Помощь в написании студенческих работ
Антистрессовый сервис

Совершенствование методики распознавания пороков тканых полотен на основе применения математического аппарата нечеткой логики

Диссертация: Совершенствование методики распознавания пороков тканых полотен на основе применения математического аппарата нечеткой логики
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Практическая ценность и реализация результатов. Созданный программно-аппаратный комплекс, основанный на разработанных методиках и алгоритмах, в комплексе с видеоаппаратурой и вычислительной техникой, позволяет создать опытный образец системы технического контроля ткацких пороков, работающий в режиме реального времени, позволяет оперативно реагировать на появление структурных распространенных… Читать ещё >

Совершенствование методики распознавания пороков тканых полотен на основе применения математического аппарата нечеткой логики (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. 0. бзор проблемы диагностики качества ткани и формулировка задач исследования
  • 1. 1. Контроль качества ткани на ткацких предприятиях
  • 1. 2. Обзор систем технического зрения для контроля качества ткани
  • 1. 3. Анализ информационно — вычислительных методик и алгоритмов распознавания пороков тканых полотен
  • 1. 4. Обзор возможностей современных видеоустройств и компьютерной техники
  • 1. 5. Определение предмета исследования
  • 1. 6. Определение основных проблем при распознавании пороков ткани
  • 1. 7. Формулировка проблем и задач исследования
  • 2. Теоретические основы методики распознавания ткацких пороков
    • 2. 1. Общее теоретические описание процесса распознавания образов
    • 2. 2. Векторное представление
      • 2. 2. 1. Выбор метода векторного представления изображения
      • 2. 2. 2. Преобразование Радона. Математические основы преобразования
    • 2. 3. Определение информационных элементов
      • 2. 3. 1. Выбор метода анализа
      • 2. 3. 2. Вейвлет-анализ. Математические основы преобразования
      • 2. 3. 3. Математические аспекты анализа поля вейвлет -коэффициентов
    • 2. 4. Классификаторы
      • 2. 4. 1. Классификатор локальных поперечных образов пороков
      • 2. 4. 2. Применение метода нечеткой логики
      • 2. 4. 3. Основные положения теории нечеткой логики
      • 2. 4. 4. Алгоритмы нечеткой логики
      • 2. 4. 5. Пространственный классификатор
    • 2. 5. Выводы по главе
  • 3. Разработка методики распознавания информационных элементов ткани и их параметров
    • 3. 1. Общие принципы построения методики
    • 3. 2. Входные данные, принципы преобразования
    • 3. 3. Методика определения информационных элементов и их параметров
      • 3. 3. 1. Векторное представление. Математические преобразования.
      • 3. 3. 2. Анализ поля коэффициентов вейвлет-преобразования
    • 3. 4. Создание и подготовка структурного массива
    • 3. 5. Методика формирования информационных элементов с учетом проборки в зуб берда
    • 3. 6. Выводы по главе
  • 4. Методика распознавания пороков ткани
    • 4. 1. Общая схема классификатора
    • 4. 2. Нечеткие классификаторы
      • 4. 2. 1. Общая схема работы нечеткого классификатора
      • 4. 2. 2. Общие вопросы описания классификаторов
      • 4. 2. 3. Классификатор составных нитей
      • 4. 2. 4. Классификатор порока рассечка
      • 4. 2. 5. Классификатор порока близна
      • 4. 2. 6. Классификатор пороков парочка и слабина. ЮЗ
      • 4. 2. 7. Классификатор горизонтальных пороков
    • 4. 3. Пространственный классификатор. Методика координатного накопления. НО
    • 4. 4. Выводы по главе. 1 ?
  • 5. Экспериментальные испытания методики распознавания ткацких пороков
    • 5. 1. Общие аспекты экспериментальных испытаний
    • 5. 2. Экспериментальные испытания методики определения информационных элементов. и
    • 5. 3. Исследование надежности работы нечетких классификаторов
    • 5. 4. Исследование надежности методики распознавания пороков ткани
    • 5. 5. Лабораторный стенд
      • 5. 5. 1. Общие вопросы разработки лабораторного стенда
      • 5. 5. 2. Выбор двигателя для лабораторного стенда
      • 5. 5. 3. У правление шаговым двигателем с помощью компьютера
    • 5. 6. Принципы практической реализации
    • 5. 7. Выводы по главе

