pasul 3 pn cnd pixelul de start reintr n fereastr.
5. Pentru extragerea conturului altor obiecte din imagine, se reia algoritmul cu pasul
2.
Conturul titra-conectat al obiectului conine toi pixelii care au intrat la un moment
dat n fereastra de cutare, mai puin pixelii marcai cu "o" din cazurile (tabelele) (A),
(B), (C), (D). Conturul octo-conectat al obiectului conine toi pixelii care au intrat la un
moment dat n fereastra de cutare, mai puin pixelii marcai cu "X" din cazurile (7),
(11), (13), (14).
Tabelul 5.5 - Tabelul A.

Coal
U.T.M.2153.30.003.ME
63

Tabelul 5.6 - Tabelul B. Tabelul 5.7 - Tabelul C.

Fig. 5.8. Parcurgerea secvenial a liniilor matricei imagine.
Problemele care trebuiesc rezolvate la implementarea unor asemenea algoritmi
(care se mai folosesc i la umplerea contururilor), in de punctele critice ale conturului
(poriunile orizontale ale conturului, pixeli terminali, pixeli de ruptur, etc.).

Coal
U.T.M.2153.30.003.ME
64
5.2.3 nlnuirea elementelor de contur
Cel mai adesea, contururile obinute prin detecie de muchii prezint o serie de
defecte: discontinuiti, ramificaii inutile de lungime mic, muchii dublate, etc.
Repararea lor se face cu un set de algoritmi specializai, dintre care o parte sunt descrii
n cele ce urmeaz.
Metode euristice. Poate fi studiat o metod euristic de nlnuire a muchiilor
(elemente de contur)care are la baz examinarea blocurilor de pixeli 4x4. n prima faz
sunt reinui drept "candidai" acei pixeli pentru care modulul gradientului depete un
anumit prag. Apoi prin "potrivire" (matching) liniile cu lungimea de patru uniti, avnd
cele opt orientri de baz sunt cutate n imaginea gradient. Dac raportul ntre cel mai
bun scor de similitudine i cel mai slab depete un al doilea prag, irul de pixeli de
muchie este considerat drept o linie valid.
Dac dou asemenea linii se gsesc n blocuri adiacente i diferena direciilor lor
este n gama (- 23
0
,+ 23
0
) , ele se concateneaz. Urmeaz apoi tratarea unor cazuri de
tipul:
Fig. 5.9. nlnuirea euristic a muchiilor.
Adic din triunghiuri se elimin laturile corespunztoare cii mai lungi, iar
dreptunghiurile se nlocuiesc cu diagonala corespunztoare cii. Ramificaiile de
lungime mic se elimin, dup care urmeaz completarea micilor spaii aprute n
lungul muchiilor detectate. Aceast metod poate fi utilizat pentru o gam larg de
detectori de muchii.
O alt metod similar pentru nlnuirea muchiilor furnizate de detectorul
Hueckel. Muchiile furnizate de un detector tip "compass" sunt declarate valide dac
vecinii lui au o direcie conform cu una din situaiile:

Coal
U.T.M.2153.30.003.ME
65
Fig. 5.10. nlnuirea euristic a muchiilor.
Metoda poate fi extins la vecinti mai mari, dar i numrul de teste necesare se
mrete foarte mult.
Parcurgerea euristic a grafurilor. Aceast metod, pleac de la premisa c o
muchie poate fi vzut ca o cale ntr-un graf format de ansamblul elementelor de muchie
detectate.
Fig. 5.11. Parcurgerea euristic a grafurilor.
Se asociaz cte un nod fiecrui pixel care are modulul gradientului semnificativ
(peste un nume prag). ntre dou noduri exist conexiune (arc) dac diferena
orientrilor gradienilor este n gama (-90
0
, +90
0
) .
O cale n graf se determin euristic, examinnd succesorii fiecrui pixel i
calculnd pentru fiecare cale posibil o "funcie de cost". Pentru fiecare nod parcurs se
alege varianta care minimizeaz funcia de cost. Acest algoritm nu furnizeaz calea
optim ntre dou noduri ale grafului, iar viteza lui depinde de alegerea funciei de cost.
Programarea dinamic. Folosind programarea dinamic se poate gsi calea
optim ntre dou noduri ale unui graf orientat, adic calea care minimizeaz funcia de

Coal
U.T.M.2153.30.003.ME
66
cost (sau, echivalent, maximizeaz o "funcie de evaluare") i poate fi propus
urmtoarea funcie de evaluare pentru un graf cu N nivele:
, ) , ( ) ( ) ( ) ( ) , ,..., , (
2
1
2
1
1
2 1

N
k
k k
N
k
k k
N
k
k N
x x d x x x g N x x x S
(5.1)
unde k
x
,k=1,...,N - este un vector care indic nodurile de muchie de pe nivelul
"k" al grafului;
) (
k
x g
- este amplitudinea gradientului pentru nodul k
x
,k=1,...,N;
) (
k
x
- este orientarea gradientului;
) , (
1 k k
x x d
- este distana ntre nodurile k
x
i 1 k
x
;
- sunt constante pozitive.

Utiliznd principiul optimalitii al lui Bellman, programarea dinamic furnizeaz
o procedur care gsete o cale n graf n condiiile minimizrii funciei de evaluare dat
anterior.
5.2.4 Reprezentarea contururilor
Odat determinat conturul, el poate fi reprezentat fie matriceal, ceea ce necesit
ns o mare cantitate de informaii, fie sub forma irului coordonatelor pixelilor care
alctuiesc conturul, fie folosind "codul-lan" (chain-code). Acesta din urm presupune
reinerea coordonatelor pixelului de start, alturi de irul direciilor care indic poziiile
relative succesive ale pixelilor din contur.
Pentru obiectele din figurile anterioare coninnd imaginile caracterelor "u" i "A",
codurile lan corespunztoare sunt:
U : [(x
0
,y
0
),0,0,6,6,6,6,6,7,0,1,2,2,2,2,2,0,0,6,6,6,6,6,6,6,3,5,4,4,4,3,3,2,2,2,2,2];
A : [(x
0
,y
0
),0,6,7,6,7,6,7,6,4,3,4,4,4,5,4,2,1,2,1,2,1,2].

Coal
U.T.M.2153.30.003.ME
67
Fig. 5.12. Prezentarea direciilor.
Uneori se mai utilizeaz pentru reprezentarea contururilor "codul-lan diferenial"
(differential chain-code) care presupune pstrarea coordonatelor pixelului de start a
conturului, a primei direcii absolute i a irului diferenelor relative ntre dou direcii
succesive.
Valorile posibile pentru codul-lan diferenial sunt: (0,t1, t2, t3, 4). Avantajul
acestei metode devine clar dac se face observaia c, cel mai adesea, ntre valorile
posibile ale acestor diferene de direcii , probabilitatea cea mai mare de apariie o are
valoarea "0":
P(0)P(t1)P(t2)P(t3)P(4). (5.2)
Utiliznd o codare prin coduri de lungime variabil, se poate obine o reducere
substanial a volumului de date necesar pentru reprezentarea conturului.

5.3 Algoritmi de subiere de contur
Subierea furnizeaz la ieire un graf care este rezultatul unor erodri succesive ale
imaginii, erodri fcute n condiia nemodificrii topologiei imaginii.
Algoritmii de subiere au la baz un set de reguli:
1. Se elimin doar pixeli aflai pe conturul obiectelor.
2. Pixelii terminali (care au un singur vecin octo-conectat) nu se elimin.
3. Pixelii izolai nu se elimin (pentru c s-ar modifica topologia imaginii).
4. Pixelii de ruptur nu se elimin.
Uneori, regula 3 nu se aplic pentru iteraiile iniiale n scopul eliminrii pixelilor
izolai a cror apariie este datorat zgomotelor.
Pixelii de ruptur sunt acei pixeli (diferii de pixelii izolai i de cei terminali) a
cror eliminare modific topologia imaginii. Exist ase cazuri de pixeli de ruptur, care
rezult din figurile urmtoare:

Coal
U.T.M.2153.30.003.ME
68
Fig. 5.13. Pixeli de ruptur.
unde: - pixel obiect (negru);
- pixel de fond (alb);
- cel puin un pixel din submulimea marcat este pixel obiect (negru).
Se remarc faptul c vecinii octo-conectai ai unui pixel de ruptur formeaz cel
puin dou submulimi distincte.
Notnd {
0
,
1
,,
7
}vecinii pixelului curent, situaiile de mai sus se pot sintetiza
matematic prin numrul de treceri dat de:

4
1
, ) , (
k
k
b y x T
(5.3)
unde

'

+
. , 0
}; { } { , 1
1 2 2 1 2
rest in
S S S pentru
b
k k k
k

(5.4)
Exist o multitudine de algoritmi de subiere. Principala dificultate care apare la
operaia de subiere este datorat situaiei urmtoare:
Fig. 5.14. Caz de dubiu la operaia de subiere.
Conform regulilor anterioare, toi pixelii care aparin unor linii cu grosimea de doi
pixeli vor fi teri. Se adopt diferite soluii.

