Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Стародубов, Дмитрий Николаевич

• Стародубов, Дмитрий Николаевич
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Стародубов, Дмитрий Николаевич

Введение.

Глава 1 Анализ методов и средств контроля качества объектов.

1.1 Виды контроля качества и их особенности.

1.2 Основные методы неразрушающего контроля.

1.3 Металлографические исследования снимков микроструктур.

1.4 Состояние задачи автоматизации визуального контроля.

1.5 Общая структура и основные компоненты СТЗ визуального контроля

Выводы по главе 1.

Постановка задачи исследования.

Глава 2 Разработка методов и алгоритмов выделения базовых и производных признаков плоских объектов и предварительной обработки изображения.

2.1 Необходимость вычисления дополнительных базовых и производных признаков объектов.

2.2 Выбор и обоснование тестовых изображений.

2.3 Алгоритмы вычисления признаков плоских объектов.

2.3.1 Площадные признаки.

2.3.2 Линейные характеристики.

2.3.3 Моментные характеристики.

2.3.4 Способ формирования наборов производных признаков объектов, инвариантных к повороту, переносу и изменению масштаба объектов.

2.4 Алгоритмы предварительной обработки изображения.

Выводы по главе 2.

Глава 3 Исследование стабильности и информативности базовых и производных признаков объектов.

3.1 Методика исследования стабильности признаков объектов.

3.2 Исследование стабильности площадных характеристик объектов.

3.3 Исследование стабильности линейных характеристик объектов.

3.4 Исследование стабильности моментных характеристик объектов.

3.5 Методика исследования информативности признаков объектов.

3.6 Исследование информативности признаков объектов.

Выводы по главе 3.

Глава 4 Решение практических задач автоматического анализа и распознавания металлографических и дефектоскопических снимков.

4.1 Структура экспериментальной системы автоматического анализа и распознавания микроструктуры.

4.2 Алгоритмы работы блоков системы.

4.3 Решение задачи определения процентного соотношения феррита и перлита в стали.

4.4 Решение задачи анализа неметаллических включений в стали.

4.5 Решение задачи анализа структуры отливок из чугуна.

4.6 Решение задачи анализа дефектов сварных швов.

4.7 Решение задачи анализа дефектов на снимках теплового контроля.

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков»

Технологический рывок, сделанный в XX-XXI веках вывел на новый уровень промышленность и связанные с ней отрасли. Появились новые виды продукции, существенно расширились объемы производства уже существующей. Параллельно с этим процессом шло расширение и развитие методов и технических средств контроля качества, т.к. практически на любом производстве неизбежен некоторый процент брака, дефектной продукции, использование которой нежелательно, а иногда и недопустимо.

Стремительное развитие наукоемких технологий, в том числе микроэлектроники, дало толчок к широкому использованию сложной вычислительной техники как на производстве, так и в других областях человеческой деятельности. Распространение микропроцессорных устройств привело к появлению новых средств автоматизации в промышленности, в том числе и систем автоматизированного контроля качества продукции [1 -6]. Подобные системы предназначены для замены человека на работах, требующих выполнения однотипных, трудоемких и, иногда, вредных для здоровья операций по контролю качества.

В настоящее время в промышленности ручной контроль качества все еще преобладает над автоматизированным [1, 7, 8]. Главной причиной такого положения дел является сложность разработки методов автоматической обработки результатов контроля. Наибольший уровень автоматизации сейчас наблюдается в области визуального контроля качества, где используется автоматический анализ дефектоскопических изображений на базе систем технического зрения (СТЗ) [3, 6, 9 - 16].

Разработка СТЗ требует решения таких задач, как предварительная обработка изображения, полученного с видеодатчика [9, 11, 13, 16 - 27]; нахождение объектов на улучшенном изображении [6, 16, 20, 21, 23, 25, 28 - 42]; выделение признаков найденных объектов [6, 13, 43 - 46]; распознавание и классификация объектов с использованием их признаков [6, 18, 47, 48].

Методы и алгоритмы решения данных задач в настоящее время разработаны достаточно хорошо как в теории, так и на практике, но пока не найдены универсальные подходы, позволяющие применять их к решению проблем различных типов. Поэтому при разработке СТЗ, автоматизирующей конкретную прикладную область, часто требуется модификация известных алгоритмов обработки данных либо разработка новых методов и алгоритмов.

Одна из областей контроля качества - металлографические исследования снимков микроструктуры, используемые во многих областях современной промышленности [4, 5, 49 - 61]. В настоящее время не предложено автоматического решения данной задачи; одним из препятствий при этом является необходимость распознавания объектов независимо от их положения в поле зрения СТЗ, ориентации в пространстве и масштаба.

Методы и алгоритмы, позволяющие обеспечить распознавания независимо от переноса, поворота и изменения масштаба (111 1М) объекта разработаны достаточно слабо. Поэтому задача разработки подобных методов в области систем автоматизации контроля качества является достаточно актуальной и требует своего решения.

Целью диссертационной работы является разработка, исследование и практическое применение методов и алгоритмов обработки и анализа дефектоскопических и металлографических снимков.

