Обработка фотографий

Ключевая тема:Системы построения 3D-модели лица на основе 2D изображения

Разработка программного обеспечениядля интегрированной САПРприборостроительного предприятия

Стр. 16

Алгоритм предварительногосжатия видеопотока трекера«Predator»

Стр. 33

# 4 / 2017

Государственное автономное учреждение

Республики Коми

«Центр информационных технологий»

Научно-технический журнал

ИТ АРКТИКА (ИТ архитектура, коммуникации, технологии,

информация, комплексная автоматизация)

Журнал основан в 2016 году

Выходит 4 раза в год

# 4, 2017

СОДЕРЖАНИЕ:

3 ОТ РЕДАКЦИИ

Моделирование процессов, систем и технологий

4 Хохрин А. А .

Системы построения 3D-модели лица на основе 2D изображения

Разработка информационных систем

16 Селиверстова А. С .

Разработка программного обеспечения для интегрированной САПР

приборостроительного предприятия

Прикладные информационные системы и технологии

33 Быков Ю. В.

Алгоритм предварительного сжатия видеопотока трекера «predator»

48 Малеев Д. В .

Программно-аппаратная реализация компонентов модулятора

цифрового телевидения стандарта ISDB-T

62 Зубеева С. А .

Человеческий фактор при внедрении СЭД с точки зрения управления

изменениями

Информационные технологии в образовании

72 Дуркина Н. В .

Практические основы использования интерактивных методов при

преподавании информатики

84 CONTENTS

85 КОНТАКТЫ

86 СОСТАВ РЕДАКЦИОННОЙ КОЛЛЕГИИ

ОТ РЕДАКЦИИ

Тема номера обозначена как «Цифровая обработка изображений». В журнале

преимущественно размещены статьи магистрантов и аспирантов кафедры

«Конструирование и технология радиоэлектронных средств» Арзамасского

политехнического института (филиала) НГТУ им. Р.Е. Алексеева, связанные с тематикой

научных работ, как кафедры, так и предприятий города.

Разнообразие методов и алгоритмов обработки изображений обусловлено

множеством решаемых задач, технических средств получения визуальной информации и

областей применения. Статьи аспиранта Хохрина А.А. «Системы построения 3D-модели

лица на основе 2D-изображения» и магистранта Быкова Ю.В. «Алгоритм

предварительного сжатия видеопотока трекера «predator» тематически связаны друг с

другом и касаются цифровой обработки изображений.

В первой представлен краткий обзор систем построения 3D-модели лица человека

на основе 2D-изображения. Описаны современные подходы к решению задачи

реконструкции 3D-модели лица и приведены результаты тестирования современных

алгоритмов расчета трехмерной реконструкции лица, представлено практическое

применение данных систем.

Во второй описываются особенности локальной и глобальной бинаризации

изображений, основное внимание уделяется методу Кристиана. Предлагаемый метод

нормализует контраст и шум на изображении, что важно при распознавании объектов.

В статье Селиверстовой А.С. представлен краткий обзор программного обеспечения,

необходимого для разработки технической документации на производство

радиоэлектронных средств (РЭС), проведено исследование влияния человеческого

фактора на проектирование РЭС с применением информационных технологий, работа

является первым шагом в поэтапном построении «Цифрового предприятия».

Статья Малеева Д.В. «Программно-аппаратная реализация компонентов модулятора

цифрового телевидения стандарта ISDB-T» посвящена описанию программно-аппаратной

реализации компонентов модулятора цифрового телевидения стандарта ISDB-T, которая

обеспечивает снижение скорости видеопотока при использовании как многочастотной,

так и одночастотной сети соответственно с помощью ремультиплексора или специального

адаптера; приведена аппаратная реализация обоих методов.

УДК 004.8

Хохрин Алексей Андреевич

аспирант кафедры «Конструирование и технология радиоэлектронных

средств», Арзамасский политехнический институт (филиал) федерального

государственного бюджетного образовательного учреждения высшего

образования «Нижегородский государственный технический

университет им. Р.Е. Алексеева»

Эл. почта: aleksey_ho@list.ru

Системы построения 3D-модели лица на основе 2D изображения

В статье представлен краткий обзор систем построения 3D-модели лица

на основе 2D-изображения. Представлено практическое применение данных

систем, описаны преобладающие подходы решения задачи реконструкции 3D-

модели человеческого лица. Приведены результаты тестирования

современных алгоритмов расчета трехмерной реконструкции лица.

Ключевые слова: цифровая обработка изображений, компьютерное

зрение, трехмерная реконструкция лица

Khokhrin Aleksey Andreevich

graduate student, department of System analysis, information management and

processing, Arzamazzki Polytechnical Institute (branch) “Nizhnj Novgorod State

Technical University n.a. R.E. Alekseev”

E-mail: aleksey_ho@list.ru

The article deals with an overview of building 3D-face model based on 2D-

image systems. Practical application of these systems are given, the prevailing

approaches to solving the problem of reconstruction of the 3D model of the human

face are described in paper. The results of testing modern algorithms for calculating

a three-dimensional face reconstruction are given

Keywords: digital image processing, computer vision, 3D face reconstruction

Введение

Важным этапом работы программного айтрекера является задача

сопоставления распознанных координат зрачков на изображении с

координатами экрана. Задача осложняется движением лица пользователя при

работе с программой, так как координата зрачка будет изменяться, даже если

взгляд будет направлен в одну и ту же точку. Одним из решений данной задачи

является нахождение опорной точки, относительно которой будет

рассчитываться координата зрачка. После расчета координат следует

процедура сопоставления координаты с точкой на экране монитора. Другим

решением является реконструкция 3D-модели человеческого лица на основе

видеопоследовательности. Некоторые существующие системы используют

алгоритмы структуры из движения (structure from motion) или алгоритмы на

основе общей модели лица (generic model).

Трехмерная реконструкция лица является фундаментальной проблемой

компьютерного зрения высокой сложности. Современные системы часто

предполагают наличие множественных изображений лица в качестве входных

данных и должны решать ряд задач, таких, как: установление плотных

соответствий в разных позах лица, выражениях лица и неравномерном

освещении. Для построения моделей эти методы требуют большое количество

ресурсов. Однако существуют также и разработки, позволяющие

реконструировать трехмерную модель лица на основе одного 2D-изображения

в режиме реального времени. Примерами таких исследований являются «A

Multiresolution 3D Morphable Face Model and Fitting Framework»[1], «Dense 3D

Face Alignment from 2D Videos in Real-Time»[2], «Large Pose 3D Face

Reconstruction from a Single Image via Direct Volumetric CNN Regression»[3] и

др. Такие системы могут быть использованы в том числе для восстановления

всей трехмерной лицевой геометрии, включая невидимые части лица.

В современных системах преобладают 5 подходов:

1. В трехмерной морфологической модели (3D Morphable Model,

3DMM) [4], популярном подходе для оценки полной трехмерной лицевой

структуры на основе одного изображения, обучение включает в себя

процедуру итеративного потока для плотного соответствия изображений.

Кроме того, тестирование требует тщательной инициализации для решения

сложной проблемы с невыпуклой оптимизацией, которая требует много

времени.

2. Популярный подход для реконструкции 2.5D из одного изображения

(работа [5]), формулирует и решает тщательно инициализированную (только

для фронтальных изображений) проблему невыпуклой оптимизации для

восстановления освещения и глубины, где каждая из подзадач представляет

собой сложную проблему оптимизации.

3. В работе [6] к созданию нейтральной предметной модели 2.5D из

почти фронтального изображения, предлагается итерационная процедура,

которая предполагает локализацию лицевых ориентиров, фронтализацию

лица, решение фотометрической проблемы стереосистемы, нормальную

оценку локальной поверхности и, наконец, интеграцию формы.

4. В современном подходе [7] реконструкции высокодетальной формы

лица 2,5D для каждого видео-кадра, сначала вычисляется средняя форма и

освещение для конкретного человека, а при тестировании запускается

итеративный процесс, требующий сложного алгоритма оценки позы,

вычисления трехмерного потока между моделью и видеокадром и, наконец,

уточнения формы путем решения проблемы оптимизации формы от затенения

(shape-from-shading).

5. В еще одном современном методе [8], который производит среднюю

(нейтральную) трехмерную грань из коллекции личных фотографий, сначала

выполняется обнаружение ориентира, определяется 3DMM, используя

разреженный набор точек, затем решается проблема оптимизации,

аналогичная той, что описана в п.3, после чего выполняется оценка

нормальной поверхности, и, наконец, выполняется поверхностная

реконструкция.

Подход, использующийся в работе [3], основанный на обучении

сверточной нейронной сети на соответствующем наборе данных, состоящем

из 2D-изображений и 3D-моделей лица, является наиболее прогрессивным.

При тестировании он показал высокую скорость работы, что позволяет

использовать его в режиме реального времени.

Существуют и другие методы, в которых использовались сверточные

нейронные сети для решения задачи расчета трехмерной реконструкции лица.

В работе [4] описан многофункциональный подход к подгонке 3DMM с

использованием нелинейной оптимизации наименьших квадратов, который

при соответствующей инициализации дает результаты с хорошей точностью.

В более поздней работе было предложено оценить обновление параметров

3DMM с использованием регрессии сверточной нейронной сети. В работе [9]

параметры 3DMM оцениваются в шесть этапов, каждый из которых

использует разные сверточные нейронные сети. В этой работе параметры

3DMM оцениваются на разреженном наборе ориентиров, т.е. целью работы

является трехмерное выравнивание лица, а не реконструкция лица. Метод [10]

основан на одной сверточной нейронной сети, которая итеративно

применяется для оценки параметров модели, используя в качестве входных

данных 2D-изображение и трехмерное представление, созданное на

предыдущей итерации.

Метод, представленный в работе [3], отличается от вышеупомянутых

методов следующим:

1. Метод не оценивает параметры 3DMM и фактически полностью

обходит установку 3DMM. Вместо этого метод создает трехмерное объемное

представление лицевой геометрии.

2. Метод также радикально отличается с точки зрения используемой

архитектуры сверточной нейронной сети: используется такая архитектура,

которая способна делать пространственные предсказания на уровне воксела, в

отличие от работ [9, 10], которые целостно предсказывают параметры 3DMM.

3. Метод способен производить результаты восстановления для любых

изображений лица, охватывающих весь спектр лицевых поз с произвольным

выражением лица.

Работа [3] также отличается от других работ тремя важными аспектами:

во-первых, производится фокусировка на лицах (т.е. деформируемых

объектах), а не на общих сценах. Во-вторых, в работе демонстрируется, что на

самом деле можно изучить отображение от 2D до полной трехмерной лицевой

структуры, включая невидимую часть лица, без сопоставления 2D-

изображений с 2D-картами глубины. В-третьих, в ней используется обработка

грани в фиксированном масштабе вместо многомасштабного подхода, где

идет обработка изображения с низкого до высокого разрешения.

Целью метода в работе [3] является предсказание координат трехмерных

вершин каждого лицевого сканирования из соответствующего 2D-

изображения с помощью регрессии сверточной нейронной сети. Как

отмечалось в ряде работ, прямая регрессия всех трехмерных точек, связанных

в виде вектора с использованием стандартных потерь, может вызвать

трудности в обучении, поскольку должны быть предсказаны правильные

значения каждой трехмерной вершины. Кроме того, такой подход требует

интерполяции всех сканирований на вектор фиксированного измерения. Для

того чтобы уменьшить данную проблему обучения, предлагается

переформулировать проблему реконструкции 3D-лица в сегментирование 2D-

3D-изображения: в частности, преобразование каждого трехмерного лицевого

сканирования в трехмерный двоичный объем 𝑉𝑤ℎ𝑑 путем дискретизации

трехмерного пространства в вокселях {𝑤, ℎ, 𝑑}, присваивая значение 1 всем

точкам, заключенным в 3D-лицевое сканирование, и 0 в противном случае. То

есть 𝑉𝑤ℎ𝑑 является истиной для воксела {𝑤, ℎ, 𝑑} и равна 1, если воксель

{𝑤, ℎ, 𝑑} принадлежит пространственному объемному представлению лица и 0

в противном случае (т.е. принадлежит фону). Процесс создает объем,

полностью выровненный с 2D-изображением. Ошибка имеет порядок

нескольких миллиметров, и дискретизация с объемом 192×192×200 приводит

к незначительной ошибке.

Были исследованы следующие архитектурные решения VRN:

1. Объемная регрессионная сеть (VRN)

2. Многозадачная VRN (VRN Multitask)

3. Управляемая VRN (VRN Guided)

В объемной регрессионной сети (VRN) изучается сопоставление 2D-

изображения лица с соответствующим трехмерным объемом 𝑓: 𝐼 → 𝑉.

Архитектура сверточной нейронной сети для 3D-сегментации основана на

«сетке песочных часов» (hourglass network) [11] на расширении полностью

сверточной сети с использованием пропущенных связей и остаточного

обучения. Архитектура состоит из двух модулей песочных часов, которые

объединены вместе без промежуточного наблюдения. Вход представляет

собой изображение RGB, а выход представляет собой набор реальных

значений объемом 192×192×200. Эта архитектура показана на рисунке 1 – сеть

имеет структуру кодирования/декодирования, в которой набор сверточных

слоев используется для вычисления представления функции фиксированного

измерения. Далее это представление обрабатывается в пространственную

область, восстанавливая пространственное соответствие между входным

изображением и выходным объемом. Локальные точки иерархически

объединены из разных разрешений с целью уточнения результатов.

Обучение VRN происходит с использованием функции потери

сигмовидной кросс-энтропии:

𝑙1 = ∑ ∑ ∑[𝑉𝑤ℎ𝑑𝑙𝑜𝑔�̂�𝑤ℎ𝑑 + (1 − 𝑉𝑤ℎ𝑑)𝑙𝑜𝑔(1 − �̂�𝑤ℎ𝑑)]

𝑊

𝑤=1

𝑊

𝑤=1

𝑊

𝑤=1

,

где �̂�𝑤ℎ𝑑- соответствующий сигмоидный выход в вокселе {𝑤, ℎ, 𝑑}

регрессированного объема.

Во время тестирования и с учетом входного 2D-изображения сеть

регрессирует трехмерный объем, из которого восстанавливается внешняя

трехмерная лицевая сетка. Наконец, из 3D-объема может быть сформирована

сетка путем генерации изоповерхности объема. Если необходимо,

соответствие между этой сеткой переменной длины и фиксированной сеткой

может быть найдено с использованием итеративного алгоритма ближайших

точек (ICP).

Рис.1. Архитектура VRN

Рис.2. Многозадачная VRN возвращает и объёмное 3D-изображение лица, и

набор разреженных 3D-ориентиров

Рис.3. Управляемая VRN сначала определяет 2D-проекцию по 3D-

ориентирам и стыкует её с оригинальным изображением.

Многозадачная VRN. Многозадачная VRN, показанная на рисунке 2,

состоит из трех модулей песочных часов. Первые песочные часы

предоставляют функции разделения двух других песочных часов. Первая из

них регрессирует 68 ориентиров (2D-гауссианов), каждый на отдельном

канале. Вторая непосредственно регрессирует трехмерную структуру лица,

как в вышеупомянутом неуправляемом VRN. Цель этой многозадачной сети -

узнать более надежные функции, которые лучше подходят для двух задач.

