Készítette: Dr. Kosztyán Zsolt Tibor, Prof. Schanda János

Slides:



Advertisements
Hasonló előadás
1 groupement national interprofessionnel des semences et plants Vetőmagpiac forgalom az Európai Unióban Az EU vetőmag súlya a világ vetőmag termesztésében.
Advertisements

„Esélyteremtés és értékalakulás” Konferencia Megyeháza Kaposvár, 2009
Erőállóképesség mérése Találjanak teszteket az irodalomban
A TAO támogatási rendszer Magyar Labdarúgás Fóruma
MATEMATIKA Év eleji felmérés 3. évfolyam
Humánkineziológia szak
3. Két független minta összehasonlítása
AEROSZOL RÉSZECSKÉKHEZ KÖTÖTT RADON LEÁNYELEM AKTIVITÁSOK NUKLID-SPECIFIKUS MEGHATÁROZÁSA Katona Tünde, Kanyár Béla, Kávási Norbert, Jobbágy Viktor, Somlai.
LED fotobiológia Schanda János és Csuti Péter Pannon Egyetem
Matematika - 5. évfolyam © Kačmárová Fordította: Balogh Szilveszter.
Elektromos mennyiségek mérése
A színinger mérése.
Az új történelem érettségiről és eredményeiről augusztus Kaposi József.
Koordináta transzformációk
Utófeszített vasbeton lemez statikai számítása Részletes számítás
A tételek eljuttatása az iskolákba
1. A mérési adatok kezelése
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével
Metal/plastic foam projekt
A diákat készítette: Matthew Will
Európa népessége (egyéb elemek). A., Népsűrűség I. Meghatározó tényezők 1. természeti környezet a., domborzat b., éghajlat 2. gazdasági tényezők II.
TÓPARTI GIMNÁZIUM ÉS MŰVÉSZETI SZAKKÖZÉPISKOLA A évi ORSZÁGOS KOMPETENCIAMÉRÉS eredményei A felmérés időpontja: május 29.
Védőgázas hegesztések
1. IS2PRI2 02/96 B.Könyv SIKER A KÖNYVELÉSHEZ. 2. IS2PRI2 02/96 Mi a B.Könyv KönyvelésMérlegEredményAdóAnalitikaForintDevizaKönyvelésMérlegEredményAdóAnalitikaForintDeviza.
Előadó: Prof. Dr. Besenyei Lajos
HELYI PARTNERSÉGEK, MINT A VIDÉKI KORMÁNYZÁS INNOVATÍV ESZKÖZEI 1 A Magyar Regionális Tudományi Társaság IX. vándorgyűlése Révkomárom, november 25.
Sárgarépa piaca hasonlóságelemzéssel Gazdaság- és Társadalomtudományi kar Gazdasági és vidékfejlesztési agrármérnök I. évfolyam Fekete AlexanderKozma Richárd.
100-as szög méreteinek gyakorisága (n = 100) db mm.
Hyperuricaemia és hypertonia Hypertonia Központ Óbuda, Budapest
A GYERMEKVÁLLALÁS HATÁSA A CSALÁDI JÖVEDELEMRE MAGYARORSZÁGON Reizer Balázs Béla és Seres Gyula Szociális munka, szociálpolitika szekció április.
Kvantitatív módszerek
Kvantitatív módszerek
Készítette: Kosztyán Zsolt Tibor
Hálótervezés Készítette: Kosztyán Zsolt Tibor 18.
Hálótervezés Készítette: Kosztyán Zsolt Tibor
Matematikai alapok és valószínűségszámítás
szakmérnök hallgatók számára
A évi demográfiai adatok értékelése
Anyagok 3. feladat 168. oldal.
Kalkuláció 13. feladat TK 69. oldal.
Logikai szita Izsó Tímea 9.B.
A hiba-előjel alapú FxLMS algoritmus analízise Orosz György Konzulensek: Péceli Gábor, Sujbert László Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
Készítette: Horváth Zoltán (2012)
LENDÜLETBEN AZ ORSZÁG A Magyar Köztársaság kormánya.
Világosság és fénysűrűség ajánlások a mezopos fénysűrűség értékelésére
Kvantitatív módszerek
Standardizálás Példák.
Környezeti hatások közgazdaságtani bevezető Minimális költség – maximális haszon példa Fonyó György.
7. Házi feladat megoldása
Érettségi jelentkezések és érettségi eredmények 2007 Érettségi jelentkezések - érettségi eredmények.
Két kvantitatív változó kapcsolatának vizsgálata
© Farkas György : Méréstechnika
© Farkas György : Méréstechnika
A klinikai transzfúziós tevékenység Ápolás szakmai ellenőrzése
QualcoDuna interkalibráció Talaj- és levegövizsgálati körmérések évi értékelése (2007.) Dr. Biliczkiné Gaál Piroska VITUKI Kht. Minőségbiztosítási és Ellenőrzési.
Ágazati GDP előrejelző modell Foglalkoztatási és makro előrejelzés Vincze János Szirák, november 10.
TÁRSADALOMSTATISZTIKA Sztochasztikus kapcsolatok II.
1. Melyik jármű haladhat tovább elsőként az ábrán látható forgalmi helyzetben? a) A "V" jelű villamos. b) Az "M" jelű munkagép. c) Az "R" jelű rendőrségi.
GAZDASÁGI ADOTTSÁGOK ÉS FEJLŐDÉSI IRÁNYOK A délkelet-európai országok Novák Tamás MTA – VKI május 16.
Valószínűségszámítás - Statisztika. P Két kockával dobunk, összeadjuk az értékeket Mindegyik.
Kvantitatív módszerek
Mikroökonómia gyakorlat
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Középértékek – helyzeti középértékek
2011/2012 tanév félévi statisztikai adatai. Hiányzások, mulasztások a tanév során (az első 20) Osztály Egy főre eső igazolt órák száma Egy főre eső.
1 Az igazság ideát van? Montskó Éva, mtv. 2 Célcsoport Az alábbi célcsoportokra vonatkozóan mutatjuk be az adatokat: 4-12 évesek,1.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Tájékoztató a fizika tananyagfejlesztés első üteméről.
Bevezetés a méréskiértékelésbe (BMETE80ME19)
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Előadás másolata:

