Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

РЕФЕРАТ

Пояснювальна записка до дипломної роботи: с., 37 рис., 10 табл., додатків, джерел.

Об'єкт дослідження - методи розпізнавання перешкод для квадрокоптеру.

Мета роботи - спроектувати та розробити систему виявлення перешкод в просторі в режимі реального часу.

В роботі розглянуто і проаналізовано існуючі методи виявлення перешкод на зображеннях, проаналізовано принципи роботи сучасних мобільних сенсорів орієнтації.

Розроблено систему виявлення перешкод в просторі з використанням об'єднання камери та сенсорів орієнтації.

Система реалізована за допомогою мов програмування Java та C++ з використанням бібліотеки комп'ютерного зору OpenCV у середовищі розробки Eclipse. Програмний продукт призначений для використання на операційній системі Android 4.0 і вище.

Точність роботи системи показують результати дослідів по виявленню перешкод в просторі, які було проведено в даній роботі.

Результати даної роботи рекомендується використовувати для розробки систем виявлення різноманітних об'єктів сталих розмірів в просторі.

Перешкоди, розпізнавання, перетворення хафа, сенсор орієнтації



ABSTRACT

Theme: “Quadcopter obstacle detection system”.

Thesis explanatory note: 37 fig., 10 tab., appendices, sources.

The object of research - methods of obstacle detection in images.

Purpose of work - design and develop a system to detect obstacles in space in real time.

This paper reviewed and analyzed existing methods for detecting obstacles in images, analyzes the principles of work of the modern mobile rotation motion sensors.

A system for detecting obstacles in space, using cameras and rotation motion sensors, was developed.

The system is implemented using the Java and C++ programming languages, using computer vision library OpenCV with Eclipse development environment. The software is designed for use on the operating system Android 4.0 and above.

Results accuracy is shown by experiments of space face detection that was conducted in this paper.

The results of this study should be used for developing systems to detect various objects (with constant sizes) in space.

Obstacle, detection, rotation sensors, hough line transform



ЗМІСТ

• РОЗДІЛ 1. ДОСЛІДЖЕННЯ ПРЕДМЕТНОЇ ОБЛАСТІ
• 1.1 Актуальність задачі, що розглядається
• 1.2 Аналіз існуючих систем для її вирішення
• 1.3 Особливості предметної області
• 1.4 Постановка задачі дослідження
• РОЗДІЛ 2. МАТЕМАТИЧНІ ОСНОВИ РОБОТИ
• 2.1 Дослідження існуючих методів вирішення задачі
• 2.2 Критерії якості рішення задачі
• 2.3 Алгортм розв'язку задачі, що пропонується в роботі
• РОЗДІЛ 3. АРХІТЕКТУРА ТА АНАЛІЗ РЕЗУЛЬТАТІВ РОБОТИ
• 3.1 Обґрунтування вибору платформи
• 3.2 Обґрунтування вибору мови програмування
• 3.3 Діаграма варіантів використання
• 3.4 Аналіз архітектури системи
• 3.5 Аналіз результатів роботи
• 3.6 Керівництво користувача
• 3.7 Висновки до розділу
• РОЗДІЛ 4. ФУНКЦІОНАЛЬНО ВАРТІСНИЙ АНАЛІЗ
• 4.1 Функціональний аналіз
• 4.1.1 Постановка завдання проектування
• 4.1.2 Обґрунтування функцій програмного продукту
• 4.1.3 Обґрунтування системи параметрів
• 4.1.4 Визначення коефіцієнтів значимості параметрів
• 4.1.5 Аналіз варіантів реалізації функцій
• 4.2 Вартісний аналіз
• 4.2.1 Розрахунок трудомісткості
• 4.2.2 Розрахунок заробітної плати розробника
• 4.2.3 Розрахунок собівартості ПП
• 4.2.4 Розрахунок показника технічно-економічного рівня
• 4.3 Висновки до розділу
• РОЗДІЛ 5. ОХОРОНА ПРАЦІ
• 5.1 Загальний опис приміщення
• 5.2 Аналіз шкідливих і небезпечних чинників
• 5.2.1 Мікроклімат виробничих приміщень
• 5.2.2 Шкідливі речовини в повітрі робочої зони
• 5.2.3 Виробниче освітлення
• 5.2.4 Захист від виробничого шуму й вібрацій
• 5.2.5 Електробезпека
• 5.2.6 Пожежна безпека
• 5.3 Висновки до розділу
• ВИСНОВКИ
• СПИСОК ПОСИЛАНЬ
• ДОДАТКИ



ПЕРЕЛІК УМОВНИХ СКОРОЧЕНЬ

РП- Розпізнавання перешкод

МП - Матриця переходів

ПП- Програмний продукт

ФВА - Функціонально-вартісний аналіз

RGB- Red-Green-Blue

HSV - Hue-Saturation-Value



ВСТУП

З кожним роком все більшого розповсюдження набувають системи комп'ютерного бачення, які застосовуються в промисловому виробництві, ігровій індустрії, системах забезпечення безпеки, системах керування автономними транспортними засобами, системах контролю якості товарів та ін.

Для певних задач комп'ютерного бачення необхідно не лише виявляти об'єкти на зображеннях, але і вимірювати відстань до об'єкта та його положення в просторі. Наприклад, виявлення відстані до об'єктів та їх положення може застосовуватися для задач керування автономними транспортними засобами, задач відслідковування траєкторії об'єкта, для задач доповнення реальності (ігри, засоби допомоги людям з вадами зору).

Використання камери в поєднанні з сенсорами обертання дозволить виявляти відстань до об'єкту стеження, а також дозволить виділяти об'єкту стеження місце в тривимірному просторі, яке не залежить від початкового нахилу пристрою.

Таким чином, метою даної роботи є розробка алгоритму виявлення перешкод в просторі, та його реалізація на сучасній мобільній платформі Android.

Для досягнення даної мети були вирішені наступні задачі:

– Проведено порівняльний аналіз існуючих методів виявлення перешкод на зображеннях, розглянуто їх переваги та недоліки.

– Проаналізовано можливості сучасних мобільних сенсорів орієнтації.

– Розроблено алгоритм, який дозволяє об'єднати дані про наявність та положення перешкод, які було виявлено на зображенні з камери пристрою, з даними сенсорів орієнтації, щоб розрахувати положення виявлених перешкод в просторі.

– Розроблено програмний продукт, в якому реалізовано запропонований алгоритм виявлення перешкод в просторі, призначений для роботи на мобільних пристроях під керуванням ОС Android 4.0 та вище.

Об'єкт дослідження - методи виявлення перешкод на зображеннях.

Наукова новизна отриманих результатів:

- Розроблено алгоритм, який дозволяє відслідковувати положення перешкод, виявлених на зображенні з камери, в просторі, з використанням сенсорів орієнтації, в режимі реального часу.

Практичним результатом роботи є розроблена система виявлення перешкод, в якій реалізовано розроблений алгоритм.

Робота складається з 5 розділів. В першому розділі розглядаються існуючі методи виявлення перешкод та їх недоліки, також, розглядається модифікація методу виявлення перешкод із застосуванням сенсорів орієнтації. В другому розділі описується реалізація запропонованого алгоритму. В третьому розділі показано результати дослідження точності роботи системи. В четвертому розділі проводиться функціонально-вартісний аналіз програмного продукту. В п'ятому розділі аналізуються умови праці.



