Помощь в написании студенческих работ
Антистрессовый сервис

Метод и средства оптоэлектронного контроля качества поверхности листового металлопроката

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Во второй главе рассмотрены особенности представления изображений поверхности листового металлопроката в частотной области. Проведены предварительные эксперименты, которые показали, что основной недостаток классических методов частотного анализа на основе преобразования Фурье, заключающийся в невозможности выявления небольших слабоконтрастных дефектов, может быть преодолен с использованием… Читать ещё >

Метод и средства оптоэлектронного контроля качества поверхности листового металлопроката (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Задача контроля качества поверхности листового металлопроката на базе оптоэлектронных систем
    • 1. 1. Общая характеристика качества поверхности листового металлопроката как объекта оптоэлектронного контроля
    • 1. 2. Анализ существующих методов и средств оптоэлектронного контроля качества поверхности листового металлопроката
    • 1. 3. Критерии и показатели оценки эффективности приборов оптоэлектронного контроля качества поверхности листового металлопроката
    • 1. 4. Метрологическое обеспечение оптоэлектронных средств контроля качества поверхности листового металлопроката
    • 1. 5. Постановка задачи разработки метода и средств оптоэлектронного контроля качества поверхности листового металлопроката
  • Выводы по главе
  • Глава 2. Метод оптоэлектронного контроля качества поверхности листового металлопроката
    • 2. 1. Особенности представления изображений поверхности 53 металлопроката в частотной области
    • 2. 2. Анализ применимости различных методов вейвлет-преобразования для решения задачи выявления поверхностных дефектов листового металлопроката
      • 2. 2. 1. Метод слияния-разделения
      • 2. 2. 2. Пороговые методы
      • 2. 2. 3. Метод локального дискриминантного базиса
    • 2. 3. Метод поиска наиболее информативных признаков для решения задачи выявления поверхностных дефектов листового металлопроката
    • 2. 4. Основы проектирования подсистемы выявления поверхностных дефектов прибора оптоэлектронного контроля качества поверхности листового металлопроката
  • Выводы по главе
  • Глава 3. Средства оптоэлектронного контроля качества поверхности листового металлопроката
    • 3. 1. Математическая модель оптоэлектронного сигнала отраженного от контролируемой поверхности листового металлопроката
    • 3. 2. Алгоритмические средства синтеза эталонов с дефектами и общим фоном
    • 3. 3. Методика синтеза алгоритмических средств выявления поверхностных дефектов листового металлопроката
    • 3. 4. Методика оптимизации параметров оптической схемы прибора оптоэлектронного контроля качества поверхности листового металлопроката
  • Выводы по главе
  • Глава 4. Разработка лабораторного и опытного приборов оптоэлектронного контроля качества поверхности листового металлопроката, экспериментальные исследования средств оптоэлектронного контроля
    • 4. 1. Лабораторный прибор оптоэлектронного контроля качества поверхности листового металлопроката

    4.2. Опытный прибор оптоэлектронного контроля качества поверхности листового металлопроката 123 4.3 Экспериментальные исследования метода и средств оптоэлектронного контроля качества поверхности листового металлопроката

    4.3.1. Экспериментальные исследования модели оптоэлектронного сигнала, отраженного от контролируемой поверхности листового металлопроката

    4.3.2. Синтез и экспериментальные исследования алгоритма выявления поверхностных дефектов листового холоднокатаного металлопроката и методики выбора оптимальных параметров оптической схемы 136 4.4. Области применения и перспективы развития предложенного метода и средств оптоэлектронного контроля качества поверхности листового металлопроката

    Выводы по главе

Актуальность работы. Одним из основных продуктов металлургического производства является металлопрокат, значительную долю которого в настоящее время составляет листовой металлопрокат, поставляемый потребителю обычно либо в рулонах, либо в пачках листов.

С каждым годом повышаются требования к качеству продукции металлургических производств. В связи с этим возникает необходимость разработки более эффективных методов и средств контроля качества металлопродукции. Задача контроля качества металлопроката становится все более актуальной по причине того, что необнаруженный вовремя брак ведет как к сбоям технологии, так и переходит на конечный продукт.

