Автоматизация контроля точечных сварных соединений на основе рентгенографии тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Овечкин, Максим Владимирович

• Овечкин, Максим Владимирович
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Овечкин, Максим Владимирович

Содержание

Введение

1 Теоретико-информационный анализ процессов автоматизации контроля точечных сварных соединений на основе рентгенографии

1.1 Рентгенографические методы в среде автоматизированного контроля качества продукции на машиностроительном предприятии

1.2 Виды и параметры дефектов точечных сварных соединений

1.3 Анализ процессов автоматизации контроля и их практических реализации в виде программных средств обработки изображений на предмет их эффективной работы для рассматриваемой области

1.3.1 Программные комплексы, предназначенные для работы с изображениями

1.3.2 Программа анализа сканированных рентгеновских снимков «SOWA 193»

1.3.3 Программный комплекс ImageExpert

1.3.4 Экспертная система Ident Smart Studio

1.3.5 Сравнительный анализ применения рассмотренных практических реализаций к области автоматизации контроля рентгенограмм изделий

1.4 Научные исследования в области автоматизации контроля сварки на основе анализа рентгеновских снимков

1.5 Выводы. Цель и задачи исследования

2 Формализованная модель анализа точечных сварных соединений на основе рентгенографии

2.1 Общая характеристика задач распознавания объектов

2.2 Общее описание методов компьютерной обработки изображений

2.3 Моделирование процесса анализа рентгенограммы точечного сварного соединения

2.4 Обобщенный алгоритм автоматизированного контроля качества точечных сварных соединений на основе рентгенограмм

2.4.1 Разработка методов поэлементного преобразования изображений, применительно к рассматриваемой проблемной области

2.4.2 Разработка методов фильтрации рентгенограмм

2.4.3 Выделение контуров

2.4.4 Выбор методов автоматизированного распознавания

2.5 Поэтапное математическое обеспечение модели автоматизированного контроля рентгенограммы

2.6 Результаты и выводы по второй главе

3 Алгоритмическая реализация процедур поиска и определения качественных параметров точечных сварных соединений по оцифрованным рентгенограммам изделий

3.1 Разработка алгоритма нелинейной шумоподавляющей фильтрации

3.2 Разработка алгоритма определения центра ядра литого соединения

3.3 Разработка алгоритма выделения границ

3.4 Разработка алгоритма распознавания геометрических параметров точечных сварных соединений

3.5 Результаты и выводы по третьей главе

4 Практическая реализация программного средства автоматизированного контроля точечных сварных соединений на основе рентгенографии

4.1 Разработка архитектуры программного средства автоматизированного контроля

4.2 Интеграция программного средства в процесс рентгенографического контроля изделия

4.3 Описание разработанного программного средства

4.4 Оценка эффективности применения программного средства автоматизации контроля

4.5 Расчет экономической эффективности от внедрения программного

средства

4.6 Результаты и выводы по четвертой главе

Заключение

Список использованных источников

Приложение А

Приложение Б

Приложение В

Приложение Г

Введение диссертации (часть автореферата) на тему «Автоматизация контроля точечных сварных соединений на основе рентгенографии»

ВВЕДЕНИЕ

Радиационные методы дефектоскопии следует применять для обнаружения в объектах контроля таких дефектов как нарушения сплошности и однородности материала, внутренней конфигурации и взаимного расположения объектов контроля, не доступных для технического осмотра при их изготовлении, сборке, ремонте и эксплуатации (ГОСТ 2042682). Недостатком метода радиационного контроля является то, что рассеянное излучение в зависимости от энергии первичного излучения изменяет качество снимка, снижает контрастность и четкость изображения, а, следовательно, и чувствительность самого метода. Вследствие этого явления дефекты малого размера тяжело различить.

В настоящее время анализ качества сварных соединений, производимый методом рентгенограмм, осуществляется «вручную», т.е. путем просмотра оператором рентгеновского снимка детали через увеличительное стекло, либо с помощью просмотра отсканированной и оцифрованной копии снимка в графическом редакторе. При этом, оператор самостоятельно производит поиск и анализ дефектов на снимке, что занимает длительное время и не исключает погрешностей, связанных с такими факторами как усталость оператора, рассеянность внимания при длительной монотонной работе и прочих «человеческих факторах», поскольку работа с оцифрованными снимками затруднительна в связи с большим количеством шумов на снимке, а так же со сложностью характера изображения.

В этих условиях разработка теоретических и практических решений для автоматизации процесса контроля качества точечных сварных соединений путем распознавания и анализа рентгенограмм деталей является актуальной научной задачей, имеющей существенное значение для экономики страны, что определило актуальность, выбор объекта, предмета и цели исследования.

Работа выполнена в рамках: ФЦП «Научные и научно-педагогические кадры инновационной России 2009-2013 годы», проект № 14.В37.21.0697 «Повышение эффективности производства изделий авиационной техники на ОАО «ПО «Стрела», областного гранта в сфере научной и научно-технической деятельности 2012 г. на тему «Автоматизация контроля качества точечных сварных соединений посредством компьютерного анализа рентгеновских снимков деталей».

Объект исследования - процессы автоматизации контроля точечных сварных соединений по рентгенограммам изделий.

Предмет исследования - методы и алгоритмы определения параметров точечных сварных соединений по оцифрованным рентгенограммам деталей.

Цель - повышение качества контроля точечных сварных соединений на основе разработки автоматизированных средств распознавания и анализа рентгеновских снимков изделий.

Задачи исследования:

1) теоретико-информационный анализ процессов автоматизации контроля рентгенограмм точечных сварных соединений;

2) построение формализованной модели анализа рентгенограммы точечного сварного соединения;

3) разработка математического обеспечения модели анализа рентгенограммы;

4) алгоритмическая реализация процедур выявления параметров точечных сварных соединений по оцифрованным рентгенограммам деталей;

5) разработка архитектуры и программного средства обработки и анализа рентгенограмм точечных сварных соединений;

6) оценка эффективности применения программного средства, основанного на разработанных процедурах автоматизации контроля, по критериям скорости и точности распознавания и оценки качественных параметров точечных сварных соединений по рентгенограммам изделий.

Методы исследования. В качестве основных средств теоретических исследований использовались методы системного анализа, линейной алгебры, теории вероятностей, математической статистики, математической логики, теории цифровой обработки изображений и технологии объектно-ориентированного программирования.

Для подтверждения достоверности разработанных моделей и их программной реализации использованы методы оценки чувствительности модели, формальных процедур верификации, проверки на тестовых примерах, сравнения полученных результатов с результатами работы программы-аналога, натурные испытания.

Экспериментальные исследования выполнены по отраслевой методике проведения экспериментальных работ в лабораторных и производственных условиях ОАО «ПО «Стрела» с применением методов математической обработки данных и оценки результатов.