РОЗДІЛ 1 . ДОСЛІДЖЕННЯ ПРЕДМЕТНОЇ ОБЛАСТІ

1.1 Актуальність задачі, що розглядається

З кожним роком все більшого розповсюдження набувають системи комп'ютерного бачення, які застосовуються в промисловому виробництві, ігровій індустрії, системах забезпечення безпеки, системах керування автономними транспортними засобами, системах контролю якості товарів та ін.

Для певних задач комп'ютерного бачення необхідно не лише виявляти об'єкти на зображеннях, але і вимірювати відстань до об'єкта та його положення в просторі. Наприклад, в системах стеження, якщо знати положення об'єкта стеження в просторі, можливо побудувати траєкторію його руху, та визначити дії, які будуть виконуватись, якщо траєкторія виходить за межі дозволеного. Також, виявлення відстані до об'єктів та їх положення може застосовуватися для задач керування автономними транспортними засобами, задачах доповнення реальності (ігри, засоби допомоги людям з вадами зору).

Прикладом застосування системи виявлення відстані до предметів може бути система керування квадрокоптером - квадрокоптер є складною системою і точна система позиціонування є необхідною частиною для забезпечення працездатності квадрокоптеру.

Використовуючи інформацію з сенсорів орієнтації та висоти, а також зображення з одної камери можна зробити припущення про найнижчу точку предмету, після чого виміряти відстань до цієї точки та зробити висновок про форму та відстань до предмету.



1.2 Аналіз існуючих систем для її вирішення

1.3 Особливості предметної області

1.4 Постановка задачі дослідження



РОЗДІЛ 2 . МАТЕМАТИЧНІ ОСНОВИ РОБОТИ

2.1 Алгоритм розв'язку задачі, що пропонується в роботі

В даній роботі пропонується крок за кроком отримати зображення з камери, обробити його виділивши предмет, що може нести загрозу як перешкода, позначити його на зображенні та порахувати кутову відстань від оптичної осі камери до цієї умовної перешкоди, після чого отримати кутову відстань до вертикальної осі. Знаючи висоту, можемо за стереометричною формулою знайти відстань до об'єкта:

Основна ідея

Нехай дана хмара точок у просторі Rm:

X = {x1,:, xn}

і сімейство параметрично заданих кривих:

F (ц, x) = 0

де F - деяка функція,

ц - вектор параметрів сімейства кривих,

x - координати точок з Rm.

Кожне значення ц визначає одну криву, а все безліч значень ц утворюють фазовий простір Ц кривих даного сімейства.

В силу обмеженого обсягу пам'яті і дискретного машинного подання ми не можемо розглядати кожне значення ц окремо, тому фазовий простір Ц розбивається на осередки, для чого вводиться регулярна сітка з заданим кроком дискретизації. Кожній клітинці ставиться у відповідність лічильник. Набір всіх лічильників називається акумулятором. Будь-який осередок задає безліч кривих, а значення лічильника осередку визначається кількістю точок із хмари X, що лежать хоча б на одній з цих кривих. Тоді якщо всі крапки з X лежали на одній кривій з параметром ц0, то у відповідній клітинці значення лічильника буде максимально. [1]

Базовий алгоритм

Базовий алгоритм виділення кривих складається з наступних кроків:

Вибір сітки дискретизації

На цьому етапі належить вибрати крок дискретизації для кожного параметра кривої. Від цього вибору залежатиме складність (~ швидкість) і ефективність алгоритму.

Заповнення акумулятора (матриці лічильників)

Найчастіше це найдовший крок алгоритму, оскільки заповнення проводиться шляхом повного перебору. Складність алгоритму безпосередньо залежить від першого кроку і становить O (N * M), де N - кількість точок, M - кількість осередків акумулятора.

Аналіз акумулятора (пошук піків)

У матриці акумулятора шукається лічильник з максимальним значенням.

Виділення кривої

Кожна комірка акумулятору є значення фазового простору, а значить, вона задає деяку (шукану) криву. Але оскільки значення на кроці 1 стало дискретним, може знадобитися уточнення кривої яким іншим методом по вже знайденим точкам кривої.

Віднімання з акумулятора

Для точок виділеної кривої вважається тимчасовий акумулятор і поточечно віднімається з основного.

Перехід на крок 3

На кроці 1 ми вибираємо сітку дискретизації. У зв'язку з цим вибором можливі наступні проблеми:

- Сітка обрана занадто дрібною. Тоді, якщо у вихідному хмарі точок був присутній шум, то навіть точки однієї кривої будуть потрапляти в різні осередки сітки, а значить, потенційний максимум акумулятора (відповідний цією кривою) буде <розмитий> і його буде складніше або взагалі неможливо знайти.

- Сітка встановлені надто великою. Тоді існує ймовірність того, що в одну клітинку потраплять точки, що лежать на різних кривих.

- При будь-якій сітці дискретизації, якщо точки хмари X утворюють криву з параметром ц0, лежачим на межі осередку, то через шум точки цієї кривої будуть потрапляти в сусідні осередки і спостерігатиметься розмиття піку в акумуляторі. Це взагалі фундаментальна проблема дискретизації.

Складність алгоритму

Заповнення акумулятора на кроці 2 є самою трудомісткою частиною алгоритму, складність якої залежить від: розмірності фазового простору і сітки дискретизації. Чим більше розмірність Ц і менше сітка, тим більше осередків в акумуляторі. Значить, тим більше потрібно пам'яті і часу для його зберігання та заповнення. Саме тому на практиці найчастіше фазовий простір є площину, а перетворення Хафа застосовується в основному для пошуку прямих на площині (зображеннях).

Модифікації методу

У зв'язку з перерахованими вище проблемами були розроблені деякі модифікації стандартного алгоритму (Standard Hough Transform, SHT).

Комбінаторне перетворення Хафа (Combinatorial Hough Transform)

Ця модифікація розроблялася для швидкого пошуку прямих ліній на зображенні [4]. У такому випадку у нас є плоске бінарне зображення (на ньому точки інтересу одного кольору, а точки фону іншого). Оскільки проводиться пошук прямих ліній, то розмірність фазового простору дорівнює 2.

Ідея методу полягає у зміні кроку 2 (заповнення акумулятора):

Початкове бінарне зображення розбивається на невеликі ділянки

У кожній дільниці для кожної пари точок визначаються параметри (с, и) прямої, що проходить через них

(С, и) потрапляють в деяку осередок, і її лічильник відповідно збільшується.

Перший крок модифікації необхідний для скорочення числа переборів.

Якщо точок у ділянці мало і сітка дискретизації фазового простору теж мала, кількість записів в акумуляторі виходить менше.

Ієрархічне перетворення Хафа (Hierarchical Hough Transform)

Це ще одна модифікації для пошуку ліній на бінарному зображенні [1, 4, 7].

Ідея методу:

Початкове зображення розбивається регулярною сіткою

У кожному фрагменті зображення виділяються прямі перетворенням Хафа

Виробляється ієрархічне злиття

На кожному рівні розглядаються 4 сусідніх фрагмента. Лінії, виділені на кожному з фрагментів, об'єднуються на підставі перетворення Хафа для об'єднання фрагментів. Якщо лінії не вдалося злитися ні з однією лінією з сусідніх фрагментів, вона видаляється з розгляду.

Злиття здійснюється до отримання одного вихідного зображення

В результаті складність алгоритму знижується за рахунок подразбіенія зображення (можна використовувати більш грубу сітку у фазовому просторі та кількість точок істотно менше).