Coal
U.T.M.2153.30.003.ME
69
Astfel algoritmul clasic opereaz (verific condiiile de tergere i apoi, eventual,
terge) mai nti asupra tuturor pixelilor care au vecinul dinspre "nord"
aparinnd fondului, apoi pentru cei cu vecinul dinspre "vest" aparinnd fondului,
apoi "sud", apoi "est".
Fig. 5.15. Exemplu de subiere a unei imagini binare.
Algoritmii asincroni de subiere ncearc s utilizeze paralelismul evident existent
la operaiile de erodare. Principial, s-ar putea utiliza procesoare matriceale care s
respecte urmtoarele restricii:
- s poat modifica doar pixelul aferent;
- s poat "citi" valorile pixelilor din vecintatea pixelului aferent.
Se utilizeaz tehnica "marcrii" pixelilor, ceea ce presupune lucrul pe imagini cu
numrul de nivele (de gri) mai mare ca doi. Abia dup parcurgerea ntregii imagini,
pixelii marcai vor putea fi teri. Problema liniilor cu grosimea de doi pixeli se
pstreaz i pentru soluionarea ei se utilizeaz tot tehnica marcrii pixelilor.
Algoritmii rapizi de subiere ncearc s micoreze numrul de pai cerui de
algoritmii precedeni prin analiza grosimii locale (de-a lungul ctorva direcii) a
obiectelor din imagine pentru gsirea liniei mediane folosind criterii geometrice i nu
prin erodri succesive. Parcurgerea obiectelor se face folosind teoria grafurilor.
5.4 Segmentarea obiectelor
Segmentarea imaginilor se refer la descompunerea unei scene (imagini) n
componentele sale. n urma procesului de segmentare vor fi extrase din imagine obiecte
distincte, regiuni ce satisfac anumite criterii de uniformitate, sau alte elemente.
Segmentarea unei imagini f este definit ca partiionarea (complet) a lui f (5.5)
ntr-un ansamblu de mulimi disjuncte nevide i conexe (4.6), ce satisfac fiecare un

Coal
U.T.M.2153.30.003.ME
70
anumit criteriu C(4.7), criteriu ce nu mai este respectat pentru reuniunea oricror dou
elemente ale partiiei.

C
i
i i
conexe f f f
1
. ,

(5.5)

. , 0 j i f f
j i
/
(5.6)

. , ) ( , , ) ( j i FALS f f C si i ADEVARAT f C
j i i

(5.7)
Alegerea unei tehnici specifice de segmentare (partiionare a imaginii) este legat
de mai multe aspecte caracteristice imaginii de analizat i cerinelor utilizatorului. Dup
natura i coninutul imaginii, tehnicile de segmentare trebuie s in cont de prezena n
imagine a diverse categorii de artefacte;
reflexii, iluminare neomogen;
zgomot suprapus informaiei utile;
zone texturate;
Dup primitivele de extras, tehnicile de segmentare se mpart n dou categorii
fundamentale: tehnicile de segmentare orientate pe regiuni i tehnicile de segmentare
orientate pe contur. Primitivele extrase din imagine sunt regiuni (forme) i zone
texturate pentru tehnicile orientate pe regiuni, sau entiti de tip discontinuitate
(frontiere, segmente de dreapt, unghiuri) pentru tehnicile orientate pe contur. n cadrul
segmentrii orientate pe regiuni se disting cteva categorii principale de tehnici:
etichetarea imaginilor binare;
segmentarea pe histogram;
creterea i fuziunea regiunilor;
segmentarea texturilor;
segmentarea prin metode de clustering.
Tehnicile principale de segmentare orientat pe contururi sunt:
extragerea contururilor prin metode de gradient i derivative;
extragerea contururilor prin metode neliniare;
extragerea contururilor prin metode liniare optimale;
extragerea contururilor prin modelare matematic.

Coal
U.T.M.2153.30.003.ME
71
6. CALCULUL FIABILITII
6.1 Noiuni generale
Fiabilitatea este o noiune relativ nou. Ea provine dintr-un domeniu nou care
ntregete controlul calitii i se leag de studiul n sine a calitii. Simplu spus
fiabilitatea unui material este nsuirea sa de a nu se defecta n timpul funcionrii. Se
spune adesea c fiabilitatea este sigurana n funcionare ntr-o perioad de timp definit.
Fiabilitatea unui element sau a unui ansamblu de elemente este definit ca
proprietatea respectivului element de a-i ndeplini funcia pentru care a fost conceput n
condiiile date, ntr-un timp dat i respectiv criterii de funcionare bine definite date.
O alt definiie a fiabilitii este: fiabilitatea este proprietatea unui element de a
corespunde n anumite limite date cerinelor care presupun meninerea proprietilor
elementelor ntr-o perioad de timp dat.
Fiabilitatea unui obiect (o component sau un sistem) este o funcie de timp F(t),
definit ca probabilitatea ca, n condiii de mediu specificate, obiectul s funcioneze
adecvat n intervalul de timp [0,t).

Coal
U.T.M.2153.30.003.ME
72
Putem face cteva observaii foarte importante legate de aceast definiie:
Fiabilitatea este o probabilitate, cuprins ntre 0 i 1.
Nu exist sisteme perfect fiabile, pentru care pentru care F(t) = 1 dac t > 0. Putem
ns vorbi de sisteme ``destul de fiabile'', atunci cnd avem n minte anumite condiii de
utilizare i constrngeri bugetare pentru implementarea sistemului.
Nu putem defini fiabilitatea fr a specifica mediul n care sistemul opereaz. Un
calculator care funcioneaz foarte bine pe birou nu este neaprat potrivit pe un satelit.
Informatic i fiabilitate . Cercetrile de fiabilitate uman dateaz nc din anii
70, dar numai n ultimul deceniu s-ar putea spune c au devenit un domeniu de vrf.
Rezultatele sunt interesante, dar ele trebuie s fie mult rafinate.
Principalul subiect al teoriei fiabilitii (reliability theory) este construirea
sistemelor fiabile din componente nefiabile. Dac un sistem ar funciona, numai atunci
toate componentele sale ar fi funcionale, ar fi virtual imposibil de construit un sistem
complex, pentru c fiabilitatea ar descrete exponenial cu numrul de componente.
Principala unealt folosit n construirea sistemelor complexe este abstracia. Un
sistem este construit pe nivele; nivelul B este alctuit din componente de nivel A. La
rndul lor, componente de nivel B sunt folosite ca i cum ar fi atomice, indivizibile,
pentru a construi nivelul C, i aa mai departe. Alctuirea unor nivele din arhitectura
sistemelor de calcul din punctul de vedere al fiabilitii pe care o ofer nivelele
superioare ,putem distinge:
1.Nivele care mresc fiabilitatea, construind un tot mai fiabil din componente mai
puin fiabile. Acest lucru este obinut folosind redundan n stocarea sau calculul
informaiei. Acest tip de nivel este cel mai adesea folosit n construcia calculatoarelor
contemporane.
2. Nivele care expun lipsa de fiabilitate nivelelor superioare, lsndu-le pe acestea s
rezolve imperfeciunile. Nivelele superioare au adesea informaii suplimentare despre
cerinele reale de fiabilitate ale sistemului, i ca atare pot construi fiabilitate pe msura
necesitilor. Arhitectura Internetului, pe care o vom discuta sumar n seciunea din
numrul viitor al revistei este unul dintre cele mai notorii exemple de acest gen.

Coal
U.T.M.2153.30.003.ME
73
3. n fine, anumite nivele partiioneaz resursele n pari oarecum independente,
izolate una de alta. Partiionarea are drept efect izolarea defectelor (fault containment /
fault isolation), astfel nct o defeciune ntr-o parte s nu afecteze celelalte pri. n
calculatoare aceast tehnic este folosit n sistemele de operare i clustere-le de
calculatoare.
Costul fiabilitii. Cnd proiectm un sistem complex este foarte important s
``echilibrm'' fiabilitatea prilor. De exemplu, dac memoria unui sistem are o
fiabilitate mult mai mare dect procesorul, atunci sistemul se va defecta cel mai adesea
cu probleme de procesor. Faptul c memoria este de foarte bun calitate nu ne ajut cu
nimic; dimpotriv, probabil c am pltit un pre mai mare pentru memorie dect ar fi fost
strict necesar. n general, o component este ``destul de bun'' dac nu are cea mai mare
probabilitate de defectare.
ntotdeauna cnd discutm despre fiabilitate trebuie s socotim nu numai costul
componentelor fiabile, ci i costul ntreinerii sistemului. Ct pierdem pe or atunci cnd
sistemul nu funcioneaz? Dac cumprm componente foarte fiabile pltim prea mult
pentru construcia sistemului, dar dac cumprm componente cu fiabilitate prea redus,
ne va costa prea mult ntreinerea sistemului. Numai contextul poate dicta ct de fiabil
trebuie s fie un sistem: de exemplu, n aplicaiile critice descrise mai sus, costul ne-
funcionrii sistemului este uria, aa nct are sens s investim n componente extrem de
fiabile.
Fiabilitatea sistemelor de program. Ne-am putea atepta, n mod naiv, ca, spre
deosebire de hardware, software-ul s nu aib nici un fel de probleme de fiabilitate: n
definitiv programele nu se uzeaz, i sunt executate ntr-un mediu foarte specializat; n
plus, programele sunt obiecte deterministe, deci ar trebui s se comporte de fiecare dat
n acelai fel cnd proceseaz aceleai date de intrare. Cu toate acestea, de fapt
fiabilitatea programelor este mult mai sczut dect a sistemelor hardware; este potrivit
s modelm deci programele ca sisteme cu fiabilitate imperfect. n aceast seciune

Coal
U.T.M.2153.30.003.ME
74
discutm n mod superficial unele dintre motivele lipsei de fiabilitate a programelor i
menionm unele tehnici care pot fi folosite pentru a ``ntri'' programele.
Cele mai insidioase defeciuni software se manifest numai cu ocazia unor anumite
combinaii de valori pentru datele de intrare sau pentru anumite succesiuni de
evenimente externe, care nu au fost prevzute de programator. Asemenea combinaii
apar cu probabilitate foarte mic n timpul procedurilor normale de testare, deci adesea
supravieuiesc pn n faza operaional.
Calculul fiabilitii software. n studiul fiabilitii software este important s se
cunoasc diferena dintre eroare, defect i defectare. Aceti trei termeni sunt adesea
confundani. Cei trei termeni sunt adesea folosii cu acelai sens i las impresia c iau
locul unul altuia, ns au nelesuri diferite.
Unul din primele lucruri l reprezint definirea termenului de defect; care defecte
sunt contorizate i care nu. Uzual, un defect se nregistreaz atunci cnd
comportamentul unui sistem de programe se ndeprteaz de cerine. Defectul este privit
i prin prisma operaiilor euate, deci se definete ca o operaie incomplet.
Defectul este cauza apariiei mai multor defectri, deoarece intrrile variate fac ca
sistemul de programe s se comporte n mod diferit.
Dac obiectivul este calcularea fiabilitii globale se face referire att la prevenirea
ct i la investigarea erorilor nc din prima etap a dezvoltrii software.
Eroarea reprezint o omisiune a programatorului din care rezult defectarea. Acestea
sunt clasificate n dou mari categorii:
erori tranziente - se manifest printr-o malfuncie temporar a unei componente -
instruciune, modul sau program - dar nu prin defectarea ei definitiv; n sistemele
de programe cea mai mare parte a erorilor sunt tranziente;
erori permanente - se produc la un moment dat i persist pn cnd are loc
depanarea sistemului.
Un alt termen important al fiabilitii este probabilitatea , care joac un rol
important la calcularea fiabilitii programului.