Készítette: Dr. Kosztyán Zsolt Tibor, Prof. Schanda János Tristimulusos színmérők színi hibájának csökkentése mátrix-transzformációval Készítette: Dr. Kosztyán Zsolt Tibor, Prof. Schanda János 2017.04.04.

Tartalom Bevezetés, célkitűzés A tristimulusos színmérő berendezések színi hibájának csökkentése Színi hiba csökkentése: mátrix-transzformációval Színi hiba csökkentése: további szűrők alkalmazásával Megvalósítás: 5 szűrővel A mátrix-transzformáció érzékenységvizsgálata Adaptív mátrixolás Összefoglalás, további célkitűzések 2017.04.04.

Bevezetés CIE XYZ görbék Megvalósított érzékenységek Teszt adatbázis

Tristimulusos színmérő berendezés színi hibájának csökkentése Meghatározható Kiszámítandó Ismert Definíció szerint… Ha a11=a21=a32=a43=1, akkor DE*a,b=5,08 Szeparálható konvex/konkáv programozási feladat!!! 3,84 2017.04.04.

Tristimulusos színmérő berendezés színi hibájának csökkentése Megválaszolandó kérdések: Lehet-e csökkenteni a mérési hibát, úgy, hogy további detektor(oka)t szerelünk a mérőműszerbe? Milyen legyen a detektor(ok) érzékenységi görbéje? Hány észlelő csatorna használata az optimális? Feltételezések: 1 lokális maximum Az észlelő csatorna érzékenysége közelíthető olyan függvénnyel, amely 3 paraméterrel jellemezhető. Ez pedig legyen: a maximális áteresztés/a detektor érzékenységének maximális nagysága (a függvény amplitúdója) (a) a maximális áteresztés hullámhossza (a függvény maximumának helye) (lm) a szűrő/detektorérzékenység sávszélessége (s) A függvényalak x1M,x2M,yM,zM–hez hasonló legyen. 2017.04.04. Speciális gauss függvény:

