Система распознавания отдельных и наложенных плоских объектов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Савичева, Светлана Владимировна

• Савичева, Светлана Владимировна
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Савичева, Светлана Владимировна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АЛГОРИТМЫ, МЕТОДЫ И СИСТЕМЫ ИДЕНТИФИКАЦИИ ОТДЕЛЬНЫХ И НАЛОЖЕННЫХ ПЛОСКИХ ОБЪЕКТОВ

1.1 Понятие «плоский объект» и примеры

1.2 Технологические процессы, в которых требуется решение задачи распознавания отдельных и наложенных плоских объектов

1.3 Системы распознавания с техническим зрением

1.3.1 Актуальность использования автоматических систем распознавания на промышленных предприятиях

1.3.2 Обзор существующих систем распознавания

1.4 Распознавание наложенных объектов

1.5 Алгоритмы и методы распознавания отдельных плоских объектов

1.5.1 Методы кластеризации

1.5.2 Классификатор Байеса

1.5.3 Метод к-средних

1.5.4 ЕМ-алгоритм

1.5.5 Выбор алгоритма распознавания для технического зрения

1.6 Типы и виды используемых признаков при распознавании отдельных и наложенных плоских объектов

1.7 Анализ и выбор алгоритмов предварительной обработки изображений плоских объектов

ВЫВОДЫ ПО ГЛАВЕ 1

ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

ГЛАВА 2. РАЗРАБОТКА СПОСОБОВ ОПРЕДЕЛЕНИЯ И ВЫЧИСЛЕНИЯ ЗНАЧЕНИЯ КРИВИЗНЫ В ТОЧКАХ ДИСКРЕТНОЙ ЛИНИИ, АЛГОРИТМОВ РАСПОЗНАВАНИЯ ОТДЕЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ НА ОСНОВЕ ОДНОГО ВИДА ПРИЗНАКА И ИХ ИССЛЕДОВАНИЕ

2.1 Выбор и обоснование значимого признака бинарных изображений отдельных и наложенных плоских объектов для их распознавания

2.2 Анализ существующих алгоритмов вычисления кривизны дискретных линий

2.3 Разработка логического способа определения значения кривизны в точках дискретной линии

2.4 Разработка алгоритма распознавания отдельных плоских объектов на основе логического способа определения кривизны в точках дискретной линии и его исследование

2.4.1 Алгоритм распознавания отдельных плоских объектов на основе логического способа определения кривизны (Ал-алгоритм)

2.4.2 Исследование Ал-алгоритма распознавания на изображениях тестовых объектов при одном эталоне на объект

2.4.3 Исследование Ал-алгоритма распознавания на изображениях тестовых объектов при множестве эталонов на объект

2.5 Разработка аналитического способа вычисления кривизны в точках дискретной линии

2.6 Сравнительный анализ алгоритмов вычисления значения кривизны в точках дискретной линии

2.7 Разработка алгоритма распознавания (А-алгоритм) на основе аналитического способа вычисления кривизны в точках дискретной линии и его экспериментальное исследование на изображениях тестовых объектов при одном и множестве эталонов

2.7.1 Исследование А-алгоритма распознавания на изображениях тестовых объектов при одном эталоне на объект

2.7.2 Исследование А-алгоритма распознавания на изображениях тестовых объектов при множестве эталонов на объект

2.8 Алгоритм распознавания на основе R-функции (R-алгоритм) и его исследование

2.8.1 R-алгоритм распознавания

2.8.2 Исследование R-алгоритма на изображениях тестовых объектов при одном эталоне на объект

2.8.3 Исследование R-алгоритма на изображениях тестовых объектов при множестве эталонов на объект

2.9 Экспериментальный сравнительный анализ А-алгоритма и R-алгоритма распознавания с известными алгоритмами на изображениях тестовых объектов

ВЫВОДЫ ПО ГЛАВЕ 2

ГЛАВА 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ ДВУХ И ТРЕХ НАЛОЖЕННЫХ ПЛОСКИХ ОБЪЕКТОВ

3.1 Наложение изображений двух и трех плоских объектов

3.1.1 Исследование налагаемое™ двух плоских деталей

3.1.2 Исследование налагаемое™ трех плоских объектов

3.2 Алгоритм распознавания двух наложенных плоских объектов на основе их А-функции (Аг-алгоритм)

3.2.2 Исследование алгоритма распознавания по определению класса наложенное™ неизвестных сложных объектов и с использованием А-алгоритма и R-алгоритма при одном эталоне

3.2.3 Исследование алгоритма распознавания по определению класса наложенное™ неизвестных сложных объектов и с использованием А-алгоритма и R-алгоритма при множестве эталонов

3.2.4 Исследования алгоритма распознавания отдельных объектов в сложном на основе А-функции