Одной из основных характеристик качества листового металлопроката является качество его поверхности. Именно к нему предъявляются самые высокие требования. Качество поверхности аттестуется с учетом дефектов, образующихся на различных переделах металлургического производства.

Контроль качества поверхности металлопроката на большинстве отечественных предприятий осуществляется работниками отделов технического контроля визуально. Однако, из-за присущего субъективизма, непостоянной природы человеческого зрения, быстрой утомляемости визуальная проверка поверхности металлопроката не дает удовлетворительных результатов. Поэтому в настоящее время ведутся активные работы в области создания автоматизированных приборов контроля качества поверхности листового металлопроката.

Несмотря на то, что в настоящее время существует ряд промышленных приборов ОЭКК, подходы, применяемых при их проектировании, как правило, не публикуются в открытой печати, поскольку носят коммерческий характер и являются интеллектуальной собственностью соответствующих, преимущественно зарубежных фирм производителей.

Среди исследований российских ученых, посвященных вопросам создания автоматизированных приборов ОЭКК, важно отметить работы Малыгина Л. Л., Ершова Е. В., Рогова В. В. Проведенный анализ этих работ показал, что процесс контроля качества поверхности листового металлопроката рассматривается в них как последовательное выполнение следующих основных этапов: предварительная обработка изображения, поиск дефектных областей на изображении, расчет классификационных признаков по найденным областям, классификация дефектов. Таким образом, для выполнения классификации, требуется предварительное решение задачи поиска дефектных областей. Обеспечение же необходимой точности процедуры поиска, зачастую, не представляется возможным из-за зашумленности и неоднородности изображений металлопроката и высокой скорости движения полосы. Вследствие этого, существующие методы оптоэлектронного контроля не позволяют осуществлять контроль листового металлопроката с заданными, достаточно высокими, показателями эффективности.

Таким образом, актуальность темы диссертации предопределяется тем, что оптоэлектронными средствами обеспечивается контроль с заданными показателями эффективности и быстродействия качества поверхности листового металлопроката.

Научная цель. Целью диссертационной работы является разработка метода и основ проектирования средств оптоэлектронного контроля качества поверхности листового металлопроката, обеспечивающих повышение эффективности контроля качества поверхности листового металлопроката, что позволит улучшить качество продукции металлургических производств.

Основные научные и практические положения, выдвигаемые на защиту:

1. Математическая модель оптоэлектронного сигнала, отраженного от контролируемой поверхности листового металлопроката, анализ которой позволил создать алгоритмические средства синтеза эталонов с дефектами и общим фоном, максимально приближенных к реальным.

2. Усовершенствованный метод оптоэлектронного контроля качества поверхности листового металлопроката, позволяющий решать задачу выявления поверхностных дефектов с заданными показателями эффективности и быстродействия, за счет отказа от выполнения предварительного этапа поиска дефектных областей.

3. Основы проектирования специализированных средств оптоэлектронного контроля качества поверхности листового металлопроката, позволяющие создавать алгоритмы выявления поверхностных дефектов с заданными показателями эффективности и быстродействия.

4. Программные и технические средства оптоэлектронного контроля качества поверхности листового холоднокатаного металлопроката, обеспечивающие более высокие показатели эффективности по сравнению с известными средствами и позволяющие осуществлять контроль на движущейся полосе металлопроката.

5. Лабораторный автоматизированный прибор оптоэлектронного контроля качества (ОЭКК) поверхности стальной холоднокатаной полосы, предназначенный для настройки оптоэлектронных средств контроля качества поверхности листового металлопроката.

6. Опытный автоматизированный прибор ОЭКК поверхности стальной холоднокатаной полосы на выходе агрегата продольной резки-9 цеха отделки металлопроката (ЦОМ) производства холоднокатаного листа (ПХЛ) ОАО «Северсталь», предназначенный для исследования метода и средств оптоэлектронного контроля качества поверхности листового металлопроката в условиях производства.

