Documente Academic
Documente Profesional
Documente Cultură
INTRODUCERE...................................................................................................4
1. Analiza metodelor existente de recunoaştere a biectelor geometrice...........5
1.1 Sistemele inteligente în Înteligenţa Artificială ............................................5
1.2 Descrierea obiectelor geometrice..................................................................8
1.3 Clase de imagini .........................................................................................10
1.4 Metode de recunoaştere în selectarea obiectelor........................................13
1.4.1 Metoda decizional teoretică .....................................................................13
1.4.2 Metoda structural sintactică .....................................................................15
1.4.3 Recunoaşterea conexionistă......................................................................17
1.4.4 Proiectarea clasificatorului de recunoaştere statică...................................19
1.4.5 Clasificarea parametrică statistică…………………………………..22
1.5 Proprietăţile comparative a algoritmilor în recunoaşterea imaginilor.........27
1.6 Punerea problemei de recunoaştre ........................................................... ..28
1.6.1 Noţiuni generale........................................................................................29
1.6.2 Strategii de recunoaştere pentru N clase.................................................31
1.7 Filtrarea imaginilor.....................................................................................33
2.Descrierea modelelor de recunoaştere a imaginilor ......................................36
2.1 Modelul de neuroni...................... .............................................................36
2.2 Arhitectura de reţele neuronale..................................................................39
2.3 Algoritmul de antrenare a reţelelor neurale................................................41
2.4 Perceptronul cu un singur strat şi multistrat...............................................42
2.5 Reţeaua Hopfield........................................................................................45
2.6 Reţeaua Hamming......................................................................................46
UTM. 2153.30.003 ME
Mod Coala № document. Semn. Data
Elaborat Litera Coala Coli
Bujeniţa E. Recunoaşterea obiectelor
Controlat Bohanastiuc V. 1 113
geometrice
N.Contr. Izvoreanu B. U.T.M. FCIM
Aprobat B.
Izvoreanu B. Grupa AI - 041
3. Elaborarea algoritmilor în baza mediului Windows NT şi Java ...............47
3.1 Securitatea Windows NT.........................................................................47
3.2 Criptografia şi tipuri de criptare...............................................................49
3.2.1 Algoritmi criptografice cu cheie secretă şi cu cheie publică...............49
3.3 Securitatea Java........................................................................................51
4. Elaborarea interfeţei utilizatorului ................................................................52
4.1 Interfaţa utilizatorului...............................................................................52
4.2 Algoritmul de instruire.............................................................................53
5. Materialul grafic ..............................................................................................58
5.1 Schema funcţională de recunoaştere a obiectelor geometrice .................58
5.2 Algoritmi de recunoaştere........................................................................60
5.2.1 Extragere de contur...............................................................................60
5.2.2 Algoritmi de urmărire de contur...........................................................61
5.2.3 Înlănţuirea elementelor de contur.........................................................64
5.2.4 Reprezentarea contururilor....................................................................67
5.3 Algoritmi de subţiere de contur................................................................68
5.4 Segmentarea obiectelor............................................................................70
6. Calculul fiabilităţii...........................................................................................71
6.1 Noţiuni generale........................................................................................71
6.2 Informatică şi fiabilitate............................................................................72
7. Capitolul organizaţional economică al proiectului......................................76
7.1 Cercetări de marketing..............................................................................77
7.2 Elaborarea bugetului..................................................................................79
7.3 Rezultatele financiare................................................................................88
8. Protecţia mediului ambiant ...........................................................................90
8.1 Protecţia muncii........................................................................................90
8.2 Sanitaria industrială..................................................................................92
8.2.1 Cerinţele igienico sanitare faţă de calitatea aerului zonei de muncă.....92
8.2.2 Microclimatul.......................................................................................93
Coal
U.T.M.2153.30.003.ME 2
Mod Coala Nr Document. Semnat Data
8.2.3 Protecţia de zgomot..............................................................................95
8.2.4 Iluminatul de producţie.........................................................................96
8.3 Tehnica securităţii....................................................................................98
8.3.1 Electrosecuritatea..................................................................................98
8.4 Calculul iluminatului natural în încăpere...............................................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 3
Mod Coala Nr Document. Semnat Data
INTRODUCERE
Până în prezent s-au dezvoltat două metode diferite de abordare a IA. Prima metodă
este cunoscută sub numele “top-down approach” sau “symbolic approach to AI” şi
această metodă are dezavantajul că este prea dependentă de maşină şi poate fi utilizată
doar în probleme foarte restrânse. De asemenea, abordarea se bazează în mare măsură
pe cunoştinţele programatorului, absolut nimic nu poate fi adăugat automat. A doua
metodă constă în construirea unei reţele neuronale care să asigure convertirea unei
imagini în informaţie.
Coal
U.T.M.2153.30.003.ME 4
Mod Coala Nr Document. Semnat Data
Prelucrarea imaginilor este un domeniu complex, dinamic, cu numeroase aplicaţii în
diverse domenii. Există acum diverse implementări de sisteme de timp real, bazate pe
prelucrarea de imagini, sisteme utilizate în industria militară, medicină, sisteme de
control automat a proceselor industriale. S-au adus diverse îmbunătăţiri pentru sisteme
de procesare a amprentelor digitale, recunoaşterea feţei, a scrisului, obiectelor. Pentru
zonele aglomerate sau de interes strategic au fost proiectate şi implementate sisteme de
securitate şi supraveghere bazate pe vederea artificială (machine-vision). De asemenea,
prelucrarea computerizată a imaginilor are un rol foarte important în medicină, în
domeniul tehnicii medicale: tomografia asistată de calculator, analiza şi interpretarea
imaginilor microscopice celulare.
În lucrarea dată a fost efectuată cercetarea algoritmilor şi metodelor de
recunoaşterea a formelor geometrice şi a fost realizat programul care efectuează
recunoaşterea formelor geometrice în Java.
Cînd s-a vorbit prima dată de Inteligenţa Artificială (AI -Artificial Intelligence) în
1956, totul părea o utopie, un vis prea frumos pentru a fi realizat, un stadiu al dezvoltării
considerat a fi greu de atins. În ultimii aproape 50 de ani, termenul a prins contur,
devenind realitate, fiind în prezent folosit în aproape toate ştiinţele care doresc să se
afirme. Iniţiatorul sau, prof. John McCarthy a prezentat noul concept în vara anului
1956 la întrunirea „Darthmouth Summer Research Project on Artificial Intelligence”.
Odata cu dezvoltarea tehnicii de calcul şi a pachetelor software, Inteligenţa
Artificială a devenit o ramura suplimentara a ştiinţelor. Totuşi, vîrful de lance este
ştiinţa computerelor, cea care a introdus termenul şi a facut cel mai mult pentru
afirmarea noului concept.
Termenul de Inteligenţă Artificială este întalnit azi în numeroase publicaţii tehnice,
medicale, militare, ştiinţifice, de obicei, cînd vine vorba de aplicaţii ce realizează
Coal
U.T.M.2153.30.003.ME 5
Mod Coala Nr Document. Semnat Data
performanţe de care numai omul era socotit capabil: recunoaşterea şi analiza vocii şi a
imaginilor, traduceri dintr-o limba în alta, diferite jocuri de inteligenţa (sah, bridge),
luarea unor decizii complexe fără intervenţia unui operator uman etc. Iniţial, obiectivele
Inteligenţei Artificiale au fost foarte ambiţioase: maşina trebuia să rezolve diferite
probleme, să înveţe din propria experienţă şi din evenimentele exterioare sistemului sau,
să efectueze raţionamente, să conceapă noi obiecte cu proprietăţi prestabilite.
În mod natural, încă din momentul conştientizării existenţei sale, omul a fost
întotdeauna interesat să cunoască modul de formare şi funcţionare a inteligenţei proprii.
Unii oameni de ştiinţă afirmă că inteligenţa umana este imposibil de atins şi întrecut
pe cale artificială de o maşină. În 1989, matematicianul britanic Roger Penrose a
susţinut ca mecanismele de funcţionare specifice creierului uman nu pot fi replicate de
maşina, nici măcar în principiu. În prezent, creierul uman este considerat a fi cel mai
sofisticat computer cunoscut. Spre a întelege inteligenţa umana, trebuie să întelegem
modul în care se formează cele mai simple gînduri. Încercarea de a trece peste aceste
etape primare şi a cerceta direct acţiunile complexe ale creierului uman este aproape
imposibilă.
O metoda de a înţelege lucrurile este de a le modela pe un computer şi apoi a le
produce artificial. Primul pas pe care ştiinţa computerelor trebuie să îl facă în cercetarea
Inteligenţei Artificiale este să încerce a modela modul de funcţionare a creierului. Pînă
în prezent s-au dezvoltat doua metode diferite de abordare a Inteligenţei Artificiale.
Prima metodă este cunoscută sub numele “top-down approach” sau “symbolic approach
to AI”. Spre exemplu, vederea artificială a unei maşini (controlată de un computer) a
fost abordată prin construirea unor algoritmi şi aplicarea lor pe o serie de date de intrare.
Fiecare pas al procesului de vedere trebuie evaluat, un algoritm urmand să transforme
datele de intrare într-o forma mai uşor de utilizat. Aceasta metoda are dezavantajul că
este prea dependentă de maşină şi poate fi utilizată doar în probleme foarte restrînse. De
asemenea, abordarea se bazează în mare masura pe cunoştinţele programatorului,
absolut nimic nu poate fi adăugat automat.
Coal
U.T.M.2153.30.003.ME 6
Mod Coala Nr Document. Semnat Data
A doua metodă constă în construirea unei reţele neuronale care să asigure convertirea
unei imagini în informaţie. În anii 60 preocupările au fost concentrate pentru
constituirea unei astfel de reţele, denumită „perceptron”. Acesta, o combinaţie reuşită de
reţea neuronală şi informaţii pre-procesate, a permis pentru prima dată recunoaşterea
imaginilor de către un computer. Perceptronul s-a bazat pe ceea ce a reprezentat atunci
primul stadiu al vederii artificiale, fiind folosit ulterior în construcţia maşinilor
autoghidate.
Ideile care au stat la baza formării disciplinei inteligenţei artificiale au plecat de la
cercetările privind inteligenţa umană şi raţionamentul formal. Acestea au cuprins în special
cercetări în domeniul ciberneticii, a semanticii şi teorii ale calculului. Ideea principală a
ciberneticii a fost aceea că modul de comportare inteligentă se poate baza pe principiul
"reacţiei negative". Reacţia negativă este indicată pentru controlul mărimilor fizice, dar nu
poate fi generalizată în cazul raţionamentului inteligent .
Alte abordări pentru studiul comportamentului uman s-au bazat pe teoriile privind luarea
deciziilor. Conform acestei orientări, modelul raţional al gândirii este aproape imposibil de
exprimat în termeni cantitativi şi formule analitice, întrucât gândirea umană şi luarea
deciziilor nu depind direct de numere, întrucât raţionamentul numeric este neadecvat
pentru modelarea inteligenţei, a fost aleasă procesarea simbolică drept un model pentru
replicarea cunoaşterii şi a raţionamentului uman.
Evoluţia ştiinţelor cibernetice şi a studiului comportamentului uman au contribuit la
dezvoltarea domeniului raţionamentului şi a demonstrării automate (machine reasoning),
acesta fiind unul dintre primele domenii ale inteligenţei artificiale. Pentru inteligenţa
artificială, anul oficial al începerii acesteia a fost 1956, odată cu proiectul "Summer
Research Project" de la Darmouth College. După 1956, inteligenţa artificială devine o
disciplină de studiu, care pe parcurs s-a dezvoltat şi sistematizat continu. În sensul cel mai
acceptat astăzi, scopul inteligenţei artificiale este replicarea funcţionalităţii minţii umane.
De-a lungul anilor, inteligenţa artificială a inclus diverse domenii. Subordonate scopului
principal, aceste domenii au încercat să reprezinte diferitele facultăţi umane.
Principalele subdomenii ale inteligenţei artificiale sunt considerate următoarele:
Coal
U.T.M.2153.30.003.ME 7
Mod Coala Nr Document. Semnat Data
1).Vederea artificială, care încearcă să recunoască diferite structuri tipice
(şabloane) în acelaşi mod ca şi privirea umană;
2). Robotica, ce se ocupă de producerea maşinilor la care se poate controla mişcarea;
3). Procesarea vorbirii, care se ocupă cu recunoaşterea şi sinteza vorbirii umane;
4). Procesarea limbajului natural, care se ocupă cu înţelegerea limbajului natural
scris, precum şi cu producerea acestuia;
5). Demonstrarea teoremelor, care se ocupă cu demonstrarea automată a
teoremelor din logică şi matematică;
6). Rezolvarea generală a problemelor, care încearcă să rezolve clase generale de
probleme exprimate într-un limbaj formal;
7). Recunoaşterea formelor, care se ocupă cu recunoaşterea şi clasificarea diferitelor
şabloane de imagine;
8). Jocurile, care încearcă să creeze programe de jocuri competitive;
9). Învăţarea automată, care se ocupă cu producerea maşinilor capabile să acumuleze
cunoştinţe prin observarea exemplelor;
10). Sistemele inteligente, care se ocupă cu reproducerea expertizei umane.
Unele dintre aceste domenii sunt deja foarte bine conturate şi încep să devină de sine
stătătoare, părăsind câmpul inteligenţei artificiale; exemple concludente sunt recunoaşterea
formelor, procesarea vorbirii şi sistemele inteligente .
În prezent, sistemele inteligente sunt cel mai adesea asociate cu reprezentarea
cunoştinţelor şi cu raţionamentul, în cadrul lor, s-au dezvoltat deja un număr de subdomenii
proprii, cum este achiziţia de cunoştinţe, care este o formă specializată de învăţare
automată. Alte surse ale sistemelor expert includ domenii care sunt în acelaşi timp şi
domenii curente de cercetare în cadrul inteligenţei artificiale. Asemenea surse includ:
explicarea, învăţarea inteligentă, planificarea, rezolvarea distribuită a problemelor, etc.
Coal
U.T.M.2153.30.003.ME 8
Mod Coala Nr Document. Semnat Data
diverse maşini de calcul sunt destul de mari consumatoare de resurse (putere de calcul,
memorie), în special dacă ne referim la utilizarea în timp real a informaţiilor extrase din
imagini.
Într-un sens cât mai general, o imagine este o descriere a variaţiei unui parametru pe
o suprafaţă. De exemplu, imaginile (în sensul clasic) sunt rezultatul variaţiei intensităţii
luminii într-un plan bidimensional. Dar acest parametru nu este singurul folosit; de
exemplu o imagine poate fi generată de temperatura unui circuit integrat, emisiile de
radiaţii (cu diverse lungimi de undă) ale unor galaxii etc. Însă aceste tipuri de imagine
sunt de obicei, convertite în imagini clasice pentru ca operatorul uman să poată face o
evaluare vizuală a variaţiei unor parametrii. Din aceste considerente, pe parcursul
lucrării toate referirile se vor face la imagini în sensul clasic.