Управляемая VRN. В основе данной архитектуры (рисунок 3) лежит

утверждение, что реконструкция должна выиграть в производительности от

начального выполнения более простой задачи анализа лица, также

предлагается архитектура для объемной регрессии, ориентированной на

локальные точки лица. С этой целью обучается сетчатая сеть песочных часов,

которая принимает локальные точки во время обучения и вывода. Эта сеть

имеет сходную архитектуру с неуправляемым VRN, однако входной сигнал

этой архитектуры представляет собой изображение RGB, состоящее из 68

каналов, каждое из которых содержит гауссиан (приблизительный диаметр 6

пикселей), центрированный по каждому из 68 ориентиров.

Результаты

Рассмотренные методы были протестированы на открытой базе

изображений AFLW2000-3D – база изображений, в которых определены

трехмерные грани первых 2000 образцов изображений базы AFLW. Для

тестирования были выбраны 5 современных решений: 3DDFA [10], EOS [12],

VRN, VRN Multitask, VRN Guided. Результаты представлены в таблице 1.

Таблица 1. Результаты тестирования методов на базе AFLW2000-3D

Метод Ср.квадратичная ошибка

3DDFA 0.1012

EOS 0.0971

VRN 0.0676

VRN Multitask 0.0698

VRN Guided 0.0637

Чтобы измерить точность реконструкции для каждой грани,

используется среднеквадратическая ошибка, определяемая как среднее на

каждую вершину евклидово расстояние между найденной и истинной точкой:

𝑁𝑀𝐸 =1

𝑁∑

||𝑥𝑘 − 𝑦𝑘||2𝑑

𝑁

𝑘=1

,

где 𝑁 - количество вершин на лицевой сетке, 𝑑 - трехмерное межлучевое

расстояние, а 𝑥𝑘, 𝑦𝑘- вершины найденной и истинной сетки.

Заключение

Результаты тестирования показали следующее:

1. Алгоритмы VRN в значительной степени превосходят 3DDFA и EOS,

подтверждая, что прямое восстановление трехмерной лицевой структуры

является гораздо более простой задачей для обучения сверточной нейронной

сети.

2. Наиболее эффективной VRN является VRN Guided, ориентированная

на локальные точки лица, но имеет более высокую вычислительную

сложность.

В настоящее время ведется работа по внедрению алгоритма расчета

трехмерной реконструкции лица VRN Guided в исходный код программного

айтрекера с целью повышения точности проецирования взгляда на экран

монитора при изменении позы лица.

Список литературы

1. Multiresolution 3D Morphable Face Model and Fitting Framework

[Электронный ресурс] / P. Huber [и др.]. – Режим доступа:

https://www.researchgate.net/publication/285054377_A_Multiresolution_3D_Mor

phable_Face_Model_and_Fitting_Framework.

2. Laszlo, A. J. [Электронный ресурс] Dense 3D Face Alignment from

2D Videos in Real-Time / A. J. Laszlo // Robotics Institute, School of Computer

Science, Carnegie Mellon University published. – Режим доступа:

http://www.pitt.edu/~jeffcohn/biblio/Jeni15FG_ZFace.pdf.

3. Large Pose 3D Face Reconstruction from a Single Image via Direct

Volumetric CNN Regression [Электронный ресурс] / S. Aaron [и др.]. – Режим

доступа: https://amds123.github.io/2017/09/08/Large-Pose-3D-Face-

Reconstruction-from-a-Single-Image-via-Direct-Volumetric-CNN-Regression/.

4. S. Romdhani [Электронный ресурс] Estimating 3d shape and texture

using pixel intensity, edges, specular highlights, texture constraints and a prior. / S.

Romdhani, T. Vetter. – Режим доступа:

http://gravis.dmi.unibas.ch/publications/CVPR05_Romdhani.pdf.

5. Kemelmacher-Shlizermanand, I. [Электронный ресурс] 3D face

reconstruction from a single image using a single reference face shape / I.

Kemelmacher-Shlizermanand, R. Basri // IEEE TPAMI. – 2011. - № 33(2). – С.

394–405. – Режим доступа: https://www.ncbi.nlm.nih.gov/pubmed/21193812.

6. Kemelmacher-Shlizerman, I. [Электронный ресурс] Face reconstruction

in the wild. In ICCV 2011 / I. Kemelmacher-Shlizermanand, S. M. Seitz. – Режим

доступа: http://grail.cs.washington.edu/3dfaces/.

7. Suwajanakorn, S [Электронный ресурс] Total moving face

reconstruction. In ECCV, 2014 / S. Suwajanakorn, I. Kemelmacher-Shlizerman, S.

M. Seitz. – Режим доступа: http://grail.cs.washington.edu/projects/totalmoving/.

8. Roth, J. [Электронный ресурс] Adaptive 3d face reconstruction from

unconstrained photo collections / J. Roth, Y. Tong, and X. Liu. – Режим доступа:

http://grail.cs.washington.edu/projects/totalmoving/.

9. Jourabloo, А. [Электронный ресурс] Large-pose face alignment via

cnnbased dense 3d model fitting / A. Jourabloo, X. Liu. - Режим доступа:

https://www.computer.org/csdl/proceedings/cvpr/2016/8851/00/07780823-

abs.html.

10. Face alignment across large poses: A 3d solution [Электронный ресурс]

/ X. Zhu [и др.]. A. Newell, K. Yang, and J. Deng. – Режим доступа:

https://www.computer.org/csdl/proceedings/cvpr/2016/8851/00/8851a146-

abs.html.

11. Newell, А. [Электронный ресурс] Stacked hourglass networks for

human pose estimation. / A. Newell, K. Yang, J. Deng. – Режим доступа:

https://link.springer.com/chapter/10.1007/978-3-319-46484-8_29.

12. A multiresolution ¨ 3d morphable face model and fitting framework

[Электронный ресурс] / P. Huber [и др.]. – Режим доступа:

https://www.researchgate.net/publication/285054377.

References

1. Multiresolution 3D Morphable Face Model and Fitting Framework

[Electronic resource] / P. Huber [et al.]. – Mode of access:

https://www.researchgate.net/publication/285054377_A_Multiresolution_3D_Mor

phable_Face_Model_and_Fitting_Framework.

2. Laszlo, A. J. [Digital resource] sense 3D Face Alignment from 2D Videos

in Real-time / A. J. Laszlo // Robotics Institute, School of Computer Science,

Carnegie Mellon University published. – Mode of access:

http://www.pitt.edu/~jeffcohn/biblio/Jeni15FG_ZFace.pdf.

3. Large Pose 3D Face Reconstruction from a Single Image via Direct

Volumetric CNN region [Electronic resource] / S. Aaron [et al]. – Mode of access:

https://amds123.github.io/2017/09/08/Large-Pose-3D-Face-Reconstruction-from-

a-Single-Image-via-Direct-Volumetric-CNN-Regression/.

4. S. Romdhani [Electronic resource] Estimating 3d shape and texture using

pixel intensity, edges, specular highlights, texture constraints and a prior. / S.

Romdhani, T. Vetter. - Access mode:

http://gravis.dmi.unibas.ch/publications/CVPR05_Romdhani.pdf Oh.

5. Kemelmacher-Shlizermanand, I. [Electronic resource] 3D face

reconstruction from a single image using a single reference face shape / I.

Kemelmacher-Shlizermanand, R. Basri // IEEE TPAMI. - 2011. - No. 33 (2). - P.

394-405. - Access mode: https://www.ncbi.nlm.nih.gov/pubmed/21193812 Oh.

6. Kemelmacher-Shlizerman, I. [Electronic resource] Face reconstruction in

the wild. In ICCV 2011 / I. Kemelmacher-Shlizermanand, S. M. Seitz. – Mode of

access: http://grail.cs.washington.edu/3dfaces/.

7. Suwajanakorn, S [Electronic resource] Total moving face reconstruction.

In ECCV, 2014 / Suwajanakorn S., I. Kemelmacher-Shlizerman, S. M. Seitz. –

Mode of access: http://grail.cs.washington.edu/projects/totalmoving/.

8. Roth, J. [Electronic resource] Adaptive 3d face reconstruction from

unconstrained photo collections / J. Roth, Y. Tong, and X. Liu. – Mode of access:

http://grail.cs.washington.edu/projects/totalmoving/.

9. Jourabloo, A. [Electronic resource] Large-pose face alignment via cnnbased

dense 3d model fitting / A. Jourabloo, X. Liu. - Access mode:

https://www.computer.org/csdl/proceedings/cvpr/2016/8851/00/07780823-

abs.html Oh.

10. Face alignment across large poses: a 3d solution [Electronic resource] / X.

Zhu [et al.]. A. Newell, K. Yang, and J. Deng. - Access mode:

https://www.computer.org/csdl/proceedings/cvpr/2016/8851/00/8851a146-

abs.html Oh.

11. Newell, A. [Electronic resource] Stacked hourglass networks for human

pose estimation. / A. Newell, K. Yang, J. Deng. - Access mode:

https://link.springer.com/chapter/10.1007/978-3-319-46484-8_29 Oh.

12. A multiresolution 3d morphable face model and fitting framework

[Electronic resource] / P. Huber [et al]. - Access mode:

https://www.researchgate.net/publication/285054377

УДК 004.42

Селиверстова Анастасия Сергеевна

магистрант, кафедра конструирования и технологии радиоэлектронных

средств, Арзамасский политехнический институт (филиал) федерального

государственного бюджетного образовательного учреждения

высшего образования «Нижегородский государственный технический

университет им. Р.Е. Алексеева»

Эл.почта: kitres@apingtu.edu.ru

Разработка программного обеспечения для интегрированной САПР

приборостроительного предприятия

В статье представлен краткий обзор программного обеспечения,

необходимого для разработки технической документации, проведено

исследование влияния человеческого фактора на проектирование

электронных устройств с применением информационных технологий, в

котором было рассмотрено два метода ввода исходных данных при

формировании конструкторской документации.

Ключевые слова: трехмерное моделирование, преимущества

трехмерного моделирования, проектирование электрорадиоэлементов, 3D-

сборка, библиотеки компонентов, использование таблицы семейств,

временная база данных компонентов, утвержденная база данных

компонентов.

Seliverstova Anastasiya Sergeevna

graduate student, Department of Design and Technology of Radioelectronic

Facilities, Arzamazzki Polytechnical Institute

(branch) “Nizhnj Novgorod State Technical University n.a. R.E. Alekseev”

E-mail: kitres@apingtu.edu.ru

Development of software for the integrated

CAD of the instrument-making company

The article provides a brief overview of the software needed to develop

technical documentation, conducted a study of the human factor's influence on the

design of electronic devices using information technology, in which two methods

of input of initial data during the formation of design documentation were

considered.

Keywords: three-dimensional modeling, advantages of three-dimensional

modeling, design of electronic components, 3D-assembly, component libraries, use

of the family table, a temporary component database, approved component

database.

Введение

Перевооружение производственной базы и технологии в области

новейших разработок продукции приборостроения, модернизация

оборудования, с одной стороны, уменьшают длительность производственного

цикла, повышают производительность труда, что частично решает проблему

нехватки основных производственных рабочих. С другой стороны,

значительное влияние на решение вышеперечисленных задач оказывает

использование информационных технологий в организации производства и

управлении всеми бизнес-процессами предприятия [1,2]. Решение задач

алгоритмизации и автоматизации процессов обеспечения подготовки

производства, а также формирование производственной документации в

электронном виде – это первые шаги в поэтапном построении «Цифрового

предприятия».

Как правило, информации, участвующей в подготовке производства

много, она разнопланова, разнородна, частично хранится в электронном виде,

частично - на бумажных носителях, частично - в памяти сотрудников. Чтобы

работать с таким количеством информации необходимо понимать ее

структуру, то есть знать, какого рода знания имеются на предприятии, к каким

категориям и предметным областям относятся, где и в каком виде хранятся.

В человеческой природе заложено право на ошибку, так как человек – не

автомат, и он не может отключать влияние своих эмоций и темперамента, а

также окружающей среды и т.д. на свою деятельность. Влияние человеческого

фактора проявляется и на всех стадиях жизненного цикла конструкторской

деятельности, начиная с замысла ее создания, то есть когда ставятся цели.

Значит, надо пытаться создавать систему, минимизирующую человеческие

риски [3].

С внедрением информационных технологий руководитель становится

заложником исполнителя-расчетчика, использующего электронно-

вычислительную машину (ЭВМ), и ставит свою подпись, не вдаваясь в

подробности полученных результатов. Оценивают их правильность чаще

всего субъективно качественно: кривые графиков ведут себя сообразно

знаниям руководителя или нет. Говорить в этом случае о качестве

человеческого фактора очень сложно. В эпоху тотальной компьютеризации ни

один руководитель предприятия физически не в состоянии прочитать все

выпускаемые документы и оценить их профессионально.

При традиционной технологии раздельной разработки документов

нередки случаи, когда при корректировке какого-либо документа в другом

документе эта же информация остается в старой редакции.

При разработке технической документации интересен принцип создания

единого источника данных. Суть - в хранении в базе данных фиксированных

порций информации, из которых набираются все требуемые документы:

электрические схемы, печатные узлы, сведения об электрорадиоэлементах

(ЭРЭ) и т.д. Эта технология позволяет существенно уменьшить влияние

человеческого фактора при разработке документации. Технология единого

источника данных в зародыше уничтожает возможность подобной ошибки

человека.

Из всего вышесказанного вытекает проблема возникновения ошибок и

некорректности введения записей при формировании конструкторской

документации, включающей ЭРЭ.

В рабочем плане решение этой проблемы связано с необходимостью

совершенствования рабочего процесса и построение методики для

автоматизированного формирования конструкторской документации.

Поэтому целью данной работы является совершенствование рабочего

процесса и построение методики для автоматизированного формирования

конструкторской документации на основе сборочного узла для ЭРК.

В качестве объекта исследования рассмотрен рабочий процесс

проектирования печатных узлов инженером-конструктором на предприятии

АО «Арзамасский приборостроительный завод им. П.И. Пландина».

Общая характеристика интегрируемых программных средств

Охарактеризуем основные модули и возможности систем Altium

Designer (AD), Creo Parametric и пакет программ ОДО Интермех, а также

особенности их использования на предприятии АО «АПЗ им П.И. Пландина»

при проектировании печатных узлов.

В системе AD на предприятии разрабатываются электрические схемы,

печатные платы и узлы, а также микросборки, причем схемы и конструкции

разрабатывают разные подразделения.