3.2.5 Исследования алгоритма распознавания отдельных объектов в сложном на основе А-функции с использованием дополнительных признаков

3.3 Сравнительный анализ алгоритмов распознавания двух наложенных (сложных) тестовых объектов

3.4 Алгоритм распознавания трех наложенных плоских объектов (Аз-алгоритм)

ВЫВОДЫ ПО ГЛАВЕ 3

ГЛАВА 4. РАСПОЗНАВАНИЕ ОТДЕЛЬНЫХ

И НАЛОЖЕННЫХ РЕАЛЬНЫХ ПЛОСКИХ ОБЪЕКТОВ

И ПОСТРОЕНИЕ СИСТЕМЫ РАСПОЗНАВАНИЯ

4.1 Структура экспериментальной системы и особенности ее отдельных блоков

4.1.1 Состав технических средств экспериментальной системы

4.1.2 Структура программного обеспечения системы

4.2 Алгоритм определения типа поля зрения

4.3 Модель технологического процесса распознавания реальных плоских объектов

4.4 Исследование Ал-алгоритма на отдельных реальных объектах

4.5 Исследование А-алгоритма на отдельных реальных объектах

4.5.1 Исследование алгоритма на отдельных реальных объектах при одном эталоне

4.5.2 Исследование алгоритма на отдельных реальных объектах при множестве эталонов

4.6 Исследование R-алгоритма на отдельных реальных объектах

4.6.1 Исследование алгоритма на отдельных реальных объектах при одном эталоне

4.6.2 Исследование алгоритма на отдельных реальных объектах при множестве эталонов

4.7 Исследование Аг-алгоритма и [^-алгоритма на наложенных реальных объектах

4.7.1 Исследование на наложенных реальных объектах при одном эталоне

4.7.2 Исследование алгоритма распознавания по определению класса наложенности неизвестных сложных объектов и с использованием А-алгоритма и {^-алгоритма при множестве эталонов

4.7.3 Исследования алгоритма распознавания отдельных объектов в сложном на основе А-функции

4.7.4 Исследования алгоритма распознавания отдельных объектов в сложном на основе А-функции с использованием дополнительных признаков

4.8 Распознавание трех наложенных реальных объектов (Аз-алгоритм)

ВЫВОДЫ ПО ГЛАВЕ 4

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1-3 Материалы внедрения и регистрации

ПРИЛОЖЕНИЕ А. Тестовые объекты

ПРИЛОЖЕНИЕ Б. Реальные объекты

ПРИЛОЖЕНИЕ В. Статистические данные исследований к главе 2

Введение диссертации (часть автореферата) на тему «Система распознавания отдельных и наложенных плоских объектов»

ВВЕДЕНИЕ

В настоящее время перед большинством промышленных предприятий, особенно в машиностроении, встают задачи комплексной автоматизации технологических процессов и операций. К числу подобных операций можно отнести: контроль и отбраковку различных деталей и изделий по внешнему виду, загрузка обрабатывающих станков деталями с конвейеров, сортировка и ориентированная укладка в кассеты деталей и заготовок, в том числе неупорядоченно движущихся по конвейеру или поступающих в таре навалом, сборка и комплектация, электронных узлов и другие. Для автоматизации перечисленных операций создается специализированные распознающие системы (РС).

Применяемые в РС алгоритмы чаще всего используют множество признаков входных объектов и не обеспечивают требуемую скорость и надежность распознавания, как плоских, так и объемных деталей. Поэтому важным является создание для РС промышленного назначения алгоритмов, использующих минимальное количество (1-3) признаков входных объектов и отвечающих требованиям практики.

На конвейере, в бункерах, ящиках и коробках детали могут находиться как отдельно, так и в наложенном состоянии. Поэтому РС должна иметь в своем составе алгоритмы, позволяющие распознавать отдельные и наложенные детали.

Анализ состояния задачи автоматизации распознавания наложенных объектов, показал, что на практике эти объекты на входе РС располагаются отдельно вручную. Решением данной задачи занимаются некоторые исследовательские центры США и Японии. Коммерческие РС распознавания наложенных объектов еще разработчики не предлагали. В России исследования в этом направлении пока не ведутся.

В связи с вышеизложенным, разработка методов и алгоритмов и создание РС промышленных деталей и изделий, расположенных на ленте

конвейера, в бункере и т.д. как по отдельности, так и в наложенном состоянии является актуальной задачей.

Целью диссертационной работы является разработка и практическое применение системы распознавания отдельных и наложенных плоских объектов.

Исходя из цели работы, поставлены следующие задачи исследования:

1) Исследование уровня автоматизации операций на открытых конвейерах и сборочных операциях, а именно - задач распознавания отдельных и наложенных плоских деталей и изделий.