O imagine este deci un semnal bidimensional şi prin urmare prelucrarea imaginilor
poate fi considerată şi o ramură a prelucrării digitale de semnal (care mai include
prelucrarea audio, telecomunicaţii etc.). După cum s-a menţionat anterior, prelucrarea de
imagine şi în general prelucrarea digitală a semnalelor presupune un consum relativ
mare de resurse de calcul şi memorie. Implementarea algoritmilor specifici se poate face
pe sisteme clasice (PC-uri, evoluţia microprocesoarelor oferă puterea de calcul
necesară), dar pentru sistemele dedicate, de timp real, se folosesc în general procesoare
dedicate numite procesoare digitale de semnal (DSP = Digital Signal Processing).
Aceste tipuri de procesoare au implementate hardware diverse optimizări şi paralelisme
pentru a oferi puterea de calcul necesară (de obicei la frecvenţe mult mai mici decât
microprocesoarele clasice); evident ele presupun şi un consum mai mic de energie faţă
de microprocesoare.
Prelucrarea imaginilor include sau este legată de mai multe discipline:
- preluarea, compresia şi stocarea imaginilor;
- restaurarea şi ameliorarea imaginilor prin corecţii geometrice, radiometrice,
ajustări de contrast, filtrarea zgomotului etc;
- fotogrammetrie, adică măsurători ale unor obiecte, fenomene făcute pe baza unor
imagini;
Coal
U.T.M.2153.30.003.ME 9
Mod Coala Nr Document. Semnat Data
- recunoaşterea formelor (pattern matching, shape recognition, face recognition);
- vederea artificială (computer vision, robot vision);
- inteligenţa artificială;
- sinteza de imagini, imagini generate de calculator.
a). b).
Fig. 1.2. Exemplu de imagine din clasa 1 (a) şi clasa 2 (b).
Coal
U.T.M.2153.30.003.ME 10
Mod Coala Nr Document. Semnat Data
c). d). e).
Fig. 1.3. Exemplu de imagine din clasa 3 (c) şi clasa 4 (d).
Din fig.1.3 se pot extrage punctele critice, care vor forma o imagine de clasa 4.
Se remarcă scăderea complexităţii imaginii odată cu numărul clasei, simultan cu
reducerea semnificativă a volumului de date necesar pentru stocarea lor. Astfel
imaginile de clasă 1 sunt cele mai complexe, un exemplu tipic de astfel de imagini fiind
cele de televiziune, obţinute deci cu o cameră TV. Imaginile binare conţin doar două
nuanţe, de obicei alb şi negru (sau doar câteva culori în cazul imaginilor color). Clasa 3
cuprinde imagini şi mai simple, adică conţinând doar linii şi curbe având grosimea de un
pixel. Imaginile din ultima clasă sunt cele mai simple, ele fiind formate din puncte
izolate sau, în cazul graficii computerizate, din poligoane care descriu corpul
tridimensional a cărui reprezentare realistă se doreşte în final .
O taxonomie a domeniului prelucrării de imagini în corelaţie cu grafica
computerizată este prezenat în fig. 1.4 [1].
Coal
U.T.M.2153.30.003.ME 11
Mod Coala Nr Document. Semnat Data
Nu au fost reprezentaţi în diagrama anterioară algoritmii de codare/decodare a
imaginilor, care formează un subdomeniu destul de consistent al prelucrării de imagini.
Îmbunătăţirea imaginilor şi filtrările formează un domeniu care se ocupă de
eliminarea zgomotelor, îmbunătăţirea contrastului, accentuarea muchiilor şi detecţia de
muchii. Restaurarea imaginilor îşi propune eliminarea distorsiunilor care afectează
imaginea, distorsiuni datorate unor fenomene fizice cunoscute, modelate matematic sau
estimate.
Segmentarea imaginilor realizează separarea regiunilor uniforme, de interes, din
imagine. Uniformitatea este o noţiune generală ea nereducându-se la constanţa nivelelor
de gri (aceeaşi textură, aceleaşi proprietăţi, etc.). Binarizarea furnizează la ieşire o
imagine de clasă 2, ea putând fi asimilată unei operaţii particulare de segmentare (de
exemplu segmentarea cu prag).
Algoritmii de extragere de contur furnizează la ieşire un contur închis, deci o
imagine de clasă 3. Algoritmii de subţiere de contur realizează tot transformarea
imaginilor de clasă 2 în imagini de clasă 3, dar furnizează la ieşire un graf.
Imaginile de clasă 3 pot fi simplificate în continuare cu algoritmii de segmentare a
curbelor, care furnizează localizarea aşa-numitele puncte critice şi, în plus, parametrii
curbelor care aproximează/interpolează liniile şi curbele din imagine între două puncte
critice succesive. Se poate remarca că, practic, se obţine în această fază o descriere
extrem de simplificată a imaginii iniţiale.
În cazul graficii computerizate, după cum s-a menţionat anterior, se pleacă de la o
descriere a imaginii, urmărindu-se în cazul cel mai general, sinteza unei imagini realiste.
Descrierea iniţială cea mai des folosită conţine o colecţie de poligoane împreună cu
conexiunile dintre ele, ceea ce formează aşa-numita descriere "cadru-de sârmă" (wire-
frame). Obţinerea imaginii realiste (clasa 1) se traduce printr-o secvenţă de algoritmi
care "apropie" imaginea sintetizată de cea reală.
Algoritmii de aproximare/interpolare pleacă de la descrierea "cadru-de-sârmă" şi
urmăresc obţinerea unei curbe netede pentru suprafeţele corpurilor tridimensionale ce se
Coal
U.T.M.2153.30.003.ME 12
Mod Coala Nr Document. Semnat Data
reprezintă. Algoritmii de umplere de contur realizează operaţia complementară
extragerii de contur, în timp ce expandarea este operaţia complementară subţierii.
Cunoscând sau deducând regulile de variaţie a nivelului de gri (culorii) de-a lungul
suprafeţelor care mărginesc corpul, prin operaţia de refacere se poate obţine o
reprezentare bidimensională realistă a corpurilor studiate. Se ţine cont de caracteristicile
şi poziţia surselor de lumină şi caracteristicile locale ale corpurilor care se reprezintă
(reflexivitate, transparenţă, etc.).
Alte clase de algoritmi sunt specifice tomografiei computerizate, care realizează
investigarea nedistructivă a corpurilor. Corpul studiat este penetrat de un fascicol de
unde (raze "X", radiaţii electromagnetice, ultrasunete, etc) iar în prelungirea lor (mai
puţin în cazul ultrasunetelor, care măsoară unda reflectată) un set de receptori măsoară
energia rezultată a radiaţiei, energie dependentă direct de proprietăţile locale de
absorbţie ale corpului investigat. Ceea ce se obţine la nivelul receptorilor este proiecţia
1D (deci un vector) a unei secţiuni plane a corpului investigat, într-o anumită direcţie.
Reconstrucţia 2D reface secţiunea plană a corpului studiat dintr-un set de proiecţii
1D, în direcţii diferite, ale secţiunii.
Având la dispoziţie mai multe asemenea secţiuni (paralele sau radiale) ale corpului
studiat, se poate realiza reconstrucţia 3D a corpului studiat. Operaţia inversă se numeşte
proiecţie 2D . Trebuie de remarcat însă că această sinteză nu trebuie văzută rigid,
existând în literatură o multitudine de algoritmi care nu pot fi încadraţi în ea şi, în plus
diferiţi autori încadrează diferit un acelaşi algoritm în categorii diferite. Ca exemplu,
operaţia de codare a datelor poate fi văzută ca o extragere de trăsături regenerative, ceea
ce se obţine fiind în esenţă o descriere a imaginii, scopurile urmărite fiind însă diferite.
Coal
U.T.M.2153.30.003.ME 13
Mod Coala Nr Document. Semnat Data
similarităţii, de exemplu o distanţă [1,2].
Secţiunea de recunoaştere în figura ce urmează conţine extragerea aracteristicilor
şi clasificarea, iar secţiunea de analiză include selecţia caracteristicilor şi învăţarea.
Schema bloc a unui sistem de recunoaştere teoretic-decizională este prezentată în
figura de mai jos:
Coal
U.T.M.2153.30.003.ME 14
Mod Coala Nr Document. Semnat Data
- Proiectarea şi antrenarea clasificatorului.
- Clasificarea formelor necunoscute de intrare.
Proiectarea şi antrenarea clasificatorului. Antrenarea (sau învăţarea) înseamnă
estimarea parametrilor densităţilor de probabilitate dintr-un set de eşantioane, setul de
antrenare, atunci când forma analitică a densităţilor este cunoscută.
Învăţarea presupune existenţa setului de antrenare, format din eşantioane a căror
apartenenţă la clase este cunoscută.
Clasificarea efectuată în urma unei operaţii de învăţare sau antrenare este o
clasificare supervizată.
Dacă nu există un asemenea set de antrenare, se apelează la metode de clasificare
nesupervizată (clusterizare), când numărul claselor şi apartenenţa eşantioanelor de
clasificat nu sunt cunoscute sau insuficient cunoscute.
Clasificarea nesupervizată construieşte clusterele, pe măsură ce procesul
clasificării înaintează, pe baza optimizării unor criterii de similaritate, care realizează o
grupare cât mai naturală a eşantioanelor .
O categorie de clasificatoare des folosite este cea a clasificatoarelor neuronale.
Dintre clasificatoarele cu intrări cu valori continue, clasificare supervizată, cele mai
utilizate sunt perceptroanele cu un singur strat sau cu mai multe straturi, care
implementează fie clasificatorul Gaussian (perceptronul cu un singur strat), fie
clasificatorul celor mai apropiaţi K vecini (perceptronul multistrat). Un clasificator cu
învăţare nesupervizată este harta de trăsături cu auto-organizare Kohonen.
Odată ce clasificatorul a fost proiectat şi antrenat, în situaţia în care densităţile de
probabilitate condiţionate ale vectorilor caracteristicilor selectate sunt cunoscute pentru
fiecare clasă sau pot fi estimate precis dintr-un set de eşantioane, denumit set de
antrenare, se aplică regula de clasificare Bayes, care minimizează probabilităţile de
recunoaştere eronată sau riscul mediu.
În situaţia, mai des întâlnită, când acestea nu sunt cunoscute se utilizează fie
funcţiile discriminant, fie metode neparametrice de clasificare
Metodele neparametrice se bazează pe definirea unei funcţii distanţă şi respectiv
Coal
U.T.M.2153.30.003.ME 15
Mod Coala Nr Document. Semnat Data
alocarea unui eşantion necunoscut clasei căreia îi aparţin cele mai multe eşantioane din
cele mai apropiate k eşantioane vecine.
În situaţia în care formele de recunoscut sunt foarte complexe sau numărul claselor
este foarte mare sau nu poate fi determinat din cauză că elementele care constituie
obiectul se pot combina într-o infinitate de moduri, atunci metodele teoretic-decizionale
nu pot fi utilizate în recunoaştere.
Este cazul analizei scenelor, de exemplu în robotică, în cazul în care obiectele
aşezate unele peste altele trebuie recunoscute şi extrase pe rând din stivă.
Forma complexă este văzută ca o combinaţie de forme mai simple care sunt
recunoscute una câte una şi apoi stabilite relaţiile dintre ele în vederea descrierii
obiectului .
Dacă fiecare sub formă este la rândul ei complexă, se reprezintă prin sub forme
mai simple, până când se ajunge la cele mai simple sub forme, denumite primitive. În
figura următoare este prezentată schema unui bloc de recunoaştere structural-sintactică a
formelor.
Forma
Extragere primitivilor Inferenţa gramaticală
Prelucrare
şi a relaţiilor dintre ele (structurală)
Recunoaştere
Analiză
Forme aparţinînd
Selecţia primitivilor şi a Inferenţa gramaticală
Setului de antrenare relaţiilor dintre ele (structurală)
(estimare)
Coal
U.T.M.2153.30.003.ME 16
Mod Coala Nr Document. Semnat Data
Secţiunea de recunoaştere constă din prelucrare, extragerea primitivelor şi analiza
structural-sintactică, incluzând selecţia primitivelor şi inferenţa structurală.
În recunoaşterea sintactică, o formă este reprezentată ca un şir de primitive sau
subforme. Regulile care guvernează compunerea primitivelor în forme sunt specificate
de gramatici ale limbajului de descriere a formelor.
Recunoaşterea structurală poate utiliza fie un graf relaţional ale cărui noduri sunt
subformele, iar ramurile specifică fie relaţiile dintre subforme fie alt tip de reprezentări
pentru a pune în evidenţă relaţiile dintre subforme, care să conducă în final la descrierea
obiectului sau formei.
Nu există o regulă generală pentru selecţia primitivelor formelor. De obicei, se aleg
în aşa fel încât să fie uşor de recunoscut. De multe ori trebuie făcut un compromis între
complexitatea subformelor şi cea a limbajului de descriere. În general, cu cât subformele
sunt mai complexe, cu atât relaţiile dintre ele sunt mai simplu de descris şi invers.
După selecţia primitivelor, pasul următor este construcţia unor gramatici care să
genereze unul sau mai multe limbaje pentru descrierea formelor studiate. Selecţia unei
anumite gramatici depinde de primitivele selectate şi de compromisul dintre puterea
descriptivă a gramaticii şi eficienţa analizei sintactice. În descrierea formelor utilizând
şiruri de subforme, operaţia tipică între acestea este concatenarea. Decizia de acceptare
sau recunoaştere a unei forme este luată de analizorul sintactic.
În general, se foloseşte câte o gramatică sau mai multe pentru fiecare formă sau
clasă, clasificarea însemnând determinarea gramaticii care acceptă o reprezentare a unei
forme date ca fiind corectă.
Coal
U.T.M.2153.30.003.ME 17
Mod Coala Nr Document. Semnat Data
limitarea conexiunilor aferente fiecărui procesor, astfel încât el să fie conectat doar la un
număr de procesoare vecine .
Pot fi încadrate în categoriile descrise anterior structurile sistolice, procesoarele
matriceale, reţelele neurale artificiale, etc.
Structurile sistolice fac parte din categoria mai largă a maşinilor paralele complexe
care sunt alcătuite dintr-un mare număr de unităţi procesoare, de obicei identice, fiecare
fiind capabilă să execute o operaţie fixă de bază. Proprietăţile arhitecturale ale
structurilor sistolice le fac potrivite pentru o implementare VLSI. Conectarea celulelor
de calcul se face conform unei topologii regulare, în care fluxul de informaţii este
permis numai spre unităţile adiacente într-un mod "pipe-line". Necesităţile de
comunicare cu exteriorul sunt limitate, conexiunile sunt foarte scurte, ceea ce permite o
viteză mare de operare.
Procesoarele matriceale sunt structuri paralele care realizează aceleaşi operaţii,
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 decât structurile sistolice, dar utilizarea lor este limitată la aplicaţii care
cer un paralelism înalt, cum ar fi lucrul cu matrici de date de dimensiuni mari (cazul
imaginilor).
Reţelele neurale (neuronale) artificiale încearcă să se apropie de modelul
creierului uman. Spre deosebire de maşinile Von - Neuman care se caracterizează prin
existenţa unei unităţi procesoare care execută instrucţiuni stocate în memorie, într-o
secvenţă aflată sub controlul numărătorului de program, alte arhitecturi propuse încearcă
să exploateze cât mai eficient paralelismul care este de obicei inerent. "Procesoarele"
care formează reţelele neuronale, sunt denumite neuroni artificiali.