Научной новизной обладают:

1) формализованная модель анализа рентгенограммы точечного сварного соединения;

2) обобщенный алгоритм автоматизированного контроля точечных сварных соединений по рентгенограммам изделий;

3) алгоритмы автоматизации распознавания дефектов отклонения диаметра и расположения ядра;

4) архитектура программного средства автоматизированной обработки и анализа рентгенограмм точечных сварных соединений.

Практическую значимость имеет разработанный комплекс алгоритмов и программ, основанный на совокупности полученных научных результатов и включающий следующие зарегистрированные программные средства:

- «Программа для работы со сканированными рентгеновскими снимками точечных сварных соединений «Я_8сап» (свидетельство №2011618837);

- «Программа распознавания и анализа геометрических параметров детали на основании обменного файла «Ореп81ер» (свидетельство №2012613806);

- «Программа для распознавания микротрещин на поверхностях деталей по их рентгенограммам «К-Ое1есйоп» (свидетельство №2012661077).

Применение данных программ в системах технической диагностики позволяет обеспечить повышение качества изделий за счет автоматизации процедур контроля качества изделий с применением рентгенографии.

Результаты, выносимые на защиту:

1) графоаналитическая модель анализа рентгенограммы точечного сварного соединения;

2) математическое описание процедур распознавания дефектов;

3) алгоритмы автоматизации распознавания количественных параметров дефектов;

4) программное средство автоматизированной обработки и анализа рентгенограмм точечных сварных соединений.

Достоверность научных положений, результатов и выводов, приведенных в диссертационной работе, достигнуты за счет непротиворечивости и воспроизводимости результатов, полученных теоретически путем и соответствия результатов теоретических и экспериментальных исследований.

Реализация результатов работы. Результаты диссертационной работы внедрены в производственный процесс ОАО «ПО «Стрела», ООО «Оренбургская промышленная лаборатория» в виде программного обеспечения и инструкций по эксплуатации; в учебный процесс кафедры систем автоматизации производства ФГБОУ ВПО «Оренбургский государственный университет».

Основные результаты диссертационной работы обсуждались и получили одобрение на международных научно-практических конференциях «Актуальные проблемы науки» (Тамбов, 2011), «Теоретические и практические вопросы развития научной мысли в современном мире» (Уфа, 2013); на всероссийских конференциях «Автоматизация и информационные технологии» (Москва, 2011, 2012), «Компьютерная интеграция производства и ИПИ-технологии» (Оренбург, 2011), «Машиностроение - традиции и инновации» (Москва, 2011); научно-технической конференции молодых специалистов объединения ОАО «ПО «Стрела» (Оренбург, 2011); научной школе-семинаре молодых ученых и специалистов в области компьютерной интеграции производства (Оренбург, 2011- 2013); научных семинарах кафедры систем автоматизации производства ФГБОУ ВПО «Оренбургский государственный университет».

Публикации. По материалам диссертации опубликованы 14 работ, в том числе 3 - свидетельства о регистрации программных продуктов, 2 -статьи в сборниках международных конференций, 3 - статьи в журналах, рекомендованных ВАК.

Структура и объём диссертации. Диссертация состоит из введения, 4 разделов, выводов, списка использованных источников из 135 наименований и 4 приложений. Работа выполнена на 184 страницах, включая 51 рисунок, 25 таблиц и 46 страниц приложений.

Глава 1. ТЕОРЕТИКО-ИНФОРМАЦИОННЫЙ АНАЛИЗ АВТОМАТИЗИРОВАННЫХ СИСТЕМ КОНТРОЛЯ ТОЧЕЧНЫХ СВАРНЫХ СОЕДИНЕНИЙ НА ОСНОВЕ РЕНТГЕНОГРАФИИ. ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1 Рентгенографические методы в среде автоматизированного контроля качества продукции на машиностроительном предприятии

Для обеспечения высокого качества продукции необходим эффективный контроль качества, позволяющий обнаружить дефект [67]. При этом получение изделий высокого качества возможно только в том случае, если на предприятии осуществляются три вида контроля: предварительный, контроль в процессе обработки и окончательный контроль готового изделия или узла [44]. Таким образом, разнообразные системы диагностики технических объектов и управления технологическими процессами по ее результатам широко распространены в различных областях промышленности. В частности, к ним относятся системы оптического контроля и диагностики сварных соединений, а также неразрушающего контроля и диагностики деталей и конструкций [60].

Функциональную модель для описания процесса контроля качества изделия удобно представить в виде нотации IDEFO (Integrated computer aided manufacturing Definition for Function Modeling).

На рисунке 1.1 представлена IDEFO диаграмма «Контроль качества», включающая в себя три этапа контроля качества изделия:

- предварительный контроль, так же обозначаемый как «входной», на данном этапе которого проверяют качество исходных материалов, состояние оснастки и оборудования;

- операционный контроль (периодический), в ходе которого проверяют соблюдение технологических режимов, стабильность требуемых режимов

оборудования;

- контроль готовой продукции (выходной), который осуществляют в соответствии с техническими условиями, а дефекты, обнаруженные в результате контроля, подлежат исправлению.

По результатам выходного контроля возможно составление рекомендаций по улучшению качества продукции за счет корректировки режимов оборудования или технологического процесса в целом.

AUTHOR Овечкин PROJECT IDEF0

NOTES 123456789 10

DATE 18 09 2012 REV 13 05 2013

WORKING

DRAFT

RECOMMENDED

PUBLICATION

READER

DATE

CONTEXT

AO

Конструкторская документация на заготовку

Конструкторская документация на изделие Информационное обеспечение

Технологические процессы изготовления деталей и сборок

NODE

АО

TITLE

Контроль качества

NUMBER

Рисунок 1.1- IDEFO-диаграмма «Контроль качества»

Существуют два вида контроля качества - разрушающий и неразрушающий (рисунок 1.2). Разрушающий контроль (РК) приводит к

полному разрушению или повреждению объекта контроля. Например, испытания на прочность с помощью разрывной машины, сверление отверстий в корпусе морского судна с целью определения толщины обшивки, подверженной коррозии, стравливание защитного покрытия на деталях с целью определения его толщины. Достоинство РК заключается в том, что он позволяет непосредственно и, как правило, количественно оценить контролируемые параметры объекта, например размеры и местоположение нарушения сплошности. Однако РК не может дать полной уверенности в высоком качестве всей партии изделий, подлежащей контролю, так как осуществляется выборочно, и связь результатов контроля с качеством продукции только статистическая. Кроме того, РК не поддается автоматизации, требует специальной подготовки образцов и, следовательно, малопроизводителен.