Coal
U.T.M.2153.30.003.ME
75
Pentru calculul fiabilitii vom utiliza trei componente importante i anume:
Calculatorul,monitorul i tastatura dup urmtoarea relaie:

( ) ( ) ,
1
1
t k n
i
i
n
i
i
t p t P

(6.1)
unde:

( ) t P
probabilitatea funcionrii programului ;

( ) t p
i probabilitatea funcionrii componentelor ;

n
i 1
exponenta sumei numrului de componente n la i=1 ;

k
coeficientul pentru MEC de generaie a treia ;

t
timpul curent ;

intensitatea defectrii;

n
numrul de componente.
Pentru a nelege mai uor calculul fiabilitii,vom construi schema relaiei n serie
dintre componentele enumerate mai sus,astfel:

1

( ) t p
1

( ) t p
2
( ) t p
3

Fig.6.1. Schema componentelor pentru calculul probabilitii .
Datele pentru componentele: monitorul (M),tastatura (T),calculatorul (C),sunt
urmtoarele:
84 , 3 3 / 51 , 11 43 , 3 10 , 6 55 , 0
3 2 1

i ; (6.2)
( ) ( ) ( ) ( )
4 5 4 6
3 2 1
37 10 10 10 t p t p t p t p
i
; (6.3)
100 10
2
k ;
1000 10
3
t .
Avnd datele tuturor elementelor din relaie calculm probabilitatea defectrii
programului astfel:
( ) 9989 , 0 37
0011 , 0
128000 384000 10 84 , 3 10 3
1
4
3
1
3
1
3
3
1
2

i i i
i
t P
(6.4)

T C M
Coal
U.T.M.2153.30.003.ME
76

7. Capitolul Organizaional-economic al proiectului
Compartimentul economic este o parte component a proiectului de diplom i
const n previziunea efectului social-economic care se va manifesta odat cu aplicarea
n practic a rezultatelor experimentelor, ipotezelor i produsului primit la sfritul
ndeplinirii tezei, indiferent dac rezultatul va fi un produs care va participa sau nu la un
proces economic. Deci compartimentul economic reprezint o continuare a prii
tiinifice a tezei, adic evaluarea ei din punct de vedere economic. Aici vor fi studiate
toate procesele economice necesare pentru ndeplinirea proiectului: fondurile
proiectului, cheltuielile care s-au produs pe parcurs, venitul dup realizarea produsului
.a.
n condiiile economiei de pia orice activiti, inclusiv cercetrile tiinifice,
trebuie s fie raionale i justificate din punct de vedere economic. Considernd
cercetarea n cadrul tezei de diplom un proiect sinestttor el trebuie argumentat
economic.
Argumentarea economic a proiectului va cuprinde dou subcapitole:
1. Cercetri de marketing;
2. Elaborarea bugetului proiectului.

Coal
U.T.M.2153.30.003.ME
77
Cercetrile de marketing includ: descrierea produsului, clientului, evaluarea
concurenei, descrierea avantajelor concureniale a proiectului.
Elaborarea bugetului proiectului este o modalitate universal de a planifica veniturile i
cheltuielile i a previziona rezultatele financiare.
7.1 Cercetri de marketing
Produsul i Serviciile. Proiectul elaborat este un bun de producie(industrial), care
poate servi la fabricarea altor produse mai complexe utilizate la recunoaterea de
imagini optice, sau de a participa la funcionarea unor secii din cadrul diferitor
ntreprinderi i organizaii, poate fi cumprat de ntreprinderi de producie sau
comerciale. Produsul este orientat spre satisfacerea necesitilor ntreprinderilor
industriale, sociale, comerciale i de producie, unde este necesar un sistem inteligent de
recunoatere a obiectelor geometrice.
Scopul elaborrii proiectului este de perfecionare a proceselor de producie, de
asigurare a productivitii muncii ridicate, de securitate i vizibilitate n aciuni i
decizii. Pentru realizarea scopului propus, serviciile prestate conform produsului sunt:
producerea i realizarea la comand a proiectului cu variaii a noiunilor
elementare, conform domeniului de aplicaie;
livrarea gratuit a produsului ntreprinderii sau organizaiei i punerea lui n
aplicaie de ctre specialiti. Proiectul propus este un produs soft care va conine un
sistem expert de recunoatere a imaginilor , compus dintr-o baz de date care va conine
algoritmii de recunoatere a obiectelor geometrice, necesari de a recunoate imaginile
dup scanarea lor, i va putea fi aplicat prin intermediul calculatorului.
Piaa i Clienii. Produsul elaborat fiind un produs absolut nou, va fi realizat pe
piaa care se afl la etapa de iniiere n Republica Moldova i este orientat spre
ntreprinderile i organizaiile mari i cu tehnologii destul de dezvoltate.
Piaa aleas pentru promovarea produsului este o pia nedominat, absolut nou n
republica noastr. Produsul va fi unicul care va prezenta asemenea servicii n republic. n

Coal
U.T.M.2153.30.003.ME
78
viitor dac produsul va fi solicitat i veniturile vor spori, putem s-l propunem i ca produs
de export.
Pentru promovarea i lrgirea poziiei pe pia se va apela la serviciile de reclam prin
intermediul reelei mass media, internet sau reclamarea lui direct potenialului client, i se
va adopta o strategie ndreptat spre:
- stabilirea unui pre convenabil;
- ridicarea calitii produsului;
- lrgirea posibilitilor i domeniul de aplicare a produsului;
- ridicarea nivelului de deservire .
Clienii poteniali pot fi ntreprinderi i organizaii industriale, sociale, comerciale i de
producie, unde este necesar un sistem inteligent de recunoatere a imaginilor 3D. Cum ar fi:
sectoare de poliie, unde este necesar recunoaterea persoanelor sau amprentele degetale;
aeropoarte; bnci, la protecia seifurilor; sectoare vamale; magazine; ntreprinderi industriale
unde este necesar prelucrarea pieselor a.
Pentru ai determina pe clieni s cumpere produsul, se va pune accentul n primul rnd
pe calitatea deosebit a serviciilor prestate, preul convenabil, amabilitatea la primirea
comenzilor, noutatea serviciilor i produsului. La toate acestea se mai adaug faptul c
produsul va fi uor utilizabil, flexibil i fiabil.
Concurena. Pe piaa Republicii Moldova nu sunt promovate asemenea produse de
recunoatere a imaginilor 3D, exist profesori la Universitatea Tehnic, catedra
Automatica, care se ocup cu cercetri n domeniul posibilitilor reelelor neuronale de
prognozare sau diagnostic, ns nu a fost produs i aplicat nici un proiect referitor la
recunoaterea de imagini. Pot aprea concureni internaionali care nc nu au promovat
produse asemntoare pe piaa Moldovei ns care desfac produse comparabile, cum ar
fi programe de recunoatere a imaginilor 2D programe de recunoatere a textelor (cum
ar fi FindReader- ul) a. n lume aa proiecte deja funcioneaz i avantajele aduse
organizaiilor care le folosesc sunt apreciate att n plan economic ct i din punct de
vedere a optimizrii activitii i accelerrii proceselor de producie i administrare. Prin

Coal
U.T.M.2153.30.003.ME
79
pre & calitate, caracter inovaional & noutate se sper la promovare i cucerirea
segmentului dat de pia.
7.2 Elaborarea bugetului de cheltuieli ale proiectului
Elaborarea bugetului de cheltuieli ale proiectului este o modalitate universal de a
planifica veniturile i cheltuielile i a previziona rezultatele financiare.
Bugetul este expresia cantitativ a obiectivelor pe care ni le-am propus s le
atingem ntr-o perioad de timp precizat, de regul un an. Obiectivele se formuleaz n
termeni de costuri, preuri, profit, rentabilitate, etc. Bugetul reprezint un plan detaliat
asupra folosirii banilor ( pentru materii prime, salarii, etc.) i a obinerii lor pentru a
face aceste cheltuieli.
Bugetul proiectului conine urmtoarele capitole: I. Obiective; II. Cheltuieli;
III. Venituri; IV. Rezultate financiare.
Sistemul de obiective reprezint expresia cantitativ a nivelului dorit al
principalilor indicatori economici. Obiectivele trebuie s contribuie la dezvoltarea
afacerii i s asigure un nivel dorit de performan.
Efectuarea activitii de proiectare i implementare a unui sistem inteligent necesita
existena unor obiective i descrierea activitilor pentru atingerea lor. Dat fiind faptul c
n republic nu exist concureni reali ai produsului, dup punerea Sistemului inteligent
n funciune volumul de vnzri sau servicii poate fi mrit cu 10 20 %, aceasta depinde
de publicitatea bncii, calitatea serviciilor, reputaia.