2) Анализ и выбор минимального числа признаков бинарных изображений, которые позволят решить задачу распознавания как отдельных, так и наложенных плоских объектов.

3) Разработка новых способов вычисления признаков дискретных линий.

4) Разработка алгоритмов распознавания отдельных и наложенных однотипных и разнотипных плоских объектов, отличающихся высоким быстродействием и точностью

5) Экспериментальное исследование разработанных алгоритмов на тестовых объектах и определение их возможностей.

6) Экспериментальный сравнительный анализ разработанных алгоритмов распознавания отдельных и наложенных плоских объектов с известными алгоритмами.

7) Построение и практическое применение системы автоматической обработки, анализа и распознавания отдельных и наложенных плоских реальных объектов при их произвольном сочетании и положении.

Методы исследования. В работе использованы методы геометрии, тригонометрии, математической статистики, цифровой обработки изображений и распознавания образов.

Научная новизна. В результате проведенных исследований разработаны:

1. Способы логического определения и аналитического вычисления кривизны в точках дискретной линии;

2. Алгоритмы распознавания отдельных плоских объектов, использующие сигнатурный признак и кривизну в точках дискретного контура бинарных изображений этих объектов;

3. Алгоритмы распознавания отдельных плоских объектов в сложном объекте, образованного наложением двух или трех плоских объектов, с использованием небольшого количества локальных и структурных признаков контуров бинарных изображений отдельных объектов;

4. Алгоритм определения типа поля зрения для анализа ситуации на входе распознающей системы и выбора соответствующих алгоритмов обработки и распознавания плоских объектов.

Практическая ценность работы.

1. Проведены вычислительные эксперименты по оценке точности работы алгоритмов распознавания отдельных и наложенных тестовых и реальных плоских объектов, результаты которых позволили выявить возможности разработанных алгоритмов и определить пути уменьшения ошибки распознавания;

2. Подтверждена эффективность предложенных алгоритмов и технологии распознавания отдельных и наложенных реальных плоских объектов - промышленных деталей и изделий;

3. Разработанные алгоритмы применяются в учебном процессе кафедры информационных систем МИВлГУ в лабораторных и практических работах;

4. Полученные научные результаты используются в промышленном предприятии;

5. По результатам исследований, проведенных автором в рамках диссертации, получены два свидетельства об официальной регистрации, на разработанные с его участием программные продукты, и два патента на полезные модели;

6. Результаты научных исследований можно использовать для создания РС различного назначения для промышленных предприятий.

Реализация результатов исследования. Разработанные алгоритмы и система распознавания отдельных и наложенных плоских объектов внедрены в производство на промышленных предприятиях ОАО «Муромский радиозавод», а также в учебный процесс по дисциплине «Методы и системы цифровой обработки изображений», о чем свидетельствуют акты, приведенные в приложении к диссертации.

Апробация работы. Материалы диссертационной работы докладывались и обсуждались на: Международном симпозиуме «Надежность и качество» (г. Пенза, 2011г., 2012 г.); Международной конференции «Распознавание 2012» (г. Курск, 2012 г.); XVI Всероссийской НТК студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях (НИТ-2011)» (г. Рязань, 2011 г.); X Международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (г. Санкт-Петербург, 2010 г.); Всероссийской НТК «Новые материалы и технологии (НМТ-2010)» (г. Москва, 2010 г.), а также на III, IV, V Всероссийских межвузовских научных конференциях «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России» (г. Муром, 2010-2013 гг.); XX Международной научной конференции студентов, аспирантов и молодых учёных «ЛОМОНОСОВ-2013», (Москва, 2013 г.)

Публикации. Основные результаты диссертации опубликованы в 24 печатных работах, в том числе в 6 статьях в журналах из списка ВАК и одной монографии. Получены 2 патента на полезные модели и 2 свидетельства о регистрации программы для ЭВМ.

На защиту выносится:

1. Способы логического определения и аналитического вычисления кривизны в точках дискретной линии, использующие на каждом шаге определения и расчета кривизны всего три точки дискретного контура объекта и отличающееся простотой реализации;

2. Алгоритм распознавания отдельных плоских объектов, использующий сигнатурный признак бинарных изображений плоских

объектов, обеспечивающий распознавание с вероятностью ошибки ЫО-5 при 10 эталонах на каждый распознаваемый объект;

3. Алгоритм распознавания отдельных плоских объектов, использующий как признак только кривизну в точках дискретного контура бинарных изображений плоских объектов, обеспечивающий распознавание с

вероятностью ошибки 1-10_4при 30 эталонах на каждый распознаваемый объект;

4. Алгоритм распознавания отдельных плоских объектов в сложном объекте, образованного наложением двух плоских объектов, использующий как признак кривизну, коэффициенты вогнутости и выпуклости контура бинарных изображений отдельных объектов, обеспечивающий

распознавание отдельных объектов с вероятностью ошибки 1-10-4 при 6 эталонах на каждый отдельный распознаваемый объект;

5. Алгоритм определения типа поля зрения распознающей системы, позволяющий анализировать ситуацию на входе РС, безошибочно устанавливать тип поля зрения и выбирать нужный путь обработки и распознавания изображений плоских объектов, что обеспечивает быстродействие и надежность системы.