Объект исследования: метод и средства оптоэлектронного контроля качества поверхности листового металлопроката.

Методы исследований. Для решения поставленных в работе задач был использован аппарат теории измерений, теории вероятностей и математической статистики, теории вейвлет-анализа, скрытых Марковских моделей, теории распознавания образов, обработки и анализа растровых полутоновых изображений, теории методов статистического моделирования на ЭВМ.

Научная новизна для специальности 05.11.13 результатов работы состоит в следующем:

1. Предложена математическая модель оптоэлектронного сигнала отраженного от контролируемой поверхности листового металлопроката, анализ которой позволил создать алгоритмические и программные средства синтеза эталонов с дефектами и общим фоном максимально приближенных к реальным.

2. Разработан усовершенствованный метод оптоэлектронного контроля качества поверхности листового металлопроката, позволяющий осуществлять контроль качества поверхности металлопроката с показателями более высокими по сравнению с известными, за счет отказа от выполнения предварительного этапа поиска дефектных областей.

3. Разработаны основы проектирования специализированных средств оптоэлектронного контроля, обеспечивающие возможность синтеза алгоритмов выявления поверхностных дефектов с заданными показателями эффективности и быстродействия. Таким образом, сделан конкретный научный и практический вклад в специальность 05.11.13 — Приборы и методы контроля природной среды, веществ, материалов и изделий.

Апробация работы. Основные положения диссертации докладывались и обсуждались на XIV, XV, XVI Межвузовских военно-научных конференциях (Череповец, 2000 г., 2002 г., 2004 г.), международной научно-технической конференции «Инфотех-2001» (Череповец, 2001 г.), II и III Межвузовской научно-методической конференции «Образование. Наука. Бизнес. Особенности регионального развития и интеграции» (Череповец, 2003 г., 2004 г.), региональной студенческой научной конференции «Молодые исследователи — региону» (Вологда, 2001 г.), IX международной научно-технической конференции (Ульяновск, 2004 г.), а также на заседаниях кафедры системного анализа и управления ФТК СПбГПУ, научных семинарах Института менеджмента и информационных технологий СПбГПУ и Череповецкого научно-координационного центра РАН, где получили одобрение.

По материалам диссертации опубликовано 12 печатных работ.

В структурном отношении работа состоит из введения, четырех глав, заключения, списка литературы и приложений.

В первой главе приведена классификация и описание поверхностных дефектов холоднокатаного и горячекатаного металлопроката.

Представлена характеристика качества поверхности листового металлопроката как объекта оптоэлектронного контроля.

Проведен анализ методов и средств, применяемых при организации контроля качества поверхности листового металлопроката с использованием приборов ОЭКК. Определены их основные достоинства и недостатки.

Отмечено, что, во-первых, известные методы и подходы не позволяют создавать алгоритмы обнаружения и классификации поверхностных дефектов листового металлопроката с заданными показателями эффективности и быстродействия. Во-вторых, основные направления исследований направлены на решение задачи поиска дефектных областей на изображении, поскольку от точности процедуры поиска зависит качество признаков вычисляемых по найденным на изображении областям и, как следствие, эффективность дальнейшей классификации. Отмечено, что повышение точности поиска в настоящее время ведется экстенсивными методами, в основу которых положено использование дополнительных аппаратных ресурсов.

Рассмотрены известные и предложены новые показатели эффективности контроля качества поверхности листового металлопроката, предназначенные для оценки оптоэлектронных средств, не использующих подсистему поиска дефектных областей. С использованием данных показателей определен критерий оценки эффективности оптоэлектронных средств нового класса. Определена цель диссертационной работы, заключающаяся в разработке метода и основ проектирования средств оптоэлектронного контроля качества поверхности листового металлопроката, обеспечивающих повышение эффективности контроля качества поверхности листового металлопроката, что позволит улучшить качество продукции металлургических производств.