AUTHOR Овечким PROJECT IDEF0

NOTES 123456789 10

DATE 18 09 2012^J«ORKING_ REV 18 09 2012

RECOMMENDED

CONTEXT ^ [

AO

Сборочные единицы изделия

Сборочные единицы изделия

Разрушающий контроль

Результаты

контроля

Г Технолог, рабочий

A3

Контроль готовой продукции (выходной)

Рисунок 1.2 - Декомпозиция блока «Контроль готовой продукции»

Неразрушающий контроль (НК) не связан с разрушением или повреждением объектов контроля. НК может быть осуществлен по отношению к полному объему продукции (100% контроль), а также в процессе эксплуатации изделии, что невозможно при РК. Производительность НК довольно высока, часто НК может быть сравнительно легко автоматизирован. Все эти преимущества определяют широкое распространение НК в технике.

Применение НК обеспечивает необходимый фактический запас прочности и надежности машин и механизмов при одновременном снижении количества материалов и массы. НК позволяет перейти к полной автоматизации производства, освободить контролеров от утомительной и однообразной работы [68].

Методы неразрушающего контроля представлены на рисунке 1.3. Контроль проникающими веществами основан на капиллярном проникновении индикаторных жидкостей в полости поверхностных дефектов и регистрации индикаторного рисунка. Магнитный метод основан на регистрации магнитных полей рассеяния дефектов или на определении магнитных свойств контролируемого объекта. Электрический контроль происходит посредством регистрации электростатических полей или определении электрических параметров контролируемого объекта. Радиоволновой контроль производится при помощи регистрации изменения параметров электромагнитных колебаний, взаимодействующих с контролируемым объектом. Тепловой метод основан на регистрации тепловых полей, температуры или теплового контраста контролируемого объекта. Оптический контроль построен на взаимодействии светового излучения с контролируемым объектом. Радиационный метод основан на взаимодействии проникающего ионизирующего излучения с контролируемым объектом. Радиационный НК применяется для контроля как металлических, так и неметаллических объектов и в настоящее время

занимает одно из ведущих мест по объему использования. Акустический метод производится на основе регистрации параметров упругих колебаний, возбужденных в объекте.

Рисунок 1.3 - Декомпозиция блока «Неразрушающий контроль»

В связи с большим распространением методов радиационного контроля, рассмотрим радиографический метод дефектоскопии, как занимающий наибольший объем из применяемых методов. Данным методом выявляются такие дефекты как трещины, непровары, несплавления кромок и пр., относящиеся, в большинстве своем, к дефектам сварных соединений. Недостатком метода радиационного контроля является то, что рассеянное

излучение в зависимости от энергии первичного излучения изменяет качество снимка, снижает контрастность и четкость изображения, а, следовательно, и чувствительность самого метода. Вследствие этого явления дефекты малого размера тяжело различить [60]. Декомпозиция блока радиационного контроля представлена на рисунке 1.4.

Рисунок 1.4 - Декомпозиция блока радиационного метода контроля

Диаграмма декомпозиции радиационного метода контроля состоит из

блока «Рентгеновская съемка», по результатам которой рентгенограммы

передаются либо на оцифровку и автоматизированный анализ (при

автоматизации процесса контроля), либо на проявку, после которой оператор

15

будет просматривать снимок через увеличительное стекло самостоятельно. По результатам проверки рентгенограмм проводится анализ и делаются выводы по качеству проверяемых объектов, возможности устранения дефектов (если таковые имеются) и необходимости внесения изменений в технологический процесс при обнаружении определенных неустранимых дефектов (критические прожоги, непровары и пр.).

1.2 Виды и параметры дефектов точечных сварных соединений

Методы радиационного контроля основаны на преобразовании радиационного изображения контролируемого объекта в радиографический снимок или запись этого изображения на запоминающем устройстве с последующим преобразованием в световое изображение. На практике этот метод широко распространен в связи с его простотой и документальным подтверждением полученных результатов [44].

В зависимости от используемых детекторов различают пленочную радиографию и ксерорадиографию (электрорадиографию). В первом случае детектором скрытого изображения и регистратором статического видимого изображения служит чувствительная пленка, а во втором -полупроводниковая пластина.

В процессе радиографии сварных соединений с одной стороны шва на некотором расстоянии от него помещают источник излучения, с противоположной стороны плотно прижимают кассету с чувствительной фотопленкой (рисунок 1.5). При просвечивании лучи проходят через сварное соединение и облучают пленку. В местах, где имеются поры, шлаковые включения, непровары, крупные трещины, на пленке образуются темные пятна. Вид и размеры дефектов определяют сравнением пленки с эталонными снимками. Источниками рентгеновского излучения служат специальные аппараты (РУП-150-1, РУП-120-5-1 и др.).

Применение рентгеновских пленок, лежит в основе радиографического метода дефектоскопии, который занимает наибольший объем из всех известных методов радиационного контроля. Данным методом выявляются такие дефекты, как трещины, непровары, несплавления кромок.. Наилучшая выявляемость наблюдается при прохождении излучения вдоль плоскостных дефектов (под углом 0°). Для получения и использования рентгеновского метода и гамма-излучений применяют разную радиационную технику: рентгеновские аппараты, гамма-аппараты, линейные ускорители и бетатроны.

Рисунок 1.5 - Схема радиационного просвечивания швов: 1 - источник излучения, 2 - изделие, 3 - чувствительная пленка

Контактную точечную сварку следует применять для соединения деталей конструкций толщиной от 0,6 до 8,0 мм. [61]

Структура отображения соединения на рентгенограмме представлена на рисунке 1.6 и состоит из литого ядра и области сварки, образуемой областью контакта свариваемых поверхностей.

К наружным дефектам относятся следующие:

- наружные трещины (рисунок 1.7);

- прожог;

3

- наружный выплеск;

- вырыв точек;

- выход на поверхность литой структуры;

- разрыв металла у кромки соединения;

- чрезмерная вмятина и неправильная форма вмятины от электродов;

Область сборки

Лишод ядро

Рисунок 1.6 - Структура отображения точечного сварного соединения

на рентгенограмме

Рисунок 1.7 - Наружные трещины сварной точки (под увеличением ~ 10х)

Образованию этих дефектов способствуют следующие причины:

- большая величина или длительность импульса сварочного тока;

- малая сила сжатия электродов или ее отсутствие;

- плохая подготовка поверхностей свариваемых деталей;

- малое или большое ковочное усилие;

- позднее его приложение;

- недостаточное охлаждение электродов;

- неисправное сварочное оборудование;

- неправильная форма контактных поверхностей электродов;

- загрязнение поверхностей деталей или электродов;

- большие натяги деталей при сварке и в процессе правки;

- неверно установленные электроды;

- близость сварной точки к краю соединения;

- малая величина нахлестки;

- большие величина и длительность импульса сварочного тока;

- небольшой размер рабочей поверхности электродов;

- перекос деталей или электродов;

- неправильная заточка или неравномерный износ рабочей поверхности электродов;

- перекос свариваемых электродов конструкции и др. Основные внутренние дефекты точечной сварки:

- непровар (рисунок 1.8)

- отсутствие взаимной литой зоны соединяемых элементов сварной конструкции;

- внутренние трещины, поры и раковины;

- внутренний выплеск металла (рисунок 1.9);

- несимметричное расположение ядра сварной точки;

- чрезмерное проплавление - свыше 80 % толщины свариваемого

листа.

