Главная страница
Навигация по странице:

  • Классификация RFID -меток По источнику питания По типу используемой памяти По рабочей частоте Применение

  • Виды смарт-карт

  • Применения в финансовой сфере

  • Технологии распознавания голоса, оптического и магнитного распознавания текста Оптическое распознавание символов

  • В зависимости от целей, сферы деятельности и располагаемых технических средств можно выделить методы сбора данных

  • Практическая. Практическая 2. Практическая работа 2 Изучение устройств автоматизированного сбора информации Штриховой код графическая информация


    Скачать 39.73 Kb.
    НазваниеПрактическая работа 2 Изучение устройств автоматизированного сбора информации Штриховой код графическая информация
    АнкорПрактическая
    Дата26.11.2021
    Размер39.73 Kb.
    Формат файлаdocx
    Имя файлаПрактическая 2.docx
    ТипПрактическая работа
    #282710

    Практическая работа №2 «Изучение устройств автоматизированного сбора информации»

    Штриховой код — графическая информация, наносимая на поверхностьмаркировку или упаковку изделий, предоставляющая возможность считывания её техническими средствами — последовательность чёрных и белых полос, либо других геометрических фигур.

    Способы кодирования:

    Линейные – Линейными (также называются полосковыми кодами) называются штрихкоды, читаемые в одном направлении (по горизонтали). Наиболее распространённые линейные символики:

    • EAN (EAN-8 состоит из 8 цифр, EAN-13 — используются 13 цифр)

    • UPC (UPC-A, UPC-E)

    • Code56

    • Code128 (UPC/EAN-128)

    • Codabar

    • «Interleaved 2 of 5»

    Линейные символики позволяют кодировать небольшой объём информации.

    Двухмерные

    Двухмерные символики были разработаны для кодирования большого объёма информации. Расшифровка такого кода проводится в двух измерениях (по горизонтали и по вертикали).

    Двухмерные коды подразделяются на многоуровневые (stacked) и матричные (matrix). Многоуровневые штрихкоды появились исторически ранее, и представляют собой поставленные друг на друга несколько обычных линейных кодов. Матричные же коды более плотно упаковывают информационные элементы по вертикали.

    В настоящее время разработано множество двумерных штрихкодов, применяемых с той или иной широтой распространения (таблица Сравнение характеристик штрихкодов). Вот некоторые коды:

    • Aztec Code

    • Data Matrix

    • MaxiCode

    • PDF417

    • QR код

    • Microsoft Tag

    Практическое применение:

    • Почтовые отправления

    • Единицы хранения

    • Части для сборки

    RFID

    RFID (англ. Radio Frequency IDentification, радиочастотная идентификация) — способ автоматической идентификации объектов, в котором посредством радиосигналов считываются или записываются данные, хранящиеся в так называемых транспондерах, или RFID-метках.

    Любая RFID-система состоит из считывающего устройства (считыватель, ридер или интеррогатор) и транспондера (он же RFID-метка, иногда также применяется термин RFID-тег).

    По дальности считывания RFID-системы можно подразделить на системы:

    • ближней идентификации (считывание производится на расстоянии до 20 см);

    • идентификации средней дальности (от 20 см до 5 м);

    • дальней идентификации (от 5 м до 300 м)

    Большинство RFID-меток состоит из двух частей. Первая — интегральная схема (ИС) для хранения и обработки информации, модулирования и демодулирования радиочастотного (RF) сигнала и некоторых других функций. Вторая — антенна для приёма и передачи сигнала.

    C введением RFID-меток в повседневную жизнь связан ряд проблем. Например, потребители, не обладающие считывателями, не всегда могут обнаружить метки, прикреплённые к товару на этапе производства и упаковки, и избавиться от них. Хотя при продаже, как правило, такие метки уничтожаются, сам факт их наличия вызывает опасения у правозащитных[1] и религиозных[2] организаций.

    Уже известные приложения RFID (бесконтактные карты в системах контроля и управления доступом, системах дальней идентификации и в платёжных системах) получают дополнительную популярность с развитием интернет-услуг.

    Классификация RFID-меток

    • По источнику питания

    • По типу используемой памяти

    • По рабочей частоте

    Применение

    На текущий момент RFID-технологии применяются в самых разнообразных сферах человеческой деятельности:

    • промышленность;

    • транспортная и складская логистика, предотвращение краж в торговых залах;

    • системы контроля и управления доступом;

    • медицина — мониторинг состояния пациентов, наблюдение за перемещением по зданию больницы;

    • библиотеки — станции автоматической книговыдачи, быстрая инвентаризация;

    • паспорта;

    • транспортные платежи;

    • дистанционное управление;

    • опознавание животных;

    • сельское хозяйство;

    • человеческие имплантаты;

    • системы управления багажом;

    • системы локализации объектов в реальном режиме времени

    • автомобильные иммобилайзеры

    В применениях используется информация об объекте, его свойствах, качествах, информация о положении объекта.