Рассмотрены и проанализированы основные факторы, оказывающие влияние на эффективность контроля качества поверхности листового металлопроката с использованием оптоэлектронных средств. Приведены основные метрологические характеристики средств оптоэлектронного контроля качества поверхности листового металлопроката. Описана методика точной калибровки видеодатчика. Отмечена важность выбора оптической схемы и создания эталонов с дефектами и общим фоном для проведения калибровок оптоэлектронных средств.

Определены решаемые в диссертационной работе задачи.

Во второй главе рассмотрены особенности представления изображений поверхности листового металлопроката в частотной области. Проведены предварительные эксперименты, которые показали, что основной недостаток классических методов частотного анализа на основе преобразования Фурье, заключающийся в невозможности выявления небольших слабоконтрастных дефектов, может быть преодолен с использованием альтернативного метода частотно-временного анализа на основе вейвлет-преобразования. Данный метод обладает высокой потенциальной возможностью для выявления как больших, так и малых слабоконтрастных дефектов, при этом может быть опущен сложный этап поиска дефектных областей, что позволит не только увеличить быстродействие прибора ОЭКК, но и повысить эффективность контроля.

Разработан метод оптоэлектронного контроля качества поверхности листового металлопроката, предназначенный для решения задачи выявления поверхностных дефектов листового металлопроката и заключающийся в построении дискриминантного вейвлет-дерева, содержащего наиболее информативные диапазоны вейвлет-коэффициентов, определяемые путем оптимизации целевой дискриминантной функции, построенной на основе критерия Фишера.

Разработаны основы проектирования подсистемы выявления поверхностных дефектов листового металлопроката. Создана методика интерпретации ответов классификатора, позволяющая не только реализовывать механизм отказов, но и учитывать возможность появления в зоне контроля дефектов нескольких типов.

Третья глава содержит результаты экспериментов по аппроксимации вейвлет-коэффициентов изображений листового металлопроката смесью одномерных нормальных распределений. Приведено описание математической модели оптоэлектронного сигнала отраженного от контролируемой поверхности листового металлопроката, в основе которой лежит математический аппарат теории скрытых Марковских деревьев и вейвлет-анализа. По результатам анализа предложенной математической модели разработаны алгоритмические средства синтеза эталонов с различными типами дефектов и общим фоном, предназначенные для проведения калибровки оптоэлектронных средств в условиях отсутствия представительной выборки реальных образцов. Предложена методика синтеза алгоритмов выявления поверхностных дефектов листового металлопроката, основанная на использовании разработанного метода оптоэлектронного контроля. Методика позволяет создавать алгоритмы выявления поверхностных дефектов листового металлопроката с заданными показателями эффективности и быстродействия.

Предложены критерий и методика поиска оптимальных параметров оптической схемы, при которых достигается максимальное значение целевой функции, и, как следствие этого, повышается эффективность работы алгоритмов выявления дефектов поверхности листового металлопроката.

В четвертой главе описываются созданные лабораторный и опытный приборы оптоэлектронного контроля качества поверхности листового металлопроката.

Лабораторный автоматизированный прибор ОЭКК стальной холоднокатаной полосы предназначен для экспериментальной проверки основных положений работы. Опытный автоматизированный прибор ОЭКК поверхности стальной холоднокатаной полосы на выходе агрегата продольной резки-9 цеха отделки металлопроката производства холоднокатаного листа ОАО «Северсталь» предназначен для экспериментальной проверки средств оптоэлектронного контроля в условиях производства. Описан комплекс программных средств, предназначенный как для автоматизации процесса проектирования прибора ОЭКК на базе предложенных решений, так и для выявления поверхностных дефектов листового металлопроката. Представлены результаты экспериментальных исследований метода и средств оптоэлектронного контроля качества поверхности металлопроката, в результате которых был создан алгоритм выявления поверхностных дефектов листового холоднокатаного металлопроката, имеющий по сравнению с известными алгоритмами более высокие показатели эффективности и обладающий вычислительными характеристиками, обеспечивающими его работу в режиме реального времени.