6. Результаты экспериментальных исследований разработанных алгоритмов и технологической схемы распознавания плоских объектов и решения практических задач по распознаванию отдельных и наложенных реальных плоских объектов - промышленных деталей и изделий.

7. Система распознавания отдельных и наложенных плоских объектов, которая может использоваться как основа для построения РС промышленного назначения.

В первой главе диссертации введено понятие «плоский» объект. Рассмотрены основные технологические процессы, в которых требуется решение задачи распознавания отдельных и наложенных плоских объектов.

Выполнен обзор существующих систем и алгоритмов распознавания. Проанализированы типы и виды признаков, используемых при распознавании отдельных и наложенных плоских объектов, а также произведен анализ и выбор алгоритмов предварительной обработки изображений реальных плоских объектов.

Во второй главе разработаны способы определения и вычисления значений кривизны в точках дискретной линии. Созданы алгоритмы распознавания отдельных плоских объектов на основе одного вида признака и проведено их исследование. Выполнен экспериментальный сравнительный анализ разработанных алгоритмов с известными алгоритмами на изображениях тестовых объектов. Показано преимущество разработанных алгоритмов, как по точности распознавания, так и по быстродействию по сравнению с известными алгоритмами.

В третье главе приведена разработка и исследование алгоритмов распознавания двух наложенных плоских объектов. Предложена методика определения наложенности двух и трех плоских объектов. Произведен сравнительный анализ разработанных алгоритмов с известными алгоритмами. Доказано преимущество разработанных алгоритмов, как по точности распознавания, так и по быстродействию по сравнению с известными алгоритмами. Проведено исследование возможности распознавания трех наложенных плоских объектов.

В четвертой главе описана структура разработанной экспериментальной системы и особенности ее отдельных блоков. Приведена модель технологического процесса распознавания реальных плоских объектов. Описан алгоритм определения типа поля зрения. Проведено экспериментальное исследование разработанных алгоритмов на изображениях реальных плоских объектов. Достоинствами разработанных алгоритмов являются: простота реализации; инвариантность к повороту и перемещению объекта на плоскости; использование минимального числа признаков при распознавании; работы с ограниченным количеством информации о распознаваемых объектах в случаях их наложения друг на ' 10

друга; сокращение времени на распознавание за счет использования коэффициента прореживания.

Создана система, которую можно использовать для промышленных распознающих систем.

В приложениях приведены изображения тестовых и реальных плоских объектов; таблицы расчетов; копии патентных документов и свидетельств о регистрации программы на ЭВМ; акты, подтверждающие использование результатов работы на промышленном предприятии и в учебном процессе.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Савичева, Светлана Владимировна

ЗАКЛЮЧЕНИЕ

1. Осуществлен обзор и анализ использования методов цифровой обработки изображений и распознавания образов в задачах автоматизации операций на открытых конвейерах и установлено, что в российских предприятиях процесс измерения характеристик и идентификации объектов преимущественно все задачи реализуется с применением ручного труда.

2. Установлено, что в существующих системах распознавания отдельных объектов используется большое количество признаков и достаточно сложные алгоритмы распознавания

3. Задача анализа, классификации и идентификации наложенных плоских объектов является не решенной и показана актуальность решения этой задачи.

4. Проведен обзор существующих алгоритмов предварительной обработки изображений и выбраны наиболее подходящие алгоритмы для обработки изображений реальных плоских объектов с целью уменьшения влияния помех и шумов на надежность распознавания реальных объектов.

5. Разработаны и исследованы способы логического определения и аналитического вычисления кривизны в точках дискретной линии.

6. Созданы наборы тестовых и реальных плоских объектов, разделенные на 10 групп в зависимости от их формы, выпуклости и наличия дыр, для проведения исследований возможностей разработанных алгоритмов и сравнения их с используемыми в РС алгоритмами.

7. Разработан и исследован алгоритм распознавания (11-алгоритм) отдельных плоских объектов с использованием их Я-функций, который инвариантен к перемещению, повороту объекта на поле зрения РС. Данный алгоритм обеспечивает распознавания плоских объектов произвольной

формы с высокой точностью (вероятность ошибки 1-10"5 при 10 эталонах на каждый объект).