Отметим некоторые из возможностей AD [4]:

простой, интуитивно понятный пользовательский интерфейс:

возможность его настройки в соответствии с требованиями конкретного

пользователя, а также меню с командами на русском языке и множество

«горячих» клавиш позволяют научиться эффективно работать с

программой менее чем за две недели;

возможность коллективной работы над проектом;

поддержка совместимости со многими старыми и современными

популярными системы автоматизированного проектирования (САПР)

радиоэлектронных средств (РЭС) (ECAD) [5] и механическими САПР

(MCAD);

возможность переключения в проекте систем измерения

(дюймовая/метрическая), а также большое количество других настроек

снимают практически все ограничения при оформлении проекта в

соответствии с требованиями ГОСТ и ЕСКД;

все действия, совершаемые пользователем вручную, могут быть

описаны с помощью макросов и выполнены автоматически, что

открывает широкие возможности для автоматизации рутинных

операций процесса создания принципиальных схем и проектирования

печатных плат;

к программе прилагается набор документации на русском языке, в том

числе — специальные методические указания для начинающих. Базовая

программа обучения рассчитана на пять дней и позволяет пользователям

выработать правильные навыки работы в системе;

Satellite Vaults: интеллектуальная платформа для управления данными

проекта, в том числе — жизненным циклом изделия;

все настройки пользователя могут храниться в «облаке», а при переносе

и открытии проекта на другом персональном компьютере (ПК) система

автоматически извлекает их и создает пользователю подобное рабочее

место [6].

Creo Parametric – это современный программный инструмент для поиска

новых инженерных решений. Система характеризуется широкими

возможностями для гибридного твердотельного и поверхностного

моделирования, разработки листовых деталей, сборок любой сложности и

проектирования деталей в контексте сборки. Обладает мощными средствами

нисходящего проектирования. Выпуск инженерной документации

осуществляется в соответствии со стандартами ЕСКД.

Функционал включает следующие возможности:

твердотельное 3D-моделирование с полной оцифровкой модели;

прямое моделирование без использования параметрических связей для

точечных изменений в импортированных деталях;

эффективные средства для разработки сборок (больших и очень

больших сборок);

детальную проработку изделия, включая 2D- и 3D-чертежи;

разработку поверхностных моделей;

построение креативных поверхностей с помощью дизайнерского

функционала;

моделирование конструкций из листового металла с автоматическим

созданием разверток и необходимой в листовых деталях

технологической геометрии;

моделирование сварных соединений и ферменных конструкций;

функции конструкторского анализа;

графика и встроенная анимация работы сложных конструкций;

разработки для аддитивного производства (3D-печать);

модельно-ориентированное проектирование;

обмен данными с PLM-системой без отвлечения от конструкторского

процесса; встроенный функционал для разработки программ ЧПУ по

конструкторской модели.

Пакет программ ОДО Интермех [7] предназначен для разработки и

внедрения систем автоматизации процессов конструкторской и

технологической подготовки производства на машиностроительных и

приборостроительных предприятиях. Применение данной программы

обеспечит предприятию повышение эффективности, сокращение сроков и

стоимости технической подготовки производства.

Основные модули Интермех представлены на рисунке 1.

Рис.1. Структура ОДО Интермех

Взаимодействие модулей представлено на рисунке 2.

Рис.2. Взаимодействие модулей ОДО Интермех

На базе АО «АПЗ им. П.И. Пландина» инженерами-конструкторами для

разработки печатных плат и сборки на их основе печатных узлов применялся

метод проектирования изделий и формирование конструкторской

документации без расширенного функционала «Интермех», с которым

работали многие службы. Существуют следующие этапы разработки

печатных плат и сборки на их основе печатных узлов с применением данного

метода:

1. Формирование проекта печатной платы (печатного узла), в который

входит проект Altium и принципиальная электрическая схема, на основе

которой формируется перечень элементов (состоит из условно-

геометрических элементов).

2. Размещение данного проекта в Search.

3. Передача из Altium Designer 3D модели посредством импорта (STP

файл) в Creo (Pro/ENGINEER);

4. Сборка и размещение печатной платы, добавление крепежных

элементов к детали и т.д. (проводится в Creo (Pro/ENGINEER)).

5. Сдача проекта Creo (Pro/ENGINEER) (сборка 3D модели) в Search (в

архив).

6. Формирование спецификации на основе перечня элементов печатной

платы (узла) и сборки, проведенной в Creo (Pro/ENGINEER). Перечень

элементов делается ручным способом.

7. Документация и файлы, размещенные в Search, передаются для

регистрации в отдел ОТД.

При построении проекта Altium инженер-конструктор сам формирует

наименование элементов, формируются файлы проекта на основе этого узла,

в котором у него существуют свои компоненты под своими названиями,

данный файл проекта является единичным для данного пользователя.

Спецификацию инженер-конструктор вводит вручную, с помощью

программных средств Компас, Excel, основываясь на данных перечня

элементов и состава сборки.

В ходе работы было выявлено, что ручной метод обеспечивает

небольшое количество введенных элементов и большое количество

возможных ошибок заполнения всех полей спецификации при небольшой

производительности ввода: вероятность ошибки ввода данных могла доходить

до 0,29.

Программное обеспечение для работы

В результате анализа рынка в части ввода параметров элементов,

просмотра сайтов производителей на рынке готового продукта не было

выявлено, тем самым, показана необходимость самостоятельной реализации

данного продукта. Было решено разрабатывать программу для выполнения

согласования идентичности записи между двумя системами, которую мы

назвали – редактор базы данных ЭРЭ Altium Designer.

Алгоритм создания и использования 3D-модели ЭРЭ представлен на

рисунке 3.

Рис.3. Алгоритм создания и использования 3D-моделей ЭРЭ

Рис.4. Схема связи с объектом ADO в C++

На машине клиента (рисунок 4) располагаются связные компоненты

TADOConnection и компоненты-наборы данных TADOTable, TADOQuery, а

также компоненты-наборы TADODataSet. Каждый из этих компонентов

может связываться с провайдером данных либо с помощью связного

компонента TADOConnection, либо минуя его и используя собственное

свойство ConnectionString. Таким образом, TADOConnection играет роль

концентратора соединений с источником данных компонентов-наборов.

Компоненты-наборы с помощью хорошо известных по предыдущим версиям

C++ компонентов-источников TDataSource и визуализирующих компонентов

TDBGrid, TDBMemo, TDBEdit и т.п. обеспечивают необходимый интерфейс с

пользователем программы.

Алгоритм работы по проектированию печатных узлов

полуавтоматизированным методом

Существуют следующие этапы разработки сборки печатных плат

программным методом:

1. Формирование проекта печатной платы (печатного узла) идет

аналогично ручному методу.

2. Размещение данного проекта в Search.

3. На основе схемы электрической принципиальной, в Search

автоматически генерируется перечень элементов данной платы, с указанием

их количества, наименования и размещение их на плате.

4. Передача 3D-модели посредством импорта в Creo (Pro/ENGINEER).

5. Сборка и размещение печатной платы, добавление крепежных

элементов к детали и т.д.

6. Сдача проекта Creo (Pro/ENGINEER) в Search (архивами).

7. Передача сборочного узла посредством PDM-браузера в Search, в виде

иерархии компонентов и на основе этого сборочного узла формируется

автоматически спецификация.

8. Передача перечня элементов в спецификацию посредством модуля

AVS с автоматической проверкой записей по полю «Наименование» в Imbase

(в Imbase формируется однозначно правильно сформированная запись

элемента согласованная с ОНПП (отдел нормативной подготовки

производства))

9. Передача для регистрации в отдел ОТД всей документации и файлов,

размещенных в Search.

Новая методика - полуавтоматический режим для человека, фактически

мгновенное формирование, как перечня элементов, так и ряда разделов в

спецификации: прочие изделия, стандартные изделия, сборки и детали.

В результате было получено, что, хотя все элементы прошли через

проверку Imbase, но в силу того, что некоторые элементы не были

обнаружены, наименование не отобразилось. Выходом из сложившейся

ситуации является то, что конструктору необходимо лично вводить данные,

тем самым, рискуя сделать ошибку и потерять время.

Было проведено исследование влияния человеческого фактора на ввод

исходных данных как при ручном, так и при полуавтоматизированном методе

формирования конструкторской документации.

В ходе данного исследования был проведен хронометраж работы трёх

специалистов из отдела главного конструктора специальной продукции.

Данное исследование проводилось в моменты формирования ведомости

спецификации, за основу были взяты 5 рабочих дней и те периоды, когда

конструктор работал только с документацией.

Показателем безошибочности является вероятность безошибочной

работы. Данный показатель находится по следующей формуле:

Pj =Nj−nj

Nj

где Pj – вероятность безошибочного выполнения операций j-го типа;

Nj, nj – общее число выполненных операций j-го вида и допущенное при этом

число ошибок.

В исследовании принято за переменные Nj– общее количество

введенной позиции в спецификации, в которую входит номер, наименование,

количество и позиция на чертеже j-го вида и допущенное при этом число

ошибок nj.

Для удобного сравнения метода проектирования изделий и

формирования конструкторской документации без расширенного

функционала «Интермех» и полуавтоматизированного метода, мы построили

диаграммы общего числа введенных записей от времени, количества неверно

введенных записей от времени и показателей безошибочности (рисунки 5 – 7).

Рис.5. Диаграмма количества введенных записей N от времени

Рис. 6. Диаграмма количества неверно введенных записей n от времени

Рис. 7. Диаграмма средних значений показателя вероятности

безошибочного выполнения операций от времени

Проанализировав данную диаграмму, мы видим, что общее количество

веденных позиций при формировании конструкторской документации без

расширенного функционала «Интермех» значительно меньше, чем при

использовании программного полуавтоматизированного метода

проектирования изделий, а показатель безошибочности на всех интервалах

времени при программном полуавтоматизированном способе выше, чем при

использовании метода без применения расширенного функционала

«Интермех», что свело к минимуму влияние человеческого фактора при

формировании конструкторской документации.

В результате применения данной методики количество операций и

скорость их выполнения увеличились, а вероятность возникновения ошибок

уменьшилась. В ходе применения данной методики обнаружились некоторые

недочеты: поскольку проверка компонентов происходит по базе Imbase, то

некоторые компоненты могут быть не найдены, поэтому наименование не

отражено, это может быть обусловлено ошибкой при разработки печатной

платы. Для решения данной проблемы пользователю необходимо будет найти

не найденный элемент, указать его, если его нет в базе, то есть ввести в базу.

Заключение

Построение новой методологии при разработке конструкторской

документации с использованием дополнительных возможностей ОДО

«Интермех» позволило сэкономить время, снизить влияние человеческого

фактора, тем самым значительно повысить качество выполненных работ:

1. Производительность работы инженера-конструктора увеличилась на

288 %.

2. Количество ошибок снизилось на 25 %.

3. Разработка редактора базы данных электрорадиоэлементов привела к

увеличению вероятности безошибочного ввода исходных данных на 21%.

4.Создание единого информационного поля позволило минимизировать

ошибки и сократить временные затраты на подготовку конструкторской

документации.

Список литературы

1. Жилина, С. Б. Организация подготовки производства

приборостроительного предприятия с непрерывно поступающими

изменениями в конструкторской и технологической документациях

[Электронный ресурс] : дис. канд. техн. наук : 08.12.2017 / С. Б. Жилина ;

Казанский нац. исслед. техн. ун–т им. А. Н. Туполева. – Режим доступа:

http://old.kai.ru/science/disser/.

2. Володин, В.Я. LTspice: компьютерное моделирование

электронных схем [Текст] / В. Я. Володин. – Санкт–Петербург : BHV, 2010. –

400 c.

3. Сабунин, А. Е. Altium Designer. Новые решения в проектировании

электронных устройств [Текст] / А. Е. Сабунин. – Москва : СОЛОН–ПРЕСС,

2009. – 432 с.

4. Hayt, W. H. Engineering circuit analysis [Текст] / W. H. Hayt,

Kemmerly, J. E., Durbin. – New York : McGraw–Hill, 2002. – 781 p.

5. Sedra, A. S. Microelectronic circuits [Текст] / A. S. Sedra, K. C. Smith.

– New–York : Oxford, Oxford University Press, 2004.

6. Суходольский, В. Ю. Сквозное проектирование функциональных

узлов РЭС на печатных платах в САПР Altium Designer 6 [Текст] : учеб.

пособие / В. Ю. Суходольский. – Санк–Петербург : Изд–во СПбГЭТУ. –

ЛЭТИ, 2008. – 148 с.

7. Комплексная автоматизация конструкторской и технологической

подготовки производства [Электронный ресурс] // ИНТЕРМЕХ. – Режим

доступа: www.intermech.org.

8. Павлова, А. С. Редактор базы данных электрорадиоэлементов

Altium Designer [Текст] / Павлова А. С.// Информационные технологии и

прикладная математика: Всерос. межвузовский сб. аспирантских и студ. науч.

работ. Выпуск 7/ Отв. ред. Л.С. Широков; Арзамасский филиал ННГУ. –

Арзамас: Арзамасский филиал ННГУ, 2017. – С. 142–150.

References

1. Zhilina, S. B. organization of production preparation of instrument–making

enterprise with continuous changes in design and technological documentation

[Electronic resource]: dis. kand. tech. Sciences : 08.12.2017 / S. B. Zilina, Kazan

NAT. research. tech. UN–t im. A. N. Tupolev. – Mode of access:

http://old.kai.ru/science/disser/.

2. Volodin, V. Ya.LTspice: computer simulation of electronic circuits [Text]

/ V. Ya. Volodin. – St. Petersburg: BHV, 2010. – 400 C.

3. Shabunin, A. E. Altium Designer. New solutions in designing electronic

devices [Text] / A. E. Sabanin. – Moscow : SOLON–PRESS, 2009. – 432 p.

4. Hayt, W. H. Engineering circuit analysis [Text] / W. H. Hayt, Kemmerly,

J. E., Durbin. – New York: McGraw–Hill, 2002. – 781 p.

5. Sedra, A. S. Microelectronic circuits [Text] / A. S. Sedra, K. C. Smith. –

New–York: Oxford, Oxford University Press, 2004.

6. Sukhodolsky, V. Yu. End–to–end design of functional nodes RES on

printed circuit boards in CAD Altium Designer 6 [Text] : ucheb. manual / V. Y.

Sukhodolsky. – Sank–Petersburg : publishing house of Etu. – Lath, 2008. – 148 p.

7. Complex automation of design and technological preparation of production

[Electronic resource] / / INTERMECH. – Access mode: www.intermech.org Oh.

8. Pavlov, A. S. database Editor electronic components Altium Designer

[Text] / Pavlov, A. S.// Information technology and applied mathematics: vseros.

interuniversity collection of post–graduate and student. science. works'. Issue 7 /

Resp. edited by L. S. Shirokov; Arzamas branch of Nizhny Novgorod state

University. – Arzamas: Arzamas branch of Nizhny Novgorod state University, 2017.

– P. 142–150.

УДК 004.02

Быков Юрий Вячеславович

студент, кафедра Конструирования и технологии радиоэлектронных средств,

Арзамасский политехнический институт (филиал) федерального

государственного бюджетного образовательного учреждения

высшего образования «Нижегородский государственный технический

университет им. Р.Е. Алексеева»

Эл. почта: bykov.yurik.2010@yandex.ru

Алгоритм предварительного сжатия видеопотока трекера «predator»

В статье анализируются особенности бинаризации изображений,

главное внимание уделено локальной и глобальной бинаризации, особенно

методу Кристиана. Предлагаемый метод нормализует контраст и шум

изображения. Рассмотрен алгоритм обработки изображения перед

дальнейшим распознаванием объектов.