Рисунок 1.8- Макроструктура непроваренной сварной точки

Рисунок 1.9 - Сварные точки с выплеском Причины образования внутренних дефектов:

- недостаточная величина или длительность импульса сварочного тока;

- большая и малая сила сжатия электродов;

- шунтирование сварочного тока;

- увеличение рабочей поверхности электродов;

- нестабильность контактного сопротивления, вызванная плохой подготовкой поверхностей деталей;

- большой плакирующий слой;

- раннее приложение ковочного усилия;

- малое ковочное усилие;

- запаздывание его включения;

- большой сварочный ток или длительность его импульса;

- длительное время сварки;

- чрезмерное контактное сопротивление деталей;

- плохая зачистка и загрязнение электродов;

- недолжная подготовка поверхностей деталей;

- перекос свариваемых элементов конструкции;

- малая нахлестка;

- смещение сварной точки к краю нахлестки;

- неправильный подбор размеров контактных поверхностей электродов;

- сварка различных по химическому составу материалов;

- сварка деталей разной толщины и др.

Основным дефектом контактной стыковой сварки сопротивлением или оплавлением является слипание, при котором между свариваемыми элементами имеется механический контакт, но отсутствует взаимное прорастание зерен между соединяемыми границами. Подобный дефект часто образуется при сварке трением, давлением, диффузионной и сварке взрывом.

При осмотре выявляют, как правило, поверхностные поры, трещины всех видов и направлений, наплывы, прожоги, свищи, подрезы, незаваренные кратеры, непровары и другие дефекты-несплошности. Качество считается неудовлетворительным, если будут выявлены недопустимые дефекты. При выявлении и исправлении недопустимых дефектов сварные соединения повторно подвергают контролю [18]. Классификация контролируемых дефектов приведена в таблице 1.1. При этом большую часть дефектов составляют смещения ядра, меньшую - прожиг металла (рисунок 1.10).

Недостатком метода радиационного контроля является то, что рассеянное излучение в зависимости от энергии первичного излучения изменяет качество снимка, снижает контрастность и четкость изображения, а, следовательно, и чувствительность самого метода. Вследствие этого явления дефекты малого размера тяжело различить (рисунок 1.11).

Таблица 1.1- Классы рентгенограмм сварных точек

Класс Структура Пример Корректирующее воздействие

Прожиг Забраковать деталь при превышающим норму количестве дефектов данного класса

ф •

Недожиг • Повторно проварить объекты данного класса

Классы смещений 4 т Дополнительно проварить в соответствии со смещением

Соответствие нормам _~ 1 # ■Щ Не требуется

Среднее распределение классов объектов

Прожиг; 2%

Соответствие нормам; 77%

Недожиг; 7%

.Смещение; 14%

Рисунок 1.10- Среднее распределение классов объектов на детали

Наиболее распространенным способом записи рентгеновского изображения является фиксация его на рентгенчувствительной пленке с последующей его проявкой, либо снимком на СЯ-пластину (пластину для компьютерной радиографии, рисунок 1.12) и последующей оцифровкой

22

полученного снимка с помощью соответствующих сканеров (ACR-2000, AGFA CR, HD-CR 35 NDT, GE CR 50Р и др.).

Рисунок 1.11 - Пример рентгеновского снимка детали с точечными сварными

соединениями

Рисунок 1.12 - Фосфорные CR-плacтины дляцифровой радиографии

На рисунке 1.13 представлен принцип контроля расположения литого ядра на детали типа «корпус». Пример рентгенограмм детали представлен в приложении А.

К)

Рисунок 1.13- Контроль точечных сварных соединений на детали типа «корпус»

■шдашШ

и' л?1^'-'

, » »4 » » * » '

¡чаяШШ

• О • О • О • О * О • О • О • О • О %0 • О • О 4!

Р# Р «Р * о 1 ^«Р • й «Ша® й Ч о * о» ат с

Анализ расположения литого ядра

смещено

Нормально

3-слойная структура

1.3 Анализ процессов автоматизации контроля и их практических реализации в виде программных средств обработки изображений на предмет их эффективной работы для рассматриваемой области

Существует множество процессов автоматизации контроля, основанных на обработке и распознавании изображений. Выбор совокупности используемых преобразований, во многом, зависит от подхода к решению задачи распознавания и анализа изображений. Можно выделить следующие подходы:

- перебор. В этом случае производится сравнение с базой данных, где для каждого вида объектов представлены всевозможные модификации отображения. Например, для оптического распознавания образов можно применить метод перебора вида объекта под различными углами, масштабами, смещениями, деформациями и т.д.;

- анализ характеристик образа. В случае оптического распознавания это может быть определение различных геометрических характеристик;

- нечеткие методы (искусственное нейронные сети, нечеткие множества). Методы данного типа требуют либо большого количества примеров задачи распознавания при обучении, от количества и качества которых напрямую зависит эффективность методов.

На сегодняшний день существует множество готовых программных решений автоматизации контроля на основе распознавания образов, применяющих процессы преобразования, соответствующие различным подходам к исследованию изображений. Среди программных комплексов, позволяющих решать задачи распознавания и анализа образов, можно выделить следующие основные подгруппы по спектру решаемых задач:

1) программные комплексы, предназначенные для редактирования

изображений. Основной задачей таких программных средств является

25

редактирование изображений для полиграфии и анимации, в том числе наложение масок, фильтров и различных графических эффектов. К данным программным комплексам можно отнести Adobe Photoshop, Paint.NET, GIMP, ACDSee Photo Editor и др.;

2) специализированные программные средства, входящие в состав аппаратно-программных комплексов, предназначенных для систем диагностики технических объектов (компьютерной радиографии, оптического контроля, микрофотографии и пр.). Примером таких комплексов являются аппаратно-программные комплексы компьютерной рентгенографии «Р08Р0МАТ1К»(включающий в себя программу работы с рентгеновскими снимками «SOWA193»), «Визир-МТ» и др;

Список литературы диссертационного исследования кандидат наук Овечкин, Максим Владимирович, 2013 год

Список использованных источников

1. Адилов P.M. Исследование и разработка методов анализа многоградационных растровых изображений в системах технического зрения [Текст] : дис. ... канд. техн. наук : 05.13.17 / Адилов Руфат Мейралиевич. - Пенза, 2005.