Dacă majoritatea calculatoarelor existente în momentul de faţă dispun de o singură
unitate procesoare, extrem de puternică şi de rapidă, la cealaltă extremă din punctul de
vedere al structurii interne se plasează aceste reţele neurale artificiale, caracterizate
printr-o simplificare extremă a unităţilor componente, alături de o extindere cât mai
largă a conexiunilor între aceste unităţi procesoare. Orice reţea neurală este caracterizată
Coal
U.T.M.2153.30.003.ME 18
Mod Coala Nr Document. Semnat Data
de trei elemente: modelul neuronului, arhitectura reţelei şi algoritmul de antrenare
folosit. În ceea ce priveşte modelele de neuroni, cel mai mult folosite în momentul de
faţă sunt cele fără memorie, deci care implementează o relaţie de forma:
N
y i f wij xi j , (1.1)
i 1
unde yi este ieşirea neuronului "j", xi este intrarea "i" a neuronului, wij este ponderea
conexiunii de la intrarea "i" la neuronul "j", iar θj este pragul ataşat neuronului "j".
Funcţia f este o funcţie neliniară care poate fi de tipul limitare hardware, prag
logic, sigmoidă simetrică sau nu, sau chiar funcţia identică.
care mai poate fi scrisă F(ωj/ωj)= 1-(j,k), unde funcţia (j,k) este funcţia delta
Kronecker.
b) Funcţia de pierdere diagonală, descrisă de:
Coal
U.T.M.2153.30.003.ME 19
Mod Coala Nr Document. Semnat Data
h j , pentru j k ;
F(ωj/ωj)= (1.3)
1, pentru j k .
care defineşte funcţia de decizie pentru clasificatorul Bayes. Deci regula de decizie
devine:
X k Dk ( X ) D j ( X ), j 1..N C , j k . (1.9)
Pentru funcţia de pierdere simetrică, riscul condiţionat are expresia:
1 NC
L( X , k ) [ P( X / j ) P( j ) ( j, k ) P( X / j ) P( j ).
P ( X ) j 1
(1.10)
Şi ca urmare:
Coal
U.T.M.2153.30.003.ME 20
Mod Coala Nr Document. Semnat Data
1
L( X , j ) 1 P ( X / j ) P ( j ). (1.12)
P( X )
Probabilitatea P(X) este aceeaşi pentru toate funcţiile de risc condiţionat, deci putem
folosi:
L( X , k ) P ( X / k ) P( k ). (1.13)
Rezultă funcţia de decizie a clasificatorului Bayes pentru funcţia de pierdere
simetrică:
Dk ( X ) P( X / k ) P( k ). (1.14)
Pe baza ei se scrie regula de decizie:
P( X / k ) P( j )
X k P( X / k ) P( k ) P( X / j ) P( j ) , (1.15)
P( X / j ) P( k )
(1.19)
Probabilitatea globală de eroare pentru clasificatorul Bayes este:
Pe P( i ) P ( X / i )dX . (1.20)
i
Coal
U.T.M.2153.30.003.ME 21
Mod Coala Nr Document. Semnat Data
În cazul metodelor parametrice se presupun cunoscute caracteristicile statistice ale
formelor de intrare, adică densitatea de probabilitate pentru fiecare clasă şi
probabilităţile apriorice ale claselor [6].
Cel mai des, sistemele reale sunt descrise de legea normală. Pentru cazul
unidimensional avem:
1 ( x m) 2
( x) exp . (1.21)
2 2 2
unde "m" şi " " sunt respectiv media şi dispersia variabilei aleatoare cu distribuţie
normală.
Pentru cazul multidimensional, mediei îi corespunde:
M=E{X}, (1.22)
iar dispersiei:
Φ =E { (X-M)(X-M)2}, (1.23)
unde E este operatorul speranţă matematică, iar Φ este matricea de covarianţă a
variabilei aleatoare multidimensionale X=(x1, x2,…, xn) .
Densitatea de repartiţie multidimensională este:
1 1
( X ) 1/ 2
exp ( X M ) T 1 ( X M ) . (1.24)
( 2 ) n/2
2
Deci :
1 1 1
P( X / k ) 1/ 2
exp ( X M k ) T k ( X M k ) . (1.25)
k (2 ) n/2
2
Coal
U.T.M.2153.30.003.ME 22
Mod Coala Nr Document. Semnat Data
2) Făcând presupunerea suplimentară a clasificării binare, funcţia de decizie se scrie:
1 T 1 1
D ( X ) ( M 1T M 2T ) 1 X M 1 M 1 M 2T 1 M 2 log P (1 ) / P (1 ). (1.29)
2 2
Riscul global de clasificare incorectă, a cărui minimizare se doreşte, este dat de:
r L( X ,
k ) P ( X ) dX
, (1.33)
k 1
k . (1.34)
Coal
U.T.M.2153.30.003.ME 23
Mod Coala Nr Document. Semnat Data
În expresia de mai sus F(ωi , ωi) este valoarea funcţiei de pierdere pentru cazul
clasificării corecte, şi ca urmare, pentru simplificarea calculelor, se poate impune
F(ωi , ωi), de unde obţinem:
r P (1 ) F (1 / 2 ) P( X / 1 )dX P ( 2 ) F ( 2 / 1 ) P( X / 2 )dX .
2 1
(1.37)
(1.40)
Planul de decizie, deci parametrii clasificatorului trebuiesc determinaţi din condiţia
minimizării riscului global, adică:
r (W ) 0, unde
w
. (1.41)
1 w2 wn 1
Coal
U.T.M.2153.30.003.ME 24
Mod Coala Nr Document. Semnat Data
(1) Funcţia de pierdere simetrică:
0, pentru j k ;
F(ωk/ωj)= 1, pentru j k . (1.43)
(3) Funcţii de pierdere dependente de distanţa între forma clasificată incorect şi clasa
corectă:
F~d F ~ d2 F
~d
~ d2
d d a d
Dacă d < 0 , înseamnă că forma a fost clasificată corect, deci în acest caz avem:
F(d)=0, pentru d<0.
Pentru o funcţie de pierdere dependentă liniar de distanţa la planul de decizie, avem:
0, pentru W T X 0, X 1 , clasificar e corecta;
F (1 / 2 , d ) W T X (1.46)
, pentru W T X 0, X 1 , clasificar e incorecta .
W
Coal
U.T.M.2153.30.003.ME 25
Mod Coala Nr Document. Semnat Data
Se calculează
W T X X W W T X W X W W T X(W T W )1 / 2 X W W T X (W T W ) 1 / 2 W
W
2
2
2
W W W
1 2
X W W T X W W X W (W T X )W
2
3
,
W W
(1.48)
iar rezultatul se notează cu:
2
XW (W T X )W
f ( X ,W )
W
3 . (1.49)
Una din cele mai importante clase de metode de localizare a obiectelor într-o
imagine are la bază aşa-numita "potrivire" a conţinutului unei imagini cu un model al
obiectului căutat. Aceasta este în esenţă o operaţie de căutare a minimului unei măsuri a
Coal
U.T.M.2153.30.003.ME 26
Mod Coala Nr Document. Semnat Data
diferenţei între imagine şi model. "Potrivirea" ideală se obţine rareori, datorită prezenţei
zgomotelor, efectelor digitizării imaginii, etc.
Dacă se notează cu f(m,n) imaginea digitală, unde -M m M şi -N n N , iar cu
T(j,k) modelul căutat, o măsură a distorsiunii dintre imagine şi model poate fi scrisă:
d ( m, n) f ( j , k ) T ( j m, k n) .
2
j k
d1 ( m, n) T ( j m, k n) .
2
j k
~ (m, n) L ( m, n)
R FT R (1.55)
Coal
U.T.M.2153.30.003.ME 27
Mod Coala Nr Document. Semnat Data
Recunoaşterea formelor are ca scop determinarea clasei din care fac parte
elementele unei mulţimi. Stabilirea numărului de clase este o problemă legată direct de
caracteristicile aplicaţiei. Pot exista aplicaţii cu număr de clase cunoscut aprioric, dar şi
aplicaţii în care numărul de clase trebuie stabilit algoritmic.
Clasificatorul este sistemul care implementează operaţia de recunoaştere a
formelor, deci el realizează o procedură stabilită anterior de clasificare.
Există două abordări ale procesului de recunoaştere: recunoaşterea controlată şi
recunoaşterea necontrolată. Recunoaşterea controlată (supervizată) implică existenţa
unui set de forme a căror apartenenţă la clase este cunoscută. Acest set de forme include
setul de formare (învăţare, antrenare) care este folosit pentru construcţia propriu-zisă a
clasificatorului şi setul de predicţie (testare) al cărui scop este testarea (evaluarea)
clasificatorului respectiv. Construirea clasificatorului este asociată în acest caz
algoritmului de învăţare corespunzător clasificatorului, algoritm care construieşte în
mod iterativ coeficienţii acestui clasificator.
Recunoaşterea necontrolată (nesupervizată) nu necesită cunoaşterea apriorică a
apartenenţei formelor din setul de formare la clase. Această abordare dezvoltă algoritmi
care realizează construcţia claselor pe măsură ce forme analizate sunt luate în
considerare. Ei sunt numiţi algoritmi de grupare (clustering). Schema bloc a unui sistem
de recunoaştere a formelor este dată în continuare fig. 1.8:
Coal
U.T.M.2153.30.003.ME 28
Mod Coala Nr Document. Semnat Data
X=(x1, x1,…, xn)T, (1.56)
care poate fi văzut ca un vector în spaţiul trăsăturilor (formelor), spaţiu notat cu
ΩRn.
Clasificarea este o partiţionare a spaţiului formelor în "K" regiuni (clase), notate
{ωj}j=1,..k şi care îndeplinesc condiţiile [1]:
Ω; (1.57)
F, (1.58)
unde F este mulţimea punctelor care alcătuiesc frontierele între aceste clase. Funcţia
discriminant ataşată unei clase este o funcţie Dj(X):Ω →R dată de:
X Dj(X) >Di(X), i ≠ j, i=1,...,K. (1.59)
Limitele de decizie între clasele ωi şi ωj vor fi definite prin ecuaţia:
Di(X)- Dj(X)=0. (1.60)
Metodele matematice utilizate pentru rezolvarea problemelor de recunoaştere a
formelor se grupează în două mari categorii:
- metode decizional-teoretice şi statistice;
- metode sintactice (lingvistice).
Dintre proprietăţile care permit evaluarea unui clasificator, mai importante sunt
următoarele:
Recunoaşterea este exprimată prin rata de recunoaştere, care este procentul de
forme din setul de formare recunoscut corect de clasificator.
Convergenţa exprimă viteza de răspuns a unui clasificator. În cele mai multe
cazuri se urmăreşte realizarea unui compromis între rata de recunoaştere şi viteza de
răspuns care caracterizează un anume clasificator.
Siguranţa este descrisă prin gradul de încredere al unui clasificator, care
caracterizează capacitatea clasificatorului de a clasifica corect formele distorsionate
aplicate la intrare.
Predicţia exprimă capacitatea clasificatorilor de a recunoaşte corect forme care nu
aparţin setului de formare. O măsură a acestei proprietăţi este abilitatea predictivă care
exprimă procentul de forme din setul de predicţie (deci cu apartenenţă la clase
Coal
U.T.M.2153.30.003.ME 29
Mod Coala Nr Document. Semnat Data
necunoscută în prealabil) recunoscute corect.
Între cele două clase de metode există o conexiune directă care asigură
întrepătrunderea lor, după cum rezultă şi din următoarea schemă bloc care descrie
modurile posibile de abordare ale unei probleme generale de clasificare [2]:
Forme de
intrare
Prelucrare
preliminară
Clasificare
supervizată/
nesupervizată
Decizie
Coal
U.T.M.2153.30.003.ME 30
Mod Coala Nr Document. Semnat Data
Fig. 1.9. Moduri posibile de abordare ale unei probleme de clasificare.
Coal
U.T.M.2153.30.003.ME 31
Mod Coala Nr Document. Semnat Data
Fig. 1.11. Sistem de recunoaştere pentru N clase, varianta 2.
Coal
U.T.M.2153.30.003.ME 32
Mod Coala Nr Document. Semnat Data
Zgomotul este o informaţie nedorită care deteriorează calitatea unei imagini.
Zgomotul din imaginile digitale poate proveni dintr-o multitudine de surse. Procesul de
achiziţie al imaginilor digitale, care converteşte o imagine optică într-un semnal electric
continuu este un proces primar generator de zgomote.
La fiecare pas din procesul de achiziţie există fluctuaţii cauzate de fenomene
naturale şi acestea adaugă o valoare aleatoare la extragerea fiecărei valori a luminozităţii
pentru un pixel dat. În imaginile tipice, zgomotul poate fi modelat fie printr-o distribuţie
gaussiană – figura 1. 12 - a, uniformă – figura 1. 12 – b, sau de tip „salt and pepper“
(„sare şi piper“)– figura 1. 13, c.
Operaţia prin care se elimină zgomotul, datorat unor surse externe, dintr-o imagine
digitală este filtrarea. Filtrarea imaginilor digitale este o operaţie care se aplică local la
nivelul fiecărui pixel din imagine, înlocuind valoarea intensităţii/ culorii pixelului curent
cu o valoare ce depinde de valorile de intensitate/culoare ale pixelilor vecini. Numărul
de vecini luaţi în considerare va determina dimensiunea filtrului.
Filtrele spaţiale pot fi folosite efectiv pentru a înlătura 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
a) b) c)
Coal
U.T.M.2153.30.003.ME 33
Mod Coala Nr Document. Semnat Data
Aceste filtre spaţiale operează pe vecinatăţi mici, între 3x3 şi 11x11, şi unele pot fi
implementate ca şi măşti de convoluţie.
Principalele categorii de filtrele spaţiale folosite la înlăturarea zgomotelor sunt
filtrele ordonate şi filtrele de mediere.
Filtrele ordonate sunt filtre neliniare implementate prin aşezarea pixelilor vecini în
ordine de la cel cu valoarea cea mai mica a nivelelor de gri la cel cu valoarea cea mai
mare a nivelelor de gri. Această ordonare se foloseşte pentru a selecta valoarea
"corectă", în timp ce la filtrele de mediere se determina, într-un fel sau altul, o valoare
medie a vecinilor [7].
Filtrele de medie sunt în general filtre liniare aplicate printr-o operaţie de
convoluţie a imaginii cu un nucleu (masca) de convoluţie şi lucrează mai bine cu
zgomot uniform sau zgomot gaussian. Filtrele ordonate (in special filtru median)
lucrează mai bine cu zgomote salt-and-peper, zgomote exponenţial 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. În practică ambele tipuri de filtre pierd informaţiile de frecventă înaltă
(muchii si detalii) în încercarea lor de a înlătura zgomotele, şi scopul este de a diminua
aceste pierderi de informaţie când se maximizează înlăturarea zgomotului. Un filtru care
işi schimba comportamentul bazându-se pe caracteristicile nivelelor de gri ale vecinilor
este numit filtru adaptiv, şi aceste filtre sunt folosite in multe aplicaţii practice.