Ключевые слова: компьютерное зрение, градации серого, бинаризация,

трекер, Predator.

Bykov Yuriy Viacheslavovich

Student, Department Construction and technology radio-electronic necessary,

Arzamazzki Polytechnical Institute (branch) “Nizhnj Novgorod State Technical

University n.a. R.E. Alekseev”

E-mail: bykov.yurik.2010@yandex.ru

Algorithm for preliminary compression of the video stream

of the tracker "predator"

In the title implies the article describes features of binarization of images. It

draws our attention to local and global binarization. Much attention is given to

Christian's method. The method proposed normalizes the contrast and noise in the

image. The article considers an algorithm for image processing before further

recognition of objects.

Keywords: computer vision, gradation of gray, binarization, tracker,

Predator.

Введение

В свете решения задачи повышения производительности труда

потребность в автоматизации при решении сложных вопросов обработки

изображений растёт с каждым днём [1]. Человек получает 80% информации об

окружающем мире с помощью органов зрения. Следовательно, при

самостоятельном решении любой задачи все исходные данные, необходимые

для дальнейшей обработки, он получает, полагаясь на своё зрение. Исходя из

этого, для обеспечения высокого уровня автоматизации решения задач,

которые могут возникать в современной промышленности, медицине,

ракетостроении и др., необходимо минимизировать человеческое

вмешательство в процесс принятия решения. Для этого нужно, в первую

очередь, «научить» электронно-вычислительную машину (далее ЭВМ) верно

извлекать визуальные данные [2].

Это значит, что при получении изображений окружающего мира ЭВМ

должна верно определить множество объектов, присутствующих на

изображении, и верно классифицировать их. То есть первым этапом решения

задачи без вмешательства человека будет не просто определение всех

объектов, присутствующих на изображении, а их классификация по

определённым признакам (например, объект типа «человек» можно

классифицировать по признаку пола, цвета волос, и т.д.).

Классификация полученных данных важна для повышения точности

решения поставленных задач, если признаков будет достаточно для выявления

входных параметров.

В качестве примера важности классификации объектов можно привести

задачу, которая возникает на этапе сборки печатных плат: существует

вероятность попадания в подготовленную выборку конденсаторов ряда

бракованных электро- радио- элементов (далее ЭРЭ), которые и нужно

идентифицировать. Если эту задачу решает человек, то он определяет

бракованный конденсатор по геометрическому признаку, в частности

вздутости корпуса конденсатора. Поэтому задачу можно решить, применяя

несколько уровней классификации (этапов).

На первом этапе полученное изображение должно быть разбито на

объекты (без какой-либо классификации), на выходе этого этапа будет

множество зарегистрированных объектов. После получения

зарегистрированного множества ЭВМ уже может работать не с изображением,

а с массивом полученных объектов, переходя к первому этапу классификации.

На этом этапе классификации зарегистрированное множество можно разбить

на две глобальные выборки: тары, в которых располагаются ЭРЭ и сами

радиоэлементы.

На втором этапе, учитывая требования задачи, можно исключить все

элементы, зарегистрированные как тара (они не нужны для дальнейшей

работы), и классифицировать только множество радиоэлементов. Для данного

этапа всю выборку ЭРЭ можно разделить на множество конденсаторов и

неконденсаторов (для более реальных задач потребуется намного более точная

классификация).

На третьем этапе конденсаторы можно разделить на два класса:

«вздутые» (с искажённой формой) и нормальной исходной формы. Нас

интересует множество «вздутых» конденсаторов, именно оно и будет

решением поставленной задачи.

Вышеприведённая задача идеализирована, и алгоритм её решения

изображён условно, но она показывает важность классификации для решения

реальных, более сложных производственных задач.

Задачи классификации, определении объектов, трекинга объектов в

видеопотоке и др. решаются с применением компьютерного зрения. Это очень

перспективная область, достижения в которой применяются в современной

высокотехнологичной промышленности, медицине, военной

промышленности, спорт – индустрии, создании дронов и др [3].

На основе компьютерного зрения создаётся программный модуль

«Predator» [3]. Это программный трекер, который позволяет следить за

нужным объектом в режиме реального времени, используя веб-камеру.

Используемая аппаратная часть при этом является главным плюсом с

экономической точки зрения (относительно низкая стоимость веб-камеры) и

источником дополнительных сложностей при разработке алгоритма

детектирования объекта (низкое качество изображения).

В настоящее время наиболее точно решают задачи слежения за объектом

и извлечения его параметров в ходе слежения следующие разработчики:

- компания Tobii, разработчик способа управления игрой с помощью

глаз. Их алгоритм работает с использованием аппаратного айтрекера,

стоимость которого порядка 250000 рублей.

- SteelSeries Sentry Eye Tracker. Данная технология позволяет дополнить

привычные средства ввода и манипуляции. Аппаратная часть – айтрекер,

имеет стоимость около 20000 рублей.

Учитывая, что у большинства пользователей персональных

компьютеров уже есть веб-камера для общения, проведения

видеоконференций и др., то себестоимость аппаратной части программного

модуля будет минимальна.

«Predator» для обработки поступающих данных в своём алгоритме

использует свёрточную нейронную сеть. Алгоритм работы такой сети

приближён к алгоритму работы естественного – природного зрения. Она

работает с характерными признаками, которые свидетельствуют о том, что

данный объект – это один из объектов, который её научили определять.

Укрупнённый алгоритм работы модуля «Predator» показан на рисунке 1.

Рис. 1. Укрупнённый алгоритм работы программного модуля «Predator»

В рамках данной статьи описывается способ решения задачи обработки

изображения перед его поступлением в свёрточную нейронную сеть.

Алгоритм работы такой сети является ресурсоёмким. При работе с

видеопотоком требуется обеспечить достаточно высокую частоту смены

кадров выходного изображения (как минимум 30 кадров в секунду). Значит,

предварительная обработка каждого кадра является очень важной задачей при

классификации объектов видеоданных.

Обработка заключается в сжатии изображения, то есть уменьшении

количества информации, которое будет занимать это изображение. Основным

критерием сжатия является коэффициент сжатия – отношение выходного

объёма, занимаемой информации, к входному и величина информационных

потерь [4].

Каждый алгоритм сжатия влечёт за собой определённые

информационные потери (пример: перевод изображения в градации серого

приводит к потере всех цветовых характеристик изображения). Не существует

универсального алгоритма, подходящего для решения любой задачи

компьютерного зрения (и не только компьютерного зрения). Для

определённых прикладных программ будет достаточно «пожертвовать»

цветом изображения, но оставить без изменений все присутствующие

объекты, от других программ может потребоваться выделение только больших

объектов (маленьких) и т.д. Учесть все эти требования и допуски можно,

используя алгоритмы цифровой обработки сигнала [5].

Сигнал формата RGB

Сигнал – это изменение физической величины (носителя сигнала) в

течении времени. Все сигналы делятся на две большие группы: аналоговые и

цифровые.

Аналоговые – это сигналы величина которых может меняться в широких

пределах в течении времени. Если наблюдать видеокамерой множество

объектов, то свет, отражённый от этих объектов будет аналоговым сигналом

для камеры. Он будет иметь широкий диапазон значений, от которых зависят

цвета, контраст, яркость и др. параметры.

С развитием полупроводниковых технологий появились

высокоразрядные аналого-цифровые преобразователи (далее АЦП), которые

позволяют получить из аналогового сигнала цифровой. Цифровой сигнал – это

совокупность двоичных слов, количество разрядов в слове зависит от

разрядности АЦП [3]. Цифровая обработка применяется не только при работе

с изображениями, так же обрабатывается звук, видео, почти любая

современная электроника работает с сигналом в цифровой форме. Каждое

изображение обрабатывается АЦП с 8–ми битной разрядностью, а звуковой

сигнал с 12–ти битной.

Такая форма кодирования сигнала более приемлема для работы

высокоточной техники. Перевод сигнала из аналоговой формы в цифровую

можно считать первым этапом подготовки изображения окружающей среды

для дальнейшей цифровой обработки.

При обработке изображения существует несколько способов

кодирования. Каждое изображение делится на свои мельчайшие

составляющие – пиксели. Каждый пиксель кодируется в соответствии с

выбранным способом кодирования.

Рассмотрим один из методов – RGB кодирование. Он заключается в том,

что каждый пиксель имеет три канала кодирования (три составляющих).

Каждый канал несёт в себе информацию об уровне определённого цвета,

который содержится в пикселе: R – red (красный), G – green (зелёный), B – blue

(синий). Канал кодируется вышеописанным способом и может иметь одно из

256 значений.

Так как каждый пиксель имеет три канала кодирования, то один пиксель

занимает 24 бита информации, может иметь 256х256х256 уровней цвета. Если

каждый бит слова равен нулю, то пиксель имеет чёрный цвет, а если каждый

бит равен 1, то пиксель имеет белый цвет.

Изображения в градациях серого

Выше было показано, что каждый пиксель в кадре кодирован 24 битами

информации. В масштабах одного пикселя это приемлемый объём, но на

свёрточную нейронную сеть будет поступать не один пиксель.

Если придерживаться примера, заданного для лучшего понимания

алгоритма на рисунке 1, то каждую секунду нейронной сети придётся

обрабатывать 30 кадров, каждый из которых несёт в себе 10000 пикселей. Это

значит, что каждую секунду в сеть будет загружаться 7200000 бит

информации.

Полученный объём данных окажет существенное влияние на

быстродействие сети и требуемая частота смены кадров классифицированного

видеопотока будет существенно ниже 30 кадров в секунду.

Для решаемой задачи приоритет имеет координатная составляющая

объектов, найденных на кадре. Цвет несёт в себе лишнюю информационную

нагрузку для вычислительной машины. Способ сжатия изображения,

относительно цвета, без каких-либо потерь в качестве – перевод изображения

в градации серого [7].

Это значит, что 3 канала, несущие в себе информацию в формате 8-ми

битного двоичного слова, сводятся в один канал. То есть объём данных,

занимаемых каждым пикселем, уменьшается в 3 раза, как и объём данных

каждого кадра и всего видеопотока в целом.

Перевод в градации серого можно осуществлять несколькими

способами. Один из них – это «отбрасывание» информации, которую несут в

себе два канала и передача для дальнейшей обработки двоичных слов с

третьего. Способ хорош тем, что не требует вычислений, а, значит,

затрачиваемая мощность будет минимальна, но в определённых случаях, когда

преобладает уровень цвета по одному из каналов, возможны некоторые

потери.

Выбранный метод получен эмпирически. Выходное значение уровня

яркости пикселя будет суммироваться из уровней на трёх входных каналах в

определённом отношении, а именно: 29,9% красного, 58,7% зелёного, 11,4%

синего.

В результате применения описанного сжатия каждый пиксель будет

занимать 8 бит или 256 оттенков одного цвета, традиционно изображаются

оттенки серого (отсюда название метода сжатия – переход к градациям

серого). Следовательно, каждый кадр, в соответствии с текущим примером,

будет занимать 80000 бит, а нейронная сеть будет обрабатывать 2400000 бит в

секунду.

Бинаризация изображения

Переход к градациям серого - это первый этап сжатия при решении

большинства задач, связанных с компьютерным зрением. При любой

классификации (если это не классификация по цвету) нужно определить

объект, его координатное положение и множества к которым он относится.

Всё это можно эффективно выполнить, имея изображение в градациях серого.

Для обеспечения необходимого и достаточного уровня сжатия кадра

перед его поступлением на вход свёрточной нейронной сети нужно

использовать бинаризацию изображения.

Бинаризация – это ещё один этап сжатия, она позволяет уменьшить

информационный объём, занимаемый каждым пикселем, в 8 раз (учитывая,

что пиксель в формате градаций серого). Следовательно, весь блок сжатия

поступающих данных (совокупность перехода к градациям серого и

бинаризации изображения) будет уменьшать количество поступаемой на сеть

информации в 24 раза.

Сама по себе бинаризация - это один из методов классификации. Он

классифицирует всё изображение на две группы пикселей: принадлежащие

объектам и пиксели принадлежащие фону. Так как классов всего два, то

состояний у каждого пикселя может быть только два (0 или 1 – бинарный

пиксель), отсюда название метода – метод бинаризации изображения.

Метод заключается в сравнении яркости каждого пикселя с

определённым пороговым уровнем, в результате сравнения программой будет

сделан вывод о принадлежности пикселя множеству пикселей объектов или

множеству пикселей фона, что отражено формулой:

1.,1

;,0

порогTIеслипорог

TIеслиI

где I - значение яркости пикселя после процедуры бинаризации, I -

начальное значение уровня яркости пикселя, порогТ - пороговый уровень

сравнения.

Основная сложность при использовании процедуры (1) сводится к

выбору порогового уровня Т. Для обоснованного выбора существует ряд

алгоритмов, вычисляющих пороговое значение с использованием элементов

статистики.

Процедура бинаризации делится на две большие группы: глобальная и

адаптивная.

При использовании глобальной бинаризации пороговый уровень

является неизменной величиной на всём изображении. Эта группа применима

для узкого множества задач. Для того чтобы принять решение о пороговом

уровне, с которым будет сравниваться каждый пиксель на изображении, очень

удобно использовать гистограммы. Гистограмма – это распределение

яркостей пикселей относительно их числа.

Для наглядности метода рассмотрим пример задачи, которую можно

решить с использованием метода глобальной бинаризации. Формулировка

задачи: Автоматизировать способ выделения белковых структур на

изображении клеток крови. Пример обрабатываемого изображения, его

гистограмма и результат применения метода глобальной бинаризации

представлены на рисунке 2.

Рис. 2. Решение задачи выделения белковых структур

На гистограмме входного изображения отчётливо видно три всплеска.

Всплеск с самым минимальным количеством пикселей показывает искомые

белковые структуры, значит два других можно принять за множество фона. На

рисунке 2 не показан промежуточный переход изображения к градациям

серого, но он подразумевается. Пороговый уровень можно выбрать,

анализируя гистограмму, или вычислив среднее арифметическое между

максимальным и минимальным пиковым значением яркости, это не приведёт

к ошибке. В результате для решения задачи было выбрано пороговое значение

100, белый цвет фона и чёрный для пикселей (значения цвета можно

варьировать в зависимости от большей наглядности результата).

Описанный пример относится к идеальному – на гистограмме

присутствуют всего три всплеска, несложно определить всплеск, относящийся

к искомому объекту. Более реальные изображения не такие точные, на них

присутствует зашумлённость, они не такие контрастные: степень освещения в

разных областях не одинакова. Гистограммы реальных изображений имеют

намного больше всплесков, и для них не подходит метод глобальной

бинаризации, что видно из рисунка 3, где бинаризации подвергнуто тестовое

изображение «Лена».[6]

Рис. 3. Тестовое изображение «Лена» (слева) и его глобальная бинаризация

(справа)

Применение статичного порогового уровня на реальных изображениях

не принесёт положительного результата, и величина ошибочной

классификации будет высока. Это значит, что пороговый уровень для

реальных изображений будет являться динамическим параметром – это

характерно для адаптивного метода бинаризации.