Недолік у тому, що одна довга лінія може бути в результаті представлена кількома близькими лініями, оскільки різні кінці відрізка можуть бути неколінеарна при близькому розгляді, тобто на низьких рівнях ієрархічного злиття.

Адаптивне перетворення Хафа (Adaptive Hough Transform)

Ця модифікація дозволяє використовувати менше місця для зберігання акумулятора і швидше виділяти криві. Протягом усього процесу пошуку використовується акумулятор заздалегідь обраного маленького розміру (наприклад, 9х9 або 3х3х3х3 в багатовимірному випадку) [2, 3, 4, 7].

Алгоритм виглядає наступним чином:

Вибір розміру акумулятора (маленький!)

До досягнення заданої точності:

На кожній ітерації розмір комірки зменшується. Цикл йде до досягнення заздалегідь заданого розміру осередку.

Заповнення акумулятора

Як і в стандартному варіанті, але значно менше складність за рахунок маленького розміру акумулятора.

Пошук осередку з максимальним значенням лічильника

Осередок приймається за нову фазовий простір, перехід на крок 2

Таким чином, ми зменшуємо крок дискретизації, але тільки в області інтересу (осередку з максимальним лічильником).

Виділяємо криву

Головними перевагами є:

- Менша складність за часом і по пам'яті

- Практичне вирішення проблеми дискретизації, оскільки сітка дискретизації не регулярною і на кожній ітерації уточнюється.

Головний недолік:

Якщо вихідне хмара точок X утворює кілька кривих із заданого сімейства, то для виділення кожної необхідно повторити весь алгоритм спочатку (попередньо викинувши з розгляду точки вже виділених кривих)

Імовірнісне перетворення Хафа (Probabilistic Hough Transform)

У цій [1, 4, 5, 6, 7] модифікації алгоритму розглядається тільки частка б точок з X, при цьому результат з деякою вірогідністю виходить такий же, як і у стандартного алгоритму. Частка точок вибирається випадково з рівномірною ймовірністю.

Показано, що існує бthreshold таке, що при б> бthreshold помилок (щодо стандартного алгоритму) відбувається дуже мало, а при б <бthreshold їх кількість різко зростає. За цим рекомендується вибирати б приблизно рівне бthreshold, яке знаходиться в діапазоні 5% - 15% від усієї кількості точок.

Очевидна гідність модифікації полягає в скороченні перебору на кроці 2.

І так само очевидний недолік - недетерменірованность результату стосовно вхідних даних.

Прогресивне розподіл усіх перетворення Хафа (Progressive Probabilistic Hough Transform)

Нехай є хмара точок X і велика кількість точок утворюють шукану криву. Тоді у відповідній комірці фазового простору значення лічильника буде мати велике значення. Ідея цієї модифікації полягає в тому, що б виділяти криві (крок 4) при досягненні лічильником порогового значення, не заповнюючи акумулятор повністю (крок 2) [5]. Для вищеописаної кривої значення відповідного лічильника досить швидко набере порогове значення.

Алгоритм формулюється таким чином:

Якщо в хмарі немає точок, закінчення

Акумулятор поповнюється випадково обраною точкою з X, а точка віддаляється з розгляду.

Якщо максимальне значення акумулятора не перевершує порога, перехід на крок 1

Знаходиться крива максимальної довжини

Усередині деякого коридору (що визначається осередком з максимальним значенням лічильника) проводиться пошук кривої з максимальною довжиною.

Всі точки знайденої кривої видаляються з вихідного зображення та акумулятора, перехід на крок 1

Перевагою цього методу так само є те, що він постійно поповнює результат, тобто його виконання можна обірвати при досягненні залишкової кількості результатів або після закінчення деякого часу.

Випадкове перетворення Хафа (Randomized Hough Transform)

Ця модифікація своєю ідеєю схожа з ідеєю Комбінаторно перетворення Хафа [1, 4]. Якщо параметри ц кривої F (ц, x) = 0 можна однозначно відновити по К точкам, то алгоритм заповнення акумулятора формулюється таким чином (крок 2):

із хмари точок X випадковим чином вибирається К точок

за обраними точкам визначаються параметри кривої ц

значення лічильника відповідної комірки збільшується

Перед пошуком наступної кривої, необхідно видалити з розгляду всі крапки попередніх кривих, оскільки алгоритм носить випадковий характер.



РОЗДІЛ 3 . АРХІТЕКТУРА ТА АНАЛІЗ РЕЗУЛЬТАТІВ РОБОТИ

3.1 Обґрунтування вибору платформи

В якості платформи добре використовувати систему міні-компьютеру BeagleBone Black, Raspberry Pi або аналогічного с ОС Linux та повноціну робочу середу С++, бо така платформа забезпечує найкраще використання обчислювальних ресурсів а також забезпечує простий доступ до всіх необхіних датчиків та сенсорів.

Наразі ж квадрокоптер з усіма необхідними пристроями вийшов з ладу через затоплення, тому для реалізації поставленої задачі було обрано мобільний пристрій під керуванням ОС Android, який може надати необхідні вхідні дані, а саме: зображення з камери, вісь та кут, на який пристрій обертається відносно осі. Також, пристрій володіє достатньо продуктивним процесором, для виконання задачі виявлення облич в режимі реального часу, та обробки даних про положення пристрою в просторі.

3.2 Обґрунтування вибору мови програмування

В якості мов програмування для розробки програмного продукту під ОС Android було обрано Java та C++.

Java використовується для створення графічного інтерфейсу, оскільки в ОС Android для цього передбачений спеціальний набір пакетів Java: android.view, android.layout, android.widget, android.graphics, яких не передбачено для інших мов програмування. Також, Java використовується для виконання простих операцій над векторами та матрицями малих розмірностей, які не потребують багато системних ресурсів, оскільки код написаний на Java інтерпретується для виконання віртуальною машиною Dalvik.

С++ використовується для операцій, які необхідні для обробки зобраень та виявленні об'єктів на зображенні, оскільки ці операції мають виконуватись якомога швидше. Більша швидкість виконання забезпечується насамперед тому, що код, написаний на мові С++, виконується без використання віртуальної машини.

Окрім того, використовуючи C++ як основну мову з часом можна буде перейти до платформи BeagleBone або іншої.

3.3 Аналіз архітектури системи

Наглядне представлення архітектури даного програмного продукту виконане у вигляді діаграми класів (рис. 3.1).

Рисунок 3.1 - Діаграма класів

3.4 Аналіз результатів роботи

3.3.1 Якісний аналіз

Рисунок 3.2 - порівняння режимів роботи ПП

Під час роботи ПП зображення з камери аналізується в декілька етапів (рис. 3.2), в результаті яких виділяється один предмет, до якого робиться замір відстані.

Предмет може погано відрізнятися від фону за деяких обставин.

Рисунок 3.3 - приклад розпізнавання перешкоди

Рисунок 3.4 - приклад розпізнавання перешкоди

Рисунок 3.5 - приклад розпізнавання перешкоди

Рисунок 3.6 - приклад розпізнавання перешкоди

Як видно, об'єкти розпізнаються добре, в випадках коли їх границі добре видно на зображенні з камери. Коли об'єкт відслідковано, відстань до нього визначається достатньо точно навіть на великих відстанях (рис. 3.6)

Рисунок 3.7 - приклад розпізнавання перешкоди

Рисунок 3.8 - приклад розпізнавання перешкоди

На рис. 3.7 та 3.8 зображено одне й те ж дерево зняте з різної відстані, як видно, ПП визначає відстань вірно в обох випадках.