Рассмотрены области использования и перспективы развития предложенного метода и средств оптоэлектронного контроля качества поверхности листового металлопроката.

В приложениях приведены:

1. Описание основных типов поверхностных дефектов холоднокатаного и горячекатаного металлопроката.

2. Размеры продольной и поперечной разрешающей способности приборов ОЭКК в зависимости от размера ПЗС матрицы, высоты установки камеры над поверхностью полосы, угла наклона камеры, и угла обзора видеокамеры.

3. Искусственные однородные изображения с нанесенными на них точками и линиями различной направленности белого и черного цветов и соответствующие им энергетические карты.

4. Листинг программного модуля, реализующего построение дискриминантного вейвлет-дерева с использованием нового метода оптоэлектронного контроля качества поверхности листового металлопроката.

5. ЕМ — алгоритм для оценки параметров модели оптоэлектронного сигнала отраженного от контролируемой поверхности листового металлопроката.

6. Листинг программного модуля оценки параметров модели оптоэлектронного сигнала, отраженного от контролируемой поверхности листового металлопроката с использованием ЕМ-алгоритма.

7. Примеры изображений поверхности с дефектами различных типов и бездефектной поверхностью (общим фоном) для холоднокатаного проката ОАО «Северсталь».

ВЫВОДЫ ПО ГЛАВЕ 4.

1) Создан лабораторный автоматизированный прибор ОЭКК стальной холоднокатаной полосы, предназначенный для экспериментальной проверки основных положений работы.

2) Создан опытный автоматизированный прибор ОЭКК поверхности стальной холоднокатаной полосы на выходе агрегата продольной резки-9 цеха отделки металлопроката производства холоднокатаного листа ОАО «Северсталь».

3) Разработан комплекс программных средств, предназначенный как для автоматизации процесса проектирования приборов ОЭКК на базе предложенных решений, так и для выявления поверхностных дефектов листового металлопроката.

4) Проведены экспериментальные исследования модели объекта контроля, метода и средств оптоэлектронного контроля качества поверхности металлопроката, в результате которых был создан алгоритм выявления поверхностных дефектов листового холоднокатаного металлопроката, имеющий по сравнению с известными алгоритмами более высокие показатели эффективности и обладающий вычислительными характеристиками, обеспечивающими его работу в режиме реального времени.

5) Рассмотрены области использования и перспективы развития предложенного метода и средств оптоэлектронного контроля качества поверхности листового металлопроката.

ЗАКЛЮЧЕНИЕ

.

В рамках диссертации с использованием скрытых Марковских моделей и математических принципов вейвлет-преобразования двумерных дискретных сигналов-изображений решена задача повышения эффективности контроля качества поверхности листового металлопроката за счет разработки нового метода и основ проектирования специализированных средств оптоэлектронного контроля качества поверхности листового металлопроката, позволяющих осуществлять контроль с показателями более высокими по сравнению с известными методами, за счет отказа от необходимости выполнения промежуточного этапа поиска дефектных областей, а также за счет обеспечения возможности синтеза алгоритмов выявления поверхностных дефектов листового металлопроката с заданными показателями эффективности и быстродействия.

Основные научные и практические результаты работы заключаются в следующем:

1. Предложена математическая модель оптоэлектронного сигнала, отраженного от контролируемой поверхности листового металлопроката, анализ которой позволил создать алгоритмические средства синтеза эталонов с дефектами и общим фоном, максимально приближенных к реальным и предназначенных для проведения калибровки средств оптоэлектронного контроля.

2. Разработан усовершенствованный метод оптоэлектронного контроля качества поверхности листового металлопроката, позволяющий решать задачу выявления поверхностных дефектов с заданными показателями эффективности и быстродействия за счет отказа от выполнения предварительного этапа поиска дефектных областей.

3. Разработаны основы проектирования специализированных средств оптоэлектронного контроля качества поверхности листового металлопроката, позволяющие создавать алгоритмы выявления поверхностных дефектов с заданными показателями эффективности и быстродействия.

