Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и исследование гистограммного метода определения углового положения технологических объектов при визуальном контроле микрокомпонентов РЭА

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Контроль углового положения технологических объектов (ТО) является функциональной задачей, которую, как правило, всегда приходится решать при автоматизации визуального контроля на основе СТЗ. Под угловым положением (ориентацией) объекта, расположенного на рабочей плоскости, понимается угол его поворота, измеренный относительно некоторого эталонного положения. Информация об ориентации необходима… Читать ещё >

Разработка и исследование гистограммного метода определения углового положения технологических объектов при визуальном контроле микрокомпонентов РЭА (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ ЗАДАЧ АВТОМАТИЗИРОВАННОГО ВИЗУАЛЬНОГО КОНТРОЛЯ ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТОВ ПРОИЗВОДСТВА МК РЭА И ТРЕБОВАНИЙ, ВЫДВИГАЕМЫХ К АВТОМАТИЗАЦИИ
  • 1. Л. Структура и задачи СТЗ
    • 1. 2. Анализ требований к техническому состоянию технологических объектов и системам контроля их углового положения
    • 1. 3. Анализ методов контроля углового положения технологических объектов
    • 1. 4. Анализ гистограммных описаний бинарных изображений технологических объектов
  • Выводы
  • 2. ИССЛЕДОВАНИЕ ФАКТОРОВ, ОПРЕДЕЛЯЮЩИХ ТОЧНОСТНЫЕ ХАРАКТЕРИСТИКИ СИСТЕМЫ КОНТРОЛЯ УГЛОВОГО ПОЛОЖЕНИЯ ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТОВ ПРОИЗВОДСТВА МК РЭА
    • 2. 1. Основные принципы контроля углового положения технологических объектов гистограммным методом
    • 2. 2. Выбор математической модели контура технологических объектов
    • 2. 3. Анализ информационных признаков гистограмм, определяющих реализуемость и точность метода
    • 2. 4. Анализ влияния характеристик системы контроля и геометрических параметров технологических объектов на значения информационных признаков гистограммных описаний изображений
  • Выводы
  • 3. РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ ИЗМЕРИТЕЛЬНОГО ТРАКТА. ПАРАМЕТРИЧЕСКИЙ СИНТЕЗ СИСТЕМЫ КОНТРОЛЯ УГЛОВОГО ПОЛОЖЕНИЯ ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТОВ ПРОИЗВОДСТВА МК РЭА
  • ЗЛ. Оценка мощности кластера контурного сегмента
    • 3. 2. Оценка ширины кластера контурного сегмента
    • 3. 3. Анализ точности гистограммного метода контроля
    • 3. 4. Методика параметрического синтеза системы контроля ориентации технологических объектов
    • 3. 5. Оценка вычислительной сложности алгоритма определения ориентации технологических объектов гистограммным методом
  • Выводы

4. РАЗРАБОТКА МЕТОДИКИ ИССЛЕДОВАНИЯ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК ИНФОРМАЦИОННЫХ ПРИЗНАКОВ ГИСТОГРАММ ИЗОБРАЖЕНИЙ ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТОВ ПРОИЗВОДСТВА МК РЭА. МОДЕЛИРОВАНИЕ АЛГОРИТМА КОНТРОЛЯ УГЛОВОГО ПОЛОЖЕНИЯ ОБЪЕКТОВ

4.1. Структура исходных данных программы

4.2. Методика генерации тестовых изображений технологических объектов

4.3 Методика определения статистических характеристик информационных признаков кластеров гистограмм изображений

4.4 Методика определения углового положения технологических объектов

4.5 Анализ возможностей применения гистограммных описаний для решения задач контроля качества, сортировки и захвата неупорядоченных технологических объектов манипулятором 122

Выводы

5. ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ ГИСТОГРАММНОГО МЕТОДА КОНТРОЛЯ УГЛОВОГО ПОЛОЖЕНИЯ ТЕХНОЛОГИЧЕСКИХ ОБЪЕКТОВ ПРОИЗВОДСТВА МК РЭА

Выводы

Актуальность работы. На современном уровне производства микрокомпонентов радиоэлектронной аппаратуры (МК РЭА) контроль изделий по их изображению благодаря высокой информативности составляет 50−80% от общего объема контрольных операций, которые в основном выполняются человеком. В результате этого велики трудозатраты на их осуществление, снижается объективность и ценность контроля.

Повышение эффективности производства МК РЭА требует применения более современных и быстродействующих методов контроля изделий по их изображению. При этом предпочтение отдается оптико-телевизионным методам контроля с помощью систем технического зрения (СТЗ) на базе универсальных или специализированных ЭВМ.