Исходя из цели работы, ставятся следующие задачи исследования:

1. Анализ состояния задач автоматизации контроля качества, а именно -задач обработки и распознавания металлографических и дефектоскопических снимков.

2. Обзор основных методов и алгоритмов, используемых в СТЗ визуального контроля для цифровой обработки снимков.

3. Разработка методов и алгоритмов выделения базовых признаков объектов, не использовавшихся ранее в СТЗ визуального контроля.

4. Разработка способа формирования производных признаков объектов, инвариантных к ПГТМ и исследование стабильности полученных признаков.

5. Разработка и исследование метода построения информативной системы признаков для распознавания объектов на дефектоскопических и металлографических снимках.

6. Разработка системы автоматического анализа металлографических и дефектоскопических снимков.

Методы исследования. В работе использованы методы теории множеств, дискретной математики, математической статистики, цифровой обработки изображений и теории распознавания образов.

Научная новизна. В результате проведенных исследований разработаны:

- алгоритм определения длины и ширины объекта независимо от его формы и ориентации на изображении;

- метод формирования информативных систем признаков объектов, инвариантных к ППМ;

- методика исследования стабильности базовых и производных признаков объектов к ППМ.

Практическая ценность работы. Результаты работы позволяют:

- вычислять базовые и производные признаки плоских объектов на изображении;

- формировать большое количество инвариантных к ППМ признаков объектов;

- исследовать стабильность признаков объектов к ППМ с использованием сравнительно небольшого количества тестовых объектов;

- формировать информативную систему признаков объектов, инвариантных к ППМ, которая может быть использована при распознавании объектов сложной формы;

- автоматически решать задачу определения процентного соотношения основных составляющих различных марок стали;

- автоматически решать задачи оценки неметаллических включений в стали и анализа структуры отливок из чугуна;

- автоматически определять параметры дефектов на снимках, полученных радиографическими и тепловыми методами неразрушающего контроля.

Реализация результатов исследования. Разработанные алгоритмы и система анализа металлографических и дефектоскопических снимков внедрены в производство, о чем свидетельствуют акты, приведенные в приложении к диссертации.

Апробация работы. Материалы диссертационной работы докладывались и обсуждались на научных конференциях преподавателей МИВлГУ (г. Муром, 2005-2008 гг.), на Международной научно-технической конференции «Проблемы передачи и обработки информации в сетях и системах телекоммуникаций» (г. Рязань, 2005 г.), а также на Международном симпозиуме «Надежность и качество» (г. Пенза, 2005 г.).

Публикации. Основные результаты диссертации опубликованы в 16 работах, в том числе в 2 статьях в журналах из списка ВАК. Получены 2 патента на полезные модели и свидетельство о государственной регистрации программы для ЭВМ.

На защиту выносится:

1. Результаты оценки состояния задачи автоматизации дефектоскопических и металлографических снимков с использованием СТЗ и методов цифровой обработки изображений;

2. Метод формирования наборов безразмерных производных признаков плоских объектов;

3. Метод определения стабильности базовых и производных признаков плоских объектов к ППМ;

4. Способ определения длины и ширины плоского объекта произвольной формы, инвариантный к ППМ;

5. Результаты экспериментальных исследований, подтверждающих теоретические разработки.

В первой главе диссертации рассмотрены основные методы контроля качества, их особенности, преимущества и недостатки, а также уровень автоматизации. Выполнен обзор задач металлографических исследований снимков микроструктур. Рассмотрена общая структура и основные компоненты СТЗ визуального контроля, а также проанализированы основные методы и алгоритмы цифровой обработки изображений, используемые в существующих СТЗ.

Во второй главе приведена разработка алгоритмов вычисления базовых признаков плоских объектов, методики формирования инвариантных характеристик на основе базовых, а также методов предварительной обработки изображений.

Третья глава диссертации посвящена разработке и применению методики исследования стабильности признаков к ППМ объектов. Приведены результаты экспериментального исследования стабильности производных признаков, сформированных на базе площадных, линейных и моментных характеристик. Предложена методика формирования информативной системы признаков объектов, которая применена для объектов с металлографических снимков.

В четвертой главе описана структура разработанной системы, а также алгоритмы ее работы. Приведено решение задач автоматического анализа металлографических снимков.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Стародубов, Дмитрий Николаевич

Выводы по главе 4

1. Разработана экспериментальная система, позволяющая решать задачи автоматического анализа различных дефектоскопических и металлографических снимков и распознавания объектов на них.

2. Впервые на основе методов цифровой обработки изображений и распознавания образов решена задача автоматического определения процентного соотношения перлита и феррита в стали, поставленная в ГОСТ 8233-56. Осуществлена как оценка структуры стали с использованием балла (по требованиям ГОСТ 8233-56), так и вычисление точных числовых значений площадей перлита и феррита.

3. Автоматически решена задача оценки размера неметаллических включений в стали по ГОСТ 1778-70. При этом определяются точные размеры каждого включения на снимке, в зависимости от значения которого частицы относятся к одной из нескольких групп.