8. Разработан исследован алгоритм идентификации (А-алгоритм) отдельных плоских объектов с использованием А-функций, позволяющий

производить идентификацию объектов с применением единственного признака - значений кривизны точек дискретной контура. Результаты работы алгоритма не зависят от ориентации и местоположения объекта в поле

зрении РС (вероятность ошибки 1 • Ю-4 при 30 эталонах на каждый объект).

9. Разработаны способы формирования наложенных (сложных) объектов из двух и трех отдельных и определения процента наложенное™ этих объектов в сложном, при случайном изменении координат центра тяжести и угла поворота каждого объекта в поле зрении РС;

10. Разработан и исследован алгоритм распознавания (А2-алгоритм) отдельных плоских объектов в двух наложенных. В качестве основного признака при распознавании были использованы значения А-функции .Дополнительными признаками являются коэффициенты выпуклости и

вогнутости контуров отдельных объектов(вероятность ошибки ЫО-4 при 6 эталонах).

И. Разработан и исследован алгоритм распознавания (А3-алгоритм) отдельных плоских объектов в трех наложенных. В качестве основного признака при распознавании были использованы значения А-функции. Дополнительными признаками являются коэффициенты длины вогнутых и выпуклых участков контуров отдельных объектов, а также коэффициенты выпуклости и вогнутости (вероятность ошибки 0,08 при 100 эталонах). Исследования показали, что для обеспечения высокой надежности распознавания отдельных объектов в трех наложенных следует использовать более широкий набор структурных признаков как всего объекта, так и отдельных его участков.

12. Разработан алгоритм определения типа поля зрения РС, позволяющий безошибочно определить одну из возможных ситуаций. Достоинством данного алгоритма является простота реализации, точность работы и высокое быстродействие.

13. Произведен сравнительный анализ разработанных алгоритмов распознавания отдельных плоских объектов с распространенными алгоритмами: методом Байеса, методом к-средних, ЕМ-алгоритмом.

Результаты сравнения показали, что разработанные А- и Я-алгоритмы распознавания отдельных и наложенных двух плоских объектов превосходят как по точности, так и по скорости распознавания известные алгоритмы.

14. Обзор возможных областей применения разработанных алгоритмов показывает, что данные алгоритмы могут быть применены в любой области, где требуется распознавания отдельных и наложенных объектов, которые можно отнести к плоским или дают изображение без тени.

15. Разработана экспериментальная система, позволяющая решать практические задачи автоматического анализа и распознавания отдельных и наложенных реальных плоских деталей и изделий. Система является удобным инструментальным средством обработки и анализа изображений плоских объектов различных видов для использования в РС промышленного назначения.

Список литературы диссертационного исследования кандидат технических наук Савичева, Светлана Владимировна, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Садыков С.С., Савичева C.B. Распознавание отдельных и наложенных плоских объектов - Владимир: Изд-во ВлГУ, 2012. - 265 с.

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

3. Кондашевский В. В., Автоматический контроль размеров деталей в процессе обработки, М., 1951; Волосов С С., Педь Е. И., Приборы для автоматического контроля в машиностроении, М., 1970.

4. Роботизированные технологические комплексы / Г.И. Костюк, О.О. Баранов, И.Г. Левченко, В.А. Фадеев - Учеб. Пособие. - Харьков. Нац. аэрокосмический университет "ХАИ", 2003. - 214 с. - ISBN 978-966-662-7804.

5. Роботизированные комплексы для технологического процесса сборки: [Электронный ресурс]. URL: http://bibliofond.ru/view.aspx7icH450872

6. Н.П. Меткин, М.С. Лапин, С.А. Клейменов, В.М. Критський. Гибкие производственные системы. - М.: Издательство стандартов, 1989. - 309 с.

7. Гибкие производственные комплексы / под. ред. П.Н. Белянина. - М.: Машиностроение, 1984. - 384 с.

8. Гибкое автоматическое производство / под. ред. С.А. Майорова. -М.: Машиностроение, 1985. -456 с.

9. Иванов A.A. ГПС в приборостроении. - М.: Машиностроение, 1988. -

282с.

10. Управление робототехническими системами и гибкими автоматизированными производствами / под. ред. Н.М. Макарова, - М.: Радио и связь, 1981, ч.З - 156 с.

11. Широков А.Г. Склады в ГПС. - М.: Машиностроение, 1988. - 216 с.

12. О роботах:[Электронный ресурс]. URL: http://robotom.ru/robotv3.php

13. Прогрессивные технологии в машиностроении: тематический сборник научных трудов/ В.И.Гузеев. - Челябинск: Изд-во ЮУрГУ, 2006. -239 с. - ISBN 5-02-006261-8.