Filtre ordonate. Filtrele ordonate sunt bazate pe un tip specific de statistica a
imaginilor numită statistica ordonată. Aceste filtre operează pe subimagini mici
(ferestre) din jurul pixelului curent, şi înlocuiesc valoarea pixelului central (curent).
Statistica ordonată este o tehnică care aranjează toţi pixelii într-o ordine secvenţială,
bazată pe valoarea nivelelor de gri. Plasarea unei valorii în cadrul acestei mulţimi
ordonate va fi caracterizată de un de rang. Dându-se o fereastra W de NN pixeli,
valorile pixelilor pot fi ordonate crescător după cum urmează: I1 I1 I1… IN2, unde { I1,
I1, I1,…, IN2} reprezintă intensităţile (nivelele de gri) valorilor corespunzătoare subsetului
Coal
U.T.M.2153.30.003.ME 34
Mod Coala Nr Document. Semnat Data
de pixeli din imagine, care sunt in fereastra W de NN pixeli (care este: {(r,c)W}) din
jurul pixelului curent.
Exemplu: fie este dată o subimagine cu dimensiunea 3x3 :
110 110 114
100 104 104
.
95 88 85
Rezultatul aplicării statisticii ordonate va fi: {85, 88, 95, 100, 104, 104, 110, 110,
114}.
Filtrul de maxim - înlocuieşte valoarea pixelului central cu cea mai mare valoare
(IN2 ) din fereastra ordonată de valori ale pixelilor din vecinătatea curenta (in exemplul
de mai sus valoarea selectată ar fi 114).
Filtrul de minim - înlocuieşte valoarea pixelului central cu cea mai mica valoare
(I1 ) din fereastra ordonată de valori ale pixelilor din vecinătatea curentă (in exemplul de
mai sus valoarea selectată ar fi 85) şi este folosit pentru eliminarea zgomotelor salt.
Filtrul punctului de mijloc - înlocuieşte valoarea pixelului central cu media dintre
valoarea minimă (I1 ) şi valoarea maximă (IN2) din fereastra ordonată de valori ale
pixelilor din vecinătatea curentă, este folosit pentru zgomot gaussian si zgomot uniform.
Coal
U.T.M.2153.30.003.ME 35
Mod Coala Nr Document. Semnat Data
printr-o simplificare extremă a unităţilor componente, alături de o extindere cât mai
largă a conexiunilor între aceste unităţi procesoare.
Orice reţea neurală este caracterizată de trei elemente: modelul neuronului,
arhitectura reţelei şi algoritmul de antrenare folosit.
x1 W
W1
x2 W2 a f y
∑
… Wn funcţie Ieşire
xn activare
Coal
U.T.M.2153.30.003.ME 36
Mod Coala Nr Document. Semnat Data
Funcţia Y =(a) este o funcţie neliniară care poate fi de tipul limitare hardware, prag
logic, sigmoidă simetrică sau nu, sau chiar funcţia identică. Limitarea hardware se
implementează în unul din următoarele două moduri, vezi figura 3.2 :
1, pentru a 0; 0, pentru a 0;
Y (a ) Y (a ) (2.2)
1, penru a 0. 1, penru a 0.
Fig. 2.3. Pragul logic ce realizează limitarea domeniului de ieşire la zero pentru
valori de intrare negative şi la +1 pentru valori ce depăşesc un anumit prag pozitiv.
0, pentru a 0;
Y (a ) Y (a ) a. (2.3)
a, penru a 0.
Coal
U.T.M.2153.30.003.ME 37
Mod Coala Nr Document. Semnat Data
Fig. 2.4. Funcţia sigmoidă.
1 1 exp(a)
Y (a) ; Y (a) . (2.4)
1 exp(a) 1 exp(a)
Prin această funcţie se obţine un câştig neliniar pentru neuronul artificial. Acest
câştig variază de la valori mici pentru excitaţii negative mari (curba este aproape
orizontală), la valori mari pentru excitaţii mari şi pozitive. Grossberg (1973) a găsit că
acest câştig neliniar caracteristic rezolvă dilema saturării. În ciuda diversităţii de modele
de neuroni, majoritatea sunt bazate pe această configuraţie.
Modele mai sofisticate de neuroni introduc variabila timp, un astfel de model fiind
descris de următoarele relaţii:
du j N
u j w xi j ;
(2.5)
ij
dt i 1
y f (u ).
i j
Deşi un singur neuron poate realiza funcţii simple de detecţie de modele, puterea
calcului neural provine din conectarea neuronilor în cadrul reţelelor. O reţea neurală
simplă este aranjarea unui grup de neuroni pe un strat ca în figura 2.5:
y1 y2 yK
w21 w1K
w11 w12 w22 w2K wNK
wN2
Coal
U.T.M.2153.30.003.ME 38
Mod Coala Nr Document. Semnat Data
wN1
x1 - x2 --- xN
Setul de intrare X are fiecare element conectat cu fiecare neuron, cu cîte o pondere
separată. Fiecare neuron scoate la ieşire o sumă a produsului ponderi-intrări
corespunzătoare. Actualele reţele artificiale şi biologice au unele din conexiuni lipsă dar
conectivitatea totală a fost arătată aici din raţiuni de generalitate. Este convenabil să
reprezentăm ponderile ca fiind elementele unei matrici. Dimensiunile matricei fiind N
linii pe K coloane, unde N este numărul de intrări, iar K numărul de neuroni. În acest fel
putem calcula pentru setul de neuroni cele K funcţii de activare ca simple înmulţiri de
matrici:
A W T X Y f ( A) f (W T X ), (2.6)
unde X, A, Y sunt vectori linie, W este o matrice NK.
Reţelele cu mai multe straturi, mult mai generale şi mai complexe, oferă în general,
o capacitate mare de calcul. Asemenea reţele au fost construite în orice configuraţie
imaginabilă, aranjând neuronii în straturi imitând structura straturilor dintr-o anumită
zonă a creierului. Aceste reţele multistrat au capacităţi sporite, dovedite relativ la
reţelele cu un singur strat, iar în ultimii ani algoritmi performanţi s-au dezvoltat pentru
antrenarea lor. Reţelele multistrat pot fi formate prin simpla cascadare de straturi,
ieşirile unui strat devenind intrări pentru stratul următor.
Reţelele multistrat nu furnizează nici o creştere a puterii de calcul în raport cu
reţelele cu un singur strat dacă nu este prezentă o funcţie de activare neliniară între
straturi.
Calculul ieşirii unui strat liniar constă în înmulţirea vectorului de intrare cu prima
matrice de ponderi, apoi (dacă nu este prezentă o funcţie de activare neliniară)
multiplicând vectorul rezultat cu a doua matrice de ponderi. Aceasta ar putea fi
exprimată prin : Având în vedere că înmulţirea de matrici este asociativă, relaţia poate fi
rescrisă :
Coal
U.T.M.2153.30.003.ME 39
Mod Coala Nr Document. Semnat Data
Y W2T (W1T X ). (2.7)
Având în vedere că înmulţirea de matrici este asociativă, relaţia poate fi rescris :
Y (W2T W1T ) X (W2 W1 )T X . (2.8)
Aceasta arată că reţea liniară cu două straturi este exact echivalentă cu o reţea cu
un singur strat ce are matricea ponderilor egală cu produsul celor două matrici. De aici,
se poate trage concluzia că funcţia de activare neliniară este vitală pentru extinderea
capacităţilor reţelelor faţă de cele cu un singur strat.
Reţelele considerate până acum nu au conexiuni cu răspunsuri spre înapoi
("feedback"), conexiuni care să aplice valorile de la ieşirea unui strat spre intrarea
aceluiaşi strat sau a altui strat. Această clasă specială, numită reţele nerecurente sau cu
răspuns (propagare a fluxului de date) spre înainte ("feed foreward") prezintă un interes
considerabil şi sunt larg aplicate. În general, reţelele care conţin conexiuni feedback sunt
denumite reţele recurente. Reţelele nerecurente nu au memorie, ieşirile fiind
determinate doar pe baza intrărilor curente şi a valorilor ponderilor.
În cîteva configuraţii, reţelele recurente recirculează ieşirile anterioare înapoi spre
intrare, de aici ieşirile lor sunt determinate pe baza intrărilor curente şi ieşirilor
anterioare. Din acest motiv reţelele recurente pot etala proprietăţi similare cu memoria
pe termen scurt a omului.
Dintre toate caracteristicile interesante ale reţelelor neurale, nici una nu captează
atâta imaginaţie ca abilitatea lor de a învăţa. Antrenarea reţelelor artificiale este însă
limitată, multe probleme dificile rămânând a fi rezolvate.
Algoritmii de antrenare sunt categorizaţi în supervizaţi şi nesupervizaţi. O reţea
este antrenată dacă aplicarea unui set de intrări produce ieşirea dorită sau una apropiată.
Antrenarea este realizată prin aplicarea secvenţială de vectori de intrare, în timpul
fiecărei asemenea operaţii ajustând ponderile din reţea în acord cu o procedură
predeterminată. În timpul antrenării, ponderile din reţea converg gradual spre valori
pentru care fiecare vector de intrare produce vectorul de ieşire dorit.
Coal
U.T.M.2153.30.003.ME 40
Mod Coala Nr Document. Semnat Data
Antrenarea supervizată cere pentru fiecare vector de antrenare perechea vector
ţintă care este ieşirea dorită. Acestea sunt denumite pereche de antrenare. Uzual, o reţea
este antrenată după un număr de astfel de perechi de antrenare. Un vector de intrare este
aplicat, ieşirea reţelei este calculată şi comparată cu vectorul ţintă, iar diferenţa (eroarea)
este trimisă înapoi, iar ponderile sunt schimbate în acord cu un anumit algoritm care
tinde să minimizeze eroarea la un nivel acceptabil.
Învăţarea nesupervizată nu cere cunoştinţe apriorice despre datele aplicate la
intrarea reţelei, reţelele se auto-organizează pentru a produce ieşirile dorite. Antrenarea
supervizată a fost criticată ca fiind biologic neplauzibilă. Antrenarea nesupervizată este
un model mai plauzibil de învăţare în sistemele biologice.
Antrenarea nesupervizată nu cere vector ţintă pentru ieşiri, de aceea nu au loc
comparaţii cu răspunsul ideal. Setul de antrenare nu constă decât în vectori de antrenare.
Algoritmul de antrenare modifică ponderile reţelei pentru a produce un vector de ieşire
consistent. Procesul de antrenare este deci extragerea de proprietăţi statistice ale setului
de antrenare şi a vectorilor, dintr-un grup similar de vectori, în clase. Aplicând la intrare
un vector, dintr-o clasă dată, va produce la ieşire un vector specific, dar aici nu este nici
o cale de a determina care model specific va fi găsit la ieşire de un vector de intrare
dintr-o clasă dată.
De aici, ieşirea unei astfel de reţele trebuie în general transformată într-o formă ce
să poată fi înţeleasă, ulterior procesului de antrenare.
Marea majoritate a algoritmilor utilizaţi în prezent au evoluat de la concepţiile lui
Hebb [6]. El propunea un model pentru învăţare nesupervizată unde "tăriile" sinapselor
(ponderile) sunt mărite dacă atît neuronul sursă cît şi neuronul destinaţie sunt active. În
acest fel modelele utilizate în reţele sunt puternice, iar fenomenul de folosire şi învăţare
prin repetiţie este explicat.
O reţea neurală artificială utilizând algoritmul de învăţare al lui Hebb va modifica
ponderile în acord cu produsul nivelelor de excitaţie dintre neuronii sursă şi destinaţie.
Legea de învăţare este descrisă de ecuaţia:
wij ( n 1) wij ( n) Yi Y j , (2.9)
Coal
U.T.M.2153.30.003.ME 41
Mod Coala Nr Document. Semnat Data
unde: wi,j(n) - valoarea ponderii de la neuronul "i" la neuronul "j" înaintea
ajustării;
wi,j (n+1)- valoarea ponderii de la neuronul "i" la neuronul "j" după ajustare;
- coeficientul de învăţare;
Y i - ieşirea neuronului "i" şi intrarea neuronului "j";
Y j - ieşirea neuronului "j".
w21 (z)
(z) (z) (z) w22 w1N (z) (z)
w11 w12 w2N (z) wM2 wMN
y1 (y) y2 wM1 yM
w21 (y)
(y) (y)w12 (y) w22 w1M (y)wK2 (y)wKM
w11 (y) wK1 xK
x1 (x) x2 (x)
(x) (x) w21 (x) w22 w1K (x)
w11 w12 (x)w2K (x) wL2 wLK
wL1
u1 u2 --- uL
Fig. 2.6. Arhitectura tipică a perceptronului cu trei straturi.
Coal
U.T.M.2153.30.003.ME 42
Mod Coala Nr Document. Semnat Data
S-a folosit cel mai mult modelul neuronului descris anterior, însă folosind
neliniaritatea prag logic:
1, pentru a 0;
f (a) (2.10)
0, pentru a 0.
Coal
U.T.M.2153.30.003.ME 43
Mod Coala Nr Document. Semnat Data
N ( z)
z pj f wkj y pk ;
k 1
M
y pj f wkj x pk ;
( y)
(2.11)
k 1
L
x pj f wkj u pk ,
( x)
k 1
unde: N - numărul de neuroni de pe stratul de ieşire;
M - numărul de neuroni de pe stratul intermediar (ascuns);
K - numărul de neuroni de pe stratul de intrare (ascuns);
L - numărul de intrări în reţea
z pj - ieşirea neuronului "j" de pe stratul de ieşire pentru forma "p" de intrare;
y pj - ieşirea neuronului "j" de pe stratul intermediar pentru forma "p" de intrare;
x pj - ieşirea neuronului "j" de pe stratul de intrare pentru forma "p" de intrare;
u pj - valoarea aplicată intrării "j" în reţea pentru forma "p" de intrare;
wij( z ) -ponderea conexiunii neuronului "i" de pe stratul intermediar cu neuronul
"j" de pe stratul de ieşire;
wij( y ) - ponderea conexiunii neuronului "i" de pe stratul de intrare cu neuronul "j"
de pe stratul de intermediar;
wij( x ) - ponderea conexiunii intrării "i" în reţea cu neuronul "j" de pe stratul de
intrare.
Funcţia de eroare corespunzătoare formei de intrare "p" este dată de:
1 M
Ep (d pj z pj ) 2 .
2 j 1
(2.12)
Acest tip de reţea poate fi folosit ca memorie asociativă sau pentru rezolvarea unor
probleme de optimizare. Foloseşte neuroni cu intrări binare, a căror ieşire conţine
nelinearităţi de tipul limitare hardware (vezi primul paragraf al acestui capitol).
Coal
U.T.M.2153.30.003.ME 44
Mod Coala Nr Document. Semnat Data
Arhitectura unei reţele Hopfield cu N neuroni este prezentată în figura 3.8. Ieşirea
fiecărui neuron este aplicată tuturor celorlalte noduri prin intermediul unor ponderi tij.
Hopfield a demonstrat că această reţea converge dacă ponderile sunt simetrice (tij= tji).
Deşi simplitatea ei o face atractivă, această reţea prezintă două limitări majore când este
utilizată ca memorie adresabilă prin conţinut. În primul rând, numărul de forme prototip
care pot fi stocate şi apoi regăsite corect în reţea este limitat la aproximativ 15% din
numărul de neuroni [6].