4. Впервые решена задача автоматического анализа структуры отливок из чугуна по ГОСТ 3443-87, для чего создана система, позволяющая распознавать вид графитовых включений на изображении и определять следующие их характеристики: количество и длина включений пластинчатого и графита; количество и диаметр включений шаровидного графита; диаметр включений компактного графита; количество включений вермикулярного графита. Кроме того, определяются геометрические и моментные характеристики каждого найденного включения, которые использованы для дополнительного анализа микроструктуры.

5. Решены задачи анализа дефектоскопических снимков, полученных различными методами неразрушающего контроля: радиографическим и тепловым. Разработанная система позволяет автоматически выделять на исследуемых снимках дефектные участки и определять их точные геометрические параметры.

6. Впервые решена задача распознавания плоских объектов на металлографических снимках независимо от их масштаба и ориентации на изображении с использованием характеристик, инвариантных к ППМ объекта.

Заключение

1. Осуществлен обзор и анализ состояния задач контроля качества изделий и материалов в промышленности. Установлено, что: уровень автоматизации в контроле качества является невысоким, развиваются методы и системы автоматизации визуально-оптического контроля; выходные данные большинства методов контроля представлены в виде снимков и изображений, требующих дальнейшего визуального анализа.

2. Показана актуальность разработки алгоритмов и методов автоматического анализа дефектоскопических и металлографических снимков на базе СТЗ и методов цифровой обработки изображений.

3. Установлено, что: в существующих СТЗ визуального контроля используются достаточно простые методы и алгоритмы обработки изображений, которые не могут быть использованы при анализе дефектоскопических и металлографических снимков; для качественной классификации и распознавания объектов в СТЗ необходимо использовать признаки объектов, инвариантных к переносу, повороту и изменению масштаба объектов; большинство признаков, используемых в СТЗ визуального контроля, не обладают подобными свойствами и поэтому требуется разработка метода формирования характеристик, инвариантных к ППМ объектов.

4. Созданы наборы тестовых изображений объектов, разделенные по категориям в зависимости от формы, выпуклости, наличия дыр, что позволило учесть многообразие объектов, встречающихся в задачах анализа металлографических и дефектоскопических снимков. связанных с выпуклой формой объекта и описанным вокруг него прямоугольником минимальной площади, которые не применялись ранее в СТЗ.

6. Разработан алгоритм вычисления длины и ширины объекта, результаты работы которого не зависят от ориентации объекта на изображении. Созданный алгоритм применим как к объектам известной геометрической формы, так и к произвольным фигурам.

7. Предложен метод формирования инвариантных к ППМ производных признаков, позволяющий составлять широкие наборы признаков для решения задач классификации и распознавания объектов.

8. Разработана методика исследования стабильности признаков к ППМ объектов. Ее применение показало, что многие характеристики, построенные с использованием предложенной методики формирования признаков, имеют отклонение не более 3% при ППМ объектов.

9. Экспериментально обнаружено, что наиболее стабильными из признаков, сформированных на основе площадных характеристик, являются следующие: S0 / S, Snр / 5Вып, ^вып / S0, SBhm / S, Snp / S0, snp / S. Около 20 подобных признаков показывают среднее отклонение, не превышающее 3%.

10. Среди характеристик, построенных на основе линейных признаков, лучшую стабильность показали: Рвш / Рпр, Рпр / L, Рвып / L, Rmax / Рвып, Рпр / W, Rmaх / Рпр, , Рвыгт I W , Rmax / W, Rmilx / L, W/ L. 16 подобных характеристик показали средние отклонения, не превышающие 3%. Еще около 10 признаков имеют отклонения в пределах 0-5%.

11. Установлено, что линейные признаки по сравнению с площадными имеют большие значения максимальных отклонений, что объясняется зависимостью значений линейных характеристик от качества контура объекта.

При изменении контура значения площадных признаков меняются незначительно из-за большого количества внутренних точек объекта, в то время как линейные характеристики могут заметно изменить свои значения.

12. В ходе исследования установлено, что моментные характеристики и производные признаки на их основе имеют, в основном, неудовлетворительную стабильность, из-за большого порядка их значений и чувствительности к искажениям измененного объекта. Лучшую стабильность (среднее отклонение до 10 %) показали следующие характеристики: M2/Mi, М2вып/ М!вът,

М/вып / Mh М1вът / М2, М2вьт / М2, М2вып / Ми т%п / т02, r/e£n / rj22.

13. Разработана методика исследования информативности признаков объектов, позволяющая определить качество распознавания при использовании некой системы характеристик. Ее применение показало, что точность распознавания тестовых объектов равна 100% при использовании системы из четырех следующих признаков: Rm-m /L, ASBUU / S0, АPI Р0, Rcp /Р0. Точность распознавания реальных объектов на металлографических изображениях доходит до 96% при использовании системы, состоящей из следующих признаков: M2/Mh ASnp/S0, L / W, ASBhm / S0, Rmax/P0, Rcp/P0, Snp/S, s0 / Sc/M , ASBbm / S3 , TJ22 / ^22 •

14. Разработана система обработки, анализа и распознавания металлографических и дефектоскопических снимков, позволяющая впервые автоматически решать следующие задачи:

- определение процентного соотношения перлита и феррита в стали по ГОСТ 8233-56;

- оценки размера неметаллических включений в стали по ГОСТ-1778-70;

- анализа структуры отливок из чугуна в соответствии с ГОСТ 3443-87;

- определения геометрических параметров дефектов сварных швов;

- определения геометрических параметров дефектов, выявленных тепловыми методами контроля.