14.Системы машинного зрения. Системы технического зрения.:[Электронный ресурс]. URL:

http://www.sick-automation.ru/catalog/sensors/complex/sensor_video.html

15. Промышленная автоматизация :[Электронный ресурс]. URL: http://industrial.omron.ru/ru/products/catalogue/sensing/vision sensors and syste ms/default.html

16. Системы технического зрения OMRON :[Электронный ресурс]. URL: http://www.proavtomatika.ru/vision/zfx.htm

17. Системы технического зрения :[Электронный ресурс]. URL: http://www.sensoren.ru/catalogue/sistemi tehnicheskogo zreniva/

18. Системы машинного зрения SIMATIC :[Электронный ресурс]. URL: http://www.pro-siemens.ru/html_files/products/as/simatic_mv.html

19.Системы технического зрения: [Электронный ресурс]. URL: http://www.mallenom.ru/

20.Системы технического зрения: [Электронный ресурс]. URL: http://iadt.siemens.ru/products/.

21: [Электронный ресурс]. URL: .http://datalink.ua/index.php?block=all-materials&page=stati/09-06-2011-17-01 -integraciya-mashinnogo-zreniya-na-promvshlennyh-predpriyatiyah-ukrainy

22. Системы технического зрения.: [Электронный ресурс]. URL: http://www.visutechsystem.by/ru/products/electronics/vision/lscamera

23. Система видеоконтроля : [Электронный ресурс]. URL: http://www.visutechsystem.by/ru/products/electronics/vision/vsvg4

24Информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных.:[Электронный ресурс]. URL: www.machinelearning.ru/

25. Васильев В.И. Проблема обучения распознаванию образов. К.: Высшая школа., 1989. - 64 с.

26. Верхаген К., Дейн Р., Грун Ф. Распознавание образов: состояние и перспективы. - М.: Радио и связь, 1985. - 104 с.

27. Сортировочные конвейеры:[Электронный ресурс]. URL: http://www.sitmag.ru/article/azbuka/2008 08 А 2009 03 24-16 06 02/

28. Коршунов Ю.М. Математические основы кибернетики - 3-е изд. М.: Энергоатомиздат, 1987.-495 с.

29. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений: Учеб. Пособие для студентов вузов. - М.: Высш. Шк., 1983.-295 с.

30. Фуку нага К. Введение в статистическую теорию распознавания образов: пер. с англ. - М.: Наука. Главная редакция физико-математической литературы, 1979. -368 с.

31. Фу К. Структурные методы распознавания образов: пер. с англ. -М.: Мир, 1977.-318 с.

32. Васильев В.И. Проблема обучения распознаванию образов. К.: Высшая школа., 1989. - 64 с.

33. Верхаген К., Дейн Р., Грун Ф. Распознавание образов: состояние и перспективы. -М.: Радио и связь, 1985. - 104 с.

34. Горелик A.JI. и др. Современное состояние проблемы распознавания: Некоторые аспекты. - М.: Радио и связь, 1985. - 160 с.

35. Горелик A.JL, Скрипкин В.А. Методы распознавания. - М.: Высшая школа, 1977. - 222 с.

36. Фу. Д., Гонсалес Р., Принципы распознавания образов. - пер. с англ. - М.: Мир, 1978. - 401 с.

37. Патрик Э. Основы теории распознавания образов. - пер. с англ. -М.: Сов. радио, 1980. - 408 с.

38. Пересада В.П. Автоматическое распознавание образов. Энергия, Л. 1970.-92 с.

39. Клепиков Н.П., Соколов С.Н. Анализ и планирование экспериментов методом максимума правдоподобия. - М.: Наука, 1964. - 164 с.

40. Козлов М.В., Прохоров A.B. Введение в математическую статистику. - М.: Изд-во МГУ, 1987. - 264 с.

41. Загоруйко Н.Г. Методы распознавания и их применение. М.: Изд-во Сов. Радио, 1972. - 208 с.

42. Черезов Д.С., Тюкачев H.A. Обзор основных методов классификации и кластеризации данных// Вестник ВГУ, Серия: Системный анализ и информационные технологии. 2009. №2. С. 25-29.

43.Дюран Б., Оделл П. Кластерный анализ. - М.: Статистика, - 1977, -128 с.

44. Jain A., Murty M., Flynn P. Data Clustering: A Review. // ACM Computing Surveys. 1999. Vol. 31, no. 3.

45. Котов А., Красильников H. Кластеризация данных. 2006.

http://logic.pdmi.ras.ru/~yura/internet/02ia-seminar-note.pdf

46. Мандель И. Д. Кластерный анализ. — М.: Финансы и Статистика,

1988.