3.3.2 Кількісний аналіз

Було проведено 4 експерименти в лабораторних умовах із визначенням відстані до перешкод.

В першому експерименті камера була закріплена на висоті 1 м від підлоги та на відстані 1 м від перешкоди.

У другому - на висоті 1 м від підлоги та на відстані 2 м від перешкоди.

У третьому - на висоті 1.5 м від підлоги та на відстані 1 м від перешкоди.

У четвертому - на висоті 1.5 м від підлоги та на відстані 2 м від перешкоди.

Було відстежено по 50 замірів в кожному експерименті.

Таблиця 3.1

Результати аналізу точності виміру відстані

№ експерименту/№ заміру	1	2	3	4
1	98	200	102	202
2	107	198	104	203
3	101	211	98	204
4	93	193	101	202
5	96	213	105	204
6	97	189	98	203
7	108	201	104	203
8	96	203	102	202
9	98	200	98	198
10	99	209	98	201
11	112	195	105	204
12	99	205	99	203
13	87	201	98	198
14	97	198	102	201
15	102	203	99	198
16	108	195	98	199
17	100	198	99	196
18	100	200	107	197
19	98	196	101	198
20	104	190	101	188
21	92	203	106	201
22	92	204	100	196
23	98	194	100	198
24	96	216	103	201
25	102	205	99	198
26	106	207	108	200
27	108	193	101	200
28	96	206	100	202
29	99	206	99	201
30	98	202	102	203
31	90	224	97	206
32	99	217	107	197
33	100	199	106	203
34	107	213	100	198
35	97	202	102	200
36	102	192	100	193
37	95	213	96	201
38	106	204	98	200
39	100	207	98	202
40	104	194	103	201
41	100	200	101	205
42	101	214	95	198
43	101	207	99	191
44	100	194	101	203
45	94	202	100	198
46	101	202	98	196
47	96	208	103	207
48	101	197	93	197
49	103	210	99	202
50	98	207	102	202

Середнє значення значення відстані по всім замірам в кожному експерименті абсолютно співпадає із відстанню до перешкоди, це пояснюється тим що калібровка ПП проводилася на цьому ж стенді. Значення ж середнього квадрадичного відхилення такі: 1 експеримент: 4,32 2 експеримент: 8,4 3 експеримент: 2,9 4 експеримент: 3,8 Таким чином, точність збільшується при зменшенні відстані та при збільшенні висоти. Це пояснюється тим, що використовуються датчики орієнтації з похибками визначення куту нахилу.

3.4 Керівництво користувача

Рисунок 3.9 - головне вікно програми

При запуску програми користувачем, на екрані з'являється головне вікно програми (рис. 3.9), на якому, в якості фону, використовується зображення, отримане з камери пристрою.

При натисненні на апаратну кнопку пристрою «Меню», з'являється допоміжне меню налаштувань, в якому користувач може змінити режим роботи ПП на перегляд чорно-білого представлення зображення, зображення, що пройшло фільтр Canny Edges а також перейти в режим симуляції польоту квадрокоптеру з пошуком перешкод та визначенням відстані до них.

Якщо користувач натисне на кнопку «Find Distance», то відкриється режим пошуку перешкод (рис. 3.10)

Рисунок 3.10 - режим пошуку перешкод

В режимі пошуку перешкод на чорному фоні користувач може бачити контури предметів а також лінії, що були розпізнані як границі перешкод.

На границі перешкод, що за припущенням знаходиться на рівні земної поверхні виділяється точка відслідковування, вона позначається білим кругом на зображенні.

В лівому верхньому кутку відображається відстань до точки відслідковування, а також кількість знайдених границь предметів, що можна використовувати для оцінки якості вимірів та аналізу даних.

Висновки до розділу

В даному розділі було обґрунтовано вибір платформи ОС Android та мов програмування Java та C++ для розробки програмного продукту.

Також, для наглядного представлення архітектури програмного продукту, представлена діаграма класів.

В даному розділі описуються досліди з виявлення перешкод в просторі, які проводилися з використанням розробленого програмного продукту, аналіз яких показав наступні результати:

Середнє значення відстані по всім замірам в кожному експерименті абсолютно співпадає із відстанню до перешкоди, це пояснюється тим що калібровка ПП проводилася на цьому ж стенді. Значення ж середнього квадратичного відхилення такі:

1 експеримент: 4,32

2 експеримент: 8,4

3 експеримент: 2,9

Було виявлено, що точність збільшується при зменшенні відстані та при збільшенні висоти. Це пояснюється тим, що використовуються датчики орієнтації з похибками визначення куту нахилу.

У всіх дослідах середнє квадратичне відхилення не перевишує 5%, тому запропоновану систему виявлення перешкод в просторі можна вважати ефективною.



РОЗДІЛ 4 . ФУНКЦІОНАЛЬНО ВАРТІСНИЙ АНАЛІЗ

4.1 Функціональний аналіз

4.1.1 Постановка завдання проектування

Розроблений програмний продукт (ПП) є системою розпізнавання перешкод з зображень.

Технічні вимоги до продукту наступні:

- швидкодія при обробці інформації;

- правильність результатів функціонування;

- ПП повинен функціонувати на комп'ютерах, що мають стандартний набір компонент;

- зручність і простота діалогової взаємодії з користувачем;

- мінімальні затрати на впровадження ПП (навчання користувача);

4.1.2 Обґрунтування функцій програмного продукту

Виходячи з основних цілей програмного продукту, що реалізуються, виділимо його основні функції:

F1 - вибір мови програмування

F2 - розпізнавання і аналіз зображення

F3 - обчислення відстані до об'єкту

F4 - інтерфейс користувача;

F5 - Виведення результатів.

Кожна з основних функцій може мати декілька варіантів вирішення:

Базова функція F1:

а) мова програмування С++;

б) мова програмування Java;

Базова функція F2:

а) розпізнавання і аналіз на основі власних методів.

б) використання готової бібліотеки OpenCV

Базова функція F3:

а) обчислення на основі стереометричних понять

б) обчислення з використанням показників за датчиків орієнтації

Базова функція F4:

а )використання інтерфейсу з готової бібліотеки OpenCV

б) інтерфейс користувача, створений з нуля з використанням GUI

Базова функція F5:

а) Виведення результатів на екран.

б) Виведення результатів у файл.

За розглянутими варіантами будуємо морфологічну карту (рис. 4.1).

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис 4.1 - Морфологічна карта

На основі морфологічної карти (рис. 4.1) проведемо якісну оцінку кожного з варіантів, побудувавши позитивно-негативну матрицю (табл. 4.1).



Таблиця 4.1

Позитивно-негативна матриця

Основна функція	Варіант реалізації	Переваги	Недоліки
F1	а)	Менші вимоги до ресурсів	Складність розуміння і реалізації
	б)	Легкість реалізації	Великі затрати на ресурси
F2	а)	Швидкість завантаження	Можливе не розпізнавання даних
	б)	Не потрібен попередній ввід даних	Висока ймовірність помилки
F3	а)	Зручність редагування	Займає досить багато часу
	б)	Швидке редагування	Висока ймовірність помилки
F4	а)	Швидкість підрахунку	Не висока надійність
	б)	Висока надійність	Надлишкова ілюстрація ситуації
F5	а)	Швидкість надання результатів	Інформація не зберігається
	б)	Результати зберігаються	Незручний доступ до результатів

4.1.3 Обґрунтування системи параметрів

На основі функцій програмного продукту, визначених у підпункті 4.1.2, виділимо основні його параметри:

Х1 - швидкість виведення інформації, Кб/с;

Х2 - інтуїтивна зрозумілість, як користуватись продуктом, %;

Х3 - точність наданих результатів, %;

Х4 - структурованість та логічність, %.