2. Анализ данных аэрофотосъемки / Хабрахабр [Электронный ресурс]. Режим доступа: http://habrahabr.ru/post/139408/ Загл. с экрана.

3. Архитектура программного обеспечения — Википедия [Электронный ресурс]. Режим доступа: http://ru.wikipedia.org/wiki/Архитектура_программного_обеспечения - Загл. с экрана.

4. Абельсон X. Структура и интерпретация компьютерных программ / X. Абельсон, Д. Д. Сассман. // М.: Добросвет, 2010. - 608с.

5. Алпатов, Б.А. Методы обработки и анализа изображений в бортовых системах обнаружения и сопровождения объектов / Б.А. Алпатов, П.В. Бабаян // Цифровая обработка сигналов, №2, 2006.

6. Айсманн, К. Ретуширование и обработка изображений в Photoshop, 3-е издание / К. Айсманн, К. У. Палмер / М: Вильяме, 2008. — 560 с. ISBN 978-5-8459-1078-3.

7. Басс Л. Архитектура программного обеспечения на практике. 2-е изд. / JI. Басс, Р. Кацман, П. Клементе // С-П: Питер, 2006. - 576 с. ISBN 5-469-00494-5.

8. Бокштейн, И.М. Обнаружение и локализация малоразмерных объектов на неоднородном фоне / И.М. Бокштейн, С.Н. Мерзляков, Н.Р. Попова / Цифровая оптика. Обработка изображений и полей в экспериментальных исследованиях. М.: Наука, 1990.-С. 164-173.

9. Борисов, В.В. Нечеткие модели и сети / В.В. Круглов, В.В. Борисов, A.C. Федулов. М.: Горячая линия - Телеком, 2007.

10. Борисов, В.В. Нечеткие оценочные модели сложных систем с учетом согласования неравнозначных целей / В.В. Борисов, A.C. Федулов // Нейрокомпьютеры: разработка, применение, №5, 2003, с. 3 12.

11. Борисов, В.В. Обобщённые нечёткие когнитивные карты / В.В. Борисов, A.C. Федулов // Нейрокомпьютеры: разработка, применение, №4, 2004, с. 3-20.

12. Вершок, Д.А. Алгоритмические средства обработки и анализа изображений на основе преобразования Хафа [Текст] : дис. ... канд. техн. наук : 05.13.15 : защищена 31.12.02 / Вершок Денис Александрович. - Минск, 2002.

13. Визильтер, Ю.В. Применение метода анализа морфологических свидетельств в задачах машинного зрения / Ю.В. Визильтер // Вестник компьютерных и информационных технологий, № 9, 2007 - 118 с.

14. Визильтер, Ю.В. Проективные морфологии на базе интерполяции / Ю.В. Визильтер // Вестник компьютерных и информационных технологий, №4, 2008

15. Визильтер, Ю.В. Проективные морфологии и их применение в структурном анализе цифровых изображений / Ю.В. Визильтер, С.Ю. Желтов // Изв. РАН. ТиСУ, № 6, 2008 с.

16. Визильтер, Ю.В. Исследование поведения авторегрессионных фильтров в задаче выделения и анализа движения на цифровых видеопоследовательностях / Ю.В. Визильтер, Б.В. Вишняков // Вестник компьютерных и информационных технологий, № 8, 2008.

17. Волков, В.Я. Геометрическое моделирование в курсе начертательной геометрии / В.Я. Волков, Л.К. Куликов. Омск: Изд-во ОмГТУ, 1995. - 58с.

18. Волченко, В.Н. Контроль качества сварных конструкций / В.Н. Волоченко/М. : Машиностроение, 1986.

19. Вудс, Р. Цифровая обработка изображений / Р. Вудс, Р. Гонсалес / Издательство: Техносфера. SBN 5-94836-028-8, 2005 г. 1072 стр.

20. Гагарина, Л.Г. Алгоритмы и структуры данных / Л.Г. Гагарина, В. Д. Колдаев / Финансы и статистика, Инфра-М. ISBN: 978-5-279-03351-5, 2009 г.

21. Гамма, Э. Приемы объектно-ориентированного проектирования: Паттерны проектирования Текст. : пер. с англ./ Э. Гамма, Р. Хелм, Р. Джонсон, Дж. Влиссидес. СПб : Питер, 2004. - 366 с.

22. Гергель, В.П. Теория и практика параллельных вычислений Текст. : учеб. пособие / В.П. Гергель. — М. : Интернет-Университет Информационных Технологий; БИНОМ: Лаборатория знаний, 2007. 423 с.

23. Гиренко, A.B. Методы корреляционного обнаружения объектов [Текст] / A.B. Гиренко, В.В. Ляшенко, В.П. Машталир, Е.П. Путятин - Харьков: АО "БизнесИнформ", 1996. - 112 с.

24. Голованов, Н. Н. Компьютерная геометрия: Учебное пособие для студ. Вузов / H.H. Голованов, Д.П. Ильютко, Г.В. Носовский, А.Т. Фоменко,- М.: Издательский центр «Академия», 2006. — 512 с.

25. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB: Пер. с англ. / Гонсалес Р., Вудс Р., Эдцинс С. — М.: Техносфера, 2006. — 616 c.l.BN 5-94836092-8

26. Горбань, А.Н. Нейроинформатика / А.Н. Горбань, B.JI. Дунин-Барковский, А.Н. Кирдин и др. — Новосибирск: Наука. Сибирское предприятие РАН, 1998.

27. ГОСТ 15878-79. Контактная сварка. Соединения сварные. Конструктивные элементы - Взамен ГОСТ 15878-70. Введ. 01.07.80 до 01.07.85.

28. ГОСТ 20426-82. Контроль неразрушающий. Методы дефектоскопии радиационные - Взамен ГОСТ 20426-75. Введ. 01.07.83 до 01.07.93.

29. Грузман, И.С. Цифровая обработка изображений в информационных системах: Учебн. Пособие / И.С.Грузман, B.C. Киричук, В.П. Косых, Г.И.Перетягин, A.A. Спектор / Новосибирск, изд-во НГТУ, 2003. - 352 с.

30. Диаграмма компонентов (component diagram) — Мастерская Dr.dimdim [Электронный ресурс]. Режим доступа: http://www.business-process.ru/designing/methodology/urnl/theory/component_diagrarn_theory.htrnl - Загл. с экрана.

31. Дьяконов, В.П. Matlab Обработка сигналов и изображений. Специальный справочник / В.П. Дьяконов, И.А. Абраменкова / СПб: Изд-во "Питер", 2002.