4. Созданы программные и технические средства ОЭКК поверхности листового холоднокатаного металлопроката, обеспечивающие более высокие показатели эффективности по сравнению с известными средствами и обладающие вычислительными характеристиками, позволяющими осуществлять контроль на быстродвижущейся полосе металлопроката.

5. Создан лабораторный прибор ОЭКК поверхности стальной холоднокатаной полосы, предназначенный для калибровки оптоэлектронных средств контроля качества поверхности листового металлопроката.

6. Создан опытный прибор ОЭКК поверхности стальной холоднокатаной полосы на выходе агрегата продольной резки-9 цеха отделки металлопроката (ЦОМ) производства холоднокатаного листа (ПХЛ) ОАО «Северсталь», предназначенный для исследования метода и средств оптоэлектронного контроля качества поверхности листового металлопроката в условиях производства.

7. Полученные результаты использованы при проектировании оптоэлектронных приборов контроля качества поверхности стальной холоднокатаной полосы, разрабатываемой Институтом менеджмента и информационных технологий (филиалом) СПбГПУ по заказу ООО «Малленом».

8. Результаты исследований используются в учебном процессе в Институте менеджмента и информационных технологий (филиале) СПбГПУ в г. Череповце в курсе «Обработка и анализ изображений» для специальности 230 105 — «Программное обеспечение вычислительной техники и автоматизированных систем».