Вопросам автоматизации технологического визуального контроля посвящены работы коллектива ученых под руководством академика Д. Е. Охоцимского, а также научные труды В. М. Валькова, В. А. Лопухина, А. П. Петрова и ряда других авторов. Теоретические основы и практика применения СТЗ в робототехнике для визуального контроля изложены в работах И. Л. Ероша, А. Н. Писаревского, А. Ф. Чернявского, Ю. Г. Якушенкова и многих других ученых. Практике создания средств автоматизации визуального контроля посвящены работы С. А. Кузьмина, Ю. Д. Жаботинского, В. С. Титова, Д. К. Шелеста, В. И. Сырямкина.

Контроль углового положения технологических объектов (ТО) является функциональной задачей, которую, как правило, всегда приходится решать при автоматизации визуального контроля на основе СТЗ. Под угловым положением (ориентацией) объекта, расположенного на рабочей плоскости, понимается угол его поворота, измеренный относительно некоторого эталонного положения. Информация об ориентации необходима при контроле качества для приведения изображений контролируемых изделий к «стандартному» виду, так как достоверность принятия решения по результатам контроля у большинства алгоритмов в значительной степени зависит от угла поворотаконтроле линейных размеров, площади, периметра изображений для устранения систематических погрешностейавтоматической сборке узлов для обеспечения качества и повышения производительности процессовзагрузке деталей в обрабатывающее оборудованиеупаковке в технологическую тарусортировке изделий по различным признакамопределении пространственного положения манипуляторов роботов для обеспечения возможности захвата изделий.

Подсистема определения углового положения является одним из звеньев, за счет которого в значительной степени удовлетворяются требования к производительности, точностным характеристикам, стоимости, а также гибкости СТЗ в условиях перехода к более мелким сериям выпуска изделий расширяющейся и часто меняющейся номенклатуры, когда не всегда выгодно и возможно обеспечивать организацию полностью упорядоченной рабочей среды.

Требования, предъявляемые к СТЗ при изготовлении МК РЭА, становятся особенно жесткими в отношении временных затрат на решение перечисленных технологических задач. Измерение ориентации ТО производства МК РЭА существующими методами в общей постановке в реальном масштабе времени оказывается в связи с этим малоэффективным. Поэтому актуальной является разработка нового более эффективного метода контроля углового положения.

Цель диссертационной работы: повышение эффективности контроля углового положения ТО производства МК РЭА в промышленных СТЗ путем разработки метода на основе гистограмм бинарных изображений объектов.

В соответствии с поставленной целью основными задачами исследования являются:

1) анализ конструктивно-технологических характеристик объектов производства МК РЭА, а также требований, выдвигаемых к системам контроля углового положения- 2) разработка метода и алгоритма контроля углового положения ТО производства МК РЭА на основе гистограммных описаний изображений, анализ и выбор информационных признаков (ИП) гистограмм- 3) разработка математической модели, описывающей информационно — измерительный тракт, и синтез исходных данных алгоритмического обеспечения СТЗ для контроля ориентации ТО производства МК РЭА- 4) разработка методики, алгоритма и программных средств для исследования статистических характеристик гистограмм изображений ТО производства МК РЭА, точности метода, а также моделирования алгоритма определения ориентации;

Методы исследования основаны на использовании положений корреляционного анализа, теории случайных процессов, теории вероятности и математической статистики, теории измерений, булевой алгебры и Фурье-преобразовании.

Научная новизна работы 1. Комплексно рассмотрены вопросы влияния конструкторскотехнологических параметров объектов производства МК РЭА на точностные характеристики метода определения углового положения ТО по их бинарным изображениям.

2. Разработан метод контроля углового положения ТО производства МК РЭА на основе корреляционного анализа кольцевых гистограмм изображений объектов с эталонной и неизвестной ориентацией.

3. Определены и систематизированы ИП кластеров гистограмм, определяющие реализуемость и точность метода.

4. Разработаны математическая модель информационноизмерительного тракта системы определения ориентации ТО производства МК РЭА, включающая процесс сжатия бинарных изображений, предварительной обработки и корреляционного сравнения гистограмм, а также инженерная методика синтеза параметров системы.

5.Разработаны методика, алгоритм и программные средства для исследования статистических характеристик ИП гистограмм изображений и точности метода, моделирования алгоритма контроля углового положения, синтеза изображений ТО производства МК РЭА с заданными макрогеометрическими параметрами и микрогеометрическими свойствами контура.

Практическая ценность работы ¡-.Разработанный метод позволяет повысить эффективность контроля углового положения ТО производства МК РЭА в СТЗ путем повышения скорости вычислительного процесса за счет перехода к обработке сжатой видеоинформации, обеспечивая при этом точность не хуже, чем существующие методы, и составляющую ±1−3° в условиях неидеальности контуров и дискретного растрового представления изображений ТО.

2. Разработанные математическая модель информационно — измерительного тракта и методика синтеза параметров системы контроля ориентации позволяют оценивать возможность реализации и ожидаемую погрешность определения угла разворота объекта предлагаемым методом на основе доступной конструкторско-технологической информации об объектах производства МК РЭА. 3. Программный продукт может быть использован для исследований и разработки методов определения углового положения и контроля качества изделий на основе гистограмм изображений с целью создания эффективных систем контроля в реальном масштабе времени, исследований в области обеспечения контролепригодности ТО на основе проектирования специальных контрастных меток, а также в условиях производства МК РЭА при проведении автоматизированного технологического контроля различных процессов на базе СТЗ.