Список литературы диссертационного исследования кандидат технических наук Стародубов, Дмитрий Николаевич, 2008 год

1. Сорокин, П.А. Теория оптимальных систем оптической дефектоскопии поверхности: Учебной пособие / П.А. Сорокин. - Тула: Тул. гос. ун-т, 2001.- 100 с.

2. Неразрушающий контроль металлов и изделий. Справочник. / Под ред. Г.С. Самойловича. М.: Машиностроение, 1976. - 456 с.

3. Сорокин, П.А. Автоматизация визуального технологического контроля в производствах на автоматических роторных линиях: Учебное пособие / П.А. Сорокин. Тула: Тул. гос. ун-т, 2001. - 82 с.

4. Неразрушающий контроль: Справочник: В 8 т. / Под общ. ред. В.В. Клюева. Т. 1: В 2 кн. Кн. 1. Ф.Р. Соснин. Визуальный и измерительный контроль. Кн. 2. Ф.Р. Соснин. Радиационный контроль. 2-е изд., испр. - М.: Машиностроение, 2006. - 560 с.

5. Генкин, B.JT. Системы распознавания автоматизированных производств / В.Л. Генкин, И.Л. Ерош, Э. С. Москалев. Л.: Машиностроение, Ленинградское отделение, 1988. - 246 с.

6. Бархатов, В.А. Развитие методов ультразвуковой дефектоскопии сварных соединении / В.А. Бархатов // Дефектоскопия. 2003. - № 1, С. 28 -55.

7. Неразрушающий контроль и диагностика: Справочник /В.В. Клюев и др. ; Под ред. В.В. Клюева. М.: Машиностроение, 1995. - 488 с.

8. Бутаков, Е.А. Обработка изображений ЭВМ / Е.А. Бутаков, В.И. Островский, И.Л. Фадеев. М.: Радио и связь, 1987. - 240 с.

9. Вакунов, Н.В. Разработка и исследование многомасштабных алгоритмов обработки и анализа изображений в производственных системах контроля качества : автореф. дис. . канд. техн. наук / Н.В. Вакунов ; ВлГУ — Владимир, 2005. 18 с.

10. Системы технического зрения (принципиальные основы, аппаратное и математическое обеспечение) / А.Н. Писаревский и др. ; Под общ. ред. А.Н. Писаревского, А.Ф. Чернявского. Л.: Машиностроение. Ленинградское отделение, 1988. - 424 с.

11. Техническое зрение роботов / В.И. Мошкин, А.А. Петров, B.C. Титов, Ю.Г. Якушенков ; Под общ. ред. Ю.Г. Якушенкова. — М.: Машиностроение, 1990.-272 с.

12. Садыков, С.С. Методы и алгоритмы выделения признаков в системах технического зрения / С.С. Садыков, Н.Н. Стулов. М.: Горячая линия — Телеком, 2005.-204 с.

13. Дистанционно-управляемые роботы и манипуляторы / Под ред. B.C. Кулешова и Н.А. Лаготы. М.: Машиностроение, 1986. - 362 с.

14. Техническое зрение роботов / Под ред. А. Пью; пер. с англ. Д.Ф. Миронова; Под ред. Г.П. Катыса. М.: Машиностроение, 1987. - 320 с.

15. Шапиро, Л Компьютерное зрение / Л. Шапиро, Дж. Стокман; Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2006. - 752 с.

16. Фу, К. Робототехника: пер. с англ. / К. Фу, Р. Гонсалес, К. Ли. М.: Мир, 1989.-624 с.

17. Розенфельд, А. Распознавание и обработка изображений с помощью вычислительных машин: Пер. с англ. / А. Розенфельд. М.: Мир, 1972. — 232 с.

18. Методы и алгоритмы цифровой обработки изображений / Под ред. С.С. Садыкова. Ташкент: УзНПО «Кибарнетика» АН РУз, 1992. - 296 с.

19. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера. 2-е издание, испр. - М.: Физматлит, 2003. - 784 с.

20. Павлидис, Т. Алгоритмы машинной графики и обработки изображений: пер. с англ. / Т. Павлидис. М.: Радио и связь, 1986 - 400 с.

21. Садыков, С.С. Цифровая обработка и анализ изображений / С.С. Садыков. Ташкент: НПО «Кибернетика» АН РУз, 1994. - 193 с.

22. Методы цифровой обработки изображений: учеб. пос. Ч. 1. / С.В. Дегтярев и др.. Курск: Курск, гос. техн. ун-т, 2001. — 167 с.