Существует несколько алгоритмов адаптивной бинаризации, общим для

них является то, что изображение делится на некоторое количество окон (чем

больше окон, тем выше точность классификации), для каждого окна

вычисляется свой пороговый уровень в соответствии с выбранным

алгоритмом.

Не существует универсального алгоритма бинаризации, выбор нужно

осуществлять в соответствии со спецификой решаемой задачи. Для модуля

«Predator», выбран алгоритм адаптивной бинаризации Кристиана. Этот метод

позволяет нормализовать контраст и шум на изображении, которые могут

присутствовать на низкокачественном изображении, поступающем с веб-

камеры [6].

Вычисление порогового уровня по методу Кристиана ведётся с

использованием теории вероятностей и элементов статистики. Основная

формула, для вычисления порогового уровня, имеет вид:

2,5,05,05,0 MmR

SMmТ

где: M – минимальное значение на всём изображении; R – максимальное

среднеквадратичное отклонение (по генеральной совокупности); m – среднее

отклонение выборки; S – стандартное отклонение выборки.

Для вычисления значений R, m, S используются следующие

математические формулы:

).5(),4(),3( 1

2

1

2

1

n

xx

Rn

xx

Sn

xx

m

n

i

срi

n

i

срi

n

i

срi

где ix - уровень яркости текущего пикселя, срx - средняя яркость всех

пикселей выборки, n – количество пикселей в выборке.

Формулы S и R одинаковы, но относятся они к разным выборкам. R

вычисляется для всего изображения, а S только для текущего окна.

Описанный способ обеспечивает достаточный уровень сжатия каждого

кадра и минимальные потери важных для детектирования объекта признаков.

Заключение

1. Поставлена задача определения оптимального уровня сжатия

изображения, которое будет достаточно для дальнейшей обработки

свёрточной нейронной сетью.

2. Описан способ решения поставленной задачи – создание блока

предварительного сжатия. Блок реализован на основе последовательных

методов: метода перевода изображения в градации серого и метода

адаптивной бинаризации алгоритмом Кристиана.

3. Полученные результаты обеспечивают достаточный уровень сжатия

и миним

4. альные потери важных объектов для дальнейшей обработки

нейронной сетью.

Список литературы

1. Общая схема алгоритмов распознавания [Текст] / Конушин, А. [и

др.], – Москва : МГУ ВМК, 2008.

2. Чуриков, А. Ю. Метод адаптивной бинаризации в реальном времени

изображений со слабой контрастностью [Текст] / А. Ю. Чуриков // Вестник

Балтийского федерального университета им. И. Канта. Серия: Физико–

математические и технические науки. – 2010. – №10. – С.74–78.

3. Лукьяница, А. А. Цифровая обработка видеоизображений [Текст] /

А. А. Лукьяница, А. Г. Шишкин – Москва : «Ай Эс–Эс Пресс»,2009. – 518 с.

4. Визильтер, Ю. В. Обработка и анализ изображений в задачах

машинного зрения [Текст] / Ю. В. Визильтер, С. Ю. Желтов, А. В. Бондаренко.

– Москва : Физматкнига, 2010. – 410 с.

5. Молчанова, В. С. Адаптивный пороговый метод бинаризации

растровых изображений технических чертежей [Текст] / В. С. Молчанова //

Радиоэлектроника, информатика, управление. – 2015. – №2 (33). – С.62–70

6. Гарсия, Г. Б. Обработка изображений с помощью OpenCV [Текст] /

Г. Б. Гарсия. – Москва : Изд.во «ДМК Пресс», 2016. – 210 с.

References

1. General scheme of recognition algorithms [Text] / Konushin, A. [et al.], –

Moscow : Moscow state University, 2008.

2. Churikov, A. Y. an adaptive Method for binarization of real–time images

with weak contrast [Text] / A. Churikov, Y. // Bulletin of Baltic Federal University.

I. Kanta. Series: Physical, mathematical and technical Sciences. – 2010. – No. 10. –

P. 74–78.

3. Lukianitsa, A. A. Digital processing of video images [Text] / A. A.

Lukianitsa, A. G. Shishkin – Moscow : "ay, es–es Press",2009. – 518 p.

4. Vizilter, Y. V. Processing and analysis of images in computer vision [Text]

/ Y. V. Vizilter, Zheltov, A. V. Bondarenko. – Moscow: Fizmatkniga, 2010. – 410

p.

5. Molchanova, V. S. Adaptive threshold method of binarization of raster

images of technical drawings [Text] / V. S. Molchanova / / Radioelectronics,

Informatics, control. – 2015. – No. 2 (33). – P. 62–70

6. Garcia, G. B. image Processing using OpenCV [Text] / G. B. Garcia. –

Moscow: Ed.in "DMK Press", 2016. – 210 p.

УДК 621.397.7-181.2

Малеев Дмитрий Васильевич

Аспирант, Арзамасский политехнический институт (филиал) федерального

государственного бюджетного образовательного учреждения высшего

образования «Нижегородский государственный технический университет им.

Р.Е. Алексеева»,

инженер 3-й категории, ООО «Теком».

Эл. почта: RCV1@mail.ru

Программно-аппаратная реализация компонентов модулятора

цифрового телевидения стандарта ISDB-T

Недостатком стандарта цифрового ТВ ISDB-T является фиксированная

высокая скорость BTS-потока, это накладывает ограничения на канал связи

между мультиплексором и модулятором и увеличивает стоимость

эксплуатации системы цифрового ТВ. В данной работе реализованы два

метода снижения скорости потока при использовании как многочастотной,

так и одночастотной сети: с помощью ремультиплексора и с помощью

специального адаптера; произведена аппаратная реализация обоих методов.

Ключевые слова: цифровое телевидение, ISDB-T,

ремультиплексирование, одночастотная сеть, многочастотная сеть.

Maleev Dmitry Vasilyevich

Postgraduate, Arzamazzki Polytechnical Institute

(branch) “Nizhnj Novgorod State Technical University n.a. R.E. Alekseev”,

engineer, Tecom LLC

E-mail: RCV1@mail.ru

Software and hardware implementation of ISDB-T digital television

modulator components

The disadvantage of ISDB-T standard is the fixed high speed of BTS stream,

which imposes restrictions on the communication channel from multiplexer to

modulator and makes the cost of operating a digital television system cost higher.

In this article, two bandwidth reduction methods for SFN and MFN are developed.

The first method is remultiplexing and the second method is using special stream

adapter. Hardware implementation of both methods is described.

Keywords: digital television, ISDB-T, remultiplexing, single-frequency

network, multi-frequency network.

Введение

Цифровое телевидение играет важную роль в современном

информационном пространстве. Во многих странах мира оно заменило

устаревшее аналоговое телевидение, за счёт чего существенно повысилось

качество передаваемого изображения и количество доступных каналов, а

также появилась возможность создания интерактивных сервисов.

Нововведением стала возможность передачи видеопотока,

оптимизированного для мобильных устройств. С технической точки зрения

переход на цифровое телевидение позволил повысить плотность упаковки

сигнала в частотном диапазоне, снизить мощность передатчиков и повысить

помехоустойчивость [1].

Одной из основных особенностей цифрового телевидения является

возможность построения одночастотной сети. Эта технология позволяет

обеспечить покрытие сигналом достаточно большой географической области

с помощью сети работающих на одной частоте передатчиков относительно

небольшой мощности, если сравнивать с вариантом покрытия той же области

с помощью одного мощного передатчика. Такая возможность достигается за

счёт того, что все модуляторы получают одинаковый входной поток и

синхронизируются относительно одного и того же сигнала. При этом для

борьбы с взаимным влиянием сигналов друг на друга используются те же

методы, что и для борьбы с эхосигналами. Благодаря использованию

одночастотной сети вещательные компании могут существенно сэкономить

частотный ресурс, однако не все вещатели используют эту технологию [2].

В настоящее время можно выделить несколько групп конкурирующих

стандартов цифрового телевещания [1]:

ATSC (американский стандарт),

DVB-T/T2 (европейский стандарт),

ISDB (японский стандарт),

DTMB (китайский стандарт).

Примечательно, что страны, осуществлявшие переход с аналогового

телевидения на цифровое, останавливали свой выбор либо на самом

современном стандарте, либо на его предшественнике. При этом критерием

выбора, как правило, служат результаты испытаний оборудования в

реальных условиях. К примеру, многие страны Южной Америки перешли на

цифровой стандарт на рубеже 2000-2010 годов. По результатам испытаний

был сделан выбор в пользу ISDB-T, хотя на тот момент уже был разработан

DVB-T2. Благодаря этому существенно расширился рынок стандарта ISDB-T

[3].

Отличительной особенностью стандарта ISDB-T является

использование пакетов собственного формата (BTS) длиной 204 байта

(рисунок 1). Эта особенность приводит не только к увеличению количества

передаваемых данных на 8,5%, но также к потере совместимости с

оборудованием, не поддерживающим данный формат пакетов. В результате

этого вещатель становится ограничен в выборе оборудования для

использования на промежуточных узлах сети. Также следует отметить, что

стандарт определяет постоянную скорость BTS потока между

мультиплексором и модулятором равной 32,504 Мб/с вне зависимости от

установленных параметров и скорости вложенных видеопотоков.

Поддержание постоянной скорости потока обеспечивается за счёт

добавления null-пакетов, которые не несут полезной информации и

увеличивают накладные расходы [4].

Рис. 1. Структура BTS пакета

Стандарт ISDB-T поддерживает режим одночастотной сети. Для его

реализации вещателю необходимо объединить модуляторы в единую

информационную сеть с пропускной способностью не менее 32,504 Мб/с и

временем прохождения пакетов от мультиплексора до модулятора не более 1

с. Любое кратковременное нарушение этих ограничений приведёт к сбою

одночастотной сети, поэтому вещатели прилагают усилия для повышения

стабильности работы канала передачи данных между источником сигнала и

модулятором.

Высокая стоимость использования канала передачи данных между

источником сигнала и модулятором оказывается важным фактором,

снижающим качество работы как одночастотной, так и многочастотной сети.

При этом стоимость растёт вместе с увеличением требуемой пропускной

способности. Стоимость эксплуатации системы ISDB-T можно снизить,

уменьшив накладные расходы в канале передачи данных между

мультиплексором и модулятором, а также добавив возможность

использования на промежуточных узлах сети изначально несовместимого с

ISDB-T оборудования, например, DVB-T. Таким образом, снижение

стоимости эксплуатации системы ISDB-T является актуальной задачей.

Целью данной работы является разработка программных модулей для

модулятора XT Exciter, предназначенных для обеспечения совместимости с

оборудованием, использующим пакеты длиной 188 байт, а также для

снижения накладных расходов в стандарте ISDB-T при передаче данных и

при эксплуатации телевизионной системы.

Для этого необходимо выполнить следующие задачи:

проанализировать существующие методы снижения скорости потока

и доработать их;

разработать программный код, реализующий эти методы;

программный код должен обеспечивать совместимость с уже существующим

стандартом ISDB-T.

Краткое описание формата пакетов ISDB-T

Подробное описание используемых в ISDB-T находится в документе

ARIB B31 [4]. В данной работе будут приведены только необходимые

выдержки.

BTS-пакет, структура которого приведена на рис. 1, имеет длину 204

байта. Его формат отличается от формата пакетов длиной 204 байта,

применяемом в системах DVB-T (рисунок 2).

Рис. 2. Структура пакета длиной 204 байта

Основные поля, содержащиеся в разделе «ISDB-T информация» BTS

пакета:

- frame_head_packet_flag – индикатор заголовка кадра;

- frame_indicator – однобитный счётчик OFDM кадров;

- layer_indicator – индикатор иерархического слоя;

- TSP_counter – счётчик пакетов в пределах одного кадра.

Для корректной работы модулятора эти поля не могут быть

отброшены, а при работе в режиме одночастотной сети они также не могут

быть переназначены. Приведённые в данной работе методы позволяют

восстановить отброшенные ранее поля разными способами: с помощью

ручной настройки параметров, с помощью создания дополнительных PLI-

пакетов или с помощью восстановления структуры BTS-кадра.

Стандарт ISDB-T задаёт BTS-кадр как последовательность пакетов,

относящихся к определённому иерархическому слою: A, B, C, IIP и Null.

Последовательность чередования слоёв определяется на основании

параметров модуляции: количества сегментов для каждого слоя, типа

сигнального созвездия, длины ОБПФ и т.д. Стандарт также задаёт формат

IIP-пакета аналогично рис. 1, а также выделяет для него отдельный

иерархический слой. Предназначением IIP пакета является передача

модулятору параметров модуляции, заданных на мультиплексоре.

Mackenzie Re-Mux

Одним из первых вариантов решения поставленных задач был

Mackenzie Re-Mux, ремультиплексор, разработанный в университете

Маккензи, Бразилия. Ремультиплексор был реализован в виде платы

расширения для модулятора Harris M2X [5]. Принцип его работы

заключается в следующем:

1. Оператор вручную настраивает сервисы и параметры модуляции.

2. Входной поток с пакетами длиной 188 или 204 байта проходит

через детектор, который пропускает первые 188 байт пакета.

3. Входной поток демультиплексируется, данные сохраняются в три

буфера для разных слоёв в соответствии с настройками.

4. Ремультиплексор формирует BTS-пакеты в соответствии с

настройками.

Структурная схема Mackenzie Re-Mux представлена на рисунке 3.

Рис. 3. Структурная схема Mackenzie Re-Mux

К достоинствам ремультиплексора можно отнести возможность

использования любого совместимого с MPEG входного потока, включая

базовые потоки с пакетами 188 и 204 байта, а также ATSC, DVB-T, DVB-T2,

ISDB-T; также вещатель может включить, отключить или перенастроить

сервисы для своих нужд, используя один и тот же входной поток.

Особенностью ремультиплексора является то, что его невозможно

использовать в составе одночастотной сети.

Существенным недостатком является необходимость ручной настройки

всех параметров ремультиплексора, хотя большинство из них может быть

извлечено из входящих пакетов. Для исправления этого недостатка в данной

работе было добавлено два модуля:

1. IIP Parser – модуль декодирования настроек, извлекаемых из IIP

пакетов потока ISDB-T;

2. Packet Storage – модуль, позволяющий сохранять до 10 пакетов с

определённым PID. После сохранения ПО модулятора может прочитать

пакеты и декодировать сохранённые в них параметры, а затем использовать

их в качестве параметров ремультиплексора.

Благодаря этим нововведениям стало возможно реализовать режим

PCR Restamping, который широко используется при отсутствии

синхронизации между мультиплексором и модулятором. Этот режим

позволяет предотвратить переполнение или опустошение буфера модулятора

из-за недостаточно точно поддерживаемой скорости потока.

Структурная схема модернизированного ремультиплексора приведена

на рисунке 4.