Dacă se încearcă stocarea prea multor forme prototip, reţeaua ar putea converge
către un prototip fictiv. A doua limitare prezentă la reţeaua Hopfield apare dacă
prototipurile memorate în reţea sunt foarte asemănătoare (prezintă un mare număr de
biţi identici), caz în care reţeaua devine instabilă.
Dacă reţeaua Hopfield este folosită drept clasificator, ieşirea reţelei (după
convergenţă) trebuie comparată cu fiecare formă prototip, după care se poate lua decizia
de apartenenţă la una din clasele ataşate formelor prototip.
0, 1, N, 2 N, 1
0 1 N 1 N 2
0 1 N 2 N 1
Coal
U.T.M.2153.30.003.ME 45
Mod Coala Nr Document. Semnat Data
2.6 Reţeaua Hamming
Arhitectura reţelei Hamming este prezentată în figura 2.8. Acest tip de reţea poate
fi folosit drept clasificator pentru forme binare afectate de zgomot. Ea conţine neuroni
de tip prag logic. Se remarcă în arhitectura reţelei prezenţa a două straturi,
primul (cel inferior) realizează o valoare proporţională cu distanţa Hamming la un
număr de M forme prototip. Stratul superior selectează nodul cu ieşirea maximă.
Coal
U.T.M.2153.30.003.ME 46
Mod Coala Nr Document. Semnat Data
Acest sistem de operare introduce noi posibilităţi privind performanţa şi puterea de
operare şi include un sistem de programare multitasking pentru aplicaţii bazate pe
Windows, lucru în reţea integrat, securitatea serverului de domeniu.
În acelasi timp cu lansarea primei versiuni desktop a lui Windows NT a fost lansat şi
primul sistem de operare pentru server al companiei Microsoft: Windows NT Advanced
Server 3.1. Acesta a fost proiectat să acţioneze ca un server dedicat în mediul
client/server oferind putere, scalabilitate, rezistenţă mare la erori şi interoperabilitate. Ca
server de aplicaţie Windows NT Advanced Server este o platforma puternică pentru
servere de date (ex. Microsoft SQL Server), servere de comunicaţie şi servere de poşta
electronică (ex. Microsoft Mail).
Windows NT este o versiune de 32 de biţi a interfeţei Microsoft cu utilizatorul care
oferă cu adevarat modul de lucru multitasking pentru calculatoarele personale bazate pe
microprocesoare Intel şi pentru staţiile de lucru. Windows NT (New Technology)
rulează exclusiv protejat, permiţînd proiectanţilor de aplicaţii să folosească pînă la 4 GB
de RAM. Windows NT are facilităţi avansate de gestionare a fişierelor, puternice funcţii
de reţea, fiind un adevarat sistem client - server.
Utilizarea ulterioară de programe de actualizare (service pack) şi instalarea de
facilităţi opţionale (option packs) permit utilizarea cheilor publice şi a certificărilor
pentru securizarea datelor şi adaugă noi unelte de administrare pentru personalul tehnic.
Windows NT este un sistem de operare destinat retelelor multifunctionale, sistem care
poate acţiona atît în calitate de client, cît şi ca server într-un mediu de lucru de reţea.
Windows NT este o denumire generica pentru două produse de sine stătătoare:
Windows NT Workstation si Windows NT Server.
Windows NT Workstation oferă urmatoarele avantaje:
1). Mod de lucru performant. Asigură multitasking controlat pentru toate programele.
Windows NT Workstation accepta mai multe procesoare, pentru a realiza o
multiprocesare reală. De exemplu, dacă rulaţi un program multifila cum ar fi Microsoft
Word, puteţi continua lucrul la un document în timp ce tipăriţi un altul.
2). Profil hardware. Creează şi întreţine o listă a componentelor ce alcătuiesc
Coal
U.T.M.2153.30.003.ME 47
Mod Coala Nr Document. Semnat Data
configuraţia hardware a unui calculator. De exemplu, dacă folosiţi un calculator laptop
şi un dispozitiv de extensie la locul de muncă, puteţi utiliza un profil hardware pentru a
configura calculatorul astfel încît să funcţioneze cu dispozitivul de extensie. Cand
lucraţi pe laptop acasă, puteţi folosi un alt profil hardware cu o configuraţie care permite
aceluiaşi calculator conectarea telefonică la reţea.
3. Microsoft Internet Explorer. Vă oferă un browser rapid şi usor de folosit, compatibil
cu standardele existente.
4). Sistem de poştă electronică. Recepţionează şi stochează mesajele electronice, dar şi
fişiere şi obiecte create în alte programe.
5). Servicii Web. Oferă un server Web personal, optimizat să funcţioneze cu Windows
NT Workstation, versiunea 4.0.
6). Siguranţa. Garantează securitatea locală a fişierelor, directoarelor, imprimantelor şi
a altor resurse. Utilizatorii pot fi identificaţi fie prin intermediul calculatorului local, fie
printr-un controller de domeniu pentru a avea acces la oricare dintre resursele
calculatorului sau ale reţelei.
7). Stabilitatea sistemului de operare. Accepta orice program în propriul sau spaţiu de
adresare al memoriei. Astfel, programele care prezintă probleme de funcţionare nu mai
pot afecta alte programe.
Coal
U.T.M.2153.30.003.ME 48
Mod Coala Nr Document. Semnat Data
dezvoltarea metodelor criptografice.
Primul este legat de dezvoltarea reţelelor de calculatoare, al caror stimulent
extraordinar s-a manifestat atît prin presiunea exercitată de tot mai mulţi utilizatori cît şi
prin potentarea gamei de instrumente folosite efectiv în execuţia algoritmilor de cifrare.
Cînd cheia secreta are o dimeniune convenabilă şi este suficient de frecvent schimbată,
devine practic imposibilă spargerea cifrului, chiar dacă se cunoaşte algoritmul de
cifrare. Al doilea moment important în evoluţia criptografiei moderne l-a constituit
adoptarea unui principiu diferit de acela al cifrării simetrice. În locul unei singure chei
secrete, criptografia asimetrică foloseste doua chei diferite, una pentru cifrare, alta
pentru descifrare. Deoarece este imposibilă deducerea unei chei din cealaltă, una din
chei este facută publică, fiind pusă la îndemîna oricui doreşte să transmită un mesaj
cifrat. Doar destinatarul, care deţine cea de-a doua cheie, poate descifra şi utiliza
mesajul. Tehnica cheilor publice poate fi folosită şi pentru autentificarea mesajelor, fapt
care i-a sporit popularitatea. Procesul de transformare a textului clar în text cifrat se
numeşte cifrare sau criptare, iar transformarea înversă, a criptogramei în text clar, are
denumirea de descifrare sau decriptare. Atît cifrarea cît şi descifrarea sunt controlate de
către una sau mai multe chei criptografice. Există două tipuri de sisteme criptografice:
- simetrice (cu cheie secreta) care folosesc aceeasi cheie, atît la cifrarea cît şi la
descifrarea mesajelor.
- asimetrice (cu chei publice) care folosesc chei distincte de cifrare şi descifrare (dar
legate una de alta). Una din chei este ţinută secreta şi este cunoscută doar de proprietarul
ei. A doua cheie (perechea ei) este facuta publică, de unde şi numele de criptografie cu
cheie publica.
Coal
U.T.M.2153.30.003.ME 49
Mod Coala Nr Document. Semnat Data
sesiune sau de terminal sunt necesare proceduri automate, de generare (pseudo)
aleatoare, care se pot baza pe amplificatoare de zgomot, funcţii matematice şi diverşi
parametri (numarul curent al apelurilor sistem, data, ora etc).
distribuţia cheilor. Cu privire la transportul cheii secrete, problema este în general
rezolvată prin folosirea unei alte chei, numită cheie terminal, pentru a o cripta. Cheile de
sesiune - generate numai pentru o comunicaţie - sunt transportate criptat cu cheile
terminal care, de asemenea, pot fi protejate (cand sunt memorate) cu alta cheie, numită
cheie master.
Cheile terminal, care criptează 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);
Coal
U.T.M.2153.30.003.ME 50
Mod Coala Nr Document. Semnat Data
că sistemele sunt fie sigure fie nesigure. În realitate, securitatea este un compromis.
Având la dispoziţie resurse nelimitate, orice formă de securitate poate fi compromisă.
Cu toate acestea, în realitate, resursele de care dispun atacatorii sunt totuşi finite. Având
aceste lucruri în vedere, un sistem poate fi considerat sigur dacă costul pe care un
atacator îl plăteşte pentru a-l compromite este mult mai mare decât recompensa
obţinută.
Coal
U.T.M.2153.30.003.ME 51
Mod Coala Nr Document. Semnat Data
4.1 Interfaţa utilizatorului
Interfaţa utilizatorului este una din etapele principale de creare a imaginilor mai
departe,şi anume prin intermediul interfeţei utilizator program putem efectua paşii de
creare ,adaugare,modificare şi ştergere a figurilor geometrice pentru recunoaştere
lor,această interfaşă arată astfel:
Coal
U.T.M.2153.30.003.ME 52
Mod Coala Nr Document. Semnat Data
unui agent inteliget. Mai jos este descrierea procesului de instruire pe care se bazează
programul dat
Coal
U.T.M.2153.30.003.ME 53
Mod Coala Nr Document. Semnat Data
Constanta c controlează rata de adaptare a reţelei. Alegerea ei trebuie să satisfacă
cerinţe contradictorii: pe de o parte există necesitatea de a obţine o adaptare rapidă a
ponderilor la intrări şi pe de altă parte trebuie să se ţină seama de necesitatea ca
medierea intrărilor precedente să genereze o estimare stabilã a ponderilor.
Algoritmul de învăţare al perceptronului compară ieşirea produsă de reţea cu clasa
corespunzătoare a vectorului de intrare. Dacă s-a produs o clasificare eronată, atunci
vectorul pondere este modificat. În caz contrar el rămâne neschimbat.
Dacă la p paşi consecutivi nu se produce nici o modificare a vectorului pondere, atunci
toţi vectorii (formele) de instruire sunt corect clasificaţi de ultimul vector ponderere rezultat.
Am obţinut un vector soluţie şi algoritmul se opreşte cu această decizie. Procedura de
instruire descrisă mai sus conduce la algoritmul următor pentru instruirea perceptronului :
ALGORITMUL PERCEPTRONULUI
Coal
U.T.M.2153.30.003.ME 54
Mod Coala Nr Document. Semnat Data
Se pune k = k + 1.
Dacă algoritmul s-a oprit normal, atunci vectorul vk+1 reprezintă o soluţie a
problemei de instruire . Pentru a ne convinge cum are loc plasarea vectorilor pe obiectul
geometric este arătat in figura de mai jos un exemplu.
Coal
U.T.M.2153.30.003.ME 55
Mod Coala Nr Document. Semnat Data
foarte simplă reţelei utilizate. Dacă problema de instruire necesită regiuni de decizie mai
complicate, atunci trebuie mărită complexitatea reţelei.
2. Urmatorul pas de lucrul al programului este Propagarea înapoi 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.
Coal
U.T.M.2153.30.003.ME 56
Mod Coala Nr Document. Semnat Data
generalizările rezonabile şi să prelucreze acceptabil forme care nu li s-au mai prezentat
niciodată.
5. Probilistica obiectului geometric pătrat
În ultima instanţă are loc recunoaşterea probabilistică a imaginii.
5. Materialul grafic
Coal
U.T.M.2153.30.003.ME 57
Mod Coala Nr Document. Semnat Data
Structura tipică a unui sistem de prelucrarea (evident digitală) ¸ şi analiza
imaginilor este alcătuită din punct de vedere funcţional dintr-un număr mic de blocuri
(vezi figura 5.1):
• sistemul de formare a imaginii (de exemplu sistemul de lentile al camerelor de
luat vederi): strânge radiaţia electromagnetică a obiectului studiat pentru a forma
imaginea trăsăturilor de interes.
• convertorul de radiţie: converteşte radiaţia electromagnetică din planul imaginii
într-un semnal electric.
Sistemul de formare a imaginii ¸ şi convertorul de radiaţie formează senzorul;
acesta reali-zează o proiecţie plană (bidimensională) a scenei reale (care este în general
tridimensio-nală).
Coal
U.T.M.2153.30.003.ME 58
Mod Coala Nr Document. Semnat Data
Sfera de aplicabilitate a tehnicilor de prelucrarea şi analiza imaginilor este
deosebit de largă; practic, în orice domeniu de activitate se pot găsi numeroase aplicaţii.
Această clasă de aplicaţii extrem de specifice a fost caracterizată drept “consumul
imaginii” [1] (ima-ginea folosită în vederea analizei, deci a luării unor decizii).
Imaginile preluate de către sateliţi pot fi folosite la descoperirea resurselor terestre,
cartografiere geografică, urmărirea dezvoltării urbane, urmărirea vremii, controlul ¸ şi
prevenirea incendiilor şi inundaţiilor, precum şi alte aplicaţii ecologice şi militare.
Aplicaţiile transmisiei şi compresiei imaginilor se regăsesc în televiziunea digitală,
sistemele de teleconferinţă, transmisiile fax, birotică, comunicaţia pe reţele distribuite,
sisteme de securitate cu cir-cuit închis, aplicaţii militare. În aplicaţiile medicale sunt
prelucrate radiografiile cu raze X, angiogramele, echografiile, tomografiile, imaginile de
rezonanţă magnetică nucleară. Acestea pot fi utilizate pentru monitorizarea pacienţilor şi
pentru descoperirea şi identi-ficarea de boli şi tumori.
O largă clasă de aplicaţii sunt cele industriale, în care componentele de prelucrarea
şi analiza imaginilor sunt folosite în sisteme mai mari de asigurare a calităţii produselor
(metrologie, controlul calităţii - inclusiv defectoscopie nedistructivă).
Coal
U.T.M.2153.30.003.ME 59
Mod Coala Nr Document. Semnat Data
de alte operaţii care să asigure obţinerea imaginii binare conţinând linii cu grosimea de
un pixel. De exemplu, s-ar putea folosi una din următoarele combinaţii de operaţii:
Coal
U.T.M.2153.30.003.ME 60
Mod Coala Nr Document. Semnat Data
pixelul curent.
3. Se baleiază vecinii pixelului curent, în sensul de parcurgere ales, plecând de la
precedentul pixel curent, până la găsirea unui nou pixel obiect, care se marchează şi
devine pixel curent.
4. Se repetă pasul 3 până la închiderea conturului, adică până când pixelul de start
devine iar pixel curent.
5. Dacă se doreşte localizarea altor obiecte în imagine, se reia algoritmul cu pasul
2, pentru găsirea altor obiecte..
Dacă există în imagine mai multe obiecte de localizat, pixelul de start se obţine
căutînd perechi de pixeli de forma :
- baleiaj linie cu linie, de la stânga la dreapta;
- baleiaj linie cu linie, de la dreapta la stânga;
- baleiaj coloană cu coloană, de sus în jos;
Unde cu gri s-au marcat pixelii obiect, iar cu alb cei de fond.