23. Кориков, A.M. Корреляционные зрительные системы роботов / A.M. Кориков, В.И. Сверямкин, B.C. Титов ; Под ред. A.M. Корикова. Томск: Радио и связь, Томское отделение, 1990. -264 с.

24. Абламейко, С.В. Обработка изображений: технология, методы, применение: Учеб. пос. / С.В. Абламейко, Д.М. Лагуновский. М.: Амалфей, 2000.-304 с.

25. Жизняков, А.Л. Вейвлет-преобразования в обработке и анализе изображений / А.Л. Жизняков, Н.В. Вакунов. М.: Гос. научн. центр РФ -ВНИИ геосистем, 2004. - 102 с.

26. Гостев, И.М. Об одном методе получения контуров изображений / И.М. Гостев // Известия РАН. Теория и системы управления. М. - 1998. -№ 3. - С. 97-104.

27. Прэтт, У. Цифровая обработка изображений: Пер. с англ. / У. Прэтт. М.: Мир, 1982. - Кн. 2. - 480 с.

28. Горский, Н.Д. Восприятие двухмерных изображений / Н.Д. Горский // Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник /Под ред. Д.А. Поспелова.-М.: Радио и связь, 1990.-С. 196-201.

29. Путятин, Е.П. Обработка изображений в робототехнике / Е.П. Путятин, С.В. Аверин. — М.: Машиностроение, 1990. 320 с.

30. Хорн, Б.К.П. Зрение роботов: Пер. с англ. / Б.К.П. Хорн. М.: Мир, 1989.-487 с.

31. Jensen, J. R. Introductory Digital Image Processing: A remote sensing perspective, 2nd Edition / J. R. Jensen. -NJ: Prentice-Hall, 1996.

32. Ohlander, R. Picture segmentation using a re-cursive region splitting method / R. Ohlander, K. Price, D. Reddy // Comput. Graphics and Image Proc. -1978. v.8:313-333.

33. Shi, J. Normalized cuts and image segmentation / J. Shi, J. Malik // IEEE Conf. Comput. Vision and Pattern Recog. 1997. - 731 - 737.

34. Cramariuc, B. Clustering Based Region Growing Algorithm for Color Image Segmentation / B. Cramariuc, M. Gabbouj, J. Astola // Int. Conf. on Digital signal Processing. 1997.

35. Bow, S.-T. Pattern Recognition and Image Preprocessing, Marcel Dek-ker, Inc. / S.-T. Bow. New York: NY. - 1992.

36. Celenk, M. Hierarchical Color Clustering for Segmentation of Textured Images / M. Celenk // Proc. of the 29th Southeastern Symposium on system Theory.-1997.

37. Shafarenko, L. Automatic Watershed segmentation of Randomly Textured Color Images / L. Shafarenko, M. Petrov, J. Kittler // IEEE Trans, on Image Processing. 1997.

38. Pal, N. R. A Review on Image Segmentation Techniques / N.R. Pal, S.K. Pal // Pattern Recognition. 1993. - Vol. 26. - № 9.

39. Shi, J. Normalized Cuts and Image Segmentation / J. Shi, J. Malik. -University of California at Berkeley, 1997.

40. Fowlkes, C. Efficient Spatiotemporal Grouping Using the Nystrom Method / C. Fowlkes, S. Belongie, J. Malik // Comput. Vision and Pattern Recog. -2001.

41. Veksler, O. Image Segmentation by Nested Cuts / Veksler, O. NEC Research Institute, 2000.

42. Садыков, С.С. Методы выделения структурных признаков изображений / С.С. Садыков, В.Н. Кан, И.П. Самандаров. Ташкент: Фан, 1990. -104 с.

43. Боллс, Р.С. Поиск и распознавание частично видимых объектов: Метод выделения локальных признаков / Р.С. Боллс, Р.А. Кэйн // Техническое зрение роботов ; Под ред. А. Пыо; Пер. с англ. М.: Машиностроение, 1987.-С. 47-83.

44. Журавлев, Ю.И. Избранные научные труды / Ю.И. Журавлев. М.: Магистр, 1998.-416 с.

45. Анисимов, Б.В. Распознавание и цифровая обработка изображений: Учеб. пособие / Б. В. Анисимов, В. Д. Курганов, В. К. Злобин. М.: Высш. шк., 1983.-295 с.

46. Бунин, К.П. Металлография / К.П. Бунин, А.А. Баранов. М.: Металлургия, 1970. - 256 с.

47. Натапов, Б.С. Металловедение / Б.С. Натапов М.: Металлургиздат, 1956.-344 с.

48. Болховитинов, Н.Ф. Металловедение и термическая обработка / Н.Ф. Болховитинов М.: Машгиз, 1952. - 428 с.

49. Металлографическое травление металлов и сплавов: справ, изд. / Баранова JI.B., Демина Э.Л. М.: Металлургия, 1986. - 256 с.

50. Гуляев, А.П. Металловедение. Учебник для вузов. 6-е изд., перераб. и доп. / А.П. Гуляев. — М.: Металлургия, 1986. 544 с.