Показать весь текст

Список литературы

  1. A. Grossmann, J. Morlet, Decomposition of Hardy functions into square integrable wavelets of constant shape, SIAM J. Math. 15 1984.
  2. A. K. Jain, J. Mao, and К. M. Mohiuddin, «Artificial neural networks: a tutorial,» IEEE Computer, pp. 31−44. March 1996.
  3. A. Laine, J. Fan, Texture classification by wavelet packet signatures, IEEE Trans. Pattern Anal. Mach. Intell. 15 1993.
  4. A.L. Amet, A. Ertuzun, A. Ercil, Texture defect detection using subband domain co-occurrence matrices, Image Anal. Interpretation 1 1998.
  5. Computer Vision and Image Processing. Upper Saddle River: Scott E. U. Prentice Hall, 1999.
  6. D. Brzakovie and N. Vujoivie, «Designing a Defect Classification System: A Case Study», Pattern Recognition, Vol. 29, No. 8, pp. 1 401 141, 1996.
  7. European Experiences in Cold Strip Surface Inspection, Marco Vascotto, International Automated Surface Inspection Technology, Conf., Lake Buena Vista, Fla., Febr., 1999.
  8. F. Abramovich, T. Sapatinas, and B. W. Silverman, «Wavelet thresholding via a Bayesian approach,» J. R. Statist. Soc. B, vol. 60, pp. 725−749, 1998.
  9. Fabric defect detection by Fourier analysis, Chi-ho Chan, Grantham Pang, Proceedings of the 1999 IEEE Industry Applications Society Conference Phoenix, Arizona, USA, October 3−7, 1999.
  10. H. Chipman, E. Kolaczyk, and R. McCulloch, «Adaptive Bayesian wavelet shrinkage,» J. Amer. Statist. Assoc., vol. 92, 1997.
  11. Haar A. Zur Theorie der Orthogonalen Funktionen-System / / Math. Ann. 1910.-No. 69.-P. 331−371.
  12. Hannu Kauppinen Development of a color machine vision method for wood surface inspection, Oulun Yliopisto, Oulu 1999.
  13. Haralick R.M., Shanmugan K., Dinstein I. Texture features for image classification, IEEE Trans. Systems, Man and Cybernetics, SMC-3, pp. 610−621, 1973.
  14. Image processing with neural networks a review M. Egmont-Petersena, D. de Ridder, H. Handels.
  15. J. Pesquet, H. Krim, and E. Hamman, «Bayesian approach to best basis selection,» in Proc. IEEE Int. Conf. Acoust., Speech, Signal Processing'96, Atlanta, GA, 1996, pp. 2634−2637.
  16. K. S. Fu, «A step towards unification of syntactic and statistical pattern recognition,» IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 5, no. 2, pp. 200−205, March 1983.
  17. Koivo AJ & Kim CW (1989) Robust image modeling for classification of surface defects on wood boards. IEEE Transactions on Systems, Man, and Cybernetics, 19: 1659−1666.
  18. L. Devroye, L. Gyorfl, and G. Lugosi, A Probabilistic Theory of Pattern Recognition, Springer Verlag, Berlin, 1996.
  19. Lampinen J, Smolander S, Silven O., Kauppinen H., Wood defect recognition: a comparative study. Workshop on Machine Vision for advanced production, Oulu, Finland. 1994.
  20. M.S. Crouse, R.D. Nowak, and R.G. Baraniuk. Wavelet-Based Statistical Signal Processing using Hidden Markov Models. IEEE Transactions on Signal Processing, 46:886−902, 1998.
  21. Mike Muehlemann Standardizing Defect Detection for the Surface Inspection of Large Web Steel Illumination Technologies, Inc.
  22. N. Saito, R.R. Coifman, Local discriminat bases, Proc. SPIE, v2303
  23. O. Pichler, A. Teuner, B.J. Hosticka, A comparison of texture feature extraction using adaptive Gabor filtering, pyramidal and tree structured wavelet transforms, Pattern Recognition 29 1996.
  24. Ronen, J. Rohlicek, and Ostendorf «Parameter estimation of dependence tree model using the EM algorithm». IEEE Signal Proc. Lett., vol. 2, pp. 157−159, Aug. 1995.
  25. On-line automatic defect detection and surface roughness measurement of steel strip, F. Treiber, Iron and Steel Engineer, Sept 1989.
  26. P.G. Lemarie, Y. Meyer, Ondelettes et bases Hilbertiennes, Rev. Mat. Ibero Americana 2 1986. Lemarie.
  27. Parsytec AG Электронный ресурс. Режим доступа: www.parsytec.de.
  28. Pattern recognition methods for texture analysis case study: steel surface classification, Cem Unsalan, Hacettepe University, 1998.
  29. R.R.Coifman and Mladen Victor Wickerhauser, Entropy based algorithms for best basis selection, IEEE Trans. Information Theory, v38, n2, March, pp713−718, 1992.
  30. R.T. Chin. SURVEY: automated visual inspection: 1981 to 1987. Computer Vision, Graphics, and Image Processing, 41:346—381, 1988.
  31. S.G. Mallat, A theory for multiresolution signal decomposition: the wavelet representation, IEEE Trans. Pattern Anal. Mach. Intell. 11 1989.