Tabelul 7.1 Evenimentele i lucrrile realizate pe parcursul efecturii proiectului
Evenimentele Cod
Evenimente
Denumirea lucrrilor Cod
lucrri
Sarcinile proiectului
au fost determinate
0 Acceptarea sarcinilor 1-2
Acceptarea sarcinilor
proiectului
1 Analiza sarcinilor
Cutarea literaturii tehnicii de
calcul
1-3
4-7

Coal
U.T.M.2153.30.003.ME
80
Analiza sarcinilor i
literaturii a fost
finalizat
2 Studierea literaturii tehnicii de
calcul
7-8
Literatura tehnicii de
calcul a fost studiat
3 Determinarea tehnicii de calcul 6-7
Tehnica de calcul a
fost determinat
4 Elaborarea bloc-schemei a
proiectului
7-8
Bloc-schema a fost
proiectat
5 Pregtirea informaiei tehnice a
proiectului
8-9
Informaia tehnic a
proiectului acumulat
6 Determinarea softului necesar 9-10
Softul determinat 7 Procurarea softului 10-11
Softul a fost procurat 8 Pregtire pentru instalarea
softului
11-12
Finisarea pregtirii
instalrii softului
9 Instalarea softului 12-13
Continuare a tabelului 7.1.
Softul a fost instalat 10 Configurarea softului procurat 13-14
Finisarea configurrii
softului necesar
11 Elaborarea programului p/u
introducerea i prelucrarea
datelor
14-15
Programul a fost
elaborat
12 Redactarea sintaxei programului 15-16
Finisarea programului
13 Testarea i verifi carea
corectitudinii executrii program.
Verificarea sistemului
informaional
17-18
17-20
Testare i verificarea
programului finisat
14 Pregtirea informaiei p/u P.M. 19-22
Pregtirea informaiei 15 Susinerea P.M. 20-21
P.M. susinut 16 Pregtirea informaiei pentru
partea Economic
21-22
Partea Economic
susinut
17 Formarea diplomei 22-23
Diploma a fost facut Susinerea diplomei 23

Coal
U.T.M.2153.30.003.ME
81
Totui pentru mrirea clienturii, trebuie s se realizeze diferite faciliti aa ca:
prestarea rapid a serviciilor, diferite oferte avantajoase i alte propuneri sau servicii
prestate. Pentru a micora cheltuielele trebuie s avem calculatoare moderne,
imprimante i alt tehnic necesar.
Etapa dimensionrii cheltuielilor este important deoarece implic calcule ce stau
la baza argumentrii profitabilitii proiectului.
n dimensionarea cheltuielilor necesare pentru realizarea obiectivelor se poate
aplica gruparea lor:
pe articole de calculaie, respectiv: cheltuieli directe (materii prime i materiale
directe, salarii directe, asigurarea social); cheltuieli indirecte (cu ntreinerea i
funcionarea utilajelor, cheltuieli generale i de administraie).
Tabelul 7.2 - Durata efecturii lucrrii.

Coal
U.T.M.2153.30.003.ME
82

Codul
lucrrii
Denumirea lucrrii Durata
efecturii
lucrrilor,zile
0-1 Acceptarea sarcinilor 1
1-2 Analiza sarcinilor 3
1-3 Cutarea literaturii tehnicii la tem 4
3-4 Studierea literaturii tehnicii la tem 4
2-5 Determinarea tehnicii de calcul, care va explora
softul dat
3
5-6 Elaborarea bloc-schemei a proiectului 10
6-7 Pregtirea informaiei tehnice a proiectului 2
7-8 Determinarea softului necesar 3
8-9 Procurarea softului 2
9-10 Pregtirea pentru instalarea softului dat 3
10-11 Instalarea softului 2
11-12 Configurarea softului procurat 5
12-13 Elaborarea programului pentru introducerea i
prelucrarea datelor
40
13-14 Finisarea programului 2
14-15 Redactarea sintaxei programului 1
15-16 Testarea i verificarea corectitudinii executrii
programului
8
16-17 Verificarea sistemului informaional 4
17-18 Pregtirea informaiei pentru P.M. 5
18-19 Susinerea P.M. 1
Pregtirea Economic
Susinerea Economic
21-
22- i
Coal
U.T.M.2153.30.003.ME
83

Coal
U.T.M.2153.30.003.ME
84
Fig.7.1. Graful-reea al proiectului Recunoaterea obiectelor geometrice.
Tabelul 7.3 - Parametrii grafului-reea.

I g tig Td_ig Tt_ig Rd_ig Rt_ig
0 1 1 1 1 0 0
1 2 3 4 5 1 0
1 3 4 5 5 0 0
2 5 3 7 10 3 0
3 4 4 9 10 1 0
4 7 0 19 26 17 10
5 6 10 17 22 5 0
6 7 2 19 26 7 0
7 8 3 22 30 8 0
8 9 2 24 32 8 0
9 10 3 27 36 9 0
10 11 2 29 39 10 0
11 12 5 34 44 10 0
12 13 40 74 89 15 0
13 14 1 75 90 15 0
14 15 2 77 93 16 0
15 16 8 85 104 19 0
16 17 4 89 109 20 0
17 18 5 94 116 22 0
17 20 6 95 116 21 0
18 19 1 95 117 22 0
19 22 1 96 121 25 2
20 21 2 97 119 23 1
21 22 1 98 121 23 1
22 23 1 99 123 24 1
Coal
U.T.M.2153.30.003.ME
85
A doua grupare este:
pe elemente de cheltuieli, adic: cheltuieli materiale (materii prime i materiale,
combustibil, energie, amortizare), cheltuieli cu manopera: salarii, asigurarea social
.a.

Coal
U.T.M.2153.30.003.ME
86
Calculele privind necesarul de materiale (hrtie, discuri, dischete, praf pentru
imprimant, etc.) se vor prezenta n tabel. n prealabil se completeaz nomenclatorul
materialelor necesare pentru elaborarea proiectului.

Tabelul 7.4 - Consumuri materiale directe.

Denumirea
Preul, lei
Norma de
consum,
uniti/proiect
Suma, lei
Dischete 7 5 30
Disc compact (CD-
RW)
15 1 15
Toner HP 1000 120 1 120
Pachet de foi A4
(500 foi)
40 1 40
Caiet pentru note 1 6 6
Pix 1 2 2
Map 20 1 20
Pelicul
10 4 40
Total _ _ 273
Utilitile includ poziiile urmtoare: energia, apa, cldura se vor evalua dup
consumul efectiv i tarifele n vigoare pentru o unitate. Comunicaiile i cheltuielile de
transport n dependen de consumul efectiv, dar nu vor depi 15% din total
consumuri indirecte. Uzura mijloacelor fixe cu destinaie de producie, adic a
calculatorului la care s-a lucrat, se calculeaz prin norma anual de amortizare.

Tabelul 7.5 - Utilitile utilizate n proiectare.
Denumire Preul, lei Cantitatea Suma, lei
Energie, kW 0,98 100 98
Apa, m3 2,6 6 15,6

Coal
U.T.M.2153.30.003.ME
87
Telefon, minute 0,096 300 57,5
Internet, ore 7 25 175
Cheltuielile de
transport, ture
3 60 180
Total - - 526,1

Tabelul 7.6 - Calculul uzurii mijloacelor fixe.
Denumirea MF
Valoarea
de bilan,
lei
Norma
de
amortizar
e pe 1 an
Termen de
utilizare
(luni)
Uzura
perioadei,
lei
Calculator 6000 20% 3 300
Imprimanta 3000 20% 3 150
Scaner
2000
20
%
2 66,67
Java 1500 33% 3 123,75
Manuale 300 20% 3 20
Total 660,42
Vom folosi rate convenionale de amortizare: pentru active materiale pe termen lung
(mijloace fixe) 20% pe an, pentru active nemateriale pe termen lung 33% pe an,
indu-se cont de numrul de proiecte ce utilizeaz aceleai programe de gestiune
liceniate. Rezultatele se prezint n tabelul 7.5.
Consumurile indirecte pentru repararea i ntreinerea mijloacelor fixe se estimeaz
conform valorii efective. n timpul desfurrii proiectului nu au avut loc astfel de cheltuieli,
i ele se neglijeaz.

Coal
U.T.M.2153.30.003.ME
88
Pentru evaluarea manoperei i a cheltuielilor salariale se va prezenta informaia
privind echipa de elaborare a proiectului: diplomantul, care este executant nemijlocit,
conductorul tiinific, consultanii.
Consumurile salariale directe se vor calcula n baza manoperei directe a
executantului proiectului. Convenional vom considera salariul pentru studeni de 10 lei
pentru or, iar manopera de 150 ore. Contribuiile sociale constituie 26% din suma
consumurilor salariale directe.

Tabelul 7.7 - Consumuri salariale directe.

Executantul Manopera
(ore)
Salarii
(lei)
Contrib.s
ociale
(lei)
TOTAL
(lei)
Bujenita E. 150 10 390 1890
TOT
AL
- - - 1890
Consumurile salariale indirecte (tabelul 7.8), din care fac parte salariile
conductorului tiinific i a consultanilor i contribuiile sociale corespunztoare, se
vor calcula folosind urmtoarea informaie: manopera conductorului tiinific 20 ore,
a fiecrui consultant 4 ore pentru proiect; salariile pe or 20 lei. Rata contribuiilor
sociale 26%.
Asigurrile n fondul medical ( F.M.)
Deoarece se pltesc 5,5% la salarii , 2,5% le pltete angajatului , iar 3% le pltete
preul
( ) 77 , 778 3 , 0 9 , 705 1890 . . + M F
Tabelul 7.8 - Consumurile salariale indirecte.