Встановимо граничні значення кожного параметру, а також середнє отримане та досягнуте значення і занесемо у відповідну таблицю (табл. 4.2).

Таблиця 4.2

Основні параметри програми

Параметр	Позначення параметру	Гранично допустиме значення	Значення параметра
			Середнє отримане	Досягнуте значення
Швидкість виведення інформації, Кб/с	Х1	130	300	600
Інтуїтивна зрозумілість, як користуватись продуктом, %	Х2	50	75	87
Точність наданих результатів, %	Х3	50	56	70
Структурованість та логічність, %	Х4	50	85	92

За даними табл. 4.2 побудуємо графіки залежності бальної оцінки параметра від його основного значення (рис. 4.2-4.5). Рисунок 4.2 - Швидкість виведення інформації Рисунок 4.3 - Інтуїтивна зрозумілість Рисунок 4.4 - Точність наданих результатів Рисунок 4.5 - Структурованість та логічність

4.1.4 Визначення коефіцієнтів значимості параметрів

Важливість кожного параметра в загальній кількості розглянутих під час оцінювання параметрів, знаходять за методом попарного порівняння.

Оцінювання проводить експертна комісія із семи осіб.

Щоб знайти коефіцієнт важливості передбачує:

- визначення рівня важливості параметра через присвоєння різних рангів;

- перевірити придатність експертних оцінок у подальшому використанні;

- визначити оцінки попарного пріоритету параметрів;

- обробити результати і знайти коефіцієнт важливості.

Після детального обговорення й аналізу кожний експерт оцінює рівень важливості, присвоюючи їм ранг. Результат експертного ранжування наведено в табл. 4.3.

Таблиця 4.3

Результат ранжування параметрів

Позначення параметра	Назва параметра	Одиниці вимірювання	Ранг параметра за оцінкою експерта	Сума рангів, Rі	Відхи-лення, і,	Квадр. відхилення, 2
			1	2	3	4	5	6	7
Хl	Швидкість виведення інформації	Кб/ с	1	2	2	2	1	2	1	11	-5	25
Х2	Інтуїтивна зрозумілість, як користуватись продуктом	%	2	1	1	1	2	1	3	11	-6	36
Х3	Точність наданих результатів	%	4	4	3	4	3	3	4	25	8	64
Х4	Структурованість та логічність	%	3	3	4	3	4	4	2	23	5	25
Всього	n (n + 1) / 2	-	10	10	10	10	10	10	10	70	-	150

Можливість використання результатів ранжирування параметрів для подальших розрахунків визначають на підставі розрахунку коефіцієнта конкордації (узгодженості) експертних оцінок. Для цього: а) знаходять суму рангів кожного показника (по рядках): ,(4.1) де r_il- ранг і-го параметра, визначений j-м експертом; N -- число експертів. Перевіряють загальну суму рангів: ,(4.2) б) обчислюють середню суму рангів (Т) за формулою (4.3) в) визначають відхилення суми рангів кожного параметра |R_i| від середньої суми рангів |Т| = 17,5: (4.4) Сума відхилень за всіма параметрами має дорівнювати 0; г) обчислюють квадрат відхилень за кожним параметром (_i²) та загальну суму квадратів відхилень: = 171(4.5) д) знаходять коефіцієнт узгодженості (конкордації) за формулою: = 0,742(4.6) Для програмного продукту має виконуватись W ? W_норм, де W_норм = 0,67 Відповідно, дані достовірні і можуть бути використані для подальшого використання. Вагомість параметрів визначають методом попарного їх порівняння, використовуючи результати оцінок експертів (табл. 4.3, 4.4). Таблиця 4.4 Попарного порівняння параметрів

Параметри	Експерти	Кінцева оцінка	Числове значення
	1	2	3	4	5	6	7
Хl та Х2	<	<	>	>	<	>	>	>	1,5
Хl та Х3	<	<	<	<	<	<	<	<	0,5
Хl та Х4	<	<	<	<	<	<	<	<	0,5
Х2 та Х3	<	<	<	<	<	<	<	<	0,5
Х2 та Х4	<	<	<	<	<	<	>	<	0,5
Х3 та Х4	>	>	>	>	<	<	>	>	1,5

Розрахунок вагомості параметрів ПП (К_ві) наведено в табл. 4.5. Таблиця 4.5 Розрахунок вагомості параметрів ПП

Параметри xi			Параметри xj	Перший крок	Другий крок
Хі	Хl	Х2	Х3	Х4
Хl	1	1,5	0,5	0,5	3,5	0,219	12,25	0,208
Х2	0,5	1	0,5	0,5	2,5	0,156	9,25	0,157
Х3	1,5	1,5	1	1,5	5,5	0,344	21,25	0,360
Х4	1,5	1,5	0,5	1	4,5	0,281	16,25	0,275
Всього					16	1	59	1

4.1.5 Аналіз варіантів реалізації функцій

На основі порівняльного аналізу варіантів реалізації функцій за їх перевагами та недоліками і коефіцієнтами вагомості параметрів обираємо такі найкращі чотири варіанти:

F1a + F2а + F3б + F4a + F5a ;

F1a + F2а + F3б + F4a + F5б ;

F1a + F2а + F3б + F4б + F5a ;

F1a + F2а + F3б + F4б + F5б .

Розрахуємо показники якості ПП за формулою:

, (4.7)

де K_bij -- коефіцієнт вагомості і-го параметра якості в сукупності взятих для розгляду параметрів якості;

В_iј Ї оцінка і-го параметра якості j-го варіанта виробу (в балах);

п Ї кількість параметрів виробу, взятих для оцінювання.

Результати розрахунків зведемо у таблицю 4.6.



Таблиця 4.6

Розрахунок показників якості варіантів реалізації основних функцій програмного продукту

Основна функція	Варіант реалізації	Параметри, що приймають участь при реалізації функції	Абсолютне значення параметра	Бальна оцінка параметра	Коефіцієнт вагомості параметра	Коефіцієнт якості
F1	а)	Хl	400	6	0,167	4,54
		Х2	85	5	0,218
		Х4	75	10	0,285
F2	а)	Х2	68	3	0,218	3,2
		Х3	63	7.5	0,360
		Х4	79	6.5	0,285
F3	б)	Х2	72	3,5	0,218	1,095
		Х3	55	1	0,360
F4	а)	Х1	450	8	0,167	4,21
		Х3	58	1,5	0,360
		Х4	81	8	0,285
	б)	Х3	70	2,5	0,360	3,59
		Х4	89	10	0,285
F5	а)	Х1	590	11	0,167	2,98
		Х3	75	4	0,360
	б)	Х3	66	1	0,360	0,42

За даними таблиці 4.6 визначимо показники рівня якості кожного з варіантів ПП, використовуючи формулу ,(4.8) де - коефіцієнт якості, показник технічного рівня першої функції к-го варіанта реалізації основних функцій вибору. К_к1 = 4.81 + 5.15 + 1.095 + 4.06 + 3.2 = 17,829 К_к2 = 4.81 + 5.15 + 1.095 + 4.06 + 0.36 = 14,981 К_к3 = 4.81 + 5.15 + 1.095 + 3.7 + 3.2 = 17,545 К_к4 = 4.81 + 5.15 + 1.095 + 3.7 + 036 = 14,415 Найкращим на етапі функціонального аналізу є варіант, якому відповідає найбільше значення узагальненого показника якості - К_к1 = 17.829.