    • Актуальность. Контроль качества продукции является одной из актуальных проблем текстильных предприятий. Спрос на текстильную продукцию растет, требования к качеству продукции неуклонно повышаются. В условиях жесткой конкуренции, на первое место выходит параметр «цена/качество». Общим направлением современного ткацкого производства является максимально возможное исключение «человеческого фактора» и автоматизация процесса выпуска продукции.

    Основным этапом в текстильном производстве является процесс тканеформирования. Большое количество вариантов брака, сложность в определении допустимых отклонений, делают задачу контроля качества ткани непростой.

    С учетом современных требований, визуальные методы оказываются достаточно медленными и субъективными, выдержать конкуренцию на рынке текстильных товаров с такими методами в перспективе невозможно.

    На сегодняшний день накоплено большое количество теоретических и экспериментальных разработок, методов и методик для автоматизированного распознавания пороков ткани, однако, до сих пор отсутствует метод, способный в полном объеме решить эту задачу. Остаются мало проработанными вопросы по созданию адекватных методов и алгоритмов, учитывающих сложности анализа тканых материалов, связанных с многофакторной природой их неравномерности.

    В той или иной степени эти задачи решаются в иностранных устройствах контроля качества ткани, однако высокая стоимость этих устройств делает их недоступными для широкого применения в отечественной ткацкой промышленности. Поэтому в российской текстильной промышленности до сих пор в основном применяется органолептический метод оценки качества ткани, который в перспективе не может составить конкуренцию автоматизированным системам.

    В свою очередь современный уровень вычислительной техники, видео устройств, средств передачи информации позволяют разработать собственные программно-технические комплексы, способные решать задачи автоматизации контроля качества ткани. Новые компьютерные технологии расширяют возможности достижения большей оперативности, точности и достоверности получаемых результатов.

    Все вышесказанное говорит об актуальности разработок, касающихся данной научно-практической области, создании и совершенствовании современных методов и методик контроля качества ткани.

    Цель и задачи исследования

    Цель диссертационной работы состоит в повышении надежности контроля процесса тканеформирования за счет совершенствования программно-вычислительного метода распознавания ткацких пороков.

    Для достижения этой цели поставлены следующие основные задачи:

    — провести анализ состояния проблемы автоматизированного контроля внешнего вида ткани;

    — изучить программно-вычислительные методы и методики обнаружения ткацких пороков на основе анализа изображений ткани;

    — усовершенствовать метод поиска и распознавания элементов изображения ткани и их параметров, за счет разработки новой методики применения современных математических преобразований;

    — разработать принципы распознавания ткацких пороков на основе теории нечеткой логики;

    — разработать методики распознавания ткацких пороков на основе созданных принципов;

    — создать программный комплекс на основе разработанных алгоритмов и методиксоздать лабораторную установку для проверки результатов исследования.

    Методы исследования. Для решения поставленных задач применялись математические методы, такие как: преобразование Радона, вейвлет-анализ, методы математической статистики. Использовались базовые понятия технологии текстильных материалов, теории нечетких множеств. Применялся математический аппарат нечеткой логики. Программный комплекс разрабатывался в среде МайаЬ. Экспериментальные исследования программного комплекса проводились с помощью специально разработанного стенда.

    Научная новизна:

    1. Применен метод нечеткой логики для разработки классификаторов, позволяющих распознавать ткацкие пороки на базе созданных решающих правил.