Рис. 4. Структурная схема модернизированного ремультиплексора

Mackenzie BTS adapter

Отсутствие у ремультиплексора возможности работы в режиме

одночастотной сети привело к необходимости создания специального

адаптера, который выполнял бы схожую функцию, но мог бы работать в

режиме одночастотной сети. Группа специалистов, разработавшая Mackenzie

Re-Mux, предложила свою реализацию [6]:

1. Удаляется слой Null, а Null-пакеты из остальных слоёв

перемаркируются PID=0x1FFD;

2. Последние 16 байт пакета длиной 204 байта отсекаются, а на основе

содержащейся в них информации формируется PLI пакет, содержащий пары

слой-PID;

3. Декодер анализирует PLI пакет, восстанавливает последние 16 байт

пакетов, перемаркирует Null-пакеты PID=0x1FFF.

Адаптированный поток совместим со всеми системами,

поддерживающими MPEG TS, в том числе с системами DVB-T. Результаты,

описанные в [6], показали состоятельность данной разработки. Однако

впоследствии был найден более простой способ достижения такого

результата.

Harris BTS adapter (“Zipper”)

Принцип работы адаптера, разработанного в Harris, основан на

известности структуры BTS кадра, зависящей только от параметров

модуляции. Алгоритм работы похож на Mackenzie BTS adapter:

1. Удаляется слой Null;

2. Последние 16 байт пакета длиной 204 байта отсекаются;

3. Декодер анализирует IIP пакет, восстанавливает последние 16 байт

пакетов;

4. Последовательность слоёв восстанавливается исходя из параметров,

сохранённых в IIP пакете.

Адаптированный поток совместим со всеми системами,

поддерживающими MPEG TS, в том числе с системами DVB-T;

В данной работе был разработан декодер (“Unzipper”),

восстанавливающий адаптированный поток. В качестве прототипа был

использован ремультиплексор. Структурная схема декодера приведена на

рисунке 5.

Рис. 5. Структурная схема декодера

Аппаратная реализация

Модернизированный ремультиплексор и декодер были интегрированы

в программный код модулятора ISDB-T; также был добавлен декодер Рида-

Соломона для помехоустойчивых кодов (204, 188) и (204, 196), применяемых

в DVB-T и ISDB-T. Аппаратной платформой модулятора ISDB-T служит

GatesAir XT Exciter, в состав которого входит ПЛИС Xilinx Kintex-7 и

одноплатный компьютер на базе процессора iMX6; возможности данной

платформы были описаны в [7, 8]. Структурная схема интегрированных

модулей приведена на рисунке 6. Апробация нововведений была успешно

произведена в Бразилии и Чили.

Рис. 6. Структурная схема модулей, интегрированных в GatesAir XTE

Заключение

1. В данной работе было проанализировано три метода снижения

скорости потока ISDB-T, по результатам анализа произведена реализация двух

методов.

2. Произведена модернизация ремультиплексора. Добавлены функции

сохранения пакетов и извлечения параметров, что позволило

автоматизировать настройку ремультиплексора и реализовать режим PCR

Restamping. Программный код был перенесён на новую аппаратную

платформу, что позволило уменьшить количество электронных компонентов

в составе модулятора за счет исключения платы расширения и использования

только одной ПЛИС.

3. Разработан декодер потока, адаптированного по методу Harris.

4. Разработанные модули интегрированы в состав модулятора GatesAir

XTE. Апробация нововведений была успешно произведена в Бразилии и Чили.

Список литературы

1. Цифровое_телевидение [Электронный ресурс] // Википедия. –

Режим доступа: https://ru.wikipedia.org/wiki/Цифровое_телевидение.

2. Петров, Е. Одночастотные сети цифрового эфирного вещания –

преимущества и особенности построения [Электронный ресурс] / Е. Петров. –

Режим доступа: http://www.broadcasting.ru/articles2/Oborandteh/single_freq/.

3. ISDB–T [Электронный ресурс] // Википедия. – Режим доступа:

https://ru.wikipedia.org/wiki/ISDB–T

4. Englih translation transmission system for digital terrestrial television

broadgasting. ARIB standart [Электронный ресурс]. – Режим доступа:

https://www.arib.or.jp/english/html/overview/doc/6–STD–B31v1_6–E2.pdf.

5. ISDB–Tb Remux Option. HARRIS [Электронный ресурс]. – Режим

доступа:http://gates–harris–history.com/manuals/ex/8882866001.pdf.

6. Re–Multiplexing ISDB–T BTS Into DVB TS for SFN [Электронный

ресурс] / C. Akamine [и др.] // Lee transactions on broadcasting. – 2009. – № 4. –

С. 802–809. – Режим доступа:https://www.academia.edu/24516800/Re–

Multiplexing_ISDB–T_BTS_Into_DVB_TS_for_SFN.

7. Малеев, Д. В. Разработка модулятора цифрового телевидения

стандарта ATSC 3.0. [Текст] / Д. В. Малеев, Н. П. Ямпурин // Цифровая

обработка сигналов и ее применение – DSPA–2017 : доклады 19–й Междунар.

конф. – Москва, 2017. – С. 17–25

8. Малеев, Д. В. Разработка модулятора цифрового телевидения

нового поколения . [Электронный ресурс] / Д. В. Малеев // Цифровая

обработка сигналов и ее применение – DSPA–2016 : доклады 18–й Междунар.

конф. – Режим доступа: http://www.gatesair.com/media–center/news/gatesair–

to–support–national–dtv–rollout–in–chile

References

1. Zimoveinyi [Electronic resource] // Wikipedia. – Access mode:

https://ru.wikipedia.org/wiki/Цифровое_телевидение Oh.

2. Petrov, E. Single–frequency network for digital terrestrial broadcasting –

the benefits and features of construction [Electronic resource] / E. Petrov. – Mode

of access: http://www.broadcasting.ru/articles2/Oborandteh/single_freq/.

3. ISDB–t [Electronic resource] // Wikipedia. – Mode of access:

https://ru.wikipedia.org/wiki/ISDB–T

4. Englih translation transmission system for digital terrestrial television

broadcasting. ARIB standard [Electronic resource]. – Access mode:

https://www.arib.or.jp/english/html/overview/doc/6–STD–B31v1_6–E2.pdf.

5. ISDB–Tb Remux Option. HARRIS [Electronic resource]. – Access

mode:http://gates–harris–history.com/manuals/ex / 8882866001.pdf.

6. Re–Multiplexing ISDB–T BTS Into DVB TS for SFN [Electronic

resource] / C. Akamine [et al] // Lee transactions on broadcasting. – 2009. – No. 4.

– Pages 802–809. – Access mode:https://www.academia.edu/24516800/Re–

Multiplexing_ISDB–T_BTS_Into_DVB_TS_for_SFN.

7. Maleev, D. V. Development of a digital modulator TV standard ATSC

3.0. [Text] / D. V. Maleev, N. P. Yampurin / / Digital signal processing and its

application – DSPA–2017 : reports of the 19th international. Conf. – Moscow,

2017. – P. 17–25

8. Maleev, D. V. Development of a new generation digital television

modulator . [Electronic resource] / D. V. Maleev / / Digital signal processing and

its application – DSPA–2016 : 18th international reports. Conf. – Mode of access:

http://www.gatesair.com/media–center/news/gatesair–to–support–national–dtv–

rollout–in–chile

УДК 005

Зубеева Светлана Андреевна

руководитель сектора внедрения и развития системы электронного

документооборота, Государственное автономное учреждение Республики

Коми «Центр информационных технологий»

Эл. почта: s.a.zubeeva@cit.rkomi.ru

Человеческий фактор при внедрении СЭД

с точки зрения управления изменениями

В статье рассматриваются формы влияния человеческого фактора на

процесс внедрения системы электронного документооборота в организациях,

один из важнейших его этапов – обучение пользователей, а также этапы

внедрения, успешное прохождение которых позволит наиболее мягко

осуществить переход к использованию новых технологий.

Ключевые слова: информационная система, система электронного

документооборота, изменение, внедрение, обучение.

Zubeeva Svetlana Andreevna

head of the sector of introduction and development

of the electronic document management system,

Komi State autonomous establishment «Centre for information technologies»

E-mail: s.a.zubeeva@cit.rkomi.ru

The human factor in the implementation of the EDMS

from the perspective of change management

The article deals with the forms of the human factor in the process of

introduction of electronic document management system in the organization, one of

its most important stages - user training, as well as the stages of implementation,

successful completion of which allows to make the transition to the new technology

the most softly.

Key words: information system, electronic document management system,

change, introduction, training.

Информационное общество – это общество, основой развития которого

становится не материальное производство, а производство знаний и

информации на базе передовой информационной технологии, т.е.

информативность.

Информативность означает, что во всех сферах жизнедеятельности

человека определяющие действия предпринимаются на основе

информационных технологий; такие определяющие действия организованы в

глобальном масштабе в информационные сети и сосредоточены на обработке

информации.

Информатизация экономики или сферы общественной жизни - это

насыщение видов человеческой деятельности информационными

технологиями. Степень информатизации становится в настоящее время

главным критерием развитости общества, поскольку без использования

гигантских массивов информации, без соответствующим образом

подготовленных информированных специалистов, без огромных

информационных ресурсов невозможно принятие решений в любой области и

на любом мало-мальски значимом уровне [1].

Бесспорно, большую роль в информатизации, особенно

государственного сектора, играет организация электронного

документооборота. В связи с очень быстрым развитием технологий и их

повсеместным внедрением электронный документооборот приобретает

бОльшую популярность и получает более широкое распространение по

сравнению со своим бумажным аналогом.

Теме внедрения СЭД на сегодняшний день посвящено множество

статей, где рассматриваются в том числе и проблемы, с ним связанные. Среди

таких проблем особое место занимают «человеческий фактор» и «фактор

руководства», которые неразрывно связаны друг с другом. Как показывает

практика внедрения СЭД jDocFlow в Республике Коми, данные факторы

действительно оказывают огромное влияние как на процесс внедрения, так и

на процесс непосредственной эксплуатации СЭД.

Одной из особенностей систем электронного документооборота

является то, что в организации такая система должна быть внедрена на всех

рабочих местах сотрудников, которые связаны с обработкой, созданием,

редактированием документов и их хранением, в противном случае

эффективность от внедрения СЭД будет минимальной.

Внедрение СЭД (как и любой другой ИС) в учреждении – по сути, есть

изменение, затрагивающее практически всю его организационную структуру.

И, как писал Никколо Макиавелли, «нет ничего более трудного для

выполнения, ничего более сомнительного для достижения успеха, ничего

более опасного для управления, чем установление нового порядка вещей». Все

люди, которых затрагивают изменения, испытывают определенное

эмоциональное напряжение. Даже изменения, которые кажутся

«положительными» или «рациональными», подразумевают

неопределенность. Так или иначе, по разным причинам отдельные люди и

группы могут по-разному реагировать на изменение – от пассивного

сопротивления до враждебных попыток подорвать его.

Рассмотрим вышеназванные факторы, влияющие на внедрение СЭД, с

точки зрения управления изменениями. «Фактор руководства» в принципе

имеет большое значение при любом внедрении чего-то нового в организации,

в том числе и такого инструмента, как СЭД. Одной из причин

недоверительного отношения к нему самого руководителя является боязнь

прозрачности собственной деятельности, как для руководства, так и для

подчиненных. Также существует фактор директора советского типа –

неумение и нежелание самому работать с компьютером, просматривать и

редактировать документы [2].

Чтобы предсказать, какую форму может принять сопротивление при

воздействии «человеческого фактора» при внедрении ИС, специалисты

внедрения должны знать четыре наиболее распространенные причины, по

которым люди сопротивляются изменениям: это нежелание потерять что-то

ценное, непонимание изменений и их последствий, убеждение, что это

изменение не имеет смысла для организации, и низкая толерантность к

изменениям.

1. Ограниченный личный интерес.

Одна из основных причин, по которым люди сопротивляются

изменениям, заключается в том, что они думают, что в результате потеряют

что-то ценное. В этих случаях, поскольку люди сосредотачиваются на своих

собственных интересах, а не на интересах всей организации, сопротивление

часто приводит к «политике» или «политическому поведению».

Политическое поведение возникает как до, так и во время

организационных изменений, если то, что отвечает интересам одного человека

или группы, не отвечает интересам всей организации или других лиц и групп.

Поэтому в ходе проекта внедрения, а также тиражирования СЭД важно

выделять ключевой персонал организации. Ключевыми сотрудниками могут

быть представители руководства (что предпочтительнее), руководители

подразделений, делопроизводители. При этом важно не только выявлять

сотрудников, которые заинтересованы в автоматизации, но и формировать эту

заинтересованность у специалистов, чье мнение может существенно повлиять

на внедрение системы.

В качестве примера можно взять один из органов государственной

власти Республики Коми, гда на этапе внедрения СЭД заинтересованность

была как у руководства, так и у специалистов делопроизводства – проводились

различные совместные совещания с сотрудниками и специалистами

внедрения, по результатам которых работа в системе «оттачивалась» и

оптимизировалась. В итоге данный орган успешно прошел все этапы

внедрения, практически не сталкиваясь с «политическим поведением».

2. Непонимание и недоверие.

Люди также сопротивляются изменениям, когда они не понимают его

последствий и считают, что это может стоить им намного больше, чем они

получат. Такие ситуации часто возникают, когда отсутствует доверие между

лицом, инициирующим изменение, и работниками.

Немногие организации можно охарактеризовать как имеющие высокий

уровень доверия между сотрудниками и руководством; следовательно, при

введении изменения легко развивается недопонимание. Если не обнаружить

это недопонимание и не прояснить его быстро, оно может привести к

сопротивлению. И это сопротивление может легко поймать инициаторов

изменений врасплох, особенно если они предполагают, что люди

сопротивляются изменениям только когда это не в их интересах.

Внедрение СЭД серьезно меняет привычную модель работы с

документами. И очень часто есть сотрудники, с самого начала негативно

настроенные ко всем нововведениям: они не привыкли работать с

документами в электронном виде, не доверяют электронной подписи, боятся

несанкционированного доступа к информации и испытывают много других

страхов, связанных с автоматизацией процессов с помощью СЭД [3].

К сожалению, на сегодняшний день можно привести много примеров

организаций, которые, наряду с направлением документов по СЭД, просят

предоставлять их сканы с подписью, а иногда и бумажные экземпляры.

3. Различие в оценках

Еще одна распространенная причина, по которой люди сопротивляются

организационным изменениям, заключается в том, что они оценивают

ситуацию по-другому, нежели их руководство или специалисты внедрения, и

видят больше затрат, чем выгоды, вызванных изменениями, не только для

себя, но и для учреждения.

Например, это может коснуться сотрудников, для которых работа с

документооборотом не является прямой профессиональной обязанностью – у

них всегда есть опасения того, что их работа после внедрения СЭД станет

более сложной и бюрократизированной. Специалист внедрения в данном

случае для начала должен дать подробные разъяснения ответственным лицам

со стороны подключаемого к СЭД учреждения – возможно, некоторые

рабочие места действительно нет необходимости автоматизировать, а по

некоторым нужно пояснить, какие документационные процессы всё же можно

перевести в электронный вид.

4. Низкая устойчивость к изменениям.

Люди также сопротивляются изменениям, потому что боятся, что они не

смогут развивать в себе новые навыки и поведение, которые им понадобятся.

