10870

технологиям компьютерного зрения в медицине, в производстве, активно развиваются технологии в таких сферах как автомобильный транспорт и дорожное движение, робототехника, трехмерная реконструкция сцены, видеонаблюдение, фото- и видеосъемка и во многих других.

Вмедицине уже существуют примеры использования алгоритмов компьютерного зрения с целью частичной или полной автоматизации диагностики заболеваний, процесса анализа медицинских результатов.

Одним из примеров является подсчет количества опухолевых клеток из набора клеток крови, полученных в ходе биопсии. Такие клетки проходят предобработку флуоресцентными веществами, которые используются как маркер при дальнейшей обработке алгоритмами машинного обучения, и фотографируются под микроскопом. Благодаря уникальной цветовой характеристике, с помощью компьютерного зрения можно посчитать примерное количество опухолевых клеток в наборе из множества кровяных клеток. Количество клеток в свою очередь может служить достаточно достоверным источником информации о том, как сильно опухоль поразила пациента или насколько эффективно предложенное лечение.

Другим примером является обработка снимков, полученных в ходе магнитно-резонансной томографии (МРТ), с целью распознавания отделов головного мозга (мозжечок, гипоталамус и т.д.) и их размеров, площади. Выделение отделов головного мозга становится в таком случае автоматизированной процедурой, что уменьшает количество времени, затрачиваемое на обработку снимков человеком, а получение информации

оплощади отделов помогает в дальнейшем определить наличие заболеваний головного мозга.

Всфере дорожного движения и автомобильной промышленности широко применяются системы помощи водителю, которые включают в себя множество вспомогательных инструментов: распознавание и контроль движения пешеходов, распознавание дорожных знаков, отслеживание дорожной полосы по разметке, контроль окружения (машины, деревья, бордюры, столбы) вдоль дороги, автоматизированная парковка, системы слежения за водителем.

Другим примером могут являться беспилотные автомобили, все больше набирающие популярность. В их функции помимо системы помощи водителю входят: автоматическая смена полосы, автоматическое вождение (на текущий момент, в основном по пустой дороге), экстренное торможение и перехват управления в случаях, когда водитель невнимателен, контроль скорости движения в зависимости от других машин.

Таким образом, компьютерное зрение становится необходимым вспомогательным элементом при создании систем автоматического вождения как средство обработки и трансформации информации,

30

поступающей из окружающей среды, призванное улучшить процессы дорожного движения, уменьшить количество аварий, понизить нагрузку на водителя.

Не менее популярной является сфера видеонаблюдения. В современных условиях на улицах, в торговых центрах, на предприятиях, в местах больших скоплений людей видеонаблюдение играет важную роль при охране и защите предметов и людей. Угроза террористических актов, многочисленные кражи имущества и людей являются одними из причин важности правильного и своевременного контроля и оценки событий путем видеонаблюдения. К сожалению, количество видеоматериалов чрезмерно велико для ручной обработки человеком. Эту проблему позволяет решить компьютерное зрение путем распознавания и отслеживания людей на видеоизображении и даже их идентификации. Данные, полученные алгоритмами компьютерного зрения затем могут быть быстро и эффективно обработаны человеком или компьютером.

В фотографии и видеосъемке очень часто используются алгоритмы компьютерного зрения. Наиболее частый пример – автоматическая фокусировка на лице человека при фотосъемке. Решение такой задачи как поиск лица и фокусировка на лице при обработке изображения в режиме реальной съемки, кроме цели получения качественного фотоизображения, может служить отличным дополнением для алгоритмов распознавания людей в рамках видеонаблюдения, где качество изображения будет являться главным компонентом правильного сопоставления лица человека на изображении с лицами, хранящимися в базе данных.

Распознавание номеров автомобилей является другим примером использования компьютерного зрения на практике. В этом случае технологии компьютерного зрения помогают регистрировать преступивших закон водителей, автоматизировать работу парковки, следить за автомобилем в ходе движения.

Перечисленные примеры применения компьютерного зрения являются лишь небольшой частью использования данной технологии на практике. Развитие алгоритмов компьютерного зрения и рост вместе с этим вычислительных мощностей компьютерной техники позволят в будущем еще сильнее автоматизировать многие процессы жизни человека, включая как обширные области науки и техники, так и малые сферы деятельности отдельных групп лиц.