    2. Предложен принцип последовательного применения нечетких классификаторов, разработанных под каждый вид исследуемых ткацких пороков или группы пороков тканого полотна, позволяющий вести независимую разработку и добавление новых классификаторов для распознавания других пороков.

    3. Разработана методика распознавания элементов изображения ткани и их параметров, отличающаяся от известных тем, что учитывается проборка нитей в зуб берда.

    4. Разработана методика обработки структурного массива информационных элементов ткани позволяющая определять протяженность порока и его более точное определение.

    5. Разработан программный комплекс, с использованием математического аппарата нечеткой логики, для оперативного технического контроля пороков тканого полотна возникающих в процессе тканеформирования.

    Практическая ценность и реализация результатов. Созданный программно-аппаратный комплекс, основанный на разработанных методиках и алгоритмах, в комплексе с видеоаппаратурой и вычислительной техникой, позволяет создать опытный образец системы технического контроля ткацких пороков, работающий в режиме реального времени, позволяет оперативно реагировать на появление структурных распространенных пороков, что в свою очередь позволит уменьшить количество низкосортной или бракованной ткани, ускорить анализ сбоев технологического оборудования, снизить влияние человеческого фактора при контроле качества ткани в процессе тканеформирования.

    Разработанные в рамках диссертационной работы методы и алгоритмы, реализованные в виде прикладной программы «Распознавание пороков тканого полотна», рекомендованы для применения на текстильных предприятиях и, в частности, на ООО «БКЛМ-Актив», также результаты научной работы внедрены в учебный процесс в Костромском государственном технологическом университете на кафедре технологии машиностроения, что подтверждено соответствующими документами.

    Апробация работы. Основные положения и результаты работы доложены и обсуждены на следующих научно-технических форумах:

    — Семинар по теории машин и механизмов (Костромской филиал семинара по ТММ РАН), Кострома, КГТУ, 2010 г.;

    — VI Международный научно-практический семинар «Прогресс-2010» (Иваново, ИГТА, 2010 г.);

    — VII Международный научно-практический семинар «Лен-2010», Кострома, КГТУ, 2010 г.;

    — Семинар по теории машин и механизмов (Костромской филиал семинара по ТММ РАН), Кострома, КГТУ, 2011 г.;

    — Международная научно-техническая конференция «Современные технологии и оборудование текстильной промышленности» (Текстиль-2011), г. Москва;

    — расширенное заседание кафедры ткачества, Кострома, КГТУ, 2012 г.

    Публикации. По теме диссертации опубликовано 8 научных работ. Важнейшие положения диссертации изложены в 4 статьях в журналах, входящих в «Перечень.» ВАК РФ, 1 статье в научно-техническом журнале.

    Структура и объем работы. Диссертационная работа состоит из введения, пяти глав и общих выводов по работе, изложенных на 155 страницах машинописного текста. Содержит 76 рисунков, 18 таблиц, 103 формулы, список литературы из 90 наименований и 2 приложения на 5 страницах.

    Общие выводы по работе.

    1. Проведенный анализ существующих систем и работ позволил сделать вывод о том, что наиболее перспективными, для создания системы распознавания пороков ткани, являются программно-вычислительные методы, основанные на анализе изображений ткани с высоким разрешением.

    2. Разработана методика распознавания элементов изображения ткани и их параметров, основанная на совокупности современных математических преобразований, таких как преобразование Радона, вейвлет-анализ и оригинальных разработанных алгоритмов. Разработанная методика позволила усовершенствовать программно-вычислительный метод распознавания информационных элементов изображения тканей (нитей, расстояний (просветов) между нитями) и их параметров (размеров (толщин), координат элементов). Методика позволяет определять расстояния между нитями, расположенными рядом из-за проборки в зуб берда, что расширяет область применения метода.