Организационные изменения могут непреднамеренно потребовать от людей

слишком многого, слишком быстро. Новая и очень разная работа потребует

нового и разного поведения, новых и разных отношений, а также утраты

некоторых текущих видов деятельности и отношений. Если изменения

значительны и толерантность человека к изменениям низка, он может начать

активно сопротивляться изменениям даже по причинам, которых сознательно

не понимает.

Именно поэтому внедренцы ИС должны быть и хорошими психологами,

уметь найти общий язык с пользователями, доступно рассказать им и показать

все возможности системы. Освоение новой области – дополнительная

нагрузка, и в силах внедренцев сделать процесс перехода мягким.[4] И

обучение пользователей при этом – один из ключевых процессов в рамках

внедрения многопользовательской системы. Его можно разделить на два

этапа: первый – подготовительный, где выполняются работы по его

организации, а второй – непосредственно обучение сотрудников организации.

Для успешного завершения подготовительного этапа от организации

необходима следующая информация: данные лица или группы лиц, которые

оказывают влияние на весь процесс обучения (контролируют и координируют

его), роли слушателей в системе, а также желаемая форма проведения

предстоящих обучений.

Обучение персонала при внедрении СЭД чрезвычайно важно, и влияние

его на успешность работы организации не следует недооценивать.

В целом же процесс внедрения должен проходить также несколько

этапов, которые позволят наиболее мягко осуществить переход к

использованию новых технологий.

Сначала должна быть осуществлена подготовка персонала к

предстоящим изменениям. Людей нужно убедить в необходимости отказаться

от старых способов работы и начать осваивать новые. Основные вопросы

управления на данном этапе связаны с выбором способов коммуникации,

таких как:

совещания руководителя организации с менеджерами,

ответственными за внедрение и функционирование ИС, а также с

пользователями ИС.

взаимопонимание между командами интегратора и подключаемой

организации. Слаженность работы важна в любом начинании. Однако при

внедрении СЭД существует определенная специфика. «В проектах с

СЭД/ECM фактически не бывает случаев, когда внедрение ведется

исключительно силами ИТ-специалистов. Там обязательно участвуют

сотрудники управления делами, канцелярии или другой службы, которая

отвечает за документооборот. Соответственно, у управляющего делами уже

существует собственное понимание того, как должна происходить работа с

документами в данной организации. Разработчику важно ознакомиться с той

методологией документооборота, которая применялась ранее, и не выносить

категоричных суждений - не пытаться строить «как надо». Необходимо вместе

выработать ту методику ведения электронного документооборота, в которой

учтены существовавшие традиции и исправлены существовавшие недочеты»,

- говорит Денис Вдов («ИнтерТраст»).

обучение сотрудников компании. Как уже говорилось выше,

внедренная система прежде всего должна быть понятна ее непосредственным

пользователям. Готовность сотрудников к переходу на новую систему нужно

учитывать как на этапе планирования, так и в ходе инсталляции СЭД.

Проверка психологической и функциональной готовности проводится с

помощью бесед, совещаний и обучения персонала.

На следующем этапе непосредственного осуществления изменения

необходимо избрать определенную стратегию.

При адаптации системы не нужно стремиться к полному подстраиванию

существующих процессов организации к внедряемому продукту, равно как и

не нужно полностью подстраивать систему под бизнес-процессы заказчика.

Необходимо применять лучшие практики в сочетании со сложившимися

традициями и регламентами работы учреждения [6].

На последнем этапе необходимо «закрепить» изменения, т.к. существует

опасность, что рутинные дела не позволят успешно завершить процесс

внедрения. В этом случае необходим тщательный контроль и управление

данным этапом.

Таким образом, основным элементом создания СЭД является именно

разработка стратегии ее внедрения. Если инициаторы введения новой системы

упустили из виду необходимость её соответствия организационной структуре

и культуре предприятия, то может оказаться, что какие-то важные требования

к системе не учтены, а поэтому пользователи интуитивно или осознанно

сопротивляются ее внедрению.

В заключение можно сказать, что несмотря на проблемы внедрения,

СЭД находят всё более широкое применение именно потому, что эффект от

них измеряется не прямой экономией ресурсов, а повышением качества

работы организации. Для ведомств и государственных структур – это

возможность более эффективно решать государственные задачи, реализовать

возможность оперативного взаимодействия с различными субъектами и

между ведомствами. При условии внедрения таких систем государственное

управление станет более прозрачным, информативным и оперативным.

Список литературы

1. Белова, Л. Г. Формирование теории информационного общества

[Текст] : монография / Л. Г. Белова, // Информационное общество:

трансформация экономических отношений в мировой экономике / Л. Г.

Белова, А. А. Стриженко. – Барнаул, 2007.

2. : Пахчанян, А. Внедрение систем электронного документооборота

[Электронный ресурс] : проблемы и решения / А. Пахчанян // Директор

информационной службы. – 2002. – № 1. – Режим доступа:

www.osp.ru/text/302/172020/.

3. Пермяков, А. Роль обучения при внедрении СЭД, ECM–Journal

[Электронный ресурс] / А. Пермяков. – 2014. – № 8. – Режим доступа:

http://ecm–journal.ru/docs/Rol–obuchenija–pri–vnedrenii–SEhD.aspx.

4. John, P. Schlesinger. Choosing Strategies for Change [Электронный

ресурс] / P . John, Kotter, Leonard A // Harvard Business Review, 2008. – № 7. –

Режим доступа: https://hbr.org/2008/07/choosing–strategies–for–change.

5. Горшенина, М. В. Управление изменением [Текст] : учеб. пособие

/ М. В. Горшенина, В. П. Сухинин. – 2–е изд., доп. и перераб. – Самара :

Самарский гос. техн. ун–т., 2007. – 132 с.

6. Человеческий фактор при внедрении СЭД [Электронный ресурс]

// ECM–Journal, – Режим доступа: http://ecm.ict–online.ru/analytics/a107318/.

Reference

1. Formation of the information society theory [Text]: monograph / L. G.

Belova, // Information society: transformation of economic relations in the world

economy / L. G. Belova, A. A. Strizhenko. – Barnaul, 2007.

2. : Implementation of electronic document management systems [Electronic

resource]: problems and solutions / A. Pakhchanyan // Director of information

service. – 2002. – No. 1. – Mode of access: www.osp.ru/text/302/172020/.

3. The Role of training in the implementation of EDS, ECM–Journal

[Electronic resource] / A. Permyakov. – 2014. – No. 8. – Access mode: http://ecm–

journal.ru/docs/Rol–obuchenija–pri–vnedrenii–SEhD.aspx Oh.

4. John, P. Schlesinger. Choosing Strategies for Change [Electronic resource]

/ p . John, Kotter, Leonard A // Harvard Business Review, 2008. – No. 7. – Access

mode: https://hbr.org/2008/07/choosing–strategies–for–change Oh.

5. Gorshenina, M. V. change Management [Text]: ucheb. textbook / M. V.

Gorshenin, V. P. Sukhinin. 2nd ed., additional and pererab. – Samara: Samara state

technical University. Univ. of Illinois, 2007. – 132 p.

6. The human factor in the implementation of EDS [Electronic resource] / /

ECM–Journal, – access Mode: http://ecm.ict–online.ru/analytics/a107318~.

7.

УДК 378.146

Дуркина Наталия Валентиновна

Старший преподаватель кафедры информационных систем,

Сыктывкарский лесной институт (филиал) федерального государственного

бюджетного образовательного учреждения высшего образования «Санкт-

Петербургский государственный лесотехнический университет имени С.М.

Кирова»

Эл. почта: durkinanatalia@mail.ru

Практические основы использования интерактивных методов при

преподавании информатики

В статье рассмотрены интерактивные методы на занятиях информатики,

их сильные и слабые стороны, освещена актуальность внедрения

интерактивного обучения в образовательном процессе. Приведены примеры

применения этих методов на различных этапах занятия.

Ключевые слова: информатика, методы обучения, учебно-

познавательная деятельность, интерактивные методы преподавания,

интерактивные занятия.

Durkina Natalia Vladimirovna

Senior teacher of the Department of information systems,

Syktyvkar Forest Institute (branch) of the Federal State Budgetary Educational

Institution of Higher Education «Saint-Petersburg State Forest Technical

University named after

.:

E-mail: durkinanatalia@mail.ru

Practical basics of using interactive methods in teaching of informatics

The article deals with interactive methods to computer science classes, their

strengths and weaknesses were analyzed. The actual implementation of interactive

learning was described in the educational process. Examples of using these methods

were described at various stages of training.

Key words: informatics, teaching methods, educational and cognitive activity,

interactive teaching methods, interactive classes.

Постановка проблемы.

Современное информационное общество ставит задачи подготовки

специалистов, способных: адаптироваться в различных жизненных ситуациях,

самостоятельно приобретать необходимые знания, грамотно работать с

информацией, критически мыслить, самостоятельно работать и над развитием

интеллекта и культурного уровня.

Сегодня образовательные организации высшего образования готовы

внедрять современные педагогические технологии, популярными среди

которых являются компьютерное и дистанционное обучение с привлечением

интерактивных методик, обучение по технологии тренинга.

Эффективность современных средств, методов, педагогических

технологий зависит от активности студентов в процессе формирования у них

знаний, умений, навыков [4].

Известно, что процесс обучения требует напряженного умственного

труда студента, его активного участия в этом процессе, способности

использовать полученные знания. Поэтому внедрение интерактивного

обучения в образовательный процесс является актуальным.

Анализ последних исследований и публикаций передовой

педагогический опыт показывает, что использование интерактивных

технологий обучения дает возможности для поиска новых форм и методов

преподавания, для повышения профессиональной компетентности, для

улучшения и совершенствования учебного процесса.

Педагогической наукой накоплен значительный опыт по активизации

учебно-познавательной деятельности студентов, проблема активизации

познавательной деятельности в процессе обучения в педагогической теории и

практике не нова, на всех этапах развития педагогической мысли к ней

обращалось много ученых, педагогов – практиков. Одним из первых обратил

внимание на необходимость «учить детей мыслить» выдающийся ученый –

педагог Я. А. Коменского.

Идею активизации обучения с помощью наглядности, путем активного

наблюдения и обобщения, и самостоятельного подведения итогов

высказывали педагоги И. Песталоцци и Ф.А. Дистервег.

Психологический аспект исследуемой проблемы глубоко разработан в

трудах Л. Выготского, В.В. Давыдова, А.Н. Леонтьева, Н.В. Менчинская, О.

Мороза, Л. Подоляк, С.Л. Рубинштейна, В.И. Юрченко и другие.

Анализ последних исследований и публикаций позволяет отметить, что

использование интерактивных технологий в учебно-воспитательном процессе

привлекает внимание многих ученых и педагогов. В частности, С.С. Кашлев

обосновал интерактивное обучение, как инновационное педагогическое

явление [2], О. Пометун опубликовала «Энциклопедию интерактивного

обучения» и большое количество

работ по данной проблеме, М. Кларин рассматривал интерактивное обучение,

как инструмент освоения нового опыта [3], Ю.В. Гущин определяет

психологические основы использования интерактивных методов в процессе

подготовки специалистов в высшем образовании [1].

Теоретический и дидактический аспекты интерактивных

технологий обучения уже достаточно разработаны и освещены в работах

М.Башмакова, В.Беспалька, Л. Бурков, Лозовой, Г.Селевка, А. Пехоты и

других отечественных и зарубежных ученых.

Цель исследования – активизировать познавательную деятельность

студентов на занятиях информатики, создать комфортные условия обучения

для развития черт, обеспечивающих информационно-коммуникационную

компетентность и социальную мобильность выпускника, способного

ориентироваться в информационном пространстве, получать информацию и

оперировать ею в соответствии с собственными потребностями и

требованиями современного высокотехнического общества.

Изложение основного материала в исследование.

Сегодня уже невозможно выкладывать дисциплины традиционно, когда

в центре учебного процесса находится преподаватель, а студенты молча

воспринимают материал, слушают объяснения на лекциях или отчитываются

на семинарских и практических занятиях, выполняют контрольные задания,

сдают зачеты и получают оценки за те знания и навыки, которые приобрели в

процессе обучения. Внедрение интерактивных методик в преподавании

специальных дисциплин позволяет в корне изменить отношение к объекту

обучения, превратив его на субъект.

Студент становится соавтором лекции, семинарского занятия и тому

подобное. Подход к студенту, который находится в центре процесса обучения,

основывается на уважении к его мнению, на побуждении к активности, на

поощрении творчества.

Содержание учебного курса «Информатика» направлено на овладение

студентами методами и средствами информационных технологий решения

задач, формирование навыков рационального использования компьютеров в

своей учебной, а позже и профессиональной деятельности.

Для работы со студентами необходимо сформулировать ряд правил и

интерактивных методов обучение: каждое мнение важно; не бойся

высказаться; мы все – партнеры; обсуждаем сказанное, а не человека; обдумал,

сформулировал, выразил; говори четко, ясно, красиво; приводи только

обоснованные высказывания; умей согласиться и не согласиться; важна

каждая роль.

На занятии информатики задействованы в той или иной степени все

студенты, для которых создаются ситуации успеха. Преподаватель

контролирует процесс, достижения поставленной цели, создает проблемные

ситуации, использует ролевые игры, задачи с жизненно практическим

материалом, проводит эксперименты, применяет активные и интерактивные

технологии. Для активизации учебной деятельности студентов на занятиях

информатики применяем такие интерактивные методы и технологии как:

работа в парах и небольших группах, студенческие проекты (коллективные

или индивидуальные), дискуссии, «мозговой штурм», анализ аргументов «за»

и «против» и другие.

Работа в парах.

Парную и групповую работу организуем как на занятиях усвоения, так

и на занятиях применения знаний, умений и навыков. Это может происходить

сразу же после изложения нового материала, в начале нового занятия вместо

опроса, на специальном занятии, посвященном применению знаний, умений и

навыков, или быть частью повторно-обобщающего занятия.

Технология особенно эффективна на начальных этапах обучения

студентов работе в малых группах. Ее можно использовать для достижения

любой дидактической цели: усвоение, закрепление, проверка знаний и тому

подобное. В условиях парной работы все студенты в группе имеют

возможность говорить, высказываться.

Работа в парах дает время обдумать, обменяться идеями с партнером и

только потом озвучивать свои мысли перед группой. Она способствует

развитию навыков общения, умение высказываться, критического мышления,

умения убеждать и вести дискуссию.

Работа в парах – это устное, письменное или практическое выполнение

учебных задач двумя студентами в условиях синхронной работы всех пар.

Работа в малых группах.

Работа в группах – это совместная деятельность для достижения общих

целей. Работа в группах предусматривает разделение группы на коллективы

из 3-5 студентов. Во время выполнения заданий «стихийно» выделяется лидер,

который берет на себя интеллектуальное руководство группой. Групповые

формы работы способствуют формированию у студентов демократического

самосознания и чувства собственного достоинства. Он чувствует себя

личностью, имеет право на выбор и инициативу, а вместе с тем готов

толерантно относиться к своему окружению, согласовывать свои действия с

действиями и интересами других членов группы.