Funcţionarea acestui algoritm pentru cazul a două imagini simple este ilustrată în
figura 5.3.
a) b)
a) c)
Coal
U.T.M.2153.30.003.ME 61
Mod Coala Nr Document. Semnat Data
C =8S+4r+2q+p.
Se definesc direcţiile de deplasare elementară a ferestrei fig. 5.4.
Coal
U.T.M.2153.30.003.ME 62
Mod Coala Nr Document. Semnat Data
Tabelul 5.6 - Tabelul B. Tabelul 5.7 - Tabelul C.
Coal
U.T.M.2153.30.003.ME 63
Mod Coala Nr Document. Semnat Data
5.2.3 Înlănţuirea elementelor de contur
Cel mai adesea, contururile obţinute prin detecţie de muchii prezintă o serie de
defecte: discontinuităţi, ramificaţii inutile de lungime mică, muchii dublate, etc.
Repararea lor se face cu un set de algoritmi specializaţi, dintre care o parte sunt descrişi
în cele ce urmează.
Metode euristice. Poate fi studiată o metodă euristică de înlănţuire a muchiilor
(elemente de contur)care are la bază examinarea blocurilor de pixeli 4x4. În prima fază
sunt reţinuţi drept "candidaţi" acei pixeli pentru care modulul gradientului depăşeşte un
anumit prag. Apoi prin "potrivire" (matching) liniile cu lungimea de patru unităţi, având
cele opt orientări de bază sunt căutate în imaginea gradient. Dacă raportul între cel mai
bun scor de similitudine şi cel mai slab depăşeşte un al doilea prag, şirul de pixeli de
muchie este considerat drept o linie validă.
Dacă două asemenea linii se găsesc în blocuri adiacente şi diferenţa direcţiilor lor
este în gama (- 230 ,+ 230) , ele se concatenează. Urmează apoi tratarea unor cazuri de
tipul:
Adică din triunghiuri se elimină laturile corespunzătoare căii mai lungi, iar
dreptunghiurile se înlocuiesc cu diagonala corespunzătoare căii. Ramificaţiile de
lungime mică se elimină, după care urmează completarea micilor spaţii apărute în
lungul muchiilor detectate. Această metodă poate fi utilizată pentru o gamă largă de
detectori de muchii.
O altă metodă similară pentru înlănţuirea muchiilor furnizate de detectorul
Hueckel. Muchiile furnizate de un detector tip "compass" sunt declarate valide dacă
vecinii lui au o direcţie conformă cu una din situaţiile:
Coal
U.T.M.2153.30.003.ME 64
Mod Coala Nr Document. Semnat Data
Fig. 5.10. Înlănţuirea euristică a muchiilor.
Metoda poate fi extinsă la vecinătăţi mai mari, dar şi numărul de teste necesare se
măreşte foarte mult.
Parcurgerea euristică a grafurilor. Această metodă, pleacă de la premisa că o
muchie poate fi văzută ca o cale într-un graf format de ansamblul elementelor de muchie
detectate.
Se asociază câte un nod fiecărui pixel care are modulul gradientului semnificativ
(peste un nume prag). Între două noduri există conexiune (arc) dacă diferenţa
orientărilor gradienţilor este în gama (-900 , +900) .
O cale în graf se determină euristic, examinând succesorii fiecărui pixel şi
calculând pentru fiecare cale posibilă o "funcţie de cost". Pentru fiecare nod parcurs se
alege varianta care minimizează funcţia de cost. Acest algoritm nu furnizează calea
optimă între două noduri ale grafului, iar viteza lui depinde de alegerea funcţiei de cost.
Programarea dinamică. Folosind programarea dinamică se poate găsi calea
optimă între două noduri ale unui graf orientat, adică calea care minimizează funcţia de
Coal
U.T.M.2153.30.003.ME 65
Mod Coala Nr Document. Semnat Data
cost (sau, echivalent, maximizează o "funcţie de evaluare") şi poate fi propusă
următoarea funcţie de evaluare pentru un graf cu N nivele:
N N N
S ( x1 , x 2 ,..., x N , N ) g ( x k ) ( x k ) ( x k 1 ) d ( x k , x k 1 ), (5.1)
k 1 k 2 k 2
Coal
U.T.M.2153.30.003.ME 66
Mod Coala Nr Document. Semnat Data
Fig. 5.12. Prezentarea direcţiilor.
Subţierea furnizează la ieşire un graf care este rezultatul unor erodări succesive ale
imaginii, erodări făcute în condiţia nemodificării topologiei imaginii.
Algoritmii de subţiere au la bază un set de reguli:
1. Se elimină doar pixeli aflaţi pe conturul obiectelor.
2. Pixelii terminali (care au un singur vecin octo-conectat) nu se elimină.
3. Pixelii izolaţi nu se elimină (pentru că s-ar modifica topologia imaginii).
4. Pixelii de ruptură nu se elimină.
Uneori, regula 3 nu se aplică pentru iteraţiile iniţiale în scopul eliminării pixelilor
izolaţi a căror apariţie este datorată zgomotelor.
Pixelii de ruptură sunt acei pixeli (diferiţi de pixelii izolaţi şi de cei terminali) a
căror eliminare modifică topologia imaginii. Există şase cazuri de pixeli de ruptură, care
rezultă din figurile următoare:
Coal
U.T.M.2153.30.003.ME 67
Mod Coala Nr Document. Semnat Data
Fig. 5.13. Pixeli de ruptură.
unde: - pixel obiect (negru);
- pixel de fond (alb);
- cel puţin un pixel din submulţimea marcată este pixel obiect (negru).
Se remarcă faptul că vecinii octo-conectaţi ai unui pixel de ruptură formează cel
puţin două submulţimi distincte.
Notând {0, 1,…, 7}vecinii pixelului curent, situaţiile de mai sus se pot sintetiza
matematic prin numărul de treceri dat de:
4
T ( x, y ) bk , (5.3)
k 1
unde
1, pentru { 2 k 1 S} { 2 k S 2 k 1 S};
bk (5.4)
0, in rest .
Coal
U.T.M.2153.30.003.ME 68
Mod Coala Nr Document. Semnat Data
Astfel algoritmul clasic operează (verifică condiţiile de ştergere şi apoi, eventual,
şterge) mai întâi asupra tuturor pixelilor care au vecinul dinspre "nord"
aparţinând fondului, apoi pentru cei cu vecinul dinspre "vest" aparţinând fondului,
apoi "sud", apoi "est".
Coal
U.T.M.2153.30.003.ME 69
Mod Coala Nr Document. Semnat Data
anumit criteriu C(4.7), criteriu ce nu mai este respectat pentru reuniunea oricăror două
elemente ale partiţiei.
C
f f i , f i conexe.
i 1
(5.5)
fi f j 0
, i j. (5.6)
C ( f i ) ADEVARAT , i, si C ( f i f j ) FALS , i j. (5.7)
Alegerea unei tehnici specifice de segmentare (partiţionare a imaginii) este legată
de mai multe aspecte caracteristice imaginii de analizat şi cerinţelor utilizatorului. După
natura şi conţinutul imaginii, tehnicile de segmentare trebuie să ţină cont de prezenţa în
imagine a diverse categorii de artefacte;
• reflexii, iluminare neomogenă;
• zgomot suprapus informaţiei utile;
• zone texturate;
După primitivele de extras, tehnicile de segmentare se împart în două categorii
fundamentale: tehnicile de segmentare orientate pe regiuni şi tehnicile de segmentare
orientate pe contur. Primitivele extrase din imagine sunt regiuni (forme) şi zone
texturate pentru tehnicile orientate pe regiuni, sau entităţi de tip discontinuitate
(frontiere, segmente de dreaptă, unghiuri) pentru tehnicile orientate pe contur. În cadrul
segmentării orientate pe regiuni se disting câteva categorii principale de tehnici:
• etichetarea imaginilor binare;
• segmentarea pe histogramă;
• creşterea şi fuziunea regiunilor;
• segmentarea texturilor;
• segmentarea prin metode de clustering.
Tehnicile principale de segmentare orientată pe contururi sunt:
• extragerea contururilor prin metode de gradient şi derivative;
• extragerea contururilor prin metode neliniare;
• extragerea contururilor prin metode liniare optimale;
• extragerea contururilor prin modelare matematică.
Coal
U.T.M.2153.30.003.ME 70
Mod Coala Nr Document. Semnat Data
6. CALCULUL FIABILITĂŢII
Fiabilitatea este o noţiune relativ nouă. Ea provine dintr-un domeniu nou care
întregeşte controlul calităţii şi se leagă de studiul în sine a calităţii. Simplu spus
fiabilitatea unui material este însuşirea sa de a nu se defecta în timpul funcţionării. Se
spune adesea că fiabilitatea este siguranţa în funcţionare într-o perioadă de timp definită.
Fiabilitatea unui element sau a unui ansamblu de elemente este definită ca
proprietatea respectivului element de a-şi îndeplini funcţia pentru care a fost conceput în
condiţiile date, într-un timp dat şi respectiv criterii de funcţionare bine definite date.
O altă definiţie a fiabilităţii este: fiabilitatea este proprietatea unui element de a
corespunde în anumite limite date cerinţelor care presupun menţinerea proprietăţilor
elementelor într-o perioadă de timp dată.
Fiabilitatea unui obiect (o componentă sau un sistem) este o funcţie de timp F(t),
definită ca probabilitatea ca, în condiţii de mediu specificate, obiectul să funcţioneze
adecvat în intervalul de timp [0,t).
Coal
U.T.M.2153.30.003.ME 71
Mod Coala Nr Document. Semnat Data
Putem face cîteva observaţii foarte importante legate de această definiţie:
Fiabilitatea este o probabilitate, cuprinsă între 0 şi 1.
Nu există sisteme perfect fiabile, pentru care pentru care F(t) = 1 dacă t > 0. Putem
însă vorbi de sisteme ``destul de fiabile'', atunci cînd avem în minte anumite condiţii de
utilizare şi constrîngeri bugetare pentru implementarea sistemului.
Nu putem defini fiabilitatea fără a specifica mediul în care sistemul operează. Un
calculator care funcţionează foarte bine pe birou nu este neapărat potrivit pe un satelit.
Coal
U.T.M.2153.30.003.ME 72
Mod Coala Nr Document. Semnat Data
3.În fine, anumite nivele partiţionează resursele în parţi oarecum independente,
izolate una de alta. Partiţionarea are drept efect izolarea defectelor (fault containment /
fault isolation), astfel încît o defecţiune într-o parte să nu afecteze celelalte părţi. În
calculatoare această tehnică este folosită în sistemele de operare şi clustere-le de
calculatoare.
Fiabilitatea sistemelor de program. Ne-am putea aştepta, în mod naiv, ca, spre
deosebire de hardware, software-ul să nu aibă nici un fel de probleme de fiabilitate: în
definitiv programele nu se uzează, şi sunt executate într-un mediu foarte specializat; în
plus, programele sunt obiecte deterministe, deci ar trebui să se comporte de fiecare dată
în acelaşi fel cînd procesează aceleaşi date de intrare. Cu toate acestea, de fapt
fiabilitatea programelor este mult mai scăzută decît a sistemelor hardware; este potrivit
să modelăm deci programele ca sisteme cu fiabilitate imperfectă. În această secţiune
Coal
U.T.M.2153.30.003.ME 73
Mod Coala Nr Document. Semnat Data
discutăm în mod superficial unele dintre motivele lipsei de fiabilitate a programelor şi
menţionăm unele tehnici care pot fi folosite pentru a ``întări'' programele.
Cele mai insidioase defecţiuni software se manifestă numai cu ocazia unor anumite
combinaţii de valori pentru datele de intrare sau pentru anumite succesiuni de
evenimente externe, care nu au fost prevăzute de programator. Asemenea combinaţii
apar cu probabilitate foarte mică în timpul procedurilor normale de testare, deci adesea
supravieţuiesc pînă în faza operaţională.
Coal
U.T.M.2153.30.003.ME 74
Mod Coala Nr Document. Semnat Data
Pentru calculul fiabilităţii vom utiliza trei componente importante şi anume:
Calculatorul,monitorul şi tastatura după următoarea relaţie:
n
n k i t
P t pi t i 1
, (6.1)
i 1
unde:
P t probabilitatea funcţionării programului ;
pi t probabilitatea funcţionării componentelor ;
n
exponenta sumei numărului de componente n la i=1 ;
i 1
k coeficientul pentru MEC de generaţie a treia ;
t timpul curent ;
i intensitatea defectării;
n numărul de componente.
Pentru a înţelege mai uşor calculul fiabilităţii,vom construi schema relaţiei în serie
dintre componentele enumerate mai sus,astfel:
1 2 3
T p1 t C p2 t M p3 t
t 10 3 1000 .
Coal
U.T.M.2153.30.003.ME 75
Mod Coala Nr Document. Semnat Data
7. Capitolul Organizaţional-economic al proiectului
Coal
U.T.M.2153.30.003.ME 76
Mod Coala Nr Document. Semnat Data
Cercetările de marketing includ: descrierea produsului, clientului, evaluarea
concurenţei, descrierea avantajelor concurenţiale a proiectului.
Elaborarea bugetului proiectului este o modalitate universală de a planifica veniturile şi
cheltuielile şi a previziona rezultatele financiare.
Coal
U.T.M.2153.30.003.ME 77
Mod Coala Nr Document. Semnat Data
viitor dacă produsul va fi solicitat şi veniturile vor spori, putem să-l propunem şi ca produs
de export.
Pentru promovarea şi lărgirea poziţiei pe piaţă se va apela la serviciile de reclamă prin
intermediul reţelei mass – media, internet sau reclamarea lui directă potenţialului client, şi se
va adopta o strategie îndreptată spre:
- stabilirea unui preţ convenabil;
- ridicarea calităţii produsului;
- lărgirea posibilităţilor şi domeniul de aplicare a produsului;
- ridicarea nivelului de deservire .
Clienţii potenţiali pot fi întreprinderi şi organizaţii industriale, sociale, comerciale şi de
producţie, unde este necesar un sistem inteligent de recunoaştere a imaginilor 3D. Cum ar fi:
sectoare de poliţie, unde este necesară recunoaşterea persoanelor sau amprentele degetale;
aeropoarte; bănci, la protecţia seifurilor; sectoare vamale; magazine; întreprinderi industriale
unde este necesară prelucrarea pieselor şa.
Pentru ai determina pe clienţi să cumpere produsul, se va pune accentul în primul rând
pe calitatea deosebită a serviciilor prestate, preţul convenabil, amabilitatea la primirea
comenzilor, noutatea serviciilor şi produsului. La toate acestea se mai adaugă faptul că
produsul va fi uşor utilizabil, flexibil şi fiabil.
Concurenţa. Pe piaţa Republicii Moldova nu sunt promovate asemenea produse de
recunoaştere a imaginilor 3D, există profesori la Universitatea Tehnică, catedra
Automatica, care se ocupă cu cercetări în domeniul posibilităţilor reţelelor neuronale de
prognozare sau diagnostică, însă nu a fost produs şi aplicat nici un proiect referitor la
recunoaşterea de imagini. Pot apărea concurenţi internaţionali care încă nu au promovat
produse asemănătoare pe piaţa Moldovei însă care desfac produse comparabile, cum ar
fi programe de recunoaştere a imaginilor 2D – programe de recunoaştere a textelor (cum
ar fi FindReader- ul) şa. În lume aşa proiecte deja funcţionează şi avantajele aduse
organizaţiilor care le folosesc sunt apreciate atît în plan economic cît şi din punct de
vedere a optimizării activităţii şi accelerării proceselor de producţie şi administrare. Prin
Coal
U.T.M.2153.30.003.ME 78
Mod Coala Nr Document. Semnat Data
preţ & calitate, caracter inovaţional & noutate se speră la promovare şi cucerirea
segmentului dat de piaţă.