47. Факторный, дискриминантный и кластерный анализ: Пер с англ./Дж. - О.Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. -М.: Финансы и статистика, 1989. - 215с.

48. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с фр./Кол. Авт. Под рук. Э.Дидэ; Под ред. И с предисл. С.А.Айвазяна и В.М.Бухштабера. - М.: Финансы и статистика, 1985. - 357с.

49. Статистические методы для ЭВМ/Под ред. К.Энслейна, Э.Рэлстона, Г.С.Уилфа: Пер с англ./Под ред. М.Б.Малютова. - М.: Наука, 1986. - 464с.

50. Сойфер В.А. Методы компьютерной обработки изображений. - 2-е изд. - М.:ФИЗМАТЛИТ, 2003. - 784 с. - ISBN 5-922-0270-2.

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

52. Садыков С.С. Методы и алгоритмы выделения признаков в системах технического зрения / С.С. Садыков, H.H. Стулов. - М.: Горячая линия - Телеком, 2005. - 204 с. - ISBN 5-93517-309-3.

155

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

54. Путятин Е.П. Обработка изображений в робототехнике / Е.П. Путятин, C.B. Аверин. - М.: Машиностроение, 1990. - 320 с. - ISBN 5-2100981-0.

55. Садыков, С.С. Методы выделения структурных признаков изображений / С.С. Садыков, В.Н. Кан, И.П. Самандаров. - Ташкент: Фан, 1990. - 104 с. - ISBN 5-648-00502-4.

56. Дуда Р., Харт П. Распознавание образов и анализ сцен.М.: Мир,

1976.

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

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

59. Фурман Я.А. Цифровые методы обработки и распознавания бинарных изображений. - Красноярск: Изд-во Краснояр. Ун-та, 1992. - 248 с. - ISBN 5-7470-0204-х.

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

61. Техническое зрение роботов / В.И. Мошкин, A.A. Петров, B.C. Титов, Ю.Г. Якушенков ; Под общ. ред. Ю.Г. Якушенкова. - М.: Машиностроение, 1990. - 272 с. - ISBN 5-217-00467-3.

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

63. Freeman H. On the Encodingof Arbitrary Geometric Configurations. -IRE Trans., 1961, V. EC -10 (2), N. 6, p. 260-268.

64. Freeman H. Computer Processing of Line Drawings, Comput. Surveys, 6. pp. 57-97, 1974

65. Пискунов Н.С. Дифференциальное и интегральное исчисления для втузов: М.: Физматгиз, 1963. - 856 с.

66. Выгодский М.Я. Справочник по высшей математике. М.: 1973г.,

872 с.

67. Погорелов A.B. Дифференциальная геометрия: М.: 1974. - 176 с.

68. Воднев В.Т. Математический словарь высшей школы: М.: Изд-во МПИ, 1988.-527 с.

69. А. Ильин, Э. Г. Позняк, Основы математического анализа, ч. 1, «Наука», 1982. - 616 с.

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

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

72. Садыков С.С. Цифровая обработка и анализ изображений / С.С. Садыков. - Ташкент: НПО «Кибернетика» АН РУз, 1984. - 193 с.

73. Методы цифровой обработки изображений: учеб. пос. Ч. 1. / C.B. Дегтярев [и др.]. - Курск: Курск, гос. техн. ун-т, 2001. - 167 с. - ISBN 5-768100539.

74.Кориков A.M. Корреляционные зрительные системы роботов / A.M. Кориков, В.И. Сырямкин, B.C. Титов ; Под ред. A.M. Корикова. - Томск: Радио и связь, Томское отделение, 1990. - 264 с. - ISBN 5-256-00510-3.

75. Абламейко C.B. Обработка изображений: технология, методы, применение: Учеб. пос. / C.B. Абламейко, Д.М. Лагуновский. - М.: Амалфей, 2000. - 304 с. - ISBN 985-441-143-5.

76. Фисенко В.Т. Компьютерная обработка и распознавание изображений: учеб. пособие. - СПб: СПбГТУ ИТМО, 2008. - 192 с.

77.Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор A.A. Цифровая обработка изображений в информационных системах: Учебное пособие.- Новосибисрк: Изд-во НГТУ, 2002. - 352 с. - ISBN 5-77820330-6.

78.Р. Гонсалес, P. Вудс Цифровая обработка изображений: Пер. с англ.

- М.: Техносфера, 2005. - 1072 с. - ISBN 5-94836-028-8.

79. Сойфер В.А. Методы компьютерной обработки изображений. - 2-е изд. -М.:ФИЗМАТЛИТ, 2003. - 784 с. - ISBN 5-922-0270-2.

80.Гридин В.Н. Адаптивные системы технического зрения / В.Н. Гридин, B.C. Титов и др.; Центр информ. Технологий в проектировании РАН.