4.2 Вартісний аналіз

4.2.1 Розрахунок трудомісткості

Усі чотири варіанти реалізації функцій включають в себе три окремих завдання:

1. Побудова наближення до підпростору.

2. Завантаження даних з файлу.

3. Редагування даних у файлі.

Варіанти I та II містять ще одне завдання:

4. Перевірка системи на точність підрахованих результатів.

Цьому завданню у варіантах ІІІ і IV відповідає таке:

5. Перевірка системи на абсолютну точність.

Варіанти I та IІI містять інше завдання:

6. Виведення результатів на екран.

Цьому завданню у варіантах ІІ і IV відповідає таке:

7. Виведення результатів у файл.

Розрахуємо трудомісткість розробки ПП. Кожне із семи завдань має такі параметри:

1) ступінь новизни задачі Б - розробка типових проектних рішень, оригінальних задач і систем, які не мають аналогів. Для програми за типовим рішенням були розроблені оригінальні функції роботи з інтерфейсом;

2) складність алгоритму 1 - алгоритми оптимізації та моделювання систем і об'єктів;

3) складність організації контролю вхідної і вихідної інформації 2 - вхідні дані та документи одноманітної форми і змісту (здійснюється формальний контроль);

4) мова програмування - високого рівня;

5) стандартні модулі не використовуються;

6) кількість макетів вхідної інформації - 1, вихідної - 2.

Загальна трудомісткість програмування задач:

, (4.9)

де людино-днів (група складності алгоритму 1, ступінь новизни Б);

(складність контролю вхідної інформації);

(мова програмування високого рівня);

(стандартні модулі не використовуються);

(стандартний ПП).

,(4.10)

Де - поправкові коефіцієнти;

(використовується лише змінна інформація);

- кількість наборів даних ЗІ, ПДІ, БД відповідно.

(4.11)

Тоді загальна трудомісткість окремого завдання:

(4.12)

Складемо трудомісткість відповідних завдань для кожного з чотирьох обраних варіантів реалізації програми, щоб отримати їх трудомісткість: Т = 155 * 5 = 775 людино-годин.

4.2.2 Розрахунок заробітної плати розробника

Витрати на оплату праці розробників ПП:

С_З = С_г·T·(1+H_Д/100) (4.13)

де С_г - розмір погодинної оплати праці програміста, грн.;

Т - трудомісткість розробки ПП, людино-година;

H_Д - норматив, який враховує додаткову заробітну плату, H_Д = 20%.

У розробці беруть участь два програміста з окладом 13000 грн. Визначимо зарплату програміста за годину при 21 робочому дні на місяць:

С_г = = 77,38 грн.(4.14)

Тоді зарплати розробників відповідно рівні:

С_{З =} 46,43 775 (1+0.2) = 71964.28 грн. (4.15)

Відрахування на єдиний соціальний внесок для 2-го класу професійного ризику, де 2-й клас визначено згідно з постановою КМУ від 13.09.2000 р. N 1423, а відрахування згідно розмірів ЄСВ передбачених законодавством [13]:

С_от = 43 178.58 * 0,3677 = 26461.25 грн. (4.16)

4.2.3 Розрахунок собівартості ПП

Для обслуговування ПК залучений спеціаліст із ЗП 6500 грн./міс. Коефіцієнт його зайнятості при обслуговуванні - 0,25.

Вартість одного комп'ютера - 4000 грн.

Для однієї машини отримаємо:

С_г = 12 * 4000* 0,45 = 21 600 грн.(4.17)

З урахуванням додаткової заробітної плати

С_об = 21 600 * (1 + 0,2)= 25920 грн. (4.18)

Відрахування на єдиний соціальний внесок:

С_від = С_зп * 0.3677 = 25920 * 0,3677 = 9530.78 грн. (4.19)

Амортизаційні відрахування обчислимо за формулою:

(4.20)

де Ц_дог - договірна ціна приладу, грн;

К_тм - коефіцієнт, який враховує витрати на транспортування та монтаж приладу у користувача; Н_а - річна норма амортизації, %.

За амортизації 25% та вартості ЕОМ 4000 грн. маємо:

С_а = 1,15 * 0,25 * 4000 = 1150 грн. (4.21)

Витрати на ремонт та профілактику розрахуємо за формулою:

С_рем = (К_р / 100%) Ц_д * К_тм (4.22)

де К_рем - відсоток витрат на поточні ремонти. У розрахунках значення цього нормативу орієнтовно візьмемо 5%.

С_рем = 1,15 * 4000 * 0,05 = 230 грн. (4.23)

Ефективний годинний фонд часу ПК за рік розрахуємо за формулою:

Т_р = (Д_к - Д_в - Д_с - Д_р.) t_з * n_з * К_в (4.24)

де Д_к - календарна кількість днів у році;

Д_в, Д_с - відповідно кількість вихідних та святкових днів;

Д_рем - кількість днів планових ремонтів устаткування;

t_зм - час зміни;

n_зм - кількість змін експлуатації пристрою;

К_в коефіцієнт використання приладу у часі протягом зміни (можна взяти 0,9);

Ц_ен - тариф за 1 КВт-год. електроенергії, грн., (1,3607 грн. тариф з НДС для юридичних осіб, що споживають менше 27.5 КВт) [14].

год.(4.25)

Витрати на оплату електроенергії знаходимо за формулою:

(4.26)

де Р - потужність, Р =0,5 кВт.

= 1673.012 грн. (4.27)

Накладні витрати в розмірі 67 % від витрат на оплату праці:

С_накл = 25 920 * 0,67 = 17366.4 грн. (4.28)

Тоді, річні експлуатаційні витрати складуться у формулу:

С_екс = 25920 + 9530.78 + 230 + 17366.4 + 1150 +1673.02 = 55870.2 грн.

(4.29)

Собівартість однієї машино-години ЕОМ дорівнюватиме:

С_МГ = С_екс / Т_еф = 55870.2/2459.057 = 22.72 грн/час.(4.30)

Оскільки в цьому випадку всі роботи, пов'язані з розробкою програмного продукту, ведуться на ЕОМ, витрати на оплату машинного часу для кожного обраного варіанта реалізації пакета, становитимуть:

С_мч = Т * С_МГ =775 * 22.72= 17608.13грн. (4.31)

Накладні витрати становлять 67 % від заробітної плати:

С_накл = С_з * 0.67 = 71 964.58* 0,67 = 47976.64 грн. (4.32)

Функціонально необхідні затрати на створення ПП обчислюються за формулою:

С_ПП=С_З+С_ВІД+С_МЧ+С_НАКЛ (4.33)

Визначимо вартість розробки програмного продукту для кожного варіанта:

С_ПП = 71964.58 + 9530.78 + 17608.13 + 47976.64 = 147080.13 грн. (4.34)

4.2.4 Розрахунок показника технічно-економічного рівня

К_ТЕРj= К_ТРj /С_ПП, (4.35)

де К_ТРj - коефіцієнт технічного рівня j-го варіанта.