32. Дьяконов, В. П. MATLAB 6.5 SP1 Работа с изображениями и видеопотоками./ В. П. Дьяконов / — М.: СОЛОН-Пресс, 2010. — 400 с. ISBN 5-98003-2052.

33. Дьяченко, И.В. Разработка методов и алгоритмов модулярной фильтрации для задач распознавания и классификации образов [Текст] : дис. ... канд. техн. наук : 05.13.18 / Дьяченко Игорь Васильевич. - Ставрополь, 2006.

34. Дюк В.А. Компьютерная психодиагностика. - СПб: Братство, 1994. -365 с.

35. Еникеев А. И. Языки программирования, методы трансляции и технологии программирования / А. И. Еникеев, Р. М. Хадиев Казань: ЦИТ, 2005. - 96 с.

36. Журавлев, Ю.И. Распознавание образов и анализ изображений / Ю.И.Журавлев, И.Б. Гуревич / Искусственный интеллект в 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова, М.: изд-во «Радио и связь», 1990. — с.149-190.

37. Иванов, Д. В. Алгоритмические основы растровой графики / Д. В. Иванов, A.A. Хропов, Е.П. Кузьмин, A.C. Карпов, В. С. Лемпицкий / М. 2007.

38. Еникеев А. И. Языки программирования, методы трансляции ш технологии программирования / А. И. Еникеев, Р. М. Хадиев Казань: ЦИТ, 2005. - 96 с.

39. Камашев М. А. О технологии создания специализированных объектно-ориентированных приложений / М. А. Камашев // Исследования по информатике. — Казань, 2007, — Вып. 11. С. 123—128.

40. Камашев М. А. Описание программного обеспечения / М. А. Камашев //Техника и технология. — 2011 .-№ 4. С. 17-38.

41. Кашкин, В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: Учебное пособие / В.Б. Кашкин, А.И. Сухинин / М.: Логос, 2001.

- 264 с.

42. Кобзарь, А.И. Прикладная математическая статистика. Для инженеров и научных работников / А.И. Кобзарь / М.: ФИЗМАТЛИТ, 2006. - 816 с.

43. Когаловский М. Р. Энциклопедия технологий баз данных / М. Р. Когаловский. — М.: Финансы и статистика, 2002. 800 с.

44. Коллакот, Р. Диагностика повреждений / Р. Коллакот / М. : Мир, 1989. -

516с.

45. Корябкина И.В. Эффективные способы и средства описания изображений в задачах распознавания [Текст] : дис. ... канд. техн. наук : 05.13.17 : защищена 21.12.06 / Корябкина Ирина Валентиновна. - Москва, 2006.

46. Кузнецов С. Д. Базы данных. Языки и модели / С. Д. Кузнецов. М.: Бином-Пресс, 2008. - 720 с.

47. Кузнецов С. Д. Основы баз данных / С. Д. Кузнецов. М.: Бином. Лаборатория знаний, 2007. - 488 с.

48. Ларман, К. Применение ИМЬ 2.0 и шаблонов проектирования. Введение в объектно-ориентированный анализ и проектирование / К. Ларман. -М. : Издательский дом «Вильяме». — 2008. 736 с.

49. Левин Н. А. Алгебраический подход к оптимизации обработки информации / Н. А. Левин, В. И. Мунерман // Математические модели и методы информатики, стохастические технологии и системы. М., 2005. — С. 279—294. — (Системы и средства информатики; Спецвып.).

50. Лешек А. М. Анализ и проектирование информационных систем с помощью ЦМЬ 2.0. Третье изд. / А. Лешек М. — М. : Издательский дом «Вильяме». 2008.

- 816 с.

51. Маматов, Е.М. Применение информационной меры однородности в задачах автоматической классификации объектов и распознавания образов [Текст] : дис. ... канд. техн. наук : 05.13.01 / Маматов Евгений Михайлович. - Белгород, 2006.

52. Мартин Р. Чистый код. Создание, анализ и рефакторинг / Р. Мартин; пер. с англ. Е. Матвеева. СПб.: Питер, 2010. - 464 с.

53. Машнин Т. Современные JAVA-технологии на практике / Т. Машнин. СПб.: БХВ-Петербург, 2010. - 560 с. Местецкий, JI.M., Математические методы распознавания образов / JI.M. Местецкий— М.: Изд-во МГУ, 2004. — 85 С.

54. Митчелл Дж. Основания языков программирования / Дж. Митчелл; пер. с англ. П. Айткулова, Д. Когетова. — М.: Регулярная и хаотическая динамика, 2010. 720 с.

55. Мозговой, М. В. Классика программирования: алгоритмы, языки, автоматы, компиляторы. Практический подход Текст. / М. В. Мозговой. — СПб. : Наука и Техника, 2006. 320 с.

56. Мудров, А.Е. Численные методы для ПЭВМ на языках Бейсик, Фортран и Паскаль / А.Е. Мудров / Томск: МП «РАСКО», 1991. 272 с.

57. Никулин, Е. А. Компьютерная геометрия и алгоритмы машинной графики Текст. / Е. А. Никулин. СПб. : БХВ-Петербург, 2003. - 560с.

58. Новиков, Ю. JI. Эффективные алгоритмы векторизации растровых изображений и их реализация в геоинформационной системе [Текст] : дис. ... канд. техн. наук : 05.13.18 : защищена 17.10.02 / Новиков Юрий Леонидович. - Томск, 2002.

59. Новые Экспертные Системы (НЭКСИС): программы для анализа изображений Image Expert [Электронный ресурс]. Режим доступа: http://www.modificator.ru/ad/nexsys.html - Загл. с экрана.

60. Овечкин, М. В. Распознавание сварных точечных соединений по рентгеновским снимкам деталей / М. В. Овечкин // CONTROL ENGINEERING. Россия -М.-2011.-№4.- С. 22-26

61. ОСТ 36-58-81. Конструкции строительные стальные. Сварка. Основные требования - Взамен ГОСТ 20426-75. Введ. 11.05.81.

62. Песков Н.В. Поиск информативных фрагментов описаний объектов в задачах распознавания [Текст] : дис. ... канд. техн. наук : 05.13.17 / Песков Николай Владимирович. - Москва, 2004

63. Потапов, A.A. Новейшие методы обработки изображений / A.A. Потапов, A.A. Пахомов, С.А. Никитин, Ю.В. Гуляев / М.: Физматлит, 2008. — 496 с. ISBN 9785922108416

64. Потапов, A.C. Автоматический анализ изображений и распознавание образов на основе принципа репрезентационной минимальной длины описания [Текст] : дис. ... докт. техн. наук : 05.13.01 защищена 02.12.08 / Потапов Алексей Сергеевич. - СП, 2008.