    3. Разработана методика распознавания составных нитей (расположенных рядом за счет проборки в зуб берда), основанная на применении математического аппарата нечеткой логики. Методика позволяет учитывать при распознавании пороков количество нитей, пробираемых в зуб берда, что является важным фактором при распознавании структуры пороков ткани.

    4. Разработаны основные принципы описания и распознавания пороков ткани, основанные на использовании математического аппарата нечеткой логики, позволяющие корректно описывать структуру пороков в условиях размытости границ значений параметров элементов ткани.

    5. На базе разработанных принципов и аппарате нечеткой логики разработана методика распознавания поперечной структуры ткацких пороков, позволяющая учитывать структуру поперечной окрестности порока, что приближает систему к принципам человеческого восприятия порока. Методика позволяет распознавать не только исследуемые пороки вдоль основы, но и некоторые виды пороков вдоль утка.

    6. Предложен принцип разработки независимых нечетких классификаторов, что дает возможность вводить описание новых возникающих пороков.

    7. Предложены решающие правила пороков, основанные на описании экспертом их поперечной структуры.

    8. Разработана методика, учитывающая пространственную протяженность порока. Методика позволяет учитывать влияние возможных артефактов и нечеткости проявления порока вдоль своего распространения.

    9. Методика распознавания пороков ткани успешно проверена в ряде прикладных исследований на полульняных тканях простых переплетений средней плотности. Ряд исследований позволил подтвердить высокий процент распознавания пороков (до 88%) при помощи применения разработанной методики.

    10. Предложена схема практической реализации системы технического зрения для контроля качества ткани.

    11. Разработанное, на основе совокупности вышеперечисленных методик и алгоритмов, программное обеспечение, может быть использовано при создании опытных образцов системы оперативной диагностики качества ткани, направленных на решение задачи уменьшения количества низкосортной или бракованной ткани, уменьшения влияния человеческого фактора при контроле качества ткани, оперативного реагирования на появление исследуемых распространенных пороков.