Coal
U.T.M.2153.30.003.ME
89
Dimensionarea veniturilor const n evaluarea rezultatelor activitii, adic
previzionarea cifrei de afaceri vnzri nete. La stabilirea preului se va folosi o rat a
profitului brut 20 30%. tot
C P 25 . 0
Costul total al proiectului se va stabili ca suma total a consumurilor directe i
indirecte:
C
tot
= (273+1890) + (660,42+ 526,1 + 705,6) = 4055,12 lei.
La stabilirea preului vom folosi o rat a profitului brut de 25%:
Pre = 4055,12 * 1,25 = 5068,9 lei.
Preul de livrare ce include TVA de 20% va fi:
Pre
liv
=5068,9*1,2 = 6082,68 lei.
Deoarece se va comercializa un singur produs, venitul din vnzri (cifra de afaceri)
va fi egal cu preul fr TVA:
Venit = 5068,9 lei.
La calculul rezultatelor financiare (profitul brut i profitul net) vom considera
impozitul pe venit de 22%:
Profit brut = Venit Cost = 5068,9 4055,12 = 1013,78 lei;
Profit net = Profit brut (Profit brut * 0,22) = 1013,78 223,03 = 790,75 lei.

Numele
conductorului,
consultantului
Manopera
(ore)
Salarii
(lei)
Contrib.s
oc.
(lei)
TOTAL
(lei)
Bohanastiuc V.
(conductor)
20 20 104 504
Gorobievschi S.
(cons.p.econ.)
4 20 20,8 100,8
Nicolenco V.
(cons. securit. mun)
4 20 20,8 100,8
TOTAL - - - 705,6
Coal
U.T.M.2153.30.003.ME
90
7.3 Rezultatele financiare
Dimensionarea rezultatelor financiare se va efectua prin comparaie a veniturilor
din vnzrile previzionate i a consumurilor i cheltuielilor de producie.
Tabelul 7.9 - Structura preului de vnzare a proiectului.
Nr. Specificaie U.M. Nivel buget Nivel realizat
1 2 3 4 5
Cheltuieli
1. Consumuri materiale Lei 273 273
2. Consumuri salariale Lei 1890 1890
3.
Defalcri n Fondul social
Lei 491,4 491,4
4.
Asigurri n Fondul medical
Lei 778,77 778,77
5.
Consumuri indirecte
Lei 705,6 705,6
6.
Total cheltuieli
Lei 4138,77 4138,77
Costul final
7.
Venituri planificate
Lei 1013,78 1013,78
8.
Venituri din alte activiti
Lei - -
9.
Preul angro al proiectului
Lei 4828,14 4828,14
10.
Impozitele planificate
Lei 1115,18 1115,18
11.
Preul de vnzare a
proiectului
Lei 6082,68 6082,68
Reieind din calculele estimative se observ c se vor acoperi toate cheltuielile
deoarece la stabilirea preului am folosit o rat a profitului brut de 25% din
cheltuieli. Acest profit va fi ndreptat spre dezvoltarea i creterea calitii
proiectului.
n capitolul dat am prezentat analiza proiectului de diplom din punct de vedere
economic. Se observ faptul c indiferent dac se presupune utilizarea softului sau nu,
pentru realizarea proiectului avem un ir de cheltuieli care condiioneaz prezena
preului pentru produsul creat. Calculele privind cheltuielile suportate pentru a crea
sistemul inteligent dat au fost efectuate n conformitate cu indicaiile consultantului la

Coal
U.T.M.2153.30.003.ME
91
partea economic a proiectului de diplom, ele reflect situaia real n domeniul
sistemelor inteligente n Republica Moldova.
Preul stabilit pentru produsul dat este un factor foarte important pentru posibilii
clieni, comparativ cu ofertele companiilor strine s-a obinut un pre destul de mic, iar
dac analizm numai piaa Moldovei, produsul propus nu are concuren datorit
inovativitii relative ale sale i deci preul este destul de convenabil.
8. Protecia mediului ambiant
8.1 Protecia muncii
Automatizarea i computerizarea muncii omului are puncte de tangen cu toate
domeniile de activitate a lui. n prezent nici o ntreprindere, instituie sau organizaie nu
poate funciona destul de efectiv fr aplicarea tehnicii de calculatoare moderne.
Dezvoltarea continu a oricrei ntreprinderi, instituiei sau organizaiei are ca
consecin mrirea volumului i complexitii informaiei i necesit extinderea reelelor
de calculatoare i a sistemelor informatice automate. Dar n afar de ctiguri evidente

Coal
U.T.M.2153.30.003.ME
92
tehnica de calcul este periculoas sntii i de aceea devine actual problema
proteciei muncii n procesul muncii, pstrarea sntii i a capacitii de munc a lui.
Fr respectarea strict a regulilor tehnicii securitii i solubritii de producie,
executarea inexact a cerinelor tehnicii securitii poate duce la accident sau la
mbolnviri profesionale i traumatism de producie. Protecia muncii se asigur cu un
sistem de acte legislative, msuri i mijloace social economice, organizaionale,
tehnice, igienice, lecuitoare profilactice ndreptate spre crearea a astfel de locuri de
munc la care se exclude aciunea factorilor periculoi i duntori pentru lucrtori. n
prezent nici o ntreprindere, instituie sau organizaie nu poate funciona efectiv fr
aplicarea tehnicii de calculatoare moderne.
Crearea condiiilor de munc mai favorabile i confortabile, ameliorarea proteciei
muncii i tehnicii securitii, fr ndoial, duce la productivitatea muncii mai nalt,
dezvoltare social i cretere a bunstrii.Proiectul de diplom prezint elaborarea unui
program pentru culegerea i prelucrarea informaiei. Rezult problema proteciei muncii
att a persoanelor care elaboreaz programele, ct i a utilizatorilor ei. Lucrrile n
sistem vor fi efectuate utiliznd calculatoare personale, adic prezint lucrul
programatorilor i a operatorilor tehnicii de calcul, e necesar de a precauta cerinele
pentru protecia muncii la lucrul cu tehnica de calcul, n special a calculatoarelor
personale cu diferite sisteme periferice, utilizate de ctre personalul centrului de calcul
(CC) n procesul activitii vitale. Evident, integrarea i utilizarea pe larg a
calculatoarelor electronice pe lng factorii pozitivi mai are i nuane negative asupra
persoanelor care le exploateaz.
Lucrul operatorilor tehnicii de calcul necesit o atenie mare, posibilitatea de a
rezolva n timp limitat probleme complexe, responsabilitatea fa de aciunile ntreprinse
ce duce la o tensionare emoional i stres.
Operatorii tehnicii de calcul, programatorii, i ali colaboratori ai CC sunt supui
unor factori nocivi i periculoi cum ar fi:
nivelul ridicat de zgomot;
insuficiena iluminatului natural;

Coal
U.T.M.2153.30.003.ME
93
insuficiena iluminatului locurilor de munc;
temperatura ridicat a mediului ambiant;
diferite forme de iradieri, etc.
Crearea condiiilor de munc mai favorabile i confortabile, ameliorarea proteciei
muncii i tehnicii securitii, fr ndoial, duce la productivitate a muncii mai nalt,
dezvoltare social i cretere a bunstrii.
8.2 Sanitria industrial i igiena muncii
8.2.1 Cerinele igienico-sanitare fa de calitatea aerului zonei de munc
Odat cu dezvoltarea tehnicii de calcul tot mai mult se atrage atenia asupra
problemelor proteciei utilizatorilor, n special acelor care lucreaz la calculator, adic
lng monitor. Principalii factori duntori, care influeneaz asupra sntii omului,
cnd acesta lucreaz lng monitor sunt:
1. radiaia sau iradieri ionizate;
2. cmpul electrostatic;
3. cmpul electromagnetic, etc.
Iradieri Ionizate reprezint iradierea electro-magnetic cu o capacitate de ionizare a
moleculelor. Dac se provoac ionizarea moleculelor organismului uman, atunci
legturile ntre molecule se distruge i ca rezultat apar diferite boli. Capacitatea de
ionizare o au urmtoarele particule: X- iradieri, fluxul de electroni, substanele
radioactive.
n cazul monitoarelor cel mai semnificativ tip de iradiere ionizat este - iradiere,
care ns este foarte mic, de obicei nu depete normele biologice. Celelalte tipuri de
iradieri pot fi neglijate deoarece greu pot fi depistate.
Pentru a micora iradierea ionizat a monitoarelor moderne, pe suprafaa lor se
aplic o foaie metalic strvezie, care atenueaz fluxul de iradiere. O alt cale de aprare
mpotriva iradierii ionizate este procurarea unui ecran protector, care se instaleaz pe
monitor.

