Способ определения степени покрытия поверхности рабочей жидкостью

Способ определения степени покрытия поверхности рабочей жидкостью

Иллюстрации

Показать все

Реферат

Предлагаемое изобретение относится к способам оценки качества опрыскивания растений в сельском хозяйстве и направлено на повышение точности оценки и сокращение времени контроля степени покрытия поверхности с использованием электронно-вычислительной машины.

Известны различные способы и методики определения качественных и количественных показателей процесса опрыскивания. Так, например, известен и применяется фотометрический способ анализа. При этом способе используется устройство из фотометрической насадки, лентопротяжного механизма, прибора для обработки осциллограмм и осциллографа с блоком питания, блока питания осветителя и лентопротяжного механизма. Однако определение масштаба показаний осциллографа очень сложно, т.к. связано с микроскопированием лент с изображением отложений рабочей жидкости на обрабатываемой поверхности. Кроме того, устройство для фотометрического способа анализа требует индивидуального изготовления, к тому же сам осциллограф допускает ошибку измерений (Гущин Е.Г. Фотометрический метод анализа качества опрыскивания растений. - В кн. Механизация технологических процессов защиты растений. МСХ СССР - ВАСХНИЛ, Ленинград, 1970).

Наиболее близким к заявляемому предложению является микроскопический метод анализа качества опрыскивания (Судит Ж.М., Штеренталь М.И., Нагорный Ю.П. Применение методов математической статистики при исследовании распыливающих органов опрыскивателей. - В кн. Механизация технологических процессов защиты растений. МСХ СССР - ВАСХНИЛ, Ленинград, 1970 г., стр.299). Он заключается в подсчете капель после опрыскивания на поверхности специальных подложек (предметные стекла, коллекторы из мелованной бумаги и др.) с минимальным растеканием на них капель.

Замер капель на подложках (коллекторах) проводится с помощью окулярной линейки микроскопа. Диаметры капель и их количество согласно существующей методике определяются на 1 см² обрабатываемой площади. Далее заполняются таблицы с разбивкой размеров капель на классы и их численность, которые обрабатываются с использованием методов математической статистики.

Однако этот метод очень трудоемкий и недостаточно точный т.к. зависит от качества и точности визуальной оценки.

Техническим решением задачи является повышение точности и сокращение рабочего времени контроля степени покрытия поверхности.

Поставленная задача достигается тем, что в способе определения степени покрытия поверхности рабочей жидкостью, подложку с нанесенными на ней каплями переносят в компьютер путем сканирования, получают исходные данные в виде файла, который сохраняют с расширением bmp черно-белого изображения и преобразуют с помощью оператора READBMP программы MathCAD в матрицу, в которой подложку и капли на ней выражают в пикселях, затем определяют общее количество пикселей и количество черных пикселей, и по отношению их определяют степень покрытия поверхности рабочей жидкостью.

Сущность изобретения поясняется чертежами, где на фиг. 1 изображен объект исследования степени покрытия, на фиг. 2 - фрагмент матрицы.

Пример конкретного осуществления способа определения степени покрытия поверхности рабочей жидкостью состоит в том, что подложки (бумажные) со следами капель рабочей жидкости предварительно ксерокопируются с целью получения более четкого отпечатка исследуемой поверхности, затем подложки сканируют планшетным сканером с разрешающей способностью не ниже чем 300 dpi на 1 дюйм. Получают файлы исходных данных в виде черно-белого изображения, которые запоминают под собственными номерами подложек с расширением bmp (Фигурнов В.Э. IBM PC для пользователя. Изд. 6-е, перераб. и доп. - М.: ИНФРА - М., 1995), затем по программе, написанной в MathCAD (Дьяконов В. MathCAD 2000: учебный курс - СПб: Питер, 2000. - стр.356), используя оператор READBMP, превращают исходное изображение в матрицу, в которой подложка и капли на ней выражены в пикселях. Цифра (0) в матрице на фиг. 2 означает пиксель черного цвета, а цифра (255) - пиксель белого цвета. Если подсчитать сумму чисел в матрице и разделить на 255, получится общее количество белых пикселей, зная размер матрицы определим общее количество пикселей. Разница между ними будет равна общему количеству черных пикселей, дальше рассчитывают степень покрытия поверхности подложки по отношению общего количества черных пикселей к общему количеству пикселей в процентах.

На фиг. 1 дано реальное размещение капель на подложке, а на фиг. 2 математическая модель в виде фрагмента матрицы.

Для нашего случая в матрице M_i,j (i - строка, j - столбец) M_75,18=255 - пиксель белого цвета, a M_75,19=0 - пиксель черного цвета. Используя операторы rows(M) и cols(M) программы MathCAD, определим количество строк и столбцов в матрице:

Перемножая их значения, получим общее количество пикселей, занимающих подложку. Определяем количество белых пикселей, для этого суммируем все цифры в матрице М и полученную сумму разделим на 255 пиксель белого цвета:

Разность общего количества пикселей и количества белых пикселей составит количество пикселей черного цвета, а отношение последних к общему количеству пикселей в процентах определяет степень покрытия объекта:

Степень покрытия объекта обработки для нашей модели составила 14,904%.

Для подтверждения преимуществ предлагаемого способа мы сравнили его точность определения степени покрытия объекта обработки (фрагмент коллектора) с обычным методом микроскопирования и получили следующие результаты (таблица 1).

Таблица 1.Сравнительная оценка степени покрытия объекта каплями.
Повторность замера	Степени покрытия при сканировании, %	Степени покрытия при микроскопировании, %
1	14,900	16,3
2	14,908	11,9
3	14,904	13,2
Среднее значение	14,904	13,8
Дисперсия	0,000016	5,11
Стандартное отклонение	0,004	2,26

Продолжение таблицы 1
Повторность замера	Степени покрытия при сканировании, %	Степени покрытия при микроскопировании, %
Коэффициент вариации, %	0,02684	16,38
Ошибка опыта	0,00231	1,31
Точность опыта, %	0,0155	9,45

Как видно из данной таблицы, предлагаемый нами способ дает значительно большую точность оценки по сравнению с прототипом, который занижает достоверность оценки. Разница между вариантами существенная: коэффициент Стьюдента табличный составляет в нашем опыте 0,846, а расчетный 2,776.

Способ определения степени покрытия поверхности рабочей жидкостью, включающий нанесение капель на подложку, их обработку, получение матрицы с данными, характеризующими размеры капель, и определение степени покрытия по соотношению площади, занятой каплями, к общей площади подложки, отличающийся тем, что предварительно получают четкое изображение следов капель на подложке, затем сканируют с разрешающей способностью не ниже 300 dpi на дюйм, получают исходные данные, которые подвергают компьютерной обработке и получают матрицу с данными, где изображение площади подложки и следов капель на ней выражают в пикселях.