    Card technologies

    Смарт-карты (англ. smartcard) — пластиковые карты со встроенной микросхемой (англ. integratedcircuitcard, ICC — карта со встроенными электронными цепями). В большинстве случаев смарт-карты содержат микропроцессор и операционную систему, управляющую устройством и контролирующую доступ к объектам в его памяти. Кроме того, смарт-карты, как правило, обладают возможностью проводить криптографические вычисления.

    Назначение смарт-карт — одно- и двухфакторная аутентификация пользователей, хранение ключевой информации и проведение криптографических операций в доверенной среде.

    Смарт-карты находят всё более широкое применение в различных областях, от систем накопительных скидок до кредитных и дебетовых карт, студенческих билетов, телефонов стандарта GSM и проездных билетов.

    Виды смарт-карт

    • Контактные с интерфейсом ISO 7816

    • Контактные с USB-интерфейсом

    • Бесконтактные

    • Карты памяти

    • Интеллектуальные карты

    Применения в финансовой сфере

    Приложения смарт-карт включают их использование в банковских, дисконтных, телефонных карточках и карточках оплаты проезда, различных бытовых услуг и т. д.

    Смарт-карты также могут использоваться как электронные кошельки. На чип смарт-карты может быть загружена информация о средствах, которыми владелец может расплачиваться в различных торговых точках (см. карта с хранимой стоимостью).

    Криптографические протоколы защищают информационный обмен между смарт-картой и банкоматом.

    Если при этом нет непосредственной связи с банком, то работа с картой проходит в режиме off-line, в отличие от магнитных карт, которые делают запрос в банк, и уже он дает разрешение на операции с картой.

    Data communications technologies

    Передача и прием данных (или, в более широком смысле, передача данных или цифровая связь)-это передача и прием данных (цифровой битовый поток или оцифрованный аналоговый сигнал) по каналу связи "точка-точка" или "точка-многоточечный ". Примерами таких каналов являются медные проводаоптические волокна, каналы беспроводной связи, носители информации и компьютерные шины. Данные представлены в виде электромагнитного сигнала, такого как электрическое напряжениерадиоволнамикроволновая печьили инфракрасный сигнал.

    Аналоговая или аналоговая передача-это способ передачи голоса, данных, изображения, сигнала или видеоинформации с использованием непрерывного сигнала, который изменяется по амплитуде, фазе или какому-либо другому свойству пропорционально переменной. Сообщения либо представлены последовательностью импульсов посредством линейного кода (передача в основной полосе), либо ограниченным набором непрерывно изменяющихся форм сигналов (передача в полосе пропускания) с использованием метода цифровой модуляции. Модуляция полосы пропускания и соответствующая демодуляция (также известная как обнаружение) осуществляются модемом Оборудование. Согласно наиболее распространенному определению цифрового сигнала, как сигналы основной полосы, так и сигналы полосы пропускания, представляющие битовые потоки, рассматриваются как цифровая передача, в то время как альтернативное определение рассматривает только сигнал основной полосы как цифровой, а передачу цифровых данных в полосе пропускания как форму цифроаналогового преобразования.

    Передаваемые данные могут представлять собой цифровые сообщения, исходящие из источника данных, например компьютера или клавиатуры. Это также может быть аналоговый сигнал, такой как телефонный звонок или видеосигнал, оцифрованный в битовый поток, например, с использованием импульсно-кодовой модуляции (PCM) или более продвинутых схем кодирования источника (аналого-цифровое преобразование и сжатие данных). Это исходное кодирование и декодирование осуществляется с помощью кодек-оборудования.

    Технологии распознавания голоса, оптического и магнитного распознавания текста

    Оптическое распознавание символов (англ. opticalcharacterrecognition, OCR) — механический или электронный перевод изображений рукописногомашинописного или печатного текста в текстовые данные, использующиеся для представления символов в компьютере (например, в текстовом редакторе). Распознавание широко применяется для преобразования книг и документов в электронный вид, для автоматизации систем учёта в бизнесе или для публикации текста на веб-странице. Оптическое распознавание символов позволяет редактировать текст, осуществлять поиск слов или фраз, хранить его в более компактной форме, демонстрировать или распечатывать материал, не теряя качества, анализировать информацию, а также применять к тексту электронный перевод, форматирование или преобразование в речь. Оптическое распознавание текста является исследуемой проблемой в областях распознавания образовискусственного интеллекта и компьютерного зрения.