51. Методы структурного анализа материалов и контроля качества деталей: Учеб. пособие / В.А. Батаев, А.А. Батаев, А. П. Алхимов. 2-е изд. — М.: Флинта, 2007. - 224 с.

52. Бровер, Г.И. Методы металлографических исследований металлов и сплавов: Учеб. пособие / Г.И. Бровер, В.Н. Пустовойт, А.В. Бровер. Ростов н/Д: ДГТУ, 1999. - 29 с.

53. Брандон, Д. Микроструктура материалов. Методы исследования и контроля / Д. Брандон, У. Каплан. М.: Техносфера, 2004. - 384 с.

54. Карпухин, С.Д. Световая микроскопия и количественная обработка изображений структур материалов: Учебное пособие / С.Д. Карпухин, Ю.А. Быков ; Под ред. Ю.А. Быкова. М.: Изд-во МГТУ им. Баумана, 2003. - 48 с.

55. Стандартные методы контроля качества металлических материалов и их соединений: справочник / Л.П. Герасимова, Д.Е. Голубков, Ю.П. Гук. -М.: ЭКОМЕТ, 2007. 664 с.

56. ГОСТ 1778-70 Сталь. Металлографические методы определения неметаллических включений. Введ. 1972-01-01. - М.: Изд-во стандартов, 2000.-35 с.

57. ГОСТ 8233-56 Сталь. Эталоны микроструктуры. Введ. 1957-01— 07. - М.: Изд-во стандартов, 2000. - 12 с.

58. ГОСТ 3443-87 Отливки из чугуна с различной формой графита. Методы определения структуры. Введ. 1988-01-07. - М.: Изд-во стандартов, 2000.-43 с.

59. ГОСТ 16504-81 Система государственных испытаний продукции. Испытания и контроль качества продукции. Основные термины и определения.—Введ. 1982-01-01.-М.: Изд-во стандартов, 1998.-26 с.

60. ГОСТ 18353-79 Контроль неразрушающий. Классификация видов и методов. Введ. 1980-01-07. -М.: Изд-во стандартов, 2001. - 12 с.

61. ГОСТ 21105-87 Контроль неразрушающий. Магнитопорошковый метод. Введ. 1988-01-01. - М.: Изд-во стандартов, 2000. - 12 с.

62. ГОСТ 24450-80 Контроль неразрушающий магнитный. Термины и определения. Введ. 1982-01-01. - М.: Изд-во стандартов, 2002. - 5 с.

63. ГОСТ 25225-82 Контроль неразрушающий. Швы сварных соединений трубопроводов. Магнитографический метод. Введ. 1983-01-07. - М.: Изд-во стандартов, 1999. - 15 с.

64. ГОСТ 25315-82 Контроль неразрушающий электрический. Термины и определения. Введ. 1983-01-07. -М.: Изд-во стандартов, 1999. -3 с.

65. ГОСТ 24289-80 Контроль неразрушающий вихретоковый. Термины и определения. Введ. 1981-01-07. - М.: Изд-во стандартов, 1997. - 9 с.

66. ГОСТ 27333-87 Контроль неразрушающий. Измерение удельной электрической проводимости цветных металлов вихретоковым методом. -Введ. 1988-01-07. -М.: Изд-во стандартов, 1998. 6 с.

67. ГОСТ 23480-79 Контроль неразрушающий. Методы радиоволнового вида. Общие требования. Введ. 1980-01-01. -М.: Изд-во стандартов, 1996. - 17 с.

68. ГОСТ 25313-82 Контроль неразрушающий радиоволновой. Термины и определения. Введ. 1983-01-07. - М.: Изд-во стандартов, 1996. - 7 с.

69. ГОСТ 26170-84 Контроль неразрушающий. Приборы радиоволновые. Общие технические требования. Введ. 1985-01-07. - М.: Изд-во стандартов, 1998.-8 с.

70. ГОСТ 23483-79 Контроль неразрушающий. Методы теплового вида. Общие требования. Введ. 1980-01-01. - М.: Изд-во стандартов, 1996. -14 с.

71. ГОСТ 25314-82 Контроль неразрушающий тепловой. Термины и определения. Введ. 1983-01-07. - М.: Изд-во стандартов, 2000. - 7 с.

72. ГОСТ 23479-79 Контроль неразрушающий. Методы оптического вида. Общие требования. Введ. 1980-01-01. — М.: Изд-во стандартов, 1996. - 13 с.

73. ГОСТ 24521-80 Контроль неразрушающий оптический. Термины и определения. Введ. 1982-01-01. - М.: Изд-во стандартов, 2000. - 6 с.

74. ГОСТ 20426-82 Контроль неразрушающий. Методы дефектоскопии радиационные. Область применения. Введ. 1983-01-07. - М.: Изд-во стандартов, 1996. - 25 с.

75. ГОСТ 24034-80 Контроль неразрушающий радиационный. Термины и определения. Введ. 1981-01-07. -М.: Изд-во стандартов, 1994. - 12 с.

76. ГОСТ 20415-82 Контроль неразрушающий. Методы акустические. Общие положения. Введ. 1983-01-07. - М.: Изд-во стандартов, 1998. - 6 с.