- М.:Наука, 2009. - 441 с. - ISBN 978-5-02-025391-9.

81. Bow, S.-T. Pattern Recognition and Image Preprocessing, Marcel Dekker, Inc. / S.-T. Bow. - New York: NY. - 1992.

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

83. 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.

84. Bishop, C.M. Neural Networks for Pattern Recognition / C.M. Bishop.

- Oxford, England: Oxford University Press, 1995.

85. 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.

86. Ohta, Y. Color information for region segmentation / Y. Ohta, T. Kanade, T. Sakai // Comput. Graphics and Image Proc. - 1980. - v. 13. - P. 222241.

87. 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.

88. www.spotlight.ru

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

90.Садыков С.С., Савичева С.В. Предварительная обработка изображений плоских объектов в системах технического зрения//Приборостроение, №2-2012, С. 19-24.

91. Кормановский С.И., Скорюкова Я.Г., Мельник О.П. Структурно-евязностная модель изображения: выделение контура и формирование признаков. // Информационные технологии и компьютерная техника, №1, 2010. С. 1-7.

92. Бабаян П.В., Фельдман А.Б. «Распознавание объектов на изображениях при наблюдении из космоса», // Вестник РГРТУ, 2008. №4 (выпуск 26). С. 20-28.

93. Садыков С.С., Савичева C.B. «Алгоритм идентификации плоских объектов с использованием минимального числа признаков», //Автоматизация и современные технологии, № 7, 2011. С. 3-6.

94. Садыков С.С., Савичева C.B. «Идентификация реальных плоских объектов на основе единственного признака точек их внешних контуров», //Информационные технологии, №8, 2011. С. 13-16.

95. Савичева C.B. Экспериментальное исследование алгоритма идентификации плоских объектов. Алгоритмы, методы и системы обработки данных: сб. науч. тр. Выпуск 15- Муром: Изд.-полиграфический центр МИ ВлГУ, 2010. С. 153-160. - ISSN 2220-4229.

96. Садыков С.С., Савичева C.B. «Исследование работы алгоритма идентификации отдельных и двух наложенных тестовых и реальных плоских объектов при условии минимального числа признаков», Новые материалы и технологии - НМТ-2010. Материалы Всероссийской научно-технической конференции. Москва, 16-18 ноября 2010 г. С. 124-125. - ISBN 978-5-93271584-0.

97. Савичева C.B., «Алгоритм идентификации плоских объектов на основании значений кривизны точек их внешних контуров», Высокие технологии и фундаментальные исследования. Т.1: сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности». 0911.12.2010, Санкт-Петербург, Россия/ под ред. А.П. Кудинова. - Спб.: Изд-во Политехи. Ун-та. С. 176-177. - ISBN 978-5-7422-2822-6.

98. Савичева C.B., Садыков С.С. «Алгоритм идентификации двух наложенных тестовых и реальных плоских объектов», Материалы III Всероссийской межвузовской научной конференции «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России», «Регионы России - 2011» - ISSN 2220-8763

99. Савичева C.B. Идентификация тестовых и реальных плоских объектов путем формирования а-функций / Муром, ин-т Владимир, гос. унта. - Муром, 2010. - 18 е.: ил. - Библиогр. 4 назв. - Рус. - Деп. в ВИНИТИ 12.10.10 № 583-В2010.

100. Садыков С.С., Савичева C.B. «Алгоритм идентификации реальных плоских объектов с использованием значений их г-функций», Надежность и качество-2011. Труды Международного симпозиума/ Под ред. Юркова. - Пенза: Изд-во Пенз. Гос. ун-та., 2011. С.123-127. - ISSN 22206418.

101. Садыков С.С., Савичева C.B. «Алгоритм идентификации отдельных и двух наложенных плоских объектов», Новые информационные технологии в научных исследованиях: материалы XVI Всероссийской научно-технической конференции студентов, молодых ученых и специалистов. Рязанский государственный радиотехнический университет. 2011. С. 155-156. - ISBN 978-5-7722-0274-6.

102. Полезная модель к патенту РФ №118775, МПК G06K 9/62. Устройство идентификации отдельных плоских объектов по их г-функциям / Садыков С.С., Савичева C.B., 2012, Бюл. №21.

103. Полезная модель к патенту РФ №109593, МПК G06K 9/62. Устройство идентификации плоских объектов по их альфа-функциям/ Садыков С.С., Савичева C.B., 2011, Бюл. №29.

104. Система идентификации реальных плоских объектов с использованием минимального числа признаков. /Савичева C.B., Садыков С.С. Свидетельство о государственной регистрации программы для ЭВМ № 2011616367, 2011.