Курсовая работа: Интеллектуальная информационная система

СОДЕРЖАНИЕ

• ВВЕДЕНИЕ
• 1. ФУНКЦИИ ИИС
• 1.1. Внешние объекты и диаграммы окружения
• 1.2. Данные, результаты, хранилища и логическая модель
• 1.3. Задачи, функции и модель поведения
• 2. ПОСТАНОВКИ ЗАДАЧ И МЕТОДЫ РЕШЕНИЯ
• 2.1. Получение правил выделения границы грибов на изображении
• 2.2. Использование системы для определения границ изображения
• 2.3. Формирование сигналов для автомата сортировки грибов
• 2.4. Формирование накладных и актов
• 3. ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ИИС
• 3.1. Концептуальное проектирование базы данных
• 3.2. Логическое проектирование базы знаний
• 3.3. Создание базы знаний
• 3.3.1. Определение показателя
• 3.3.2. Определение факторов
• 3.3.3. Проведение экспериментов и построение выборки значений
• 3.3.4. Удаление признаков с неизвестными значениями
• 3.3.5. Удаление факторов с постоянными значениями
• 3.3.6. Устранение одинаковых элементов выборки
• 3.3.7. Контроль значений признаков и восстановление ошибочных данных
• 3.3.8. Нормирование значений признаков
• 3.3.9. Выбор информационных признаков
• 3.3.10. Формирование обучающей и контролирующей выборок
• 3.4. Формирование правил принятия решений
• 4. ТЕХНОЛОГИЧЕСКИЙ ПРОЦЕСС ОБРАБОТКИ ДАННЫХ
• 4.1. Технология приобретения знаний
• 4.2. Технология принятия решения
• 5. ПРОГРАММНЫЕ СРЕДСТВА
• 5.1. Программные средства приобретения знаний
• 5.2. Программные средства принятия решений
• ЗАКЛЮЧЕНИЕ
• CONCLUSION
• ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ

На современном этапе развития в грибном хозяйстве на новый уровень выходят автоматизированные системные решения, которые способны заменить трудовые ресурсы при проведении сбора урожая. Участие роботизированных машин в сельском хозяйстве позволяет повысить эффективность и производительность сбора урожая. Данная проблема актуальна, так как необходимо разработать такую систему, которая идентифицирует и классифицирует цели для роботизированных машин.

Разрабатываемая интеллектуальная информационная система предназначена для управления процессом сбора грибов в грибном хозяйстве для работников сборки грибов.

Рассматриваемая организация осуществляет деятельность по сборке грибов в лесах, примыкающих к пункту заготовки грибов артели заготовителей, вручную. Заготовители осуществляют сбор белых грибов и маслят в лесу без предварительной сортировки и доставляют грибы в корзинах на пункт заготовки грибов артели заготовителей. В одной корзине могут находиться грибы нескольких видов. Заготовители укладывают грибы на транспортер, который доставляет их в пункт сортировки. Далее определяются вес грибов каждого вида и сумма, которая будет выплачена заготовителю за сбор грибов.

Проблема деятельности организации заключается в необходимости большого количества заготовителей для сбора грибов, так как сезон появления грибов непродолжителен. Недостаток трудовых ресурсов приводит к тому, что часть грибов портится или остается не собранной. В связи с этим организация теряет часть своей прибыли, которую она могла бы получить, если бы вовремя успела собрать урожай. Чтобы решить данную проблему, необходимо усовершенствовать процесс организации сбора грибов путем процесса обработки информации изображения каждого собранного гриба и оценки его параметров по изображению для дальнейшей транспортировки до пункта сортировки грибного хозяйства.

Для многих культур уже есть решения по автоматизированной уборке урожая. Например, одним из самых крупных заготовителей овощей в России является компания ООО «СИТИ-сад», Краснодарский край. Для автоматизированной сортировки используется линия AWETA с мощностью до 4,5 т/ч.

Интеллектуальная информационная система управления сбором грибов приведет к существенной экономии времени и трудозатрат, а также повысит прибыль организации от уменьшения значительной части заготовителей (персонала). В данной работе используется именно интеллектуальная информационная система, потому что не существует формального четкого алгоритма определения границ объекта, в связи с этим необходимо производить обучение и применять методы искусственного интеллекта.

Таким образом, целью курсовой работы является разработка ИИС управления сбором грибов для увеличения прибыли заготовительного предприятия за счет повышения качества сортировки грибов. Для реализации данного решения необходимо решить следующие задачи:

1. Построение классификатора граничных точек изображения гриба;

2. Управление сбором грибов.

В первом разделе курсовой работы представлена функциональная структура автоматизированной интеллектуальной информационной системы сортировки грибов.

Во втором разделе представлены вербальная и формальная постановки задач, описание методов решения, примеры решения задач.

В третьем разделе описаны проектирование информационного обеспечения, концептуальное и логическое проектирование базы данных, кардинальность и избирательность связей, кодирование информации, классификаторы и кодификаторы информации, определение задач ведения базы данных, состав задач, операторы, документы, источники, расчет трудоемкости ведения базы данных.

В четвертом разделе представлен технологический процесс обработки данных, задачи принятия решения и ведения базы данных.