    Показать весь текст

    Список литературы

    1. Е. Н. Экономика, организация и планирование производствав легкой промышленности / Е. Н. Селянина, И. Г. Никитина, С. Ю. Платова.- М.: Легпромбытиздат, 1992. 464 с.
    2. С. М. Качество тканей / С. М. Кирюхин, Ю. В. Додонкин.- М.: Легпромбытиздат, 1986. 123 с.
    3. Huart J. Integration of computer vision on to weavers for quality control in the textile industry/ J. Huart, J.G. Postaire// Proc. SPIE 2183. 1994, — P. 155−163.
    4. А. Б. Разработка методов обнаружения пороков ткани с использованием компьютерных технологий: дис. канд. техн. наук: 05.19.01 / А. Б. Комаров Кострома, 2004, — 167 с.
    5. Официальная интернет-страница Вагсо Электронный ресурс./ Вагсо Со.-Электрон, дан. — 2011 .-Режим доступа: www.barco.com/textiles.
    6. Официальная интернет-страница EVS ScanMaster Электронный ресурс. / Elbit Vision Systems Ltd.- Электрон, дан. 2011 — .- Режим доступа: www.evs.co.il.
    7. Официальная интернет-страница Mahlo Электронный ресурс. / Mahlo Gmbh & Co. KG.- Электрон, дан. 2011 — Режим доступа: www.mahlo.com.
    8. Официальная интернет-страница Zellweger Uster Электронный ресурс. / Uster Technologies, AG.- Электрон, дан. 2011 — Режим доступа: www.uster.com.
    9. Knell, A.A. Automatic Fabric Inspection / A. A. Knell // Textile Institute and Industry.- 1975.-T42, Vol. 13.-P. 120−131.
    10. Norton-Wayne L. Machine vision inspection of web textile fabric/ L. Norton-Wayne, M. Bradshaw, A. J. Jewell // British Machine Vision Conf. 1992, — P. 217−226,
    11. Norton-Wayne L. Machine vision for the automated inspection of web materials / L. Norton-Wayne, M. Bradshaw, C. Sandby //SPIE 1993. — P. 2−13.
    12. Bradshaw M. The application of machine vision to the automated inspection of knitted fabrics / M. Bradshaw //Mechatronics. 1995. — Vol. 5. — P. 233−243.
    13. Zhang Y. F. Fabric defect detection and classification using image analysis / Y. F. Zhang, R. R. Bresee//Text. Res. J. 1995. — Vol. 65.-P. 1−9
    14. Mallick-Goswami B. Detecting defects in fabric with laser-based morphological image processing/ B. Mallick-Goswami, A. K. Datta // Text. Res. J.-2000. Vol. 70.-P. 758−762.
    15. Jasper W. J. Image analysis of mispicks in woven fabrics/ W. J. Jasper, H. Potapalli//Text. Res. J. 1995. — Vol. 65. — P. 683−692.
    16. Conci A. A computer vision approach to textile inspection/ A. Conci, С. B. Proenca// Text. Res. J. 2000. — Vol. 70. — P. 347−350.
    17. Lane J. S. Textile fabric inspection system/ J. S. Lane// US Patent No. 5. -1998.-P. 774.
    18. Thomas T. Automatic inspection of simply patterned materials in the textile industry/ T. Thomas, M. Cattoen // Proc. SPIE 2183. 1994. — P. 2−12.
    19. Chetverikov D. Pattern regularity as a visual key/ D. Chetverikov// Image and Vision Computing.- 2000. Vol. 18. — P. 975−985/
    20. Bodnarova A. Defect detection in textile materials based on aspects of HVS/ A. Bodnarova, M. Bennamoun, К. K. Kubik// Proc. IEEE SMC'98 .- 1998.- P. 44 234 428.
    21. Tsai I. Applying an artificial neural network to pattern recognition in fabric defects /1. Tsai, C. Lin, J. Lin// Text. Res. J. 1995. — Vol. 65. — P. 123−130.
    22. C.JI. Разработка методов технического контроля структурных параметров тканых полотен: дис. канд. техн. наук. 05.19.02/ C.JI. Костин.-Иваново. 2004 216 с.
    23. Ade F. Comparison of various filter sets for defect detection in textiles/ F. Ade, N. Lins, M. Unser// Proc. 7th Intl. Conf. Pattern Recognit., Montreal. 1984. -Vol. 1, — P. 428−431.