65. Поляков, А.Ю. Методы и алгоритмы компьютерной графики в примерах на Visual С++, 2-е изд., перераб. и доп. / А.Ю. Поляков, В.А. Брусенцев СПб:: БХВ— Петербург, 2003. — 560 с. — ISB№5-94157-377-4

66. Проект Ident Smart Studio. Лаборатория распознавания изображений [Электронный ресурс]. Режим доступа: http://iss.norcity.ru/- Загл. с экрана.

67. Проскурин, Д.А. Вихретоковый дефектоскоп для контроля прямошовных сварных труб / Д.А.Проскурин // Сборник материалов региональной научно-практической конференции молодых учёных и специалистов Оренбургской области. - Оренбург: РИК ГОУ ОГУ, 2003. - С. 10-12.

68. Проскурин, Д.А. Получение идентификационных моделей дефектов поверхности прямошовных сварных труб / Д.А.Проскурин // Материалы V Всероссийской научно-практической конференции «Компьютерная интеграция производства и ИПИ-технологни» - Оренбург: ИП Осиночкин Я. В., 2011.-е. 263-271

69. Прэтт, У. Цифровая обработка изображений: Пер. с англ. / У. Прэтт. — М.: Мир, 1982,— Кн. 1,—312 с.

70. Путятин, Е.П. Обработка изображений в робототехнике [Текст] / Е.П. Путятин, С.И. Аверин - М: Машиностроение, 1990. - 320 с.

71. Рефакторинг архитектуры программного обеспечения: выделение слоев [Электронный ресурс]. Режим доступа: http://citforum.ru/SE/project/refactor/ - Загл. с экрана.

72. Рихтер, Д. Windows для профессионалов: создание эффективных Win32-приложений с учетом специфики 64-разрядной версии Windows Текст. : пер. с англ. / Д. Рихтер. 4-е изд. - СПб. : Питер; М. : Русская редакция; 2008. - 720 с.

73. Роджерс, Д. Математические основы машинной графики Текст. / Д. Роджерс, Адаме Дж. Изд. 2-е, доп. и перераб. - М.: Мир, 2001. - 604 с.

74. Рожков, М.М. Актуальность 2D алгоритмов в определенных задачах автоматического распознавания человека / Рожков М.М. / Материалы научной конференции "Технические науки: проблемы и перспективы" СПб, 2011. — С. 145—146. — ISSN 2072-0297.

75. Романов, В. Ю. Популярные форматы файлов для хранения графических изображений на IBM PC Текст. / В.Ю. Романов. М. : Унитех, 1992.-320 с.

76. Современные высокопроизводительные компьютеры - Основные архитектурные понятия [Электронный ресурс]. Режим доступа: http://citforum.ru/hardware/svk/glava_4.shtml - Загл. с экрана.

77. Селко Д. SQL для профессионалов. Программирование / Д. Селко; пер. с англ. И. Афанасьева. М.: Лори, 2009. — 464 с.

78. Сергунин, С.Ю. Схема динамического построения многоуровнего описания изображений / С.Ю.Сергунин, К.М.Квашнин, М.И. Кумсков // Сб. тр. 11-й всеросс. конф: «Математические методы распознавания образов (ММРО-11)», М., 2003. с. 436-439.

79. Симанков B.C. Адаптивное управление сложными системами на основе теории распознавания образов / B.C. Симанков, Е.В. Луценко // Монография (научное издание) /Техн. ун-т Кубан. гос. технол. ун-та. - Краснодар, 1999. -318 с.

80. Слынько, Ю.В. Решение задачи одновременного сопровождения и оконтуривания методом максимального правдоподобия / Ю.В. Слынько // Цифровая обработка сигналов, № 4, 2008. с. 7-10.

81. Сойфер, В.А Компьютерная обработка изображений. Часть 2. / Методы и алгоритмы / В.А. Кашкин. - Соросовский образовательный журнал, 1996, №3. - с. 110-

121.--ISBN 5-9221-0270-2.

82. Степаненко, О.С., Сканеры и сканирование. Краткое руководство / О.С. Степаненко, / — М.: Диалектика, 2005. — 288 с. ISBN 5-8459-0617-2

83. Ту, Дж. Принципы распознавания образов. / Дж. Ту, Р. Гонсалес / М.: Мир, 1978, с. 416.

84. Фаро С. Рефакторинг SQL-приложений / С. Фаро, П. Лерми; пер. с англ. Ф. Гороховского. СПб.: Символ, 2009. — 336 с.

85. Фень, Ю. Программирование графики для Windows Текст. / Ю. Фень. — СПб. : Питер, 2002. 1072 с.

86.Фу, К. Структурные методы в распознавании образов / К. Фу ; пер. с англ. Н.В. Завалишина ; под ред. М.А. Айзермана. - М. : Мир, 1977. - 319 с.

87. Хуанг, Т. С. Быстрые алгоритмы в цифровой обработке изображений / Т. С. Хуанг, Дж.-О. Эклунд, Г. Дж. Нуссбаумер / Под ред. Хуанга Т. С. - М.: Радио и связь, 1984.

88. Шевченко H.A. Обработка изображений металлических поверхностей в задачах автоматизированного контроля качества изделий [Текст] : дис. ... канд. техн. наук : 05.13.01 / Шевченко Никита Александрович. - Владимир, 2006.

89. Юсупов P.M., Концептуальные и научно-методологические основы информатизации / P.M. Юсупов, В.П. Заболотский. СПб.: Наука, 2009. - 455с.

90. Якунин, В. И. Геометрические основы систем автоматизированного проектирования технических поверхностей / В.И. Якунин. М.: Издательство МАИ, 1980. -86с.

91. Яншин, В.В. Обработка изображений на языке Си для IBM PC / В.В. Яншин, Г.А. Калинин/М.: Мир, 1994.-241 с. ISBN 5-03-002891-9.

92. Bobick, A.F. The recognition of human-movement using temporal templates // A.F. Bobick, J.W. Davis / IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, no. 3,2001. 257-267.

93. Boiman, O., Detecting irregularities in images and in video // O. Boiman / International Journal of Computer Vision, Vol. 74, no. 1, 2007. - 17-31.

94. Bresson, X. Variational Model for Object Segmentation Using Boundary Information and Shape Prior Driven4 by the Mumford-Shah Functional // X. Bresson, P. Vandergheynst, J. Thiran / International Journal of Computer Vision, 2006. - 145-162.

95. Cavallaro, A. Shadow-aware object-based video processing // A. Cavallaro, E. Salvador, T. Ebrahimi / IEEE Vision; Image and Signal Processing, Vol. 152, №4, 2005. - 1422.

96. Chen, C.H. Handbook of pattern recognition and computer vision [Текст] / C.H. Chen, L.F. Rau ; World Scientific Publishing Co. Pte. Ltd., 1995. - 984 c.