Такая организация направлена на то, чтобы не давать готовых ответов, а

нацеливать студентов на творческий поиск, на формирование собственного

мнения. Обучение в группах – это создание различных групп, где студенты

помогают друг другу и учат друг друга. Это умение эффективно работать в

команде пригодится им в дальнейшей жизни.

Итак, на занятиях информатики применяем такие виды деятельности

студентов в группах: работа в группах над общей темой, студент вместо

преподавателя, парное взаимообучение. Работая в группах, студенты готовят

выступление, демонстрируют презентации или работу программы, находят

нужную информацию в Интернете, коллективно обсуждают решения

поставленной проблемы, выполняют творческие задания, например, изучение

новой прикладной программы или разработка проекта.

На основе этих методов можно строить другие, или придумывать что-то

принципиально новое, в этом и заключается преимущество интерактивного

обучения. Интерактивные методы дают лучшие результаты обучения

(усвоения материала по времени лекций – 5%, чтение – 10%, работы с видео /

аудио материалами – 20%, демонстрации – 30%, дискуссия – 50%, практики –

75%, обучение других – 90%).

Однако при внедрении интерактивных методов существует ряд проблем.

Главная проблема в том, что студенты часто не имеют собственного мнения, а

если и имеют, то боятся его выразить. Часто студенты не умеют слушать

других, объективно оценивать их мнению, решение. Им трудно быть

мобильными, менять обстановку, методы работы. Студент не готов в процессе

обсуждение менять свое мнение, идти на компромисс.

Интерактивные технологии требуют значительного количества времени

для подготовки, как студентов, так и преподавателей. За большой промежуток

времени рассматривается небольшой объем информации. При использовании

ИКТ уменьшается контроль преподавателя за глубиной изучения и усвоения

материала.

Примеры применения интерактивных методов на различных

этапах занятия

Существует большое количество различных методов, способов или

приемов, которые позволяют активизировать активность студентов на занятии

для лучшего усвоения материала, развития практических навыков или

творческих способностей, воспитание положительных качеств и

формирования нравственных ценностей. Однако основным структурным

элементом учебного процесса было и остается занятия.

Рассмотрим основные структурные этапы занятия, которые встречаются

на большинстве занятий, независимо от типа самого занятия.

Мотивация учебной деятельности.

В начале занятия важно создать у студентов определенный уровень

мотивации для дальнейшей активной и результативной деятельности на

занятии. Необходимо студентов заинтересовать, пробудить в них интерес к

изучению данной темы, убедить в практической, теоретической или

социальной значимости учебного материала. Для этого в некоторых случая

можно применить вступительную презентацию по теме, создание проблемной

ситуации, ситуации успеха.

Пример: Тема «Базы данных. Системы управления базами данных».

Интерактивное упражнение «Мозговой штурм».

1. Как вы считаете, что такое база данных?

2. На ваш взгляд, отличаются понятия «база данных» и «система

управления базами данных»?

На доске записываются все идеи. Затем осуществляется выбор

правильных идей и поиск общих мыслей. После чего объявляется тема, цель и

задачи, ожидаемые результаты занятия.

Проверка, оценка и коррекция усвоенных ранее знаний, навыков и

умений.

На данном этапе занятия работу студентов можно организовать с

помощью выполнения различных упражнений; устного решения задач и

примеров; выполнения графических работ и работы над таблицами, схемами

и тому подобное; письменных ответов студентов на вопросы по пройденному

материалу; тестирования.

Пример: Тема «Создание презентаций с помощью мастера».

Методический прием «Снежный ком».

Один студент должен называть программу, второй – вариант запуска

этой программы, третий – элементы окна, четвертый – назначение этой

программы.

Изучение нового материала.

На данном этапе занятия организуется работа следующим образом:

1. Выкладываем новый материал с дополнительными объяснениями с

использованием ИКТ.

2. Организуется самостоятельная работа студентов с использованием

интерактивных технологий и ИКТ.

Пример: Тема «Общение на форумах и в чатах».

В данной теме сочетается сразу 2 формы интерактивного обучения.

Работа в группах. Студенты объединяются в группы по 3-4 человека. Задание

для каждой группы: не используя вспомогательных материалов (конспекты,

Интернет и т.д.), на основе приобретенных знаний об этикете электронного

общения сформулировать основные принципы этикета интерактивного

общения в сети Интернет. На обсуждение 3-5 мин.

Упражнение «Микрофон». После обсуждения каждая группа по очереди

высказывает правило общения. Однотипные ответы не засчитываются. Самые

активные участники получают оценки. Закрепление знаний и умений. На

данном этапе студентам предлагаем выполнить дифференцированные задачи.

Это позволяет осуществить переход к самостоятельного решения задач по

изучаемой теме.

Пример: Тема «Глобальная сеть Интернет. Электронная переписка».

Работа в парах. Задача: Отправьте в адрес друг друга сообщение на тему

«Народные праздники». В письме опишите традиции, связанные с вашим

любимым праздником (соответствующий материал найдете в Интернете),

прикрепите к письму изображение, связанное с описанным праздником.

Разработайте собственную надпись так, чтобы она содержала

поздравления с праздником. В ходе работы студенты делают выводы об

использовании электронного почтового ящика, способе прикрепления файлов

к письму и отвечают на проблемные вопрос. Задача способствует развитию

информационной компетентности студентов.

Практическая работа на применение полученных умений и

навыков

Занятия информатики, в отличие от многих других дисциплин,

проводится не только с ориентацией на усвоение студентами теоретических

знаний, но и отработка практических умений и навыков. Поэтому важным

этапом является его практическая часть, которая организуется таким образом,

чтобы студенты самостоятельно выполняли работу, проводили исследования

путем выделения существенных для выполнения конкретной задачи

элементов действия, способствует дальнейшему обобщению и осуществлению

перехода от оценки студентов к самооценки.

Итог занятия.

Заканчивая занятие, обязательно делается анализ, проводится его

обобщения, обращается внимание на типичные ошибки, объявляются оценки

с подробной аргументацией. Подводя итоги, важно понять какой уровень

усвоения знаний студентами, так и их впечатления.

Выводы.

Новые интерактивные технологии обучения на основе информационных

и коммуникационных технологий позволяют интенсифицировать

образовательный процесс, увеличить скорость восприятия, понимания и

глубину усвоения огромных массивов знаний.

При умелом внедрении интерактивные методы обучения позволяют

привлечь к работе всех студентов группы, способствуют выработке социально

важных навыков работы в коллективе, взаимодействия с коллективом,

навыков проведения или поддержания дискуссии, обсуждения предложенных

тем.

Благодаря интерактивным методам обучения студенты приобретают

опыт ведения дискуссии; учатся принимать совместные решения; улучшают

умение общаться, докладывать; качественно меняют уровень восприятия.

Список литературы

1. Гущин, Ю. В. Интерактивные методы обучения в высшей школе.

[Электронный ресурс] / Ю. В. Гущин // Психологический журнал

Международного университета природы, общества и человека «Дубна». –

2012. – № 2. – С. 1–18. – Режим доступа: www.psyanima.ru.

2. Кашлев, С. С. Интерактивные методы обучения [Текст] : учеб.

пособие / под ред. С. С. Кашлева – Минск : ТетраСистемс, 2013. – 224 с.

3. Кларин, М. В. Инновации в обучении: метафоры и модели: Анализ

зарубежного опыта [Текст] / под ред. М. В. Кларина. – Москва : Наука, 1997.

4. Панина Т. С., Вавилова Л. Н. Современные способы активизации

обучения [Текст] : учеб. пособие / под ред. Т. С. Паниной. – 4–е изд., стер. –

Москва : Издательский центр «Академия», 2008. – 176 с.

5. Привалова, Г. Ф. Активные и интерактивные методы обучения как

фактор совершенствования учебно–познавательного процесса в вузе [Текст] /

Г. Ф. Привалова // Современные проблемы науки и образования. – 2014. – №

3. – Режим доступа: http://www.science–education.ru/ru/article/view?id=13161.

References

1. Gushchin, Yu. V. Interactive methods of teaching in higher education.

[Electronic resource] / Yu. V. Gushchin // Psychological journal of International

University of nature, society and man "Dubna". – 2012. – No. 2. – S. 1–18. – Access

mode: www.psyanima.ru Oh.

2. Kashlev, S. S. Interactive teaching methods [Text]: studies. the allowance /

under the editorship of S. S. Kashlev – Minsk : Tetrasystems, 2013. – 224 p.

3. Klarin, M. V. Innovations in education: metaphors and models: the

Analysis of foreign experience [Text] / ed. by M. V. Klarina. – Moscow: Science,

1997.

4. Panina T. S., Vavilova L. N. Modern ways to enhance learning [Text]:

studies. the allowance / under the editorship of T. S. Panina. 4th ed., erased. –

Moscow : publishing center "Academy", 2008. – 176 p.

5. Active and interactive methods of teaching as a factor of improvement of

educational process in high school [Text] / G. F. Privalova // Modern problems of

science and education. – 2014. – No. 3. – Access mode: http://www.science–

education.ru/ru/article/view?id=13161 Oh.

CONTENTS:

3 FROM THE EDITORIAL OFFICE

Modeling of processes, systems and technologies

4 Khokhrin A. A.

Systems for building a 3D face model based on a 2D image

Development of information systems

16 Seliverstova A. S.

Development of software for the integrated CAD of the instrument-making

company

Applied information systems and technologies

33 Bykov Y. V.

Algorithm for preliminary compression of the video stream of the tracker

"predator"

48 Maleev D. V.

Software and hardware implementation of ISDB-T digital television

modulator components

62 Zubeeva S. A.

The human factor in the implementation of the EDMS from the

perspective of change management

Information technologies in education

72 Durkina N. V.

Practical basics of using interactive methods in teaching of informatics

84 CONTENTS

85 CONTACTS

86 EDITORIAL BOARD

КОНТАКТЫ:

Адрес редакции:

167000, Республика Коми,

г. Сыктывкар, ул. Интернациональная, д. 108А.

Телефон: 8 (912) 142-95-31

Факс: (8212) 22-31-11

E-mail: i.i.lavresh@cit.rkomi.ru (секретарь редколлегии)

Официальный сайт: http://итарктика.рф/

http://itarctica.ru/

Главный редактор:

Громов Николай Алексеевич, д.ф.-м.н., профессор, заведующий

отделом математики Коми научного центра Уральского отделения

Российской академии наук

СОСТАВ РЕДАКЦИОННОЙ КОЛЛЕГИИ:

1. Главный редактор – Громов Николай Алексеевич, д.ф.-м.н., профессор,

заведующий отделом математики Коми научного центра Уральского

отделения Российской академии наук.

2. Заместитель главного редактора – Миронов Владимир Валерьевич, к.ф.-

м.н., руководитель департамента научной и проектно-инновационной

деятельности ФГБОУ ВО "СыктГУ им. Питирима Сорокина".

3. Секретарь редколлегии – Лавреш Иван Иванович, к.т.н., начальник отдела

организации научно-технической и образовательной деятельности

Государственного автономного учреждения Республики Коми "Центр

информационных технологий".

4. Асадуллин Фанур Фаритович, д.ф.-м.н., заведующий кафедрой физики

Сыктывкарского лесного института (филиала) ФГБОУ ВО "Санкт-

Петербургский государственный лесотехнический университет им. С.М.

Кирова".

5. Бабенко Виктор Васильевич, к.г.-м.н., доцент, заведующий кафедрой

информационных систем ФГБОУ ВО "СыктГУ им. Питирима Сорокина".

6. Беляев Дмитрий Анатольевич, к.э.н., доцент, директор ГПОУ

"Сыктывкарский гуманитарно-педагогический колледж им. И.А. Куратова",

президент некоммерческого партнерства "ИТ-Ассоциация Республики

Коми".

7. Богатырев Владимир Анатольевич, д.т.н., профессор, ФГАОУ ВО "Санкт-

петербургский национальный исследовательский университет

информационных технологий, механики и оптики" (Университет ИТМО),

почетный работник науки и техники Российской Федерации.

8. Ванин Александр Иванович, д.ф.-м.н., профессор ФГБОУ ВО

"Псковский государственный университет".

9. Голубых Анастасия Николаевна, директор Государственного

автономного учреждения Республики Коми "Центр информационных

технологий".

СОСТАВ РЕДАКЦИОННОЙ КОЛЛЕГИИ:

10. Кокорин Николай Викторович, заместитель директора ГАУ РК "ЦИТ" по

развитию.

11. Котов Леонид Нафанаилович, д.ф.-м.н., профессор, заведующий

кафедрой радиофизики и электроники ФГБОУ ВО "СыктГУ им. Питирима

Сорокина".

12. Ланских Юрий Владимирович, к.т.н., доцент ФГБОУ ВО "Вятский

государственный университет".

13. Носов Леонид Сергеевич, к.ф.-м.н., доцент, заведующий кафедрой

информационной безопасности ФГБОУ ВО "СыктГУ им. Питирима

Сорокина".

14. Пахучий Владимир Васильевич, д.с.х.н., профессор, заведующий

кафедрой лесного хозяйства Сыктывкарского лесного института (филиала)

ФГБОУ ВО "Санкт-Петербургский государственный лесотехнический

университет им. С.М. Кирова".

15. Полещиков Сергей Михайлович, д.ф.-м.н., профессор, заведующий

кафедрой математики Сыктывкарского лесного института (филиала) ФГБОУ

ВО "Санкт- Петербургский государственный лесотехнический университет

им. С.М. Кирова".

16. Уткин Лев Владимирович, д.т.н., профессор ФГАОУ ВО "Санкт-

Петербургский политехнический университет Петра Великого".

17. Шихвердиев Ариф Пирвели-Оглы., д.э.н., профессор, академик РАЕН,

заведующий кафедрой экономической теории и корпоративного управления

ФГБО ВО "СыктГУ им. Питирима Сорокина".

18. Ямпурин Николай Петрович, д.т.н., профессор, заведующий кафедрой

конструирования и технологии радиоэлектронных средств Арзамасского

политехнического института (филиала) ФГБОУ ВПО "Нижегородский

технический университет им. Р.Е. Алексеева".

ДЛЯ ЗАМЕТОК:

ДЛЯ ЗАМЕТОК:

ДЛЯ ЗАМЕТОК:

ЕЖЕКВАРТАЛЬНЫЙ НАУЧНО-ТЕХНИЧЕСКИЙ ЖУРНАЛ “ИТ АРКТИКА”(ИТ АРХИТЕКТУРА, КОММУНИКАЦИИ, ТЕХНОЛОГИИ, ИНФОРМАЦИЯ,

КОМПЛЕКСНАЯ АВТОМАТИЗАЦИЯ)

CВИДЕТЕЛЬСТВО О РЕГИСТРАЦИИ СМИ № ФС 77 - 68679

КРАТКОЕ МЕЖДУНАРОДНОЕ НАЗВАНИЕ: IT ARCTICA

Вестник государственного автономного учрежденияРеспублики Коми «Центр информационных технологий»[Электронный ресурс] / государственное автономноеучреждение Республики Коми «Центр информационныхтехнологий» - Электрон. вестник – Сыктывкар: ГАУ РК «ЦИТ»

Международное название: IT Arctica(IT architecture, communications, technologies, information,

comprehensive automation)