    24. Kumar A. Automated defect defection in textured materials/ A. Kumar// Department of Electrical & Electronic Engineering. 2001. — P.143−145
    25. Kumar A. Neural network based detection of local textile defects/ A. Kumar// Pattern Recognition. 2003. — Vol. 36. — P. 1645−1659.
    26. Hung С.С. Neural-Fuzzy classification for fabric defects/ C.C. Hung, I. C. Chen// Text. Res. J. 2001. — Vol. 71(3). — P.220−224.
    27. Rohrmus D. Invariant web defect detection and classification system/ D. Rohrmus// Proc. IEEE Conf. Computer Vision & Pattern Recogn.- 2000. Vol. 2. -P. 794−795.
    28. И. Ф. Разработка нейросетевой системы для обнаружения и классификации дефектов ткани на мерильно-браковочном оборудовании: дис. канд. техн. наук. 05.02.13/ И. Ф. Ясинский.- Иваново. 2007 192 с.
    29. И.А. Исследование автоволновых методов обработки данных информационно-измерительной сетью при автоматизации обнаружения пороков нетканых материалов: дис. канд. техн. наук. 05.13.06/ И. А. Городнов.- Москва. 2009- 150 с.
    30. Г. Г.Теоретические и практические аспекты автоматизированного анализа и проектирования льняных тканей: дисс. докт. техн. наук. 05.19.02/ Г. Г. Сокова.- Кострома. 2009 303 с.
    31. Пат. RU 2 131 605 CI, 6G01N33/36. Бесконтактный способ анализа структуры ткани/ Лустгартен Н. В., Сокова Г. Г. Сергеев А.С. Опубл. 10.06.99
    32. Escofet J. Fourier domains based angular correlation for quasiperiodic pattern recognition. Applications to web inspection/ J. Escofet, M.S. Millan // Applied Optics.- 1996.- Vol.35, Issue 31.- P. 6253−6260.
    33. Rallo M. Modeling of woven fabric structures based on Fourier image analysis/ M. Rallo, J. Escofet- M.S. Millan// Applied Optics. 2001, — Vol. 42, Issue 17.- P. 3361−3372.
    34. Ciamberlini C. Weaving defect detection by Fourier imaging/ C. Ciamberlini, F. Francini, G. Longobardi, P. Poggi, P. Sansoni, T. Tiribili// Proc. SPIE 2786,1996. P. 9−18.
    35. Chan C. Fabric defect detection by Fourier analysis/ C. Chan, G. Pang // IEEE Transactions on Industry Applications.- 2000, — Vol. 36 (5).- P. 1267−1276.
    36. Tsai D. M. Automated surface inspection for statistical textures / D. M. Tsai, T. Y. Huang// Image and Vision Computing.- 2003, — Vol.21(4).- P. 307−323.
    37. Tsai I.S. Automatic Inspection of Fabric Defects Using an Artificial Neural Network Technique / I. S. Tsai, M.C.Hu // Textile Research Journal.-1996, — Vol. 66. P. 474−482.
    38. Kumar A. Defect detection in textured materials using Gabor filters / A. Kumar, G. Pang // IEEE Annual Conf. Ind. Appl. 2000.- P. 128−141.
    39. Sari-Sarraf H. Vision systems for on-loom fabric inspection/ H. Sari-Sarraf, J. S. Goddard // IEEE Trans. Ind. Appl. 1999. — Vol. 35. — P. 1252−1259.
    40. Kumar A. Real time DSP based identification of surface defects using content-based imaging technique/ A. Kumar, S. Gupta// Proc. IEEE Conf. Industrial Technology. 2000. — Vol. 2 — P. 113−118.
    41. H.A. Развитие теории и практики построения методов измерения характеристик строения текстильных материалов с использованием современных информационных технологий: дисс. докт. техн. наук: 05.19.01/Н.А. Коробов.- Иваново, 2007.-364 с.
    42. В.И. Определение местных пороков тканей с помощью вейвлетов: дисс.. канд. техн. наук: 05.19.01/ В. И Агафонов Москва, ВЗТИ, 2009.-132 с.
    43. Tsai D.M. Automatic surface inspection using wavelet reconstruction/ D.M. Tsai, B. Hsiao// Pattern Recognition. 2001. — Vol. 34. — P. 1285−1305.