77. ГОСТ 23829-85 Контроль неразрушающий акустический. Термины и определения. Введ. 1987-01-01. -М.: Изд-во стандартов, 1999. - 18 с.

78. ГОСТ 25714-83 Контроль неразрушающий. Акустический звуковой метод определения открытой пористости, кажущейся плотности, плотности и предела прочности при сжатии огнеупорных изделий. Введ. 1984-01-07. — М.: Изд-во стандартов, 1995. - 10 с.

79. ГОСТ 24522-80 Контроль неразрушающий капиллярный. Термины и определения. Введ. 1982-01-01. — М.: Изд-во стандартов, 2000. - 12 с.

80. СТБ 1172-99 Контроль неразрушающий. Контроль проникающими веществами (капиллярный). Общие положения. Введ. 2001-01-01.

81. Report on the actual situation of INSTITUTE DR. FORSTER // Information for customer and friends of INSTITUTE DR. FORSTER. 1993. - № 12.

82. ГОСТ 7512-82 Контроль неразрушающий. Соединения сварные. Радиографический контроль. Введ. 1984-01-01. - М.: Изд-во стандартов, 1995.- 19 с.

83. ГОСТ 23055-78 Классификация сварных соединений по результатам радиографического контроля. Введ. 1979-01-07. - М.: Изд-во стандартов, 1998.-8 с.

84. Мигун, Н.П. О некоторых возможностях повышения эффективности капиллярного контроля / Н.П. Мигун, А.Б. Гнусин, И.В. Волович // Дефектоскопия. 2005. - № 7. - С. 55 - 60.

85. Секерин, A.M. Метод сегментации изображений контролируемой поверхности при автоматической регистрации результатов капиллярного контроля / A.M. Секерин // Дефектоскопия. 2001. - № 1. - С. 35 - 41.

86. Fakuda, S. Nondestructive evalution and its new role in the coming century / S. Fakuda // Trends in NDE Science & Technology; Proceeding of the 141h World Conference on Non-Destructive Testing. New Delhi, 8-13 December 1996.-v. l.-P. 15-24.

87. Bar-Cohen, Y. Emerging NDE Technologies and Challenges at the Be-gining of the 3 th Millennium / Y. Bar-Cohen // Part 1. NDT. Net. January 2000. -v. 1.

88. Визуализация дефектов, обнаруженных в сварных швах рельсов при ультразвуковом контроле / Д.Б. Бабиков и др.. // Дефектоскопия. — 1999. — № 6. С. 93-97.

89. Быков, P.E. Анализ и обработка цветных объектных изображений / Р.Е. Быков, С.Б. Гуревич. -М.: Радио и связь, 1984. 248 с.

90. Nacereddine, N. Automated method implementation for detection and classification of weld defects in industrial radiography / N. Nacereddine // M.S. thesis, Dept. Automation . Algeria: Boumerdes Univ, 2004.

91. Бочаров, Ю.А. Промышленные роботы в технологии современного машиностроительного производства / Ю.А. Бочаров, А.С. Ющенко // Средства и системы очувствления промышленных роботов. С.: НИИМаш, 1984. -С. 30-35.

92. Nintzan, D. Use of sensors in robot systems / D. Nintzan, C. Barroit, P. Cheeseman // Proc. of 83 Intern. Conf. on advensed Robotics. Tokio, 12-13 September 1983.-P. 123- 132.

93. Методы обработки и формирования растровых изображений / О.И. Семенков и др.. Минск: Ин-т технической кибернетики АН БСср, 1986. -98 с.

94. Bishop, С.М. Neural Networks for Pattern Recognition / CM. Bishop. -Oxford, England: Oxford University Press, 1995.

95. Dempster, A. Maximum likelihood from incomplete data via the EM algorithm / A. Dempster, N. Laird, D. Rubin // Journal of the Royal Statistical Society. Series B. - 1977. - v. 39(1). - P. 1 - 38.

96. Lucchese, L. Color Image Segmentation / L. Lucchese, S.K. Mitra // A State-of-the-Art Survey. 2001.105.0hta, Y. Color information for region segmentation / Y. Ohta, T. Ka-nade, T. Sakai // Comput. Graphics and Image Proc. 1980. - v. 13. - P. 222-241.

97. Otsu, N. A threshold selection method from gray-level histograms / N. Otsu // IEEE Trans. Syst., Man. and Cybern. 1979. - v. SMC-9. - P. 62 - 66.

98. Jensen, J.R. Introductory Digital Image Processing: A remote sensing perspective, 2nd Edition / J.R. Jensen. NJ: Prentice-Hall, 1996. - 316 p.

99. Ohlander, R. Picture segmentation using a recursive region splitting method / R. Ohlander, K. Price, D. Reddy // Comput. Graphics and Image Proc. -1978.-v. 8.-P. 313-333.

100. Shi, J. Normalized cuts and image segmentation / J. Shi, J. Malik // IEEE Conference on Computer Vision and Pattern Recognition 1997. v. 22. - n. 8. -pp. 731 -737.