В пятом разделе представлена разработка программных средств, выбор системного программного обеспечения, инструментальные средства разработки прикладных программ, прикладное программное обеспечение, алгоритмы прикладных программ: алгоритмы пользовательского интерфейса, алгоритмы принятия решений.

автоматизированный интеллектуальный информационный

1. ФУНКЦИИ ИИС

В данной главе представлены DFD диаграммы для модели окружения, логической модели и модели поведения.

1.1 Внешние объекты и диаграммы окружения

На рисунке 1.1 представлена DFD диаграмма «Управление сбором грибов». На ней представлена модель окружения информационной системы. Она включает внешние объекты, воздействующие на процесс.

Источники информации:

· Специалист по обработке изображений;

· Сортировочный автомат;

· Видеокамера.

Получатели информации:

· Сортировщик - работник, отвечающий за работу конвейера;

· Сортировочный автомат;

· Специалист по обработке изображений;

· Видеокамера.

Рис. 1.1. Модель окружения

1.2 Данные, результаты, хранилища и логическая модель

На рисунке1.2 представлена логическая модель в виде DFD диаграммы. Она отображает систему, как набор действий и описывает, что должна делать система.

Логическая модель включает в себя 2 процесса: «Формирование правил по определению границ гриба на изображении», «Определение вида гриба, его количество и вес, а также формирование накладных и актов».

Исходными данными являются: «Получение изображения гриба с данными о граничных точках», «Получение изображения каждого собранного гриба».

Результатами логической модели являются: «Сортировка грибов» и «Анализ и исправление накладных и актов».

Рис. 1.2. Логическая модель

1.3 Задачи, функции и модель поведения

На рисунке 1.3 представлена DFD диаграмма «Контроль, профилактика аварийных ситуаций, ремонт грузоподъемной техники». На ней представлена модель поведения информационной системы. Она включает внешние объекты, хранилища, основные процессы и информационные связи.

Основные задачи ИИС:

- формирование правил по определению границ гриба на изображении;

- определение вида гриба, его количество и вес, а также формирование накладных и актов.

Источники информации

- Видеокамера;

- Специалист по обработке изображений;

- Сортировочный автомат.

Получатели информации

- Специалист по обработке изображений;

- Сортировщик.

Рис. 1.3. Модель поведения

2 ПОСТАНОВКИ ЗАДАЧ И МЕТОДЫ РЕШЕНИЯ

Для сортировки грибов на основе изображений решить следующие задачи:

1. сформировать правила для определения границ изображения;

2. использовать систему для определения границ изображения;

3. сформировать сигналы для автомата сортировки грибов;

4. сформировать и напечатать накладные и акты.

2.1 Получение правил выделения границы грибов на изображении

2.1.1. Постановка задачи

На вход системе поступают изображения с выделенными границами грибов. По полученным изображениям необходимо сформировать правила, по которым система будет определять принадлежность пикселя изображения к границе гриба. Правила строятся на основе информационных признаков. Определение множества информационных признаков включает в себя подготовку обучающей и контролирующей выборки для последующего корреляционного анализа. На выходе получим значение, которое будет указывать на принадлежность точки на изображении гриба к границе. Обозначения приведены в таблице 1.

Таблица 1. Обозначения

Пусть имеются экспериментально найденные значения случайных величин координат граничных точек и точек, лежащих вне границы X = (x₁, x₂,…x_n)и Y=( y₁,y₂,…y_n).

По следующей формуле находим значения парного коэффициента корреляции.

Таким образом, выявляем зависимость между случайными величинами для выявления наиболее информационных признаков для классификации.

Если коэффициент корреляции принимает значения близкие к 1, то значит, между значениями имеется зависимость (-1 обратная зависимость). Если коэффициент корреляции равен 0, то значит, что значения являются независимыми, но это не является признаком отсутствия или присутствия зависимости.

Классификация представляет собой отнесение объекта к одному из заранее известных классов.

Пусть дано множество объектов О = {o} и n мерное пространство признаков X: X = X₁X₂ … X_n, где X_j - множество значений j-ого признака, j=1,n.

Каждый объект oО задан точкой x в n мерном пространстве признаков X: :О X, x = (o), o = ^-1(X), гдеx = (x₁, x₂,…x_n) - вектор значений признаков объекта o, x_ijX_j , j = 1,n.

Рассмотрим два класса объектов С₀ и С₁: O = С₀С₁,С₀ С₁ = .

Необходимо каждый объект отнести к одному из двух классов С₀ или С₁, т. е. должна быть задана функция

Если известна функция y = u(x):

то k(0) = u((o)), o О.

Необходимо оценить функцию u(x) определить ее вид и параметры (а).

Задача определения функции u(x) состоит в поиске параметров a функции u*: y* = u*(x, a), y* [0,1], при которой минимизируется значение погрешности для каждого элемента заданной обучающей выборки V = {(x_i, y_i)} , где

y_i = u(x_i) - значение функции, полученное в результате проведения i-го опыта(i=1,s; j=1,n),

x_i = (x_i1, x_i2,…x_in) - элемент выборки, x_ij- значение j-го признака в i-ом элементе выборки (результата i-го опыта), причем

x_ijX_j, где X_j - вариация j-го признака ( i = 1,m, j = 1,n):

В качестве оценочной функции используется полином второго порядка y*= u*(x, a):