5 észlelő csatorna esetén esetén A célfüggvény továbbra is szeparálható lesz. Ebből következően szétbontható konvex és nemkonvex programozási feladatokra. Nemkonvex szeparálható programozási feladatra is adható megoldási algoritmus. => Változó koefficiensű programozási feladat (VKP). Létezik e>0-ra e-optimális megoldás. 0,99 0,87 2017.04.04.

m>5 észlelő csatorna esetén 0.89 Az m+1 edik (m>5) észlelő csatorna esetében ugyan csökkenthetők a hibák, de ezen hiba csökkenése is csökkenő mértékű. (Ugyanis a rögzített észlelők értékei esetén a feladat (szeparálható) konvex programozási feladattá válik). Ez pedig a vizsgálatainkból is kitűnt. 0.77 2017.04.04.

Megvalósítás 5 szűrővel Az érzékenység maximuma közel van az optimális értékhez (A különbség mindössze 5nm) Hasonlít a Gauss függvényre Tényleges érték Ha a megvalósított érzékenységi görbe maximuma az optimális helyen lett volna 1.41 1.03 1.24 0.9

Eredmények + érzékenységvizsgálat

Adaptív mátrixolás Mely fényforrások esetén a legnagyobb a színkülönbség a mért és a valódi értékek között? A keskenysávú fényforrásoknál, pl. színes LED-eknél. Mi lenne, ha tudnánk előre becsülni a mérendő fényforrás spektrális teljesítményeloszlását? Pontosabban meg tudnánk határozni a mátrix-transzformáció paramétereit. Hogyan becsüljük a színes LED-ek spektrális teljesítmény-eloszlását? Négyszögjel, háromszögjel, Gauss-görbe, Béta eloszlás sűrűségfüggvénye stb. 2017.04.04.

Hogyan működik a módszer? Kalibráljuk a műszerünket. Becsült spektrális teljesítmény-eloszlás paramétereinek becslése. Optimális transzformációs mátrix meghatározása a becsült spektrális teljesítményeloszlásra. Az eredmények tesztelése. 2017.04.04.

Becsült spektrális teljesítmény-eloszlások Négyszögjel Háromszögjel Gauss függvény Béta eloszlás sűrűségfüggvénye 2017.04.04.

Eredmények LED CIE-A-ra kalibrálva 4 szűrő esetén 5 szűrő esetén Négszögjel Háromszögjel (szim.) Gauss Háromszögjel (aszim.) Beta bllo DE*a,b 27,40 2,28 0,33 1,65 0,91 0,56 2,08 0,23 1,56 0,14 0,06 523,2 7,30 4,50 3,70 2,93 2,83 2,63 4,20 2,96 2,85 2,33 2,25 526,8 7,63 3,19 2,31 2,39 0,98 0,87 2,92 2,13 1,93 0,79 0,67 573,6 9,56 3,29 2,84 2,43 0,97 2,91 2,41 2,51 2,00 0,70 605,4 6,07 1,30 1,40 0,93 0,92 0,73 0,96 0,95 0,34 0,74 0,32 619,1 6,95 1,59 1,54 1,18 0,59 0,40 1,06 0,31 0,09 619,4 6,93 1,10 1,02 1,77 1,32 0,60 0,99 0,25 0,81 0,24 0,20 641,9 7,93 2,75 1,96 1,94 0,65 2,47 1,61 1,86 1,45 0,47 Átlag 9,97 2,50 1,89 1,53 2,19 1,37 1,00 Szórás 7,12 1,16 0,77 0,69 0,85 0,83 0,71 2017.04.04.

Összefoglalás Optimális mátrix-transzformációt alkalmazva a mérési pontosság jelentősen javítható. A tristimulusos színmérő színképi illesztése javítható, ha a négy észlelő csatornát kiegészítjük további észlelő csatornákkal. A mérési pontosság javulása azonban csökkenő mértékű a további csatornák alkalmazásával. 2017.04.04.

Köszönöm a megtisztelő figyelmet! Várom szíves kérdéseiket! 2017.04.04.