    44. Lambert G. Wavelet methods for texture defect detection/ G. Lambert, F. Bock// Proc IEEE Intl. Conf. Image Processing. 1997. — Vol. 3. — P. 201−204.
    45. Brzakovic D. P. An approach to quality control of texture web materials/ D. P. Brzakovic, P. R. Bakic, A. Liakopoulos// Proc. SPIE 2597. 1995. — P. 60−69.
    46. Zhang, X. F. Fabric Defect Detection and classification using Image Analysis / X. F. Zhang, R.R. Breese // Textile Research Journal.- 1995, — Vol. 65(1).- P. 1−9.
    47. П.В. Теория автоматического управления: Учеб. пособие для электротехн. спец. вузов/ П. В. Куропаткин М.: Высшая школа, 1973.- 528 с.
    48. А.Н. Оценка качества и стандартизация текстильных материалов./ А. Н. Соловьев, С. М. Кирюхин М.: Легкая индустрия, 1974. -245 с.
    49. ГОСТ 161 86. Ткани хлопчатобумажные, смешанные и из пряжи химических волокон. Определение сортности/ М-во легкой пром. СССР. — М.: Изд-во стандартов, 1987. — 14 с.
    50. ГОСТ 357–75. Ткани чистольняные, льняные и полульняные. Определение сортности/ М-во легкой пром. СССР. М.: Изд-во стандартов, 1976- 13 с.
    51. И.В. Теоретические и прикладные аспекты прогнозирования распределения фасонных эффектов и пороков внешнего вида нитей и ткани: дисс. докт. техн. наук: 05.19.02/И.В. Землякова.- Кострома, 2006.-303 с.
    52. ГОСТ 25 506–82 Полотна текстильные. Термины и определения пороков/ М-во легкой пром. СССР. М.: Изд-во стандартов, 1983 — 11 с.
    53. Д.Е. Теория переплетений: Методические указания/ Д. Е. Ефремов. Иваново, ИГТА, 2007. — 33 с.
    54. С. Нейронные сети для обработки информации/ С. Осовский- пер. с польского под ред. И. Д Рудинского М.:Финансы и статистика, 2002. — 344 с.
    55. Р. Основные концепции нейронных сетей/ Р. Каллан- пер. с англ.— М.: Издательский дом «Вильяме», 2001. — 287 с.
    56. К. Распознавание образов. Состояние и перспективы/ К., Верхаген, Р. Дейн, Ф. Грун, Й. Йостен, П. Вербек- пер. с англ. под ред. Гуревича И. Б. М.: Радио и связь, 1985. -117 с.
    57. А.Л. Современное состояние проблемы распознавания. Некоторые аспекты/ А. Л. Горелик, И. Б. Гуревич, В. А. Скрипкин. М.: Радио и связь, 1985.- 160с.
    58. Л. Компьютерное зрение/ Л. Шапиро, Дж. Стокман- пер. с англ. -М.: БИНОМ. Лаборатория знаний, 2006. -752 с.
    59. А.Е. Математические методы распознавания образов: Курс лекций / А. Е. Лепский, А. Г. Броневич Таганрог: Изд-во ТТИ ЮФУ, 2009. -155 с.
    60. Allgood G.O. Textile laser-optical system for inspecting fabric structure and form/ G.O. Allgood, D.A. Treece//Oak Ridge National Lab. 1996. P.323
    61. В.В. Применение рекурсивной функции для оперативного контроля качества материала / В. В. Романов, В. А. Ивановский // Вестник КГТУ. 2009. — № 20. С.24−27.
    62. М.А. Совершенствование метода компьютерного измерения показателей заполнения и пористости ткани/ М. А. Сташева, Н. А. Коробов, Б. Н. Гусев // Известия вузов. Технология текстильной промышленности. -2003.-№ 3.
    63. В.А. Волновой метод оперативного контроля качества ткани/ В. А Ивановский, В. В. Романов //Известия вузов. Технология легкой промышленности. 2008. — № 2. С. 19−22.
    64. В.А. Дистанционное обнаружение дефектов ткани/ В. А. Ивановский //Известия вузов. Технология текстильной промышленности. -2010. -№ 5. С.124−126.
    65. И.С. Цифровая обработка изображений в информационных системах: Учеб. пособие/ И. С. Грузман, В. С. Киричук. Новосибирск: Изд-во НГТУ, 2002.-352 с.