Coal
U.T.M.2153.30.003.ME
94
n genere iradierea ionizat asupra omului poate provoca urmtoarele aciuni:
locale - aciuni de scurt durat cu doze mari, care aduce la traume locale:
mbolnvirea pieii, pierderea pieii, pierderea unghiilor, defectarea oaselor, cancer;
totale - reprezint iradieri ndelungate cu doze mici, aduce la mbolnvirea sngelui
(leucemie).
La unele ntreprinderi, care produc substane sintetice, polimeri i produse din
aceste substan, i care posed proprieti dielectrice nalte, electrizarea micoreaz
productivitatea muncii i este unul din motive care duc la scderea calitii produciei.
Msurile principale de micorare a intensitii cmpului electric n zona de lucru
snt:
ndeprtarea surselor a cmpurilor electrostatice din zona personalului
care deservete aparatura;
ecranarea sursei cmpului sau a locului de munc;
utilizarea neutralizatorilor de sarcini electrice statice;
umezirea materialului care se electrizeaz;
schimbarea materialelor, care uor se electrizeaz cu materiale ce nu se
electrizeaz;
alegerea suprafeelor care contacteaz conform condiiilor de electrizare
minim;
modificarea procesului tehnologic n aa mod ca s se micoreze nivelul
de electrizare;
alegerea materialelor i suprafeelor care greu electrizeaz alte corpuri
sau le electrizeaz cu sarcini de polaritate diferit;
8.2.2 Microclimatul
Deoarece CE sunt surse de eliminare a cldurii, ce poate ajunge la mrirea
temperaturii i micorarea umiditii aerului. n ncperi se atrage atenie la controlul
parametrilor microclimatului n Sli de Calcul (SC). n SC mrimea medie a

Coal
U.T.M.2153.30.003.ME
95
eliminrilor de cldur constituie 310 W/m
2
. Eliminrile de cldur de la instalaii de
iluminare tot sunt mari, mrimea specific a lor este 35-60 W/m
2
. n afar de aceasta la
microclimatul ncperi nc influeneaz surse exterioare de eliminare a cldurii, cum
sunt cldura de la radiaia solar ce intr prin fereastr, i afluena cldurii prin
construcii de barier ce nu sunt transparente.
Asupra corpului omului i lucrului utilajului a CC influeneaz foarte mult
umiditatea aerului relativ. La umiditatea aerului egal cu 40% lenta magnetic devine
mai fragil, se mrete uzura capilor magnetice i apare cmpul magnetic static la
micarea purttorilor de informaiei n CE.
La efectuarea controlului locurilor de munc se msoar temperatura, umiditatea
relativ i viteza de micare a aerului n ncperi, totodat se efectueaz msurri la
nceputul, mijlocul i sfritul perioadelor calde i rece a anului.
Se msoar temperatura i umiditatea aerului cu psihometre aspiratoare, iar viteza
de micarea a aerului cu electro-anemometre, catatermometre. Ordinea de msurare a
indicilor microclimatului se stabilete n conformitate cu STAS 12.1.005-91. Parametrii
se normeaz dup acest STAS i sunt prezentai n tab.10.2.
n acest table de mai jos se aduc parametrii pentru categoriile de lucru 1a (mai puin
de 120 kcal/or, lucrul eznd) i 1b (de la 120 pn la 150 kcal/or, lucrul eznd),
deoarece lucrul programatorului sau operatorului se poate atribui la una din aceste
categorii.

Tabelul 8.1 - Normele microclimatului.
Perioada
anului
Tipul lucrului Temperatura, C
Umiditatea
relativ, %
Viteza de micare
a aerului, m/s
Rece Simplu, 1a 22 24 40 - 60 Nu mai mult de 0,1
Rece Simplu, 1b 21 23 40 - 60 Nu mai mult de 0,1
Cald Simplu, 1a 23 25 40 - 60 Nu mai mult de 0,1
Cald Simplu, 1b 22 24 40 - 60 Nu mai mult de 0,1

Coal
U.T.M.2153.30.003.ME
96
Pentru crearea la locuri de munc a condiiilor meteorologice bune se efectueaz
condiionarea i ventilarea aerului, utilizarea ventilatoarelor nuntru CE pentru a reduce
eliminrile de cldur. Utilajul se aranjeaz n aa fel ca influena cldurii asupra corpul
omului va fi cea mai mic.
8.2.3 Protecia de zgomot
Zgomotul este unul din factori care influeneaz omul cnd el lucreaz cu CE,
aceasta este condiionat de funcionarea dispozitivelor ce sunt necesare n CC.
Sursele principale de zgomot n ncperi amenajate cu tehnica de calcul sunt
imprimantele, tastatura, instalaii pentru condiionarea aerului, dar n CE ventilatoarele
sistemelor de refrigerare i transformatoare.
La influena zgomotului pe un timp ndelungat la colaboratorii CC se observ
micorarea ateniei, dureri de cap, se micoreaz capacitatea de munc. n documente de
nsoire a utilajului ce produc zgomot se aduc normele timpului de lucru la acest utilaj.
n conformitate cu STAS 12.1.003-91 Zgomot. Cerinele generale de protecie
caracteristica de norm a zgomotului locurilor de munc sunt nivelurile presiunii de
sonor (zgomot). Nivelurile accesibile a zgomotului, lucrnd cu CE, sunt prezentate n
tab. 10.1. Pentru micorarea zgomotului la locurile de munc se efectueaz urmtoarele
aciuni:
Arhitectural-planificative. Cldirile se proiecteaz i se construiesc n aa mod ca la
locurile de munc s nu fie depit nivelului admisibil. ntruct sistemul va fi utilizat la
CC existent aici se poate de obinut micorarea zgomotului amplasnd n ncperi vecine
utilajului cu zgomot ridicat.
Tehnico-organizatorice. Pentru micorarea zgomotului la CC se efectueaz
reparaia i ungerea utilajului. Se poate de aranjat utilajul n aa fel ca el s fac mai
puin zgomot.
Acustice. n CC se instaleaz podele i poduri tehnologice. Distana ntre podul de
baz i podul fixat n balamale 0,5-0,8 m, iar nlimea podelei tehnologice 0,2-0,6 m.

Coal
U.T.M.2153.30.003.ME
97
8.2.4 Iluminatul de producie
La lucrul cu CE o importan mare are crearea mediului de iluminare optimal,
adic organizarea raional iluminatului natural i artificial n ncperi i la locuri de
munc, deoarece lucrnd la CE ncrcarea n general cade pe organe de vedere.
Dac omul lucreaz mai mult de o jumtate a zilei de lucru la CE la el se observ
nrutirea vederii, ce constituie 62-94%. Asta n primul rnd este oboseala ochilor,
dureri foarte mari i simul de nisip n ochi, mncrime i senzaie de usturare n ochi.
Totodat senzaiile dureroase n ochi apar n general la sfritul zilei de lucru. Din
aceast cauz toate locurile de munc cu CE se amplaseaz n locuri ce sunt protejate de
cderea luminii difuzate pe ecranul terminalului. Pentru asta se utilizeaz ncperi cu
iluminarea unilateral (ntr-o singur direcie), totodat ferestrele trebuie s fie cu storuri
sau jaluzele pentru excluderea efectului de orbire i strlucirea ecranului terminalului.
Iluminarea artificial a locului de munc se efectueaz n felul urmtor, nivelul
iluminrii locului de munc trebuie s corespund caracterului de lucru vizual,
iluminarea ncperii s nu depind de timpul de afar, fluxurile de lumin s aib
direcia optimal i utilajul trebuie s fie economic, inofensiv, durabil i simplu n
exploatare.
La instalarea iluminatului artificial se fac urmtoarele msurri: iluminarea la locuri
de munc; caracterul de strlucire a ecranului, mesei; strlucirea petelor reflectate n
ecran. Se efectueaz msurri de control a iluminrii i strlucirii la locuri de munc cu
diferite terminale care sunt n ncperi i care se afl n diferite condiii de iluminare,
acolo unde sunt plngeri ale personalului. Msurarea iluminatului se efectueaz n
timpul ntuneric a zilei.
Punctele de control pentru msurrile iluminatului la locuri de munc se
amplaseaz: n centrul ecranului; pe tastatur; pe document n planul amplasrii lui; pe
mas n zona de lucru.
Efectuarea msurrilor se efectueaz n conformitate cu STAS 2.4.940-91.
Msurarea caracterului de strlucire a ecranului se efectueaz la strlucirea ecranului nu

Coal
U.T.M.2153.30.003.ME
98
mai puin de 35 c/m
2
. Iluminarea locului de munc se normeaz dup SniP II-4-91 i
depinde de caracterul lucrului vizual, contrastul obiectului, fonului i tipul fonului.
n dependen de condiiile de munc i particularitile lucrului ndeplinit, pentru
iluminarea artificial pot fi folosite instalaiile de iluminat, generale i locale, cu o
anumit caracteristic de lumin.
Fiecare loc de munc, indiferent de amplasarea lui fa de ferestre trebuie s aib i
instalaie de lumin local. Este recomandabil de folosit lmpi luminiscente, spectrul
luminii crora aproape coincide cu cel al luminii naturale. Pentru a exclude reflectarea
razelor directe ale luminii de pe ecranul monitorului instalaiile de iluminare se
aranjeaz pe ambele pri de la locul de munc, paralel cu direcia vzului operatorului,
i peretele cu ferestre.
Organizarea locurilor de munc. Un rol important l joac organizarea locului
de munc, care trebuie s satisfac cerinele comoditii a efecturii lucrului i
economisirii energiei i a timpului operatorului i utilizrii raionale ale suprafeelor de
lucru. Este necesar de stabilit zonele de atingere a minelor operatorului de display-ul,
imprimant i alte dispozitive periferice. Zonele date sunt stabilite pe baza datelor
antropometrice ale corpului uman, permit de a amplasa corect elementele de dirijare.
Micrile lucrtorului trebuie s fie de aa fel, ca grupurile de muchi ale lui vor fi
ncrcate omogen, iar micrile neproductive vor fi excluse.
Locurile de munc trebuie s fie aranjate tot n conformitate cu cerinele
comoditii lucrului i optimizrii micrii. Locul de munc de obicei este constituit
dintr-un birou, scaun, o poli pentru literatura profesional des folosit. Distanele ntre
componentele menionate trebuie s fie optimale, care nu limiteaz micrile i n
acelai timp nu provoac micri de prisos.