101. Tremeau, A. A Region growing and Merging Algorithm to color segmentation / A. Tremeau, N. Borel // Pattern Recognition. 1997. - v. 30. - n. 6. - pp. 1191 - 1203.

102. Kanai, Y. Image Segmentation Using Intensity and Color Information, / Y. Kanai // SPIE -Visual Communications and Image Processing'98. San Jose CA, 28-30 January 1998.-v. 3309.-pp. 709-720.

103. Deng, Y. Color Image Segmentation // Y. Deng, B.S. Manjunath, H. Shin // Comput. Vision and Pattern Recog. 1999. - v. 2, pp. 451.

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

105. Canny, J. A Computational Approach То Edge Detection / J. Canny // IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. - V. 8(6). - pp. 679-714.

106. Lindeberg, T. Edge detection and ridge detection with automatic scale selection / T. Lindeberg // International Journal of Computer Vision. 1998. - V.2. -pp. 117-154.

107. Jacob, M. Design of Steerable Filters for Feature Detection Using Canny-Like Criteria / M. Jacob, M. Unser // IEEE Transactions on Pattern Analysis and Machine Intelligence. -2004. V. 26.-n. 8.-pp. 1007- 1019.

108. Simoncelli, E.P. Steerable Wedge Filters for Local Orientation Analysis / E.P. Simoncelli, H. Farid // IEEE Transactions on Image Processing. 1996. - V. 5(9).-pp. 1377- 1382.

109. Perona, P. Deformable kernels for early vision / P. Perona // IEEE Trans, on Pattern Analysis and Machine Intelligence. 1995. - V. 17. - n. 5. - pp. 488 -499.

110. Вайтузин, О.П. Изучение микроструктуры металлов методом компьютерной оптической микроскопии: Учебное пособие / О.П. Вайтузин.

111. Красноярск: Сибирский гос. аэрокосмический ун-т им. М.Ф. Решетнева, 2006.-98 с.

112. Choi, H.I. Mathematical theory of medial axis transform / H.I. Choi, S.W. Choi, H.P. Moon // Pacific J. of Math. 1997. - V. 181. - n. 1. - P. 57 - 88.

113. Иванов, Д. Эффективный алгоритм построения остова растрового изображения / Д. Иванов, Е. Кузьмин // Труды межд. конф. «Графикон-98», М.- 1998.-С. 65-68.

114. Атлас типовых микроструктур / Е.Т. Кондратьев. — Волгоград: 1981. -79 с.

115. Препарата, Ф. Вычислительная геометрия: Введение / Ф. Препарата, М. Шеймос. -М.: Мир, 1989.-478 с.

116. Садыков, С.С. Алгоритмы определения длины и ширины дискретных площадных объектов / С.С. Садыков, Д.Н. Стародубов // Автоматизация и современные технологии. М.: Машиностроение, 2007. - № 10 - С. 8 - 12.

117. Патент на полезную модель № 65268, МПК G 06 К 9/46. Устройство определения длины и ширины объекта / Садыков С.С., Стародубов Д.Н. № 2006137110/22; заявл. 19.10.2006 ; опубл. 27.07.2007, Бюл. № 21.

118. Патент на полезную модель № 69284, МПК G 06 К 9/46. Устройство определения длины и ширины объекта / Стародубов Д.Н. № 2007133129/22 ; заявл. 03.09.2007 ; опубл. 10.12.2007, Бюл. № 34.

119. Загоруйко, Н.Г. Методы распознавания и их применение / Н.Г. Заго-руйко. — М.: Советское радио, 1972. 208 с.

120. Marill, Т. On the effectiveness of the receptors in recognition systems / T. Marill, D.M. Green // IEEE Trans. Professional Technical Group Information Theory.- 1963,-v. IT-9.-n. l.-pp. 11-17.

121. Автоматическое распознавание образов / IO.JI. Барабаш и др.. — Киев: Изд-во КВАИУ, 1963 68 с.

122. Лбов, Г.С. Выбор эффективной системы зависимых признаков / Г.С. Лбов // Труды Сиб. отд. АН СССР: Вычислительные системы. Новосибирск. - 1965. - вып. 19.

123. НО.Елкина, В.Н. Алгоритмы направленного таксономического поиска информативных подсистем признаков (НТПП) / В.Н. Елкина, Н.Г. Загоруйко, B.C. Темиркаев // Вычислительные системы: Сб. тр. ИМ СО АН СССР. Новосибирск. — 1974. - Вып. 59.

124. Свидетельство о государственной регистрации программы для ЭВМ № 2008614122. Программа автоматического анализа металлографических и дефектоскопических снимков / Стародубов Д.Н. № 2008613151; заявл. 09.07.2008 ; опубл. 29.08.2008.

125. ASTM D4788-03 Standard Test Method for Detecting Delaminations in Bridge Decks Using Infrared Thermography. // American Society of Testing and Materials, 2003.

126. Mery, D. Automatic Detection of Welding Defects Using Texture Features / D. Mery, M.A. Beiti // Insight. 2003. - v.45(10). - pp. 676-681.