31

Григорьев Ю.С., Фатеев В.В., Чукрина Г.А.

(ФГБОУ ВО «Нижегородский государственный архитектурностроительный университет»)

ПРИЧИНЫ ДЕФОРМАЦИИ И РАЗРУШЕНИЙ СТРОИТЕЛЬНЫХ КОНСТРУКЦИЙ ПРИСТРОЕННОЙ ЧАСТИ ТОРГОВОГО ЦЕНТРА «ДОМОСТРОЙ» В ГОРОДЕ ЗАВОЛЖЬЕ

Торговый центр «Домострой» расположен на проспекте Дзержинского, 3 в городе Заволжье Нижегородской области. Здание торгового центра состоит из 2-х примыкающих друг к другу частей (рис.1), разделенных осадочным деформационным швом на: 1) основное здание, построенное в 1950 году и 2) пристроенное здание, пристроенное к основному в 2003 году.

Рис.1. Ситуационный план застройки с торговым центром «Домострой», состоящим из основного здания, построенного в 1950 году, и пристроя, возведенного в 2003 году.

Основное здание – 3-х этажное, кирпичное, прямоугольной формы в плане с продольными несущими стенами (фото.1, 2). Наружные и внутренние стены выложены из керамического камня на цементном растворе. Толщина наружных стен - 640 мм, внутренних несущих стен 380 мм. Междуэтажные перекрытия смонтированы из железобетонных пустотных плит.

32

Несущие кирпичные стены основного здания торгового центра опираются на ленточные свайные фундаменты, состоящие из забивных железобетонных призматических свай сечением 300×300 мм, длиной 12 м, объединенные в единый конструктивный элемент монолитным железобетонным ростверком, сечением 500×600 мм под наружными стенами, и 500×1100 мм под внутренними стенами. Расположение свай под наружными стенами однорядное с шагом 1,0 м, под внутренними стенами шахматное двухрядное с шагом в продольном направлении 0,7 м. Отметка низа ростверка свай -2,900 м от уровня чистого пола первого этажа.

Пристроенное здание - 2-этажное, кирпичное, сложной Г-образной формы в плане с не полным встроенным каркасом. Неполный каркас состоит из кирпичных столбов сечения 510х510 мм и железобетонных ригелей прямоугольного сечения высотой 300 мм, изготовленных из тяжелого бетона класса В30, опирающихся на кирпичные столбы и наружные стены через бетонные распределительные подушки, толщиной 200 мм. Наружные стены и столбы внутри здания выложены из силикатного кирпича на цементно-песчаном растворе.

Стены и кирпичные столбы пристроенного здания опираются на монолитную железобетонную фундаментную плиту толщиной 300 мм, имеющую сложную повторяющую контур здания форму в плане. Фундаментная плита изготовлена из тяжелого бетона класса В15, армирована верхней и нижней сетками по толщине плиты, состоящими из отдельных арматурных стержней диаметром 20 класса А400 с шагом 200

ммв двух направлениях. Отметка подошвы фундаментной плиты -3,450 м от уровня чистого пола первого этажа.

Инженерные обследования здания были выполнены в связи с неравномерными деформациями и образованием трещин в строительных конструкциях пристроенной части здания.

При обследовании были обнаружены значительные неравномерные осадки грунтового основания и опирающегося на него пристроя, проявившееся:1) в деформациях выгиба пристроя; 2) в раскрытии до 150

ммосадочного деформационного шва между основным зданием и пристроем в уровне карниза (фото.3, 4); 3) в образовании многочисленных трещин в несущих стенах, в конструкциях междуэтажных перекрытий и в бетонных полах 1-го этажа (фото.5, 6); 4) в смещении панелей перекрытий, конструкций лифтовой шахты, надоконных перемычек из проектного положения.

33

Фото.1. Торговый центр «Домострой». Главный фасад основного здания, со стороны улицы Дзержинского.

Фото.2.Торговый центр «Домострой». Вид со двора от торцовой стены основного здания, ориентированной по оси «1» (см. рис.1).