8.3 Tehnica securitii
8.3.1 Electrosecuritatea

Coal
U.T.M.2153.30.003.ME
99
Personalul ce deservete dispozitivul efectelor de lumini poate nimeri sub tensiune
n urma defectrii, avarierii sau a aciunilor greite ale sale. Electrosecuritatea deservirii
utilajului electric depinde de tensiunea de lucru, condiiile expluatrii i caracterul
mediului ncperii n care acest utilaj este instalat.
n mare msur securitatea deservirii utilajului electric depinde de condiiile
mediului ncperii n care el este instalat deoarece aceste condiii influieneaz starea
izolaiei i rezistena pielii omului. Umeditatea, aburii, gazele, particulele conductoare
de praf din aer i temperatura ridicat micoreaz rezistena izolaiei i o distrug. n
afar de aceasta, pielea omului sub influiena umeditii i a temperaturii ridicate devine
conductoare, omul i pierde rezistena i se ridic considerabil pericolul electrocutrii.
Podeaua conductoare (din metal, crmid, beton) pe care se afl omul brusc
micoreaz rezistena circuitului i mrete pericolul atingerii de prile conductoare ce
se afl sub tensiune. Praful electroconductor se aeaz pe conductori i formeaz cicuit
conductor, ca urmare sunt posibile scurtcircuitri la pmnt i ntre faze. Aburii i gazele
distrug izolaia i i scad rezistena.
n aa fel indicii pericolului ridicat de electrocutare sunt:
- Umeditatea relativ a aerului mai mare de 75% sau prezena prafului
electroconductor;
- Podelele din beton, metal, crmizi ce pot conduce curentul electric;
- Temperatura ridicat a aerului (mai mare de +35C);
- Posibilitatea atingerii concomitente a omului de carcasele legate la pmnt ale
instalaiilor i a prilor utilajului ce se afl sub tensiune.
Indicii pericolului mrit sunt prezena umeditii relative a aerului apropiat de
100% i mediu activ chimic.
Analiza accidentelor produse de aciunea curentului electric a permis determinarea
urmtoarelor cauze a lor:
- nclcarea regulilor de construcie a instalaiilor electrice, nclcarea normelor i
cerinelor de securitate;
- organizarea incorect a lucrrilor de montare;

Coal
U.T.M.2153.30.003.ME
100
- atingerea prilor din metal a unei instalaii ce se afl sub tensiune n cazul unor
defecte ale izolaiei;
- folosirea utilajului electric defectat;
- executarea lucrrilor fr mijloace de protecie sau folosirea mijloacelor de
protecie cu termenul de expluatare expirat;
- ruperea conductorului de legare la pmnt, legarea incorect la pmnt a
conductorului neutru.
Se cunosc cteva praguri de aciune a curentului electric:
- pragul curentului sensibil;
- pragul curentului ce nu permite desprinderea de la conductor;
- pragul curentului de fibrilaie;
- pragul curentului mortal.
Cerinele securitii tehnice n timpul de lucru. Este interzis cuplarea
echipamentului la reea fr permisiunea persoanei responsabile de lucrri; cuplarea n
reea a echipamentului care n timpul efecturii lucrrii de laborator nu este folosit.
Studenii care nu sunt atestai de ctre profesor nu sunt admii la lucrri de laborator.
n procesul efecturii lucrrii de laborator se interzice categoric:
- abaterea de la subiect ct i atragerea altora;
- prsirea locului de lucru lsnd utilajul sub tensiune;
- efectuarea lucrului de reparaie a utilajului aflat sub tensiune.
Dac n procesul de lucru apar cazuri ieite din comun (miros de izolaie ars, fum)
utilajul se decupleaz, urgent de la reea informnd despre acesta dirigintele de lucrri
sau responsabilul de laborator.
Securitatea antiincendiar. Incendiu se numete procesul necontrolat de ardere n
afara unui loc de ardere special amenajat, ce aduce daune materiale.
n cadrul oricrei organizaii, sau ntreprinderi trebuie s existe mijloace de
anunare, de apel rapid la serviciile oreneti antiincendiare n cazul apariiei

Coal
U.T.M.2153.30.003.ME
101
incendiului. Pentru obiectele de o importan major sau periculoase, este recomandat
posibilitatea legturii telefonice directe cu secia antiincendiar oreneasc. Pentru a
anuna despre incendiu se utilizeaz legtura telefonic, legtura radio, sirena,
semnalizarea cu ajutorul clopotelor etc. Mijloacele de anunare despre incendiu trebuie
s fie disponibile toate 24 ore. Pentru a evita cauzele de nflcrare i incendiu e necesar
de a cunoate probabilitatea apariiei nflcrrii i incendiilor la locul de munc, de luat
msuri de prentmpinare a incendiului la locurile de munc cu mijloace de stingere a
incendiului.
Cauzele de pericol ale incendiului care influeneaz asupra oamenilor sunt
urmtoarele:
focul deschis i scnteile;
temperatura nalt a mediului nconjurtor;
produsele toxice ale arderii;
fumul;
concentraia sczut a oxigenului;
prbuirea prilor cldirilor, agregatelor, instalaiilor etc.
Factorii principali pentru viaa omului ce apar n timpul incendiului sunt: focul
deschis, temperatura ridicat a aerului i obiectelor, produsele toxice ce ard, fumul,
micorarea concentraiei de oxigen n aer, distrugerea ncperilor, echipamentului i
explozia.
Pentru prevenirea incendiului trebuie luate urmtoarele msuri:
- excluderea apariiei mediului arztor;
- excluderea apariiei n mediul arztor a surselor de inflamare;
- meninerea temperaturii i presiunii mediului arztor mai jos de nivelul maxim
admisibil de ardere.
- Barajele antiincendiare din cldiri i edificii la care se refer pereii antiincendiari,
barajele i acoperirile antiincendiare, uile i altele trebuie s fie executate din materiale
ne inflamabile i de asemenea s fie prevzut autonchiderea lor.

Coal
U.T.M.2153.30.003.ME
102
Cel mai rspndit i ieftin mijloc de stingere a incendiului este apa care permite
consumarea efectiv a cldurii aruncate de focarele de incendiu. Totodat apa nu poate
fi folosit pentru stingerea lichidelor uor inflamabile (benzin, gazul lampant, uleiuri
minerale) i a materialelor care n contact cu ea elimin substane inflamabile
(carbonatul de calciu).
n ncperile nchise pentru lichidarea incendiului se recomand utilizarea vaporilor
de ap att pentru stingerea materialelor solide ct i a substanelor lichide.
Semnalizarea antiincendiar. Incendiile n cldiri prezint un pericol deosebit
deoarece sunt legate de pierderi materiale enorme. Dup cum se tie incendiu poate
aprea la interaciunea substanelor inflamabile, a oxidantului i surselor de nflcrare.
ntr-o ncpere sunt prezeni toi trei factori de baz necesari pentru ncingerii
incendiului.
Un pericol considerabil prezint diferite materiale de izolare electric folosite
pentru protecia de la aciunea mecanic a unor piese.
Toate acestea duc la luarea msurilor serioase pentru protecia de la incendii
stabilite de 512-78 Instrucii despre proiectarea cldirilor i ncperilor pentru
calculatoare i 11-2-80 Normele antiincendiare de proiectare a cldirilor i
construciilor. n aceste documente sunt expuse cerinele de baz fa de rezistena la
incendii a cldirilor i construciilor, barier antiincendiar, evacuarea oamenilor din
ncperi i cldiri. Este foarte important ca n ncperile i n cldirile de munc s fie
prezente mijloace de comunicare i semnalizare despre incendiu.
Mijloacele de comunicare i semnalizare despre incendiu sunt destinate pentru
informarea rapid i exact despre incendiu i locul apariiei lui, acionarea forelor i
mijloacelor de stingere a focului, dirijrii centralizate cu subdiviziunile de combatere a
incendiilor i conducerea operativ cu lichidarea incendiului. Cel mai rspndit mijloc
de informare sunt legtura telefonic oreneasc sau local (metoda pasiv de control a
evenimentelor ce in de incendiu), cnd pentru chemarea echipelor de pompieri se forma
numrul 01. Mult mai sigur i rapid mijloc de informare i semnalizare este sistemul
electric de semnalizare de incendiu (metoda activ de control a situaiei de incendiu).

Coal
U.T.M.2153.30.003.ME
103
Sistemele electrice de semnalizare (SES) sunt destinate pentru depistarea incendiilor i
aprinderilor la stadiul iniial i comunicarea despre locul apariiei lor.
Sistemele de comunicare i semnalizare de incendiu conform destinaiei sunt
clasificate n modul urmtor:
- semnalizare de paz incendiar anun organele de paz incendiar (a
ntreprinderii, oraului) anun organele de paz incendiar (a ntreprinderii, oraului)
despre incendiu i locul apariiei lui se asigur automat (cu ajutorul detectoarelor) sau
manual prin apsarea butonului sistemului de semnalizare despre incendiu, precum i
prin sistemul de legtur radiotelefonic;
- comunicaie de comand asigur dirijarea operativ cu unitile incendiare i
aciunea reciproc cu serviciile oreneti sau locale (poliia, salvarea serviciile de
alimentare cu ap, energie etc.) se asigur prin legtur radio sau telefonic;
- radiocomunicaie operativ, asigur dirijarea operativ cu echipele de pompieri la
locul de incendiu se asigur cu ajutorul staiilor portante i automobilelor speciale de
radiocomunicaie.
- n conformitate cu cerinele normelor cldirile de producie de categoriile A, B i C
de pericol de incendiu i explozii se doteaz cu mijloace de automatic mpotriva
incendiilor.
8.3.2 Calculul iluminatului natural n ncpere
Lumina este unul din factorii principali care acioneaz asupra strii sntii
persoanei implicite n procesul de producie. Organizarea corect a iluminrii stimuleaz
decurgerea corect a proceselor activitii vitale i ridic capacitile de munc,
micornd n acelai timp traumatismul n procesul de producere.
De calculat iluminatul natural al incperii de producie dup urmtoarele date
(incperea este cabinete i camere de lucru , cabinete i sli de proiectare )

0 . 1
v
n
e
conform tab.I.11[10].