Розрахуємо для кожного варіанта реалізацію функцій ПП коефіцієнт техніко-економічного рівня:

К_ТЕР1 = К_тр1 / С_ПП= 18.315/99247.13= 18.4534E-05;

К_ТЕР2 = К_тр2 / С_ПП= 15.474/99247.13= 15.591 E-05;

К_ТЕР3 = К_тр3 / С_ПП= 17.955/99247.13= 18.091E-05;

К_ТЕР4 = К_тр4 / С_ПП=15,115/99247.13= 15.229E-05.

Таким чином, найбільш ефективним є перший варіант реалізації функцій ПП, який має максимальну величину коефіцієнта техніко-економічного рівня.

Висновки до розділу

З метою оцінки вартості для створеного програмного продукту проведено функціонально - вартісний аналіз, який є невід'ємною складовою розвитку різноманітних сфер, де використовуються комп'ютерні технології.

Здійснено оцінку основних характеристик програмного продукту, що реалізує побудову наближень до УПК без явного застосування обертань матриці..

На основі функцій програмного продукту виділено його основні параметри, побудовано графіки залежності бальної оцінки параметра від його основного значення та визначено коефіцієнти вагомості параметрів.

На основі даних про зміст основних функцій, порівняльного аналізу варіантів реалізації функцій за її перевагами і недоліками та коефіцієнтами вагомості параметрів ПП визначено чотири найбільш перспективні варіанти реалізації продукту.

За результатами проведення функціонально-вартісного аналізу ми можемо стверджувати, що найкращим з точки зору показників економічної ефективності є перший варіант. Він передбачає: побудову наближення до підпростору, завантаження даних з файлу, редагування даних у файлі, виведення результатів на екран та перевірку системи на точність підрахованих результатів..

Тобто, при оцінці важливих параметрів майбутньої програми найбільшу значимість мала точність інформації та структурованість і логічність.

Собівартість даного програмного продукту складає 147080.13 грн.

програмний мобільний перешкода зображення android



РОЗДІЛ 5 . ОХОРОНА ПРАЦІ

Закон України "Про охорону праці" визначає, що охорона праці -- це система правових, соціально-економічних, організаційно-технічних, санітарно-гігієнічних і лікувально-профілактичних заходів та засобів, спрямованих на збереження життя, здоров'я і працездатності людини у процесі трудової діяльності.

Право на охорону здоров'я закріплено в Основах законодавства України про охорону здоров'я. Таким чином основою законодавства України про охорону праці є Конституція України, основним законодавчим документом в галузі охорони праці є Закон України “Про охорону праці”, суттєвим документом з охорони праці є також Кодекс законів про працю (КЗпП) України, “Основи законодавства України про охорону здоров'я”, Закон України “Про забезпечення санітарного та епідемічного благополуччя населення”, “Про загальнообов'язкове державне соціальне страхування від нещасного випадку на виробництві та професійного захворювання, які спричинили втрату працездатності”, “Про пожежну безпеку”.

Розглядаються умови праці в фірмі ретрейдері в відділі продаж, що займається продажем відеоконференцсистем та організацією їх використання. Робота буде виконуватися у так званому «офісному приміщенні», яке слід розуміти як нежитлове приміщення, призначене для розумової праці.

У даному приміщенні знаходиться комп'ютерне обладнання, під час роботи з яким немає яскраво виражених загроз для життя та здоров'я працівника. Але при роботі з комп'ютерним обладнанням є приховані загрози для здоров'я людини такі як погіршення зору, біль у спині та м'язах рук, випромінення. Тому важливо забезпечити такі умови праці, щоб максимально зменшити ризик для здоров'я працівників.

Крім цього, кожен працівник повинен вміти вчасно виявити фактори свого оточення, які мають негативний вплив на його здоров'я. Зокрема при виникненні пожежі працівник повинен вчасно зреагувати на небезпеку та знешкодити її: зрозуміти характер пожежі, виділити основні можливі першочергові заходи пожежогасіння. Вчасне знешкодження пожежі врятує життя не лише йому, а і його колегам, що працюють разом з ним.

Метою даного розділу є аналіз наступних умов праці:

- приміщення в цілому і робочого місця

- мікрокліматичних умов

- пожежної безпеки

5.1 Загальний опис приміщення

Роботи вимагають дослідження санітарно-гігієнічних умов праці, умов безпеки праці і пожежної безпеки приміщення, де ці роботи проводяться. Приміщення, що розглядається, знаходиться за адресою: м. Київ, вул. Фроловська, 1/6, на третьому поверсі офісного центру. Приміщення призначене для роботи двох осіб і містить таке обладнання:

ѕ 2 ноутбуки

ѕ 2 рідкокристалічні монітори

ѕ 1 принтер

ѕ 1 кавоварка

ѕ 2 офісних столи

ѕ 2 офісних стільці

ѕ 1 шафа

ѕ 5 вазонів

Схема приміщення зображена на рисунку 5.1.

Серед вищевказаного обладнання джерелами підвищеної небезпеки є електроприлади. Оператори працюють безпосередньо з ЕОМ.

При роботі з розроблювальним приладом слід виділити такі шкідливі виробничі фактори:

ѕ підвищений рівень шуму на робочому місці;

ѕ підвищений рівень іонізуючих випромінювань;

ѕ підвищений рівень електромагнітних випромінювань;

ѕ недостатня освітленість робочої зони;

ѕ підвищена пульсація світлового потоку;

ѕ підвищений рівень ультрафіолетової/інфрачервоної радіації.

Серед небезпечних виробничих факторів основним є високий рівень

напруги в електричному ланцюзі, замикання якого може статися через тіло людини;

Умовні позначення:

1 - принтер

2 - кавоварка

3, 4 - ноутбуки

5, 6 - РК-монітори

Параметри приміщення наведені у таблиці 5.1

Таблиця 5.1

Параметри виробничого приміщення

Назва	Значення, м
Довжина, м	5.3
Ширина, м	3.2
Висота, м	3

Знайдемо площу та об'єм, що припадають на одного співробітника: 8.48 м² >6 м², 25.44 м³ > 20 м³, де 6 м² та 20 м³ - це мінімальні допустимі площа та об'єм відповідно в розрахунку на одного співробітника. Тобто дане приміщення задовольняє допустимим нормам площі та об'єму згідно з ДСанПіН 3.3.2.007-98.

5.2 Аналіз шкідливих і небезпечних чинників

5.2.1 Мікроклімат виробничих приміщень

Значний вплив на стан організму працівника, його працездатність здійснює мікроклімат у виробничих приміщеннях. Під мікрокліматом виробничих приміщень розуміють клімат внутрішнього середовища виробничого приміщення, який визначається поєднаними діями на організм людини, температури, вологості, швидкості руху повітря та теплових випромінювань.

Мікроклімат приміщення визначається наступними параметрами:

- температура повітря, t (⁰С);

- відносна вологість повітря, ц (%);

- швидкість руху повітря, v (м/с);

- інтенсивність теплового випромінювання, j (Вт/м²);

- температура поверхонь будівельних конструкцій, t_п (⁰С).

Перші три параметри встановлюються відповідно до пори року і категорії роботи за енерговитратами. Робота оператора ЕОМ, яка розглядається, відноситься до категорії 1a (витрати енергії становлять до 120 ккал/год). Нормовані параметри мікроклімату наведені у табл. 5.2:

Таблиця 5.2

Фактичні та нормативні значення характеристик мікроклімату

Період	Температура	Відносна вологість	Швидкість руху повітря, м/сек
	Опт.	Доп.	Факт.	Опт.	Доп.	Факт.	Опт.	Доп.	Факт
Теплий	23-25	28	24-25	40-60	75	45-60	0.1	0.1-0.2	0.1-0.15
Холодний	22-24	25	22-24	40-60	75	50-55	0.1	0.1	<0.1

З наведеної таблиці можна зробити висновок, що вологість та швидкість руху повітря, температура знаходяться в оптимальних, визначених ДСН 3.3.6.042-99. Таким чином, мікроклімат даного приміщення не становить небезпеки для тих, хто в ньому працює. І в цілому лежить в оптимальних межах.