  32. Surface defect inspection of cold Rolled Strips with Features Based on Adaptive Wavelets Packets, Chang Su Lee, Chong-Ho Choi, Jin Young Choi, Se Ho Choi, IEICE TRANS. INF. & SYST., Vol. E80-D, No. 5 May 1997.
  33. Surface Inspection System for Cold Rolled Strips Based on Image Processing Technique, Ke Xu, Jinwu Xu, Shouli Lu, Journal of University of Science and Technology Beijing, No.4 Vol. 6 1999.
  34. T. Chen, C.-C.J. Kuo, Texture analysis and classification with tree-structured wavelet transform, IEEE Trans. Image Process. 2 1993.
  35. Tai-Hoon Cho, Richard W. Conners, and Philip A. Araman A Comparison of Rule-Based, K-Nearest Neighbor, and Neural Net Classifiers for Automated Industrial Inspection, IEEE Computer Society Press Los Alamitos, California, 1991.
  36. С. А. Методы оптимального проектирования: Текст лекций // С. А. Андронов- С.-Петерб. гос. ун-т аэрокосм, приборостроения. СПб.: РИО ГУАП, 2001. -169 с.
  37. .В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений. М., «Высшая школа», 1983.
  38. Б. Банди Методы оптимизации. Вводный курс. М.: «Радио и связь», 1988.
  39. Ю.Л., Варский Б. В. Автоматическое распознавание образов. Изд. КВАИУ, Киев, 1964.
  40. Л.А. Основы построения систем распознавания образов. Часть I, 1997.
  41. Р.Е., Фрайер Р., Иванов К. В., Манцветов А. А. Цифровое преобразование изображений: Учеб. пособие для вузов М.: Горячая линия — Телеком, 2003. — 228 с.
  42. В.П. Майоров, Л. Ф. Овчинников, М. С. Семин, Рассуждения о телевизионных камерах «Компьютерра» № 4 1998.
  43. П.Н. Диссертация на соискание ученой степени кандидата технических наук. Синтез алгоритмов обнаружения и распознавания дефектов поверхности холоднокатаного металла. -Л.: СЗПИ, 1989. 120 с.
  44. Г. Я. Методы распознавания образов (конспект лекций), Сервер Методического Обеспечения ВГУЭС, 2000.
  45. Г. Я., Бурлаков И. А., Косенкова С. Т. Статистические методы решения задач распознавания, основанные на аппроксимационном подходе. Владивосток: ТОЙ ДВО РАН, 1992.
  46. Е.А. Физические основы получения информации: Учеб. пособие СПбГУАП. СПб., 2004. 190 с.
  47. Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.
  48. А., Шумской В. Нейрокомпьютеринг и его применение в экономике и бизнесе. -М., 1998. 235 с.
  49. Е.В. Диссертация на соискание степени кандидата технических наук. Метод оптико-электронного контроля и алгоритмы выявления поверхностных дефектов жести. СПб.: СЗПИ, 1993. — 188 с.
  50. Компания «ЭВС» Как выбирать телевизионные камеры Электронный ресурс. — Режим доступа: www.evs.ru.
  51. Малыгин Л. А, Шабалов В. А., Ульянов А. Н., Петешов А. В. Балунин Е.И. Модели нейронных сетей и области их применения. / / Тезисы доклада 14 межвузовской научно-технической конференции. -Череповец. 2000. — 31−32 с.
  52. Л.А. Диссертация на соискание степени доктора технических наук. Основы теории проектирования приборов контроля качества поверхности стальной полосы. СПб.: СЗПИ, 1994. — 376 с.
  53. И.Д. Кластерный анализ. М., Финансы и статистика, 1988, — 176 с.
  54. С. И., Никулин О. Ю., Приборы с зарядовой связью -основа современной телевизионной техники. Основные характеристики ПЗС, «Специальная техника» № 5, 1999.
  55. О. Ю., Петрушин А. Н. Системы телевизионного наблюдения. М., «Оберег-РБ», 1997 г.
  56. Прокатка полос на четырехклетевом стане 1700 производства холодного листа. Технологическая инструкция ТИ 105-ПХЛ.-2−96, Череповец, 1996. 67 с.
  57. У. Цифровая обработка изображений. Т.2. М.: Мир, 1982. -421 с.
  58. В.В. Диссертация на соискание степени кандидата технических наук. Разработка алгоритмического и программного обеспечения автоматизированной системы контроля качества поверхности стальной горячекатаной полосы. Череповец: ЧГУ, 2000. — 150 с.
  59. Д. А. Диссертация на соискание степени кандидата технических наук. Математическая и имитационная модели изображения поверхности стальной полосы на основе гиббсовских случайных полей. СПб.: ИМИТ, 2003. — 93 с.
  60. Ф. Нейрокомпьютерная техника: Теория и практика. -М.: Мир, 1992. 184 с.
  61. Хорн Б.П. К. Зрение роботов. М.: Мир, 1989. — 487 с.
  62. В.А., Ульянов А. Н. Алгоритм классификации дефектов поверхности листового металлопроката на основе вейвлет анализа и нейросетевых технологий. // Сборник трудов участников IV межвузовской конференции молодых ученых. -Череповец. 2003. — 200−202 с.
  63. Описание основных типов дефектов поверхности холоднокатаного и горячекатаного металлопроката
  64. Дефекты на холоднокатаных листах и лентах (ГОСТ 20 817−88)4)
Заполнить форму текущей работой