97. Chen, J. Training SVM with indefinite kernels // J. Chen, J. Ye / In: Proc. of the 25th international conference on Machine learning (ICML), Vol. 307, 2008. 136-143.

98. Cheung, S. Detection of Approaching Pedestrians from a Distance Using Temporal Intensity Patterns // S. Cheung, Y. Moon / MVA2009, Vol. 10, 2009. - 354-357.

99. Dalai, N. Human detection using oriented histograms of flow and appearance // N. Dalai / In ECCV, vol. II, 2006.-428-141.

100. Hall, C. A. Uniform convergence of cubic spline interpolants / C.A. Hall // J. Approximation Theory. 1973. - V.7. - № 1. -P. 71—75.

101. Hall, C. A. Bicubic interpolation over triangles / C. A. Hall // J. Math. Mech. -1969. V.19.-№l.-P. 1—11.

102. Hoskins, W. D. Explicit calculation of interpolation cubic splines on equidistant knots / W.D. Hoskins, P.J. Ponzo //BIT.-1972.-V. 12.-№ l.-P. 54 62.

103. Kershaw, D. A note on the convergence of interpolatory cubic splines / D. Kershaw // SIAM J. Numer. Anal. 1971. -V.8. - № 1. - P. 67—75.

104. Lucas, T. R., Error bounds for interpolating cubic spline under various end conditions I T.R. Lucas // SIAM J. Numer. Anal. 1974. - V. 11. - № 3. - P. 569—584.

105. Marsden, M .J. On uniform spline approximation / M. J. Marsden // J. Approximation Theory. 1972. -V. 6. - № 3. - P. 244—253.

106. Marsden, M. J., Cubic spline interpolation of continuous functions / M. J. Marsden // J. Approximation Theory. 1974. - V. 10. - № 2. - P. 103—111.

139

107. Renka, R. J. Interpolation tension splines with automatic selection of tension factors / R. J. Renka // SIAM J. Sci. Stat. Сотр. 1987. - V. 8. - P. 393 - 415.

108. Rentrop, P. An algorithm for the computation of exponential splines / P. Rentrop // Numer. Math. 1980. - V. 35. - P. 81 - 93.

109. Shalkoff, R.J. Digital image processing and computer vision [Текст] / R.J. Shalkoff; New York : John Wiley & Sons, Inc., 1989. - 489 c.

110. TWAIN - Википедия [Электронный ресурс]. Режим доступа: http://ru.wikipedia.org/wiki/TWAIN - Загл. с экрана.

111. TrueColor - Википедия [Электронный ресурс]. Режим доступа: http://ru.wikipedia.org/wiki/TrueColor - Загл. с экрана.

112. Барабаш Ю.Л. Коллективные статистические решения при распознавании. -М.: Радио и связь, 1983.-224 с.

113. Васильев В.И. Распознающие системы: Справочник. - К.: Наукова думка,

1983.-230 с.

114. Горелик А.Л., Скрипкин В.А. Методы распознавания. Изд.2. -М.: Высшая школа, 1984.-219 с.

115. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер.с англ. -М.: Мир, 1978.-510 с.

116. Кузин Л.Т. Основы кибернетики: Основы кибернетических моделей. Т.2. -М.: Энергия, 1979.-584 с.

117. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. -М.: Высшая школа, 1989. - 367 с.

118. Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. -М.: Энергия, 1979. - 511 с.

119. Ту Дж., Гонсалес Р. Принципы распознавания образов: Пер. с англ. -М.: Мир, 1978.-410 с.

120. Уинстон П. Искусственный интеллект: Пер. с англ. -М.: Мир, 1980. - 520 с.

121. Фу К. Структурные методы в распознавании образов: Пер.с англ. -М.: Мир, 1977.-320 с.

122. Цыпкин Я.З. Основы информационной теории идентификации. -М.: Наука,

1984. -520 с.

123. Поспелов Г.С. Искусственный интеллект - основа новой информационной технологии: Сер. Академические чтения. -М.: Наука, 1988.— 280 с.

124. Искусственная нейронная сеть — Virtual Laboratory Wiki [Электронный ресурс]. Режим доступа: http://ru.vlab.wikia.com/wiki/McKycTBeHHaH_HeftpoHHaH_ceTb - Загл. с экрана.

125. Барабаш Ю.Л. Коллективные статистические решения при распознавании. - М.: Радио и связь, 1983. - 224 с.

126. Айзерман М.А., Малишевский А.В. Некоторые аспекты общей теории выбора лучших вариантов //Автоматика и телемеханика. 1982. N 2. - С. 65-83.

127. Батыршин И.З., Закуанов Р.А. Алгебраические свойства параметризованных лексикографических оценок //Создание и применение гибридных экспертных систем: Тез. докл. Всесоюзной конференции-Рига, 1990 - С. 51-53.

128. Ковалерчук Б.Я. О 8-й Европейской конференции по кибернетике и системным исследованиям //Новости искусственного интеллекта. 1993. № 3. - С. 25 - 28.

129. Симанков B.C., Луценко Е.В. Исследование эффективности управления обучением с применением адаптивной информационной модели //Компьютерные технологии в науке и образовании XXI века: Тез. докл. Всероссиской конференции. -Уляновск: УлГУ, 1999. - 3 с.

130. Соколов Н., Ляшков А. Информационные хранилища для систем принятия решений //Рынок ценных бумаг. 1996. № 14 (77). - С.45-51

131. Abe S., Lan M.-S., Thawonmas R. Tuning of a fuzzy classifier derived from data. - Int. J. Of Approx. Reasoning, 14, 1996, 1 - 24.

132. Berger M. A new parametric family of fuzzy connectives and their application to fuzzy control. - Fuzzy Sets Syst., vol. 93, 1998, pp. 1-16.

133. Wang L.-X. Combining mathematical model and heuristics into controllers: an adaptive fuzzy control approach. - Fuzzy Sets and Systems, 89, 1997, 151 - 156.

134. Вальков, B.M. Автоматизированые системы управления технологическими процессами / B.M. Вальков, В. Е. Вершин. - Л: Политехника, 1991. - 269 с.

135. Овечкин М.В. Выделение контуров объектов при распознавании монохромных изображений / М.В. Овечкин, В.Н. Шерстобитова // Теоретические и практические вопросы развития научной мысли в современном мире. Сборник статей II Международной научно-практической конференции в 4 ч. - УФА : РИЦ БашГУ, 2013. -4.4. - С. 136-138. - ISBN 978-5-7477-3221-6.

Приложение А Пример части рентгенограммы обечайки

(настройки рентгена и сканера - по умолчанию)

Рисунок А. 1 - Часть рентгенограммы в масштабе 1:1