34

3,45 м с подстилающими его: торфом (2,5…3,2 м), слабосреднезаторфованной глиной текучепластичной и текучей консистенции (0,7-1 м) и суглинком текучепластичной консистенции (1,6-2,4 м). При этом нагрузки от пристроя на грунтовое основание передаются гибкой монолитной железобетонной плитой толщиной 300 мм.

Неоднородную по составу и плотности сложения насыпь, сильносжимаемый торф и текучие глинистые грунты нельзя использовать в качестве основания для фундаментов мелкого заложения, будь то ленточные или столбчатые фундаменты, или фундаменты в виде сплошной монолитной железобетонной плиты под всем зданием.

В рассмотренных инженерно-геологических условиях применение свайных фундаментов, прорезающих толщу слабых грунтов, является наиболее целесообразным.

Исупова Е.А., Иванов В.А., Андреев П.В., Фаддеев М.А., Боряков А.В.

(ФГАОУ ВО «Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского»)

ВЫРАЩИВАНИЕ И ИССЛЕДОВАНИЕ СОСТАВА КРИСТАЛЛОВ KTP С ПРИМЕСЬЮ ZR

Кристаллы титанил фосфата калия (КТР) с примесью циркония выращивались из раствора в расплаве (flux-метод) методом спонтанной кристаллизации. В качестве исходного состава шихты для выращивания был выбран один из составов, исследованных в [1, 2]: 42 мол.% K2O, 14 мол.%P2O5, 14 мол.% TiO2, 30 мол. % WO3. Примесь ZrO2 замещала обусловленную стехиометрией часть оксида TiO2 так, что их суммарная молярная доля оставалась равной 14 мол. %.

Выращивание проводилось в резистивной печи, оборудованной термоконтроллеромCOMECORT1800, обеспечивающим точность поддержания температуры 1°C. Вещество кристаллизовалось на платиновой проволоке, помещаемой в платиновый тигель. В ходе экспериментов установлено, что температура насыщения уменьшается с увеличением концентрации примеси в шихте. Выращивание кристаллов длилось в течение 10 – 15 часов при температуре 980°С – 994°С. Выращенные кристаллы отмывались в горячей воде от осевших на них незакристаллизовавшихся остатков раствор-расплава.

36

Нами был выращен ряд кристаллов KTi1-xZrxOPO4 со значениями мольных долей ZrO2/(TiO2 + ZrO2) в шихте в интервале от 0.01 до 0.13, с шагом в 0.02, а также опорный образец кристалла КТР (всего 8 образцов). Для дальнейших исследований полученные образцы кристаллов перетирались в порошок в агатовой ступке.

Для идентификации выращенных фаз проводился рентгеновский фазовый анализ на дифрактометре Shimadzu XRD-7000 на излучении CuKα. Съемка производилась по схеме Брэгга-Брентано, в диапазоне углов 2θ 10° – 80° с шагом 0.02°, экспозицией 2 с. при комнатной температуре. Задавалось вращение образца в собственной плоскости со скоростью 1 об./с. Фазовый анализ показал, что все образцы однофазные, близкие по структуре к чистому KTP (PDF №00-035-0802). Обработка дифрактограмм проводилась программой Bruker TOPAS [3] с целью уточнения параметров элементарной ячейки кристаллов. В качестве нулевого приближения использовалась чистая структура KTP (ICSD66570).

Объем элементарной ячейки (рис. 1) возрастает с увеличением доли замещения атомов титана атомами примеси вплоть до величины 0.07. При дальнейшем увеличении концентрации циркония, параметры ячейки практически не изменяются. Результаты рентгеновской дифрактометрии позволяют сделать вывод, что примесь встраивается в структуру кристаллов, так как ионные радиусы катионов Ti+4 и Zr+4 равны 0.68 и 0.79 Å соответственно [4]. Т.о. объем элементарной ячейки увеличивается за счёт структурного встраивания в катионную позицию иона большего размера.