Coal
U.T.M.2153.30.003.ME 79
Mod Coala Nr Document. Semnat Data
Analiza sarcinilor şi 2 Studierea literaturii tehnicii de 7-8
literaturii a fost calcul
finalizată
Literatura tehnicii de 3 Determinarea tehnicii de calcul 6-7
calcul a fost studiată
Tehnica de calcul a 4 Elaborarea bloc-schemei a 7-8
fost determinată proiectului
Bloc-schema a fost 5 Pregătirea informaţiei tehnice a 8-9
proiectată proiectului
Informaţia tehnică a 6 Determinarea softului necesar 9-10
proiectului acumulată
Softul determinat 7 Procurarea softului 10-11
Softul a fost procurat 8 Pregătire pentru instalarea 11-12
softului
Finisarea pregătirii 9 Instalarea softului 12-13
instalării softului
Continuare a tabelului 7.1.
Softul a fost instalat 10 Configurarea softului procurat 13-14
Finisarea configurării 11 Elaborarea programului p/u 14-15
softului necesar introducerea şi prelucrarea
datelor
Programul a fost 12 Redactarea sintaxei programului 15-16
elaborat
13 Testarea şi verifi carea 17-18
corectitudinii executării program.
Finisarea programului
Verificarea sistemului 17-20
informaţional
Testare şi verificarea 14 Pregătirea informaţiei p/u P.M. 19-22
programului finisată
Pregătirea informaţiei 15 Susţinerea P.M. 20-21
Coal
U.T.M.2153.30.003.ME 80
Mod Coala Nr Document. Semnat Data
Totuşi pentru mărirea clienturii, trebuie să se realizeze diferite facilităţi aşa ca:
prestarea rapidă a serviciilor, diferite oferte avantajoase şi alte propuneri sau servicii
prestate. Pentru a micşora cheltuielele trebuie să avem calculatoare moderne,
imprimante şi altă tehnică necesară.
Etapa dimensionării cheltuielilor este importantă deoarece implică calcule ce stau
la baza argumentării profitabilităţii proiectului.
În dimensionarea cheltuielilor necesare pentru realizarea obiectivelor se poate
aplica gruparea lor:
pe articole de calculaţie, respectiv: cheltuieli directe (materii prime şi materiale
directe, salarii directe, asigurarea socială); cheltuieli indirecte (cu întreţinerea şi
funcţionarea utilajelor, cheltuieli generale şi de administraţie).
Coal
U.T.M.2153.30.003.ME 81
Mod Coala Nr Document. Semnat Data
Codul Denumirea lucrării Durata
lucrării efectuării
lucrărilor,zile
0-1 Acceptarea sarcinilor 1
1-2 Analiza sarcinilor 3
1-3 Căutarea literaturii tehnicii la temă 4
3-4 Studierea literaturii tehnicii la temă 4
2-5 Determinarea tehnicii de calcul, care va explora 3
softul dat
5-6 Elaborarea bloc-schemei a proiectului 10
6-7 Pregătirea informaţiei tehnice a proiectului 2
7-8 Determinarea softului necesar 3
8-9 Procurarea softului 2
9-10 Pregătirea pentru instalarea softului dat 3
10-11 Instalarea softului 2
11-12 Configurarea softului procurat 5
12-13 Elaborarea programului pentru introducerea şi 40
prelucrarea datelor
13-14 Finisarea programului 2
14-15 Redactarea sintaxei programului 1
15-16 Testarea şi verificarea corectitudinii executării 8
programului
16-17 Verificarea sistemului informaţional 4
17-18 Pregătirea informaţiei pentru P.M. 5
18-19 Susţinerea P.M. 1
Pregătirea Economică
Susţinerea Economică
21-
22- i
Coal
U.T.M.2153.30.003.ME 82
Mod Coala Nr Document. Semnat Data
Coal
U.T.M.2153.30.003.ME 83
Mod Coala Nr Document. Semnat Data
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
Fig.7.1. Graful-reţea al proiectului “Recunoaşterea obiectelor geometrice”.
Coal
U.T.M.2153.30.003.ME 84
Mod Coala Nr Document. Semnat Data
A doua grupare este:
pe elemente de cheltuieli, adică: cheltuieli materiale (materii prime şi materiale,
combustibil, energie, amortizare), cheltuieli cu manopera: salarii, asigurarea socială
ş.a.
Calculele privind necesarul de materiale (hîrtie, discuri, dischete, praf pentru
imprimantă, etc.) se vor prezenta în tabel. În prealabil se completează nomenclatorul
materialelor necesare pentru elaborarea proiectului.
Coal
U.T.M.2153.30.003.ME 85
Mod Coala Nr Document. Semnat Data
Tabelul 7.4 - Consumuri materiale directe.
Norma de
Preţul, lei consum, Suma, lei
Denumirea
unităţi/proiect
Dischete 7 5 30
Disc compact (CD- 15 1 15
RW)
Toner HP 1000 120 1 120
Pachet de foi A4 40 1 40
(500 foi)
Caiet pentru note 1 6 6
Pix 1 2 2
Mapă 20 1 20
Peliculă 10 4 40
Total _ _ 273
Utilităţile includ poziţiile următoare: energia, apa, căldura se vor evalua după
consumul efectiv şi tarifele în vigoare pentru o unitate. Comunicaţiile şi cheltuielile de
transport – în dependenţă de consumul efectiv, dar nu vor depăşi 15% din total
consumuri indirecte. Uzura mijloacelor fixe cu destinaţie de producţie, adică a
calculatorului la care s-a lucrat, se calculează prin norma anuală de amortizare.
Coal
U.T.M.2153.30.003.ME 86
Mod Coala Nr Document. Semnat Data
Total - - 526,1
Norma
Valoarea Termen de Uzura
de
Denumirea MF de bilanţ, utilizare perioadei,
amortizar
lei (luni) lei
e pe 1 an
Calculator 6000 20% 3 300
Imprimanta 3000 20% 3 150
Scaner
20
2000 2 66,67
%
Java 1500 33% 3 123,75
Manuale 300 20% 3 20
Total 660,42
Vom folosi rate convenţionale de amortizare: pentru active materiale pe termen lung
(mijloace fixe) – 20% pe an, pentru active nemateriale pe termen lung – 33% pe an,
ţinîdu-se cont de numărul de proiecte ce utilizează aceleaşi programe de gestiune
licenţiate. Rezultatele se prezintă în tabelul 7.5.
Coal
U.T.M.2153.30.003.ME 87
Mod Coala Nr Document. Semnat Data
pentru oră, iar manopera de 150 ore. Contribuţiile sociale constituie 26% din suma
consumurilor salariale directe.
Consumurile salariale indirecte (tabelul 7.8), din care fac parte salariile
conducătorului ştiinţific şi a consultanţilor şi contribuţiile sociale corespunzătoare, se
vor calcula folosind următoarea informaţie: manopera conducătorului ştiinţific – 20 ore,
a fiecărui consultant – 4 ore pentru proiect; salariile pe oră –20 lei. Rata contribuţiilor
sociale – 26%.
Asigurările în fondul medical ( F.M.)
Deoarece se plătesc 5,5% la salarii , 2,5% le plăteşte angajatului , iar 3% le plăteşte
preţul F .M . 1890 705,9 0,3 778,77
Numele
Contrib.s
conducătorului, Manopera Salarii TOTAL
oc.
consultantului (ore) (lei) (lei) (lei)
Bohanastiuc V.
(conducător) 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 88
Mod Coala Nr Document. Semnat Data
Dimensionarea veniturilor constă în evaluarea rezultatelor activităţii, adică
previzionarea cifrei de afaceri – vânzări nete. La stabilirea preţului se va folosi o rată a
profitului brut 20 – 30%. P 0.25 C tot
Coal
U.T.M.2153.30.003.ME 89
Mod Coala Nr Document. Semnat Data
4. Asigurări în 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 activităţi Lei - -
9. Preţul angro al proiectului Lei 4828,14 4828,14
10. Impozitele planificate Lei 1115,18 1115,18
Preţul de vînzare a
11. Lei 6082,68 6082,68
proiectului
Coal
U.T.M.2153.30.003.ME 90
Mod Coala Nr Document. Semnat Data
8. Protecţia mediului ambiant
Coal
U.T.M.2153.30.003.ME 91
Mod Coala Nr Document. Semnat Data
Crearea condiţiilor de muncă mai favorabile şi confortabile, ameliorarea protecţiei
muncii şi tehnicii securităţii, fără îndoială, duce la productivitatea muncii mai înaltă,
dezvoltare socială şi creştere a bunăstării.Proiectul de diplomă prezintă elaborarea unui
program pentru culegerea şi prelucrarea informaţiei. Rezultă problema protecţiei muncii
atât a persoanelor care elaborează programele, cât şi a utilizatorilor ei. Lucrările în
sistem vor fi efectuate utilizând calculatoare personale, adică prezintă lucrul
programatorilor şi a operatorilor tehnicii de calcul, e necesar de a precauta cerinţele
pentru protecţia muncii la lucrul cu tehnica de calcul, în special a calculatoarelor
personale cu diferite sisteme periferice, utilizate de către personalul centrului de calcul
(CC) în procesul activităţii vitale. Evident, integrarea şi utilizarea pe larg a
calculatoarelor electronice pe lângă factorii pozitivi mai are şi nuanţe negative asupra
persoanelor care le exploatează.
Lucrul operatorilor tehnicii de calcul necesită o atenţie mare, posibilitatea de a
rezolva în timp limitat probleme complexe, responsabilitatea faţă de acţiunile întreprinse
ce duce la o tensionare emoţională şi stres.
Operatorii tehnicii de calcul, programatorii, şi alţi colaboratori ai CC sunt supuşi
unor factori nocivi şi periculoşi cum ar fi:
nivelul ridicat de zgomot;
insuficienţa iluminatului natural;
insuficienţa iluminatului locurilor de muncă;
temperatura ridicată a mediului ambiant;
diferite forme de iradieri, etc.
Crearea condiţiilor de muncă mai favorabile şi confortabile, ameliorarea protecţiei
muncii şi tehnicii securităţii, fără îndoială, duce la productivitate a muncii mai înaltă,
dezvoltare socială şi creştere a bunăstării.
Coal
U.T.M.2153.30.003.ME 92
Mod Coala Nr Document. Semnat Data
Odată cu dezvoltarea tehnicii de calcul tot mai mult se atrage atenţia asupra
problemelor protecţiei utilizatorilor, în special acelor care lucrează la calculator, adică
lângă monitor. Principalii factori dăunători, care influenţează asupra sănătăţii omului,
când acesta lucrează lângă monitor sunt:
1. radiaţia sau iradieri ionizate;
2. câmpul electrostatic;
3. câmpul electromagnetic, etc.
Iradieri Ionizate reprezintă iradierea electro-magnetică cu o capacitate de ionizare a
moleculelor. Dacă se provoacă ionizarea moleculelor organismului uman, atunci
legăturile între molecule se distruge şi ca rezultat apar diferite boli. Capacitatea de
ionizare o au următoarele particule: X- iradieri, fluxul de
electroni, substanţele radioactive.
În cazul monitoarelor cel mai semnificativ tip de iradiere ionizată este - iradiere,
care însă este foarte mică, de obicei nu depăşeşte normele biologice. Celelalte tipuri de
iradieri pot fi neglijate deoarece greu pot fi depistate.
Pentru a micşora iradierea ionizată a monitoarelor moderne, pe suprafaţa lor se
aplică o foaie metalică străvezie, care atenuează fluxul de iradiere. O altă cale de apărare
împotriva iradierii ionizate este procurarea unui ecran protector, care se instalează pe
monitor.
În genere iradierea ionizată asupra omului poate provoca următoarele acţiuni:
• locale - acţiuni de scurtă durată cu doze mari, care aduce la traume locale:
îmbolnăvirea pieii, pierderea pieii, pierderea unghiilor, defectarea oaselor, cancer;
• totale - reprezintă iradieri îndelungate cu doze mici, aduce la îmbolnăvirea sângelui
(leucemie).
La unele întreprinderi, care produc substanţe sintetice, polimeri şi produse din
aceste substanţă, şi care posedă proprietăţi dielectrice înalte, electrizarea micşorează
productivitatea muncii şi este unul din motive care duc la scăderea calităţii producţiei.
Măsurile principale de micşorare a intensităţii câmpului electric în zona de lucru
sânt:
Coal
U.T.M.2153.30.003.ME 93
Mod Coala Nr Document. Semnat Data
îndepărtarea surselor a câmpurilor electrostatice din zona personalului
care deserveşte aparatura;
ecranarea sursei câmpului sau a locului de muncă;
utilizarea neutralizatorilor de sarcini electrice statice;
umezirea materialului care se electrizează;
schimbarea materialelor, care uşor se electrizează cu materiale ce nu se
electrizează;
alegerea suprafeţelor care contactează conform condiţiilor de electrizare
minimă;
modificarea procesului tehnologic în aşa mod ca să se micşoreze nivelul
de electrizare;
alegerea materialelor şi suprafeţelor care greu electrizează alte corpuri
sau le electrizează cu sarcini de polaritate diferită;
8.2.2 Microclimatul
Coal
U.T.M.2153.30.003.ME 94
Mod Coala Nr Document. Semnat Data
La efectuarea controlului locurilor de muncă se măsoară temperatura, umiditatea
relativă şi viteza de mişcare a aerului în încăperi, totodată se efectuează măsurări la
începutul, mijlocul şi sfârşitul perioadelor calde şi rece a anului.
Se măsoară temperatura şi umiditatea aerului cu psihometre aspiratoare, iar viteza
de mişcarea a aerului – cu electro-anemometre, catatermometre. Ordinea de măsurare a
indicilor microclimatului se stabileşte în conformitate cu STAS 12.1.005-91. Parametrii
se normează după acest STAS şi sunt prezentaţi în tab.10.2.
În acest table de mai jos se aduc parametrii pentru categoriile de lucru 1a (mai puţin
de 120 kcal/oră, lucrul şezând) şi 1b (de la 120 până la 150 kcal/oră, lucrul şezând),
deoarece lucrul programatorului sau operatorului se poate atribui la una din aceste
categorii.
Zgomotul este unul din factori care influenţează omul când el lucrează cu CE,
aceasta este condiţionat de funcţionarea dispozitivelor ce sunt necesare în CC.
Coal
U.T.M.2153.30.003.ME 95
Mod Coala Nr Document. Semnat Data
imprimantele, tastatura, instalaţii pentru condiţionarea aerului, dar în CE – ventilatoarele
sistemelor de refrigerare şi transformatoare.
La influenţa zgomotului pe un timp îndelungat la colaboratorii CC se observă
micşorarea atenţiei, dureri de cap, se micşorează capacitatea de muncă. În documente de
însoţire a utilajului ce produc zgomot se aduc normele timpului de lucru la acest utilaj.