5.2.2 Шкідливі речовини в повітрі робочої зони

Оскільки приміщення, що розглядається, не є частиною промислового підприємства і не розташовано поблизу промислових підприємств, то повітря у приміщені не забруднене пилом, парами та газами. Згідно з вимогами, наведеними у ГОСТ 12.1.005-88, вміст озону в повітрі робочої зони не повинен перевищувати 0,1 мг/м3; вміст оксидів азоту - 5 мг/м3; вміст пилу - 4 мг/м3. Ці вимоги дотримані. Таким чином, вміст шкідливих речовин для даного приміщення є допустимим і тому не становить небезпеки для тих, хто в ньому працює.

5.2.3 Виробниче освітлення

Відповідно до ДБН В.2.5-28-2006 роботи, що виконуються в приміщенні, відносяться до V розряду зорових робіт. Денне (природне) освітлення приміщення відбувається за системою однобічного бічного освітлення. Природне світло проникає у приміщення через світловий проріз (віконний отвір). Також наявні жалюзі з можливістю захисту працюючих від прямого попадання сонячних променів і регулювання рівня освітленості в приміщенні. Вікна приміщення орієнтовані на північний схід. Оскільки будинок розташований у відносній віддаленості від прилеглих будівель, то перешкоди природному освітленню розглянутого приміщення відсутні. Всередині приміщення стіни обклеєні світлими шпалерами, стеля побілена, у якості покриття підлоги використаний лінолеум світло - жовтого кольору.

Нормативні значення освітленості та КЕО для V розряду зорових робіт приведені в таблиці 5.3.

Таблиця 5.3

Санітарні норми параметрів освітлення приміщенняя

Для даного приміщення такі норми забезпечуються вдень - за допомогою природного бічного освітлення, ввечері та за умов недостатнього природного освітлення - за допомогою світильників з люмінесцентними лампами, що розташовані на висоті 2.8 м від підлоги і надають верхнє освітлення.

5.2.4 Захист від виробничого шуму й вібрацій

Відповідно до нормативних вимог, приміщення, де розташовуються ЕОМ, не можуть межувати з приміщеннями, де рівні шуму та вібрацій перевищують норму. Види діяльності, в яких поєднується напружена розумова діяльність та інтенсивне використання комп'ютера, характеризуються сильним впливом навіть незначних рівнів шуму. Оскільки приміщення, що розглядається, не межує з виробничими приміщеннями (цехами, майстернями тощо), то цю умову виконано.

Основним джерелом шуму є внутрішній, який створюється системою охолодження ПК та його структурно-функціональними модулями.

У таблиці 5.4 наведено фактичні дані для розрахунків еквівалентного шуму.

Таблиця 5.4

Джерела шуму

Еквівалентний рівень шуму для восьмигодинного робочого дня становить:

(5.1)

Підставимо в наведену формулу фактичні дані:

(5.2)

Допустимий еквівалентний рівень звуку для оператора ЕОМ складає 50дбА згідно з ДСН 3.3.6.037, тобто рівень шуму на робочому місці знаходиться в допустимих межах, а тому при 8-годинному робочому дні не спричинятиме загрози життю та здоров'ю робітника.

5.2.5 Електробезпека

У приміщенні, що розглядається, наявні електричні прилади - персональні комп'ютери, принтер, кавоварка. Тому слід оцінити можливість ураження персоналу електричним струмом.

Згідно з ДСТУ 7237:2011 існують такі ознаки підвищеної небезпеки ураження персоналу електрострумом:

- наявність вологості;

- наявність температури більш ніж 35 єС;

- наявність струмопровідного пилу;

- наявність струмопровідної підлоги;

- можливість одночасного дотику до корпусів чи струмопровідних елементів та до елементів, що мають зв'язок з землею.

Ознаки особливої небезпеки ураження електрострумом:

- наявність особливої вогкості;

- наявність хімічно активного середовища.

У вказаному офісному приміщенні немає жодної з ознак підвищеної небезпеки ураження електричним струмом.

5.2.6 Пожежна безпека

У приміщенні, що розглядається, можуть горіти вироби з дерева, пластмас, тканини і паперу. Горючі рідини, пил та волокна у приміщенні не використовуються і не виділяються. Тому приміщення, що аналізується, відноситься, відповідно до НАПБ Б.03.002-2007, до категорії пожежної небезпеки В.

Ймовірними причинами виникнення пожежі можуть бути несправність електрообладнання (кабелів, розеток), короткі замикання внаслідок виходу з ладу чи експлуатації несправного електроустаткування (ПЕOМ, периферійних пристроїв), порушення правил протипожежної безпеки тощо.

Експлуатація ліній електромережі практично повністю унеможливлює виникнення електричного джерела загоряння в наслідок короткого замикання чи перевантаження проводів. Застосовуються дроти з важкогорючою і негорючою ізоляцією.

Для гасіння пожеж в офісних приміщеннях слід використовувати порошкові вогнегасники ВП-5, оскільки вони є універсальними. Для даного приміщення достатньо одного вогнегасника.

Висновки до розділу

У даному розділі були розглянуті умови праці для виробничого приміщення, у якому операторами експлуатуються програмний продукт. Розміри приміщення та параметри робочих місць відповідають нормам чинного законодавства з охорони праці.

Було проведено аналіз шкідливих та небезпечних виробничих чинників, наявних у даному приміщенні. Значення параметрів мікроклімату, виробниче освітлення та засоби пожежної безпеки приміщення відповідають необхідним нормативам.

При роботі у вказаному приміщенні для запобігання завдання шкоди здоров'ю рекомендується виконувати наступні вказівки:

- Для зниження психофізичного навантаження у зв'язку зі специфікою робот з ЕОМ можна рекомендувати виконання комплексів вправ для фізичного і психічного розвантаження.

- При вводі даних, редагуванні програм, читанні інформації з екрану безперервна тривалість роботи з відеотерміналом не повинна перевищувати 4-х годин (при 8-годинному робочому дні). Для зниження напруженості праці необхідно, якщо це можливо, рівномірно розподіляти навантаження і раціонально чергувати характер діяльності.

- Щогодини треба робити перерву на 5-10 хвилин, а через 2 години - на 15 хвилин. Один або кілька разів у годину необхідно виконувати серію легких вправ на розтягування, що можуть зменшити напругу в м'язах.

- Для зниження рівня запиленості у приміщенні слід щоденно проводити вологе прибирання.

- Використовувати жалюзі при роботі в денний час.

Проводити регулярні інструктажі персоналу з питань дій в екстрених ситуаціях, зокрема при ураженні струмом чи виникненні пожежі.

СПИСОК ПОСИЛАНЬ

1. Анна Дегтярева, Владимир Вежневец, "Преобразование Хафа (Hough transform)", CGM 06.02.2003

2. Olivier Ecabert, Jean-Philippe Thiran, "Adaptive Hough transform for the detection of natural shapes under weak affine transformations" Pattern Recognition Letters (25), No. 12, September 2004, pp. 1411-1419.