Рис. 1. Уточненные значения объема элементарной ячейки KTi1-xZrxOPO4при 0 <x< 0.13 в зависимости от концентрации циркония в шихте

Для определения количества циркония и титана в выращенных кристаллах проводился элементный анализ методом атомно-эмиссионной

(ProdigyHighDispersionICP, TeledyneLeemanLabs). В связи с химической стойкостью кристаллов КТР, растворение образцов проводилось путем нагрева в смеси серной и плавиковой кислот [5]. Используемые разбавления образцов подбирались такими, чтобы обеспечить попадание измеряемых концентраций в оптимальный для измерений диапазон прибора (от 1 до 10 мг/л) с линейной градуировочной характеристикой. Для приготовления калибровочных образцов использовался стандартный раствор ICP-MS-68-B-A. Измерялись интенсивности четырех аналитических линий оптического диапазона Ti 336 нм, Ti 337 нм, Zr 339 нм и Zr 343 нм. Предел обнаружения метода (MDL) по Ti и Zr при этом составлял не более 0.1 ppm. Эксперимент проводился методом стандартных растворов.

0,14

x Zr

0,12

0,1

0,08

0,06

0,04

0,02

x Zr (по шихте)

0

Рис. 2. Зависимость концентрации циркония в кристалле KTi1-xZrxOPO4 от концентрации циркония в шихте.

Оптико-эмиссионный анализ показал, что в исследуемых кристаллах количество циркония увеличивается с ростом его содержания в шихте вплоть до 0.07 (рис. 2), далее его количество в пределах погрешностей не меняется. По первым пяти точкам методом наименьших квадратов было получено значение коэффициента распределения примеси k = 1.58 ± 0.09. Коэффициент линейной корреляции при этом составляет R = 0.998.

Далее планируется проведение экспериментальных оценок нелинейно-оптических свойств данных кристаллических образцов.

Литература

1.K.Iliev et al., J. of Crystal Growth 100 (1–2), 225–232 (1990).

2.D.P. Shumov et al., Cryst. Res. Tech. 25(11), 1245-1250 (1990).

38

3.A.A. Coelho, Whole-profile structure solution from powder diffraction data using simulated annealing, J. Appl. Crystallogr. 33 (3-2) 899-908 (2000).

4.E.N. Novikova et al., Cryst. Reports 54 (2), 219–227 (2009).

5.N. Daskalova et al., Spectrochimica Acta Part B 52, 257-278 (1997).

Коен А.А., Кислицын Д.И.

(ФГБОУ ВО «Нижегородский государственный архитектурностроительный университет»)

РАЗРАБОТКА КЛИЕНТ-СЕРВЕРНОГО ПРИЛОЖЕНИЯ, ВЫПОЛНЯЮЩЕГО КОНТРОЛЬ ТОЧНОСТИ РЕШЕНИЯ ЗАДАЧИ ОПРЕДЕЛЕНИЯ НДС МЕТОДОМ РАЗДЕЛЕНИЯ СТРОИТЕЛЬНОГО ОБЪЕКТА НА ПРОЕКТНЫЕ ЕДИНИЦЫ

Применение метода разделения объекта на проектные единицы (РПЕ) [1] позволяет существенно снизить время расчёта и увеличить предельные размеры решаемой конечно-элементной (КЭ) модели строительного объекта. Однако при программной реализации данного метода могут возникнуть погрешности в расчётах, связанные, например, с точностью округления чисел, форматом исходных данных и т.п. Поэтому необходимо иметь возможность контролировать возможные погрешности. В программном средстве «Менеджер конструкторских расчётов» (ПС «МКР») [2] по окончании расчётов выполняется оценка точности совпадения деформаций у проектных единиц не во всех узлах, а только в стыкуемых. Поэтому был разработано программное средство [3], позволяющее проверить точность совпадения перемещений во всех узлах для модели, посчитанной методом РПЕ и классическим способом без применения метода РПЕ.

Главным недостатком данного программного средства является его низкая скорость работы. Так, модель, имеющая 65648 узлов, была проверена за 123 секунды. При этом компьютер, на котором выполнялась проверка, имел следующие характеристики: IntelPentium 2020M 2,4 ГГц, ОЗУ 2 Гб, ОС Windows 10 Home. Это связано с тем, что сравнение с исходной моделью всех проектных единиц происходит на одном и том же компьютере последовательно.

В качестве способа решения данной проблемы предлагается распределение вычислений между элементами системы, объединёнными в локальную сеть. Это означает, что все сравнения теперь будут выполняться параллельно на нескольких компьютерах: первый сравнивает

39