    66. С. Вейлеты в обработке сигналов/ С. Малла- пер. с англ. М.: Мир, 2005. — 671 с.
    67. И. Десять лекций по вейвлетам/ И. Добеши- пер. с англ. НИЦ «Регулярная и хаотическая динамика». Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. — 464 с.
    68. У. Цифровая обработка изображений/ У. Прэтт- пер. с англ. под ред. Лебедева Д. С., М.: Мир, 1982. — 781 с.
    69. Н. Вейвлет анализ: основы теории и примеры применения / Н. Астафьева//Успехи физических наук. 1996.-Т. 166, № 11.-С. 1145−1170.
    70. В.А. Применение вейвлет-анализа при распознавании дефектов ткани / В.А. Ивановский// Известия вузов. Технология текстильной промышленности.- 2011. -№ 5. С.124−126.
    71. Р. Цифровая обработка изображений/ Р. Гонсалес, Р.Вудс. -Москва: Техносфера, 2005. 1072 с.
    72. В.В. Вейвлет-анализ временных рядов: Учебное пособие/ В. В. Витязев. -СПб.: Изд-во С.-Петерб.ун-та, 2001. 58 с.
    73. Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB/ Н. К. Смоленцев. М.: ДМК Пресс, 2005. — 304 с.
    74. Л. Введение в анализ данных с применением непрерывного вейвлет-преобразования/ Л. Джаквис- пер. с англ. под ред. Грибунина В. Г .СПб: АВТЭКС, 2001 29 с.
    75. Юр Т. В. Исследование фильтрующих свойств вейвлет-преобразования/ Т. В. Юр, В. И. Дубровин, В. Н. Харитонов //Радиоэлектроника, информатика, управление. 2010. — № 2 С.157−165.
    76. Addison Р. S. Illustrated wavelet transform handbook. Introductory Theory and Applications in Science, Engineering, Medicine and Finance / P. S. Addison. -Bristol: Institute of Physics Publishing, 2002. 400 p.
    77. А. А. Непрерывный вейвлетный анализ и его приложения / А. А. Короновский, А. Е. Храмов. М.: ФИЗМАТЛИТ, 2003. — 176 с.
    78. В.И. Нейронные сети и их применение в системах управления и связи/ В. И. Комашинский, Д. А. Смирнов. М.: Горячая линия -Телеком, 2003.-94 с.
    79. В.В. Детектирование пороков ткани на основе аппарата нечеткой логики / В. В. Романов, В. А. Ивановский // Известия вузов. Технология текстильной промышленности.- 2011.-№З.С.134−136.
    80. , Н.Г. Интеллектуальный анализ временных рядов: Учеб. пособие/ Н. Г. Ярушкина, Т. В. Афанасьева, И. Г. Перфильева. Ульяновск: УлГТУ, 2010.-320 с.
    81. А.П. Нечеткая надежность алгоритмических процессов/ А. П. Ротштейн, С. Д. Штовба Винница: Континент — ПРИМ, 1997 г. — 142 с.
    82. С.Д. Проектирование нечетких систем средствами MATLAB/ С. Д. Штовба. М.: Горячая линия — Телеком, 2007. — 288 с.
    83. А.Н. Введение в теорию вероятностей/ А. Н. Колмогоров И.Г.Журбенко, А. В. Прохоров. выпуск 23. 2-е изд., перераб. и доп. — М.: Физматлит, 1995. — 176 с.
    84. В.В. Искусственные нейронные сети. Теория и практика/ В .В .Кругл ов, В. В. Борисов. М.: Горячая линия — Телеком, 2002.
    85. Г. Б., Бачев Ц. З., Сурнина Н. Ф. Строение ткани и современные методы ее проектирования/ Г. Б. Дамянов, Ц. З. Бачев, Н. Ф. Сурнина. М.: Легкая и пищевая пром-сть, 1984. — 240 с.
    86. А.Г. Методы и средства исследования механико -технологических процессов текстильной промышленности: Учебник для вузов текстил. пром-ти/ А. Г. Севостьянов М.: Легкая индустрия, 1980. -392 с.
    87. ГОСТ 3812–72. Ткани и штучные изделия текстильные. Методы определения плотности нитей и пучков ворса. М.: Изд-во стандартов, 1982.
    88. Н.И. Технология и оборудование текстильного производства. Учебник для студентов вузов текстильной промышленности/ Н. И. Труевцев. М.: Легкая индустрия, 1975. — 640 с.
    Заполнить форму текущей работой

    Сессия? Спокойно!