    Системы оптического распознавания текста требуют калибровки для работы с конкретным шрифтом; в ранних версиях для программирования было необходимо изображение каждого символа, программа одновременно могла работать только с одним шрифтом. В настоящее время больше всего распространены так называемые «интеллектуальные» системы, с высокой степенью точности распознающие большинство шрифтов. Некоторые системы оптического распознавания текста способны восстанавливать исходное форматирование текста, включая изображения, колонки и другие нетекстовые компоненты.

    Точное распознавание латинских символов в печатном тексте в настоящее время возможно, только если доступны чёткие изображения, такие, как сканированные печатные документы. Точность при такой постановке задачи превышает 99 %, абсолютная точность может быть достигнута только путём последующего редактирования человеком. Проблемы распознавания рукописного «печатного» и стандартного рукописного текста, а также печатных текстов других форматов (особенно с очень большим числом символов) в настоящее время являются предметом активных исследований.

    Точность работы методов может быть измерена несколькими способами и поэтому может сильно варьироваться. К примеру, если встречается специализированное слово, не используемое для соответствующего программного обеспечения, при поиске несуществующих слов, ошибка может увеличиться.

    Распознавание символов онлайн иногда путают с оптическим распознаванием символов. Последний — это офлайн-метод, работающий со статической формой представления текста, в то время как онлайн-распознавание символов учитывает движения во время письма. Например, в онлайн-распознавании, использующем PenPoint OS или планшетный ПК, можно определить, с какой стороны пишется строка: справа налево или слева направо.

    Онлайн-системы для распознавания рукописного текста «на лету» в последнее время стали широко известны в качестве коммерческих продуктов. Алгоритмы таких устройств используют тот факт, что порядок, скорость и направление отдельных участков линий ввода известны. Кроме того, пользователь научится использовать только конкретные формы письма. Эти методы не могут быть использованы в программном обеспечении, которое использует сканированные бумажные документы, поэтому проблема распознавания рукописного «печатного» текста по-прежнему остаётся открытой. На изображениях с рукописным «печатным» текстом без артефактов может быть достигнута точность в 80 % — 90 %, но с такой точностью изображение будет преобразовано с десятками ошибок на странице. Такая технология может быть полезна лишь в очень ограниченном числе приложений.

    Ещё одной широко исследуемой задачей является распознавание рукописного текста. В данное время достигнутая точность даже ниже, чем для рукописного «печатного» текста. Более высокие показатели могут быть достигнуты только с использованием контекстной и грамматической информации. Например, в ходе распознания искать целые слова в словаре легче, чем пытаться выявить отдельные знаки из текста. Знание грамматики языка может также помочь определить, является ли слово глаголом или существительным. Формы отдельных рукописных символов иногда могут не содержать достаточно информации, чтобы точно (более 98 %) распознать весь рукописный текст.

    Для решения более сложных задач в области распознавания используются, как правило, интеллектуальные системы распознавания, такие, как искусственные нейронные сети.

    Для калибровки систем распознавания текста создана стандартная база данных MNIST, состоящая из изображений рукописных цифр.

    В зависимости от целей, сферы деятельности и располагаемых технических средств можно выделить методы сбора данных:

    1. В экономических ИС:

    • опрос и интервью - групповой, индивидуальный или телефонный опрос, опрос в форме анкетирования, формализованные и неформализованные интервью;

    • регистрация (наблюдение) - систематическое, планомерное изучение поведения того или иного объекта или субъекта;

    • эксперимент - исследование влияния одного фактора на другой при одновременном контроле посторонних факторов;

    • панель - повторяющийся сбор данных у одной группы опрашиваемых через равные промежутки времени;

    • экспертная оценка - оценка исследуемых процессов квалифицированными специалистами-экспертами;

    1. В геоинформационных системах:

    • сбор информации из нормативной и методической документации;

    • сбор пространственных (координатных и атрибутивных) данных;

    • мониторинг потоков данных, поступающих с научно-исследовательских воздушных и морских судов, береговых станций и буев в оперативном и задержанном режиме;

    • сбор данных, поступающих по каналам удаленного доступа к данным;




    1. В статистических ИС:

    1. В ИС управления производственными процессами:

    • независимость от программ, использующих хранимые данные;

    • обеспечение полноты и минимальной избыточности данных;

    • возможность актуализации данных (т.е. пополнения или изменения значений данных, записанных в базе);

    • возможность извлечения данных, а также сортировки и поиска по заданным критериям. Наиболее часто в роли структур хранения данных выступают базы или банки данных.


    написать администратору сайта