În conformitate cu STAS 12.1.003-91 “Zgomot. Cerinţele generale de protecţie”
caracteristica de normă a zgomotului locurilor de muncă sunt nivelurile presiunii de
sonor (zgomot). Nivelurile accesibile a zgomotului, lucrând cu CE, sunt prezentate în
tab. 10.1. Pentru micşorarea zgomotului la locurile de muncă se efectuează următoarele
acţiuni:
Arhitectural-planificative. Clădirile se proiectează şi se construiesc în aşa mod ca la
locurile de muncă să nu fie depăşit nivelului admisibil. Întrucât sistemul va fi utilizat la
CC existent aici se poate de obţinut micşorarea zgomotului amplasând în încăperi vecine
utilajului cu zgomot ridicat.
Tehnico-organizatorice. Pentru micşorarea zgomotului la CC se efectuează
reparaţia şi ungerea utilajului. Se poate de aranjat utilajul în aşa fel ca el să facă mai
puţin zgomot.
Acustice. În CC se instalează podele şi poduri tehnologice. Distanţa între podul de
bază şi podul fixat în balamale 0,5-0,8 m, iar înălţimea podelei tehnologice 0,2-0,6 m.
Coal
U.T.M.2153.30.003.ME 96
Mod Coala Nr Document. Semnat Data
această cauză toate locurile de muncă cu CE se amplasează în locuri ce sunt protejate de
căderea luminii difuzate pe ecranul terminalului. Pentru asta se utilizează încăperi cu
iluminarea unilaterală (într-o singură direcţie), totodată ferestrele trebuie să fie cu storuri
sau jaluzele pentru excluderea efectului de orbire şi strălucirea ecranului terminalului.
Iluminarea artificială a locului de muncă se efectuează în felul următor, nivelul
iluminării locului de muncă trebuie să corespundă caracterului de lucru vizual,
iluminarea încăperii să nu depindă de timpul de afară, fluxurile de lumină să aibă
direcţia optimală şi utilajul trebuie să fie economic, inofensiv, durabil şi simplu în
exploatare.
La instalarea iluminatului artificial se fac următoarele măsurări: iluminarea la locuri
de muncă; caracterul de strălucire a ecranului, mesei; strălucirea petelor reflectate în
ecran. Se efectuează măsurări de control a iluminării şi strălucirii la locuri de muncă cu
diferite terminale care sunt în încăperi şi care se află în diferite condiţii de iluminare,
acolo unde sunt plângeri ale personalului. Măsurarea iluminatului se efectuează în
timpul întuneric a zilei.
Punctele de control pentru măsurările iluminatului la locuri de muncă se
amplasează: în centrul ecranului; pe tastatură; pe document în planul amplasării lui; pe
masă în zona de lucru.
Efectuarea măsurărilor se efectuează în conformitate cu STAS 2.4.940-91.
Măsurarea caracterului de strălucire a ecranului se efectuează la strălucirea ecranului nu
mai puţin de 35 c/m2. Iluminarea locului de muncă se normează după SniP II-4-91 şi
depinde de caracterul lucrului vizual, contrastul obiectului, fonului şi tipul fonului.
În dependenţă de condiţiile de muncă şi particularităţile lucrului îndeplinit, pentru
iluminarea artificială pot fi folosite instalaţiile de iluminat, generale şi locale, cu o
anumită caracteristică de lumină.
Fiecare loc de muncă, indiferent de amplasarea lui faţă de ferestre trebuie să aibă şi
instalaţie de lumină locală. Este recomandabil de folosit lămpi luminiscente, spectrul
luminii cărora aproape coincide cu cel al luminii naturale. Pentru a exclude reflectarea
razelor directe ale luminii de pe ecranul monitorului instalaţiile de iluminare se
Coal
U.T.M.2153.30.003.ME 97
Mod Coala Nr Document. Semnat Data
aranjează pe ambele părţi de la locul de muncă, paralel cu direcţia văzului operatorului,
şi peretele cu ferestre.
8.3.1 Electrosecuritatea
Coal
U.T.M.2153.30.003.ME 98
Mod Coala Nr Document. Semnat Data
conductoare, omul îşi pierde rezistenţa şi se ridică considerabil pericolul electrocutării.
Podeaua conductoare (din metal, cărămidă, beton) pe care se află omul brusc
micşorează rezistenţa circuitului şi măreşte pericolul atingerii de părţile conductoare ce
se află sub tensiune. Praful electroconductor se aşează pe conductori şi formează cicuit
conductor, ca urmare sunt posibile scurtcircuitări la pămînt şi între faze. Aburii şi gazele
distrug izolaţia şi îi scad rezistenţa.
În aşa fel indicii pericolului ridicat de electrocutare sunt:
- Umeditatea relativă a aerului mai mare de 75% sau prezenţa prafului
electroconductor;
- Podelele din beton, metal, cărămizi ce pot conduce curentul electric;
- Temperatura ridicată a aerului (mai mare de +35C);
- Posibilitatea atingerii concomitente a omului de carcasele legate la pămînt ale
instalaţiilor şi a părţilor utilajului ce se află sub tensiune.
Indicii pericolului mărit sunt prezenţa umedităţii relative a aerului apropiată de
100% şi mediu activ chimic.
Analiza accidentelor produse de acţiunea curentului electric a permis determinarea
următoarelor cauze a lor:
- încălcarea regulilor de construcţie a instalaţiilor electrice, încălcarea normelor şi
cerinţelor de securitate;
- organizarea incorectă a lucrărilor de montare;
- atingerea părţilor din metal a unei instalaţii ce se află sub tensiune în cazul unor
defecte ale izolaţiei;
- folosirea utilajului electric defectat;
- executarea lucrărilor fără mijloace de protecţie sau folosirea mijloacelor de
protecţie cu termenul de expluatare expirat;
- ruperea conductorului de legare la pămînt, legarea incorectă la pămînt a
conductorului neutru.
Se cunosc cîteva praguri de acţiune a curentului electric:
- pragul curentului sensibil;
Coal
U.T.M.2153.30.003.ME 99
Mod Coala Nr Document. Semnat Data
- pragul curentului ce nu permite desprinderea de la conductor;
- pragul curentului de fibrilaţie;
- pragul curentului mortal.
Coal
U.T.M.2153.30.003.ME 100
Mod Coala Nr Document. Semnat Data
Cauzele de pericol ale incendiului care influenţează asupra oamenilor sunt
următoarele:
focul deschis şi scînteile;
temperatura înaltă a mediului înconjurător;
produsele toxice ale arderii;
fumul;
concentraţia scăzută a oxigenului;
prăbuşirea părţilor clădirilor, agregatelor, instalaţiilor etc.
Factorii principali pentru viaţa omului ce apar în timpul incendiului sunt: focul
deschis, temperatura ridicată a aerului şi obiectelor, produsele toxice ce ard, fumul,
micşorarea concentraţiei de oxigen în aer, distrugerea încăperilor, echipamentului şi
explozia.
Pentru prevenirea incendiului trebuie luate următoarele măsuri:
- excluderea apariţiei mediului arzător;
- excluderea apariţiei în mediul arzător a surselor de inflamare;
- menţinerea temperaturii şi presiunii mediului arzător mai jos de nivelul maxim
admisibil de ardere.
- Barajele antiincendiare din clădiri şi edificii la care se referă pereţii antiincendiari,
barajele şi acoperirile antiincendiare, uşile şi altele trebuie să fie executate din materiale
ne inflamabile şi de asemenea să fie prevăzută autoînchiderea lor.
Cel mai răspândit şi ieftin mijloc de stingere a incendiului este apa care permite
consumarea efectivă a căldurii aruncate de focarele de incendiu. Totodată apa nu poate
fi folosită pentru stingerea lichidelor uşor inflamabile (benzină, gazul lampant, uleiuri
minerale) şi a materialelor care în contact cu ea elimină substanţe inflamabile
(carbonatul de calciu).
În încăperile închise pentru lichidarea incendiului se recomandă utilizarea vaporilor
de apă atât pentru stingerea materialelor solide cît şi a substanţelor lichide.
Coal
U.T.M.2153.30.003.ME 101
Mod Coala Nr Document. Semnat Data
Semnalizarea antiincendiară. Incendiile în clădiri prezintă un pericol deosebit
deoarece sunt legate de pierderi materiale enorme. După cum se ştie incendiu poate
apărea la interacţiunea substanţelor inflamabile, a oxidantului şi surselor de înflăcărare.
Într-o încăpere sunt prezenţi toţi trei factori de bază necesari pentru încingerii
incendiului.
Un pericol considerabil prezintă diferite materiale de izolare electrică folosite
pentru protecţia de la acţiunea mecanică a unor piese.
Toate acestea duc la luarea măsurilor serioase pentru protecţia de la incendii
stabilite de СП 512-78 „Instrucţii despre proiectarea clădirilor şi încăperilor pentru
calculatoare” şi СНиП 11-2-80 „Normele antiincendiare de proiectare a clădirilor şi
construcţiilor”. În aceste documente sunt expuse cerinţele de bază faţă de rezistenţa la
incendii a clădirilor şi construcţiilor, barieră antiincendiară, evacuarea oamenilor din
încăperi şi clădiri. Este foarte important ca în încăperile şi în clădirile de muncă să fie
prezente mijloace de comunicare şi semnalizare despre incendiu.
Mijloacele de comunicare şi semnalizare despre incendiu sunt destinate pentru
informarea rapidă şi exactă despre incendiu şi locul apariţiei lui, acţionarea forţelor şi
mijloacelor de stingere a focului, dirijării centralizate cu subdiviziunile de combatere a
incendiilor şi conducerea operativă cu lichidarea incendiului. Cel mai răspândit mijloc
de informare sunt legătura telefonică orăşenească sau locală (metoda pasivă de control a
evenimentelor ce ţin de incendiu), când pentru chemarea echipelor de pompieri se forma
numărul 01. Mult mai sigur şi rapid mijloc de informare şi semnalizare este sistemul
electric de semnalizare de incendiu (metoda activă de control a situaţiei de incendiu).
Sistemele electrice de semnalizare (SES) sunt destinate pentru depistarea incendiilor şi
aprinderilor la stadiul iniţial şi comunicarea despre locul apariţiei lor.
Sistemele de comunicare şi semnalizare de incendiu conform destinaţiei sunt
clasificate în modul următor:
- semnalizare de pază incendiară – anunţă organele de pază incendiară (a
întreprinderii, oraşului) – anunţă organele de pază incendiară (a întreprinderii, oraşului)
despre incendiu şi locul apariţiei lui – se asigură automat (cu ajutorul detectoarelor) sau
Coal
U.T.M.2153.30.003.ME 102
Mod Coala Nr Document. Semnat Data
manual prin apăsarea butonului sistemului de semnalizare despre incendiu, precum şi
prin sistemul de legătură radiotelefonică;
- comunicaţie de comandă – asigură dirijarea operativă cu unităţile incendiare şi
acţiunea reciprocă cu serviciile orăşeneşti sau locale (poliţia, salvarea serviciile de
alimentare cu apă, energie etc.) – se asigură prin legătură radio sau telefonică;
- radiocomunicaţie operativă, asigură dirijarea operativă cu echipele de pompieri la
locul de incendiu – se asigură cu ajutorul staţiilor portante şi automobilelor speciale de
radiocomunicaţie.
- În conformitate cu cerinţele normelor clădirile de producţie de categoriile A, B şi C
de pericol de incendiu şi explozii se dotează cu mijloace de automatică împotriva
incendiilor.
Lumina este unul din factorii principali care acţionează asupra stării sănătăţii
persoanei implicite în procesul de producţie. Organizarea corectă a iluminării stimulează
decurgerea corectă a proceselor activităţii vitale şi ridică capacităţile de muncă,
micşorând în acelaşi timp traumatismul în procesul de producere.
De calculat iluminatul natural al incăperii de producţie după următoarele date
(incăperea este cabinete şi camere de lucru , cabinete şi săli de proiectare )
env 1.0 conform tab.I.11[10].
k r 1.3 conform tab.I.1[10].
Dimensiunile incăperii: l=6m;
b=6m;
h=3m;
Unde: l – lungimea încăperii;
b – lăţimea încăperii;
h – înălţimea încăperii.
Coal
U.T.M.2153.30.003.ME 103
Mod Coala Nr Document. Semnat Data
Înălţimea ferestrelor este de 2 m.
De determinat suprafaţa ferestrelor.
Coal
U.T.M.2153.30.003.ME 104
Mod Coala Nr Document. Semnat Data
f - caracteristica fototehnică a ferestrelor ,determinată conform tab.I.2[10].
K cl - coeficientului ce ia în consideraţie umbrirea ferestrelor de către
clădirile din apropiere,opuse ferestrelor, determinat conform tab.I.3[10].
0- coefientul general de fotopermiabilitatederminat dupa formula :
0 1 2 3 4 5 (8.3)
r1 - coefientul ce consideră mărirea cofientului zilei în cazul iluminatului
lateral ,datoritî luminii eflactate de suprafeţele încăperii şi a învelişuluid sol
dinapropierea clădirii ,determinat conform tab.I.6[10].
2. Determinăm suprafaţa pardoselii:
S p l b 6 6 36m 2 (8.4)
l in 6 B 6
3. Determinăm f 18 în dependenţă de raportul 1 şi raportul 3
B 6 h1 2
3 1 ( iluminat lateral );
4 1 ( storuri reglabile );
Coal
U.T.M.2153.30.003.ME 105
Mod Coala Nr Document. Semnat Data
9. Determinăm lungimea totală a ferestrelor , ştiind că înalţimea lor este de 2 m
Sf 9,643
lf 4,821m (8.6)
hf 2
CONCLUZII
Coal
U.T.M.2153.30.003.ME 106
Mod Coala Nr Document. Semnat Data
a cunoaşte şi a ne acomoda cu metode ce ţin de proteţia mediului ambiant. Cunoştinţele
acumulate pe parcursul a patru ani de învăţămint la zi, au dus la crearea acestui sistem
inteligent , la perfecţionarea capacităţilor anterior acumulate. Această sarcină a fost
pentru mine una de experienţă profesională pe viitor , ceea ce am avut posibilitatea să
obţin informaţii statistice , sistematizate de către specialiştii din cadrul catedrei
ATI,secţia Automatică . Sarcina mea de bază a fost obţinerea , şlefuirea şi
implementarea cunoştinţelor teoretice în practică în cadrul facultăţii FCIM.
BIBLIOGRAFIE
Coal
U.T.M.2153.30.003.ME 107
Mod Coala Nr Document. Semnat Data
10. Olaru E. : Cicluri de prelegeri - Sanitaria industrială şi igiena muncii, Chişinău
UTM- 2000, nr.789, 43 p.
11. Olaru Iu., Olaru E., : Cicluri de prelegeri - Protecţia împotriva incendiilor,
nr.813, Chişinău UTM-2000, 45 p.
12. Olaru E. : Protecţia mediului ambiant. Cicluri de prelegeri, Chişinău UTM-2000,
nr.846, 56 p.
Coal
U.T.M.2153.30.003.ME 108
Mod Coala Nr Document. Semnat Data