Coal
U.T.M.2153.30.003.ME
104

3 . 1
r
k
conform tab.I.1[10].
Dimensiunile incperii: l=6m;
b=6m;
h=3m;
Unde: l lungimea ncperii;
b limea ncperii;
h nlimea ncperii.
nlimea ferestrelor este de 2 m.
De determinat suprafaa ferestrelor.

Fig.8.1. Schema ncperii.
Not. P.C.-punctul de calcul;
S.C.L.- suprafaa condiional de lucru;
Rezolvare
1. Determinm valoarea normat a C.Z. pentru Republica Moldova,

8 , 0 8 , 0 0 , 1
1
m e e
n
v
n
(8.1)
unde:
m=0,8 pentru Republica Moldova., care este asociat grupei a 5-a de ale raioane
administrative ale Rusiei, conform SNiP 23-05-95.
Suprafaa geamurilor se determina din urmatoarea formula :

Coal
U.T.M.2153.30.003.ME
105

.
100
1 0
r
k k e S
S
cl r f
v
n p
f

(8.2)
n care: f
S
- suprafaa golurilor de lumin n cazul iluminatului lateral prin ferestre,
2
m ;
p
S
- suprafaa pardoselii ncperii,
2
m ;

v
n
e
- valoarea normat a coeficientului zilei,lx ;

r
K
- coeficientului de rezerv , conform tabelului I.1[10].;
f
- caracteristica fototehnic a ferestrelor ,determinat conform tab.I.2[10].

cl
K
- coeficientului ce ia n consideraie umbrirea ferestrelor de ctre
cldirile din apropiere,opuse ferestrelor, determinat conform tab.I.3[10].
0
- coefientul general de fotopermiabilitatederminat dupa formula :

5 4 3 2 1 0

(8.3)

1
r
- coefientul ce consider mrirea cofientului zilei n cazul iluminatului
lateral ,datorit luminii eflactate de suprafeele ncperii i a nveliuluid sol
dinapropierea cldirii ,determinat conform tab.I.6[10].
2. Determinm suprafaa pardoselii:

2
36 6 6 m b l S
p

(8.4)
3. Determinm
18
f
n dependen de raportul
1
6
6

B
l
in
i raportul
3
2
6
1

h
B
4. Din tabelul 1.1[10] determinm
3 , 1
r
k
5. Din tabelul 1.3.[10] determinm
36 , 1
cl
k
( la distana de 30 m se afl o cldire
cu 9 nivele i H=28 m ). Aa dar P=30 m;
m H
cl
2 , 27
, raportul
; 1 , 1 /
cl
H P

36 , 1
cl
k
- este determinat prin interpolare .
6. Determinm 0
din relatia 5 4 3 2 1 0

8 , 0
1

( sticluire dubl );

75 , 0
2

( cercevele pentru ferestrele cldirilor industriale ordinare );

1
3

( iluminat lateral );

1
4

( storuri reglabile );

9 , 0
5

( pentru iluminatul lateral ).
Atunci ,
54 , 0 9 , 0 1 1 75 , 0 8 , 0
0

.

Coal
U.T.M.2153.30.003.ME
106
7. Determinm
1
r
, din tabelul 1.6[10] , dup urmatoarele date:

4 , 0
m
g
;
1
6
6

B
l
in
;
3
2
6
1

h
B
;
8 , 0
5
4

B
l
.
Prin interpolare gsim
2 , 2
1
r
.
8. Determinm suprafaa ferestrelor :
2
1 0
643 , 9
8 , 118
664 , 1145
2 , 2 54 , 0 100
36 . 1 3 , 1 18 0 , 1 36
100
m
r
k k e S
S
cl r f
v
n p
f

(8.5)
9. Determinm lungimea total a ferestrelor , tiind c nalimea lor este de 2 m

m
h
S
l
f
f
f
821 , 4
2
643 , 9

(8.6)
Primim pentru iluminare 3 ferestre conform shemei ( fig.8.1.) cu dimensiunile

m h b ) 2 607 , 1 (
, (8.7)
Cu suprafaa total de :
2
642 , 9 ) 2 607 , 1 ( 3 m S
f

.
CONCLUZII
La sfritul acestei teze de diplom avem posibilitatea s analizm efortul depus i
rezultatele obinute. Aadar, cum ai observat , pornind de la simplul concept al
sistemului de inteligen artificial , am ajuns la etapa n care putem obine beneficii de
la utilizarea ei. Foarte mult efort a fost depus pentru studiul aprofundat a domeniului n
care va fi utilizat algoritmii de recunoatere a obiectelor geometrice i metodele utilzate
pentru aceasta. O atenie special a fost acordat organizrii muncii, pentru a optimiza
productiv efectele de la utilizarea metodei reelei neurale. Principala funcionare cheie a
fost elaborarea , impementarea modelelor de recunoatere a imaginilor ,nivelul realizat
de implementare ne permite s evalum gradul de fezabilitate a proiectului i utilizarea
lui n condiii reale. Pentru a obine real beneficii , proiectul trebuie utilizat pe scar
larg n cadrul instituiilor,sectoarelor de poliie, aeropoarte , bnci etc. Pentru a
reprezenta i argumenta recunoaterea imaginilor am folosit numeroase metode de

Coal
U.T.M.2153.30.003.ME
107
recunoatere n selectarea obiectelor i bineneles proprietile comparative a
algoritmilor de recunoatere a imaginilor.
Din punct de vedere economic observm c utilizarea softului pentru realizarea
proiectului avem un ir de cheltuieli care condiioneaz prezena preului pentru
produsul creat , aceste calcule reflect situaia real n domeniul sistemelor inteligente n
Republica Moldova. Preul stabilit este un factor foarte important pentru posibilii clieni,
deoarece este un pre mic . Capitolul protecia muncii joac un rol major,avem
posibilitatea de a utiliza partea teoretic i practic acumulat pe parcursul anilor, pentru
a cunoate i a ne acomoda cu metode ce in de proteia mediului ambiant. Cunotinele
acumulate pe parcursul a patru ani de nvmint la zi, au dus la crearea acestui sistem
inteligent , la perfecionarea capacitilor anterior acumulate. Aceast sarcin a fost
pentru mine una de experien profesional pe viitor , ceea ce am avut posibilitatea s
obin informaii statistice , sistematizate de ctre specialitii din cadrul catedrei
ATI,secia Automatic . Sarcina mea de baz a fost obinerea , lefuirea i
implementarea cunotinelor teoretice n practic n cadrul facultii FCIM.
BIBLIOGRAFIE
1. Buzuloiu V. , Prelucrarea imaginilor, Bucureti : Universitatea Politehnica
Bucureti-1998, 66 p.
2. Castleman, K. R. : Digital Image Processing, Prentice Hall, Englewood Cliffs, NJ-
1996 , 89 p.
3. Cocquerez, J. P., Philipp, S. (coord.): Analyse dimages: filtrage et segmentation,
Masson, Paris-1995, 110 p.
4. Haralick, R. M., Sternberg, S. R., Zhuang, X.: Image Analysis using
Mathematical Morphology, n IEEE Trans. on Pattern Analysis and Machine
Intelligence, vol. 9, no. 4, Iulie 1987, 532-549 p.
5. D. Glea : Inteligena artificial , note de curs, Academia de studii economice,
Bucureti -2003, 55p.
6. Mihai Bulea,: Structuri i algoritmi paraleli pentru prelucrearea imaginilor i

Coal
U.T.M.2153.30.003.ME
108
recunoaterea formelor, Iai ,vol.2, 1999, 150-300p.
7. Constantin V.Ciomaga M. Popa Rzvan : Prelucrarea i analiza imaginilor, editura
Bucureti- 2002, 145-230 p.
8. Celoci R., Ceban M., Clari E., Gorobievschi S. : Organizarea i
gestionarea bussinesul propriu, editura Tehno Info, Chiinu -2004, 230 p.
9. Gorobievschi S.: Indrumar metodic- Proiectarea de diplom, nr.1019, Chiinu
UTM-2000, 56 p.
10. Olaru E. : Cicluri de prelegeri - Sanitaria industrial i igiena muncii, Chiinu
UTM- 2000, nr.789, 43 p.
11. Olaru Iu., Olaru E., : Cicluri de prelegeri - Protecia mpotriva incendiilor,
nr.813, Chiinu UTM-2000, 45 p.
12. Olaru E. : Protecia mediului ambiant. Cicluri de prelegeri, Chiinu UTM-2000,
nr.846, 56 p.

Chenar Marediploma1

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Chenar Marediploma1

Încărcat de

Drepturi de autor:

Formate disponibile

1

Mod Coala document. Semn. Data

" sunt respectiv media i dispersia variabilei aleatoare cu distribuie

Nivele de gri a b Nivele de gri a b Nivele de gri

- sunt constante pozitive.

exponenta sumei numrului de componente n la i=1 ;

- caracteristica fototehnic a ferestrelor ,determinat conform tab.I.2[10].

- coefientul general de fotopermiabilitatederminat dupa formula :

S-ar putea să vă placă și