Реализация и внедрение результатов работы.

Методики, алгоритмы и программа использованы в ОАО «ОМЗ» при предварительном ориентировании листовых заготовок перед штамповкой, а также в АОЗТ «Микросенсор» при производстве газовых микросенсоров. Результаты диссертационной работы используются также в учебном процессе ГУАП.

Апробация работы Основные результаты диссертационной работы и отдельные ее части обсуждались на НТК «Гагаринские чтения» (г.Москва, 1993, 1994, 1996, 1997) — НТК «Распознавание -95» (г.Курск, 1995) — НТК «Оптико — электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (г.Курск, 1997) — НТК «Медикоэкологические информационные технологии — 98» (г.Курск, 1998) — НТК «Оптические, радиоволновые, тепловые методы и средства контроля природной среды, материалов и промышленных изделий» (г.Череповец, 1997) — НТК «Оптические, радиоволновые, тепловые методы и средства неразрушающего контроля» (г.Саратов, 1995). В 1997 г. автор стал победителем конкурса грантов для студентов, аспирантов и молодых ученых Санкт-Петербурга в категории «Кандидатский проект» по направлению «Приборостроение» (грант № М97−3.5К-195).

Публикации. По теме диссертации опубликовано 12 работ.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы. Работа содержит 122 страницы машинописного текста, 42 рисунка, 2 таблицы, список литературы из 84 наименований, общее количество страниц 153.

Выводы.

1. Ширина кластера у КС ТО определяется размерностью электронного сканирующего окна и шероховатостью контура. Расчетное соотношение для у позволяет с учетом поправки оценить ширину кластера с приемлемой для практики точностью.

2. Коэффициент Кс, характеризующий долю контурных признаков, сделавших свой вклад в формирование кластера КС, и осуществляющий переход от длины КС Р (ЬГ)Х к средней мощности соответствующего кластера Р{ЬГ)КЛ в (36) зависит от шероховатости контура, его спектральных свойств и допуска на нелинейность участка контура в электронном сканирующем окне.

3. Контроль ориентации ТО производства МК РЭА на основе корреляционного анализа гистограмм угловых контурных признаков бинарных изображений обеспечивает в большинстве случаев точность не хуже, чем существующие методы, и составляющую ±1−3° в условиях шероховатых контуров и дискретного растрового представления изображений ТО. Увеличение допуска на нелинейность контура в электронном сканирующем окне позволит улучшить точностные характеристики метода еще на 10−30%.

4 43.

Заключение

.

Диссертационная работа посвящена разработке и исследованию гистограммного метода определения углового положения технологических объектов при визуальном контроле микрокомпонентов РЭА с целью повышения эффективности вычислительного процесса за счет сжатия бинарных изображений.

При выполнении данной работы получены следующие основные результаты:

1. Проведен анализ конструктивно-технологических характеристик объектов производства МК РЭА, существующих методов контроля углового положения и требований, выдвигаемых к автоматизации, выявлена перспективность использования гистограммных описаний изображений для повышения эффективности решения задачи определения угла поворота объектов.

2. Разработан метод контроля ориентации ТО производства МК РЭА, позволяющий удовлетворить требования, выдвигаемые к автоматизации контрольных операций на базе СТЗ.

3. Проведен анализ и выбор ИП гистограмм, определяющих реализуемость и точность метода расчета угла поворота ТО производства МК РЭА.

4. Разработаны математическая модель информационно — измерительного тракта системы определения ориентации ТО производства МК РЭА, включающая процесс сжатия бинарных изображений, предварительной обработки и корреляционного сравнения гистограмм, а также инженерная методика синтеза параметров системы.

5. Разработана методика, алгоритм и программные средства, позволяющие исследовать статистические характеристики ИП гисто грамм изображений, точность метода, а также моделировать вычислительные стадии алгоритма контроля углового положения. 6. Исследованы возможности применения гистограммных описаний для решения задач контроля качества поверхностей, сортировки изделий и захвата ТО из навала манипулятором на основе проектирования специальных контрастных меток и изображений.

Показать весь текст

Список литературы

  1. В.А., Гурылев A.C. Автоматизация визуального технологического контроля в электронном приборостроении. Л.: Машиностроение, 1987.-287 с.
  2. 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.
  3. Оптические методы контроля интегральных микросхем. Состояние и перспективы совершенствования/ Под ред. Л.Г. Дубицко-го. М.: Радио и связь, 1982. — 136 с
  4. Производство полупроводниковых приборов/Л. А. Петров, Л. П. Федоров, В. М. Багров, Ю. Н. Тихонов. М.: Энергия, 1979. — 432 с.
  5. Ф.П. Фоточувствительные приборы с зарядовой связью. -М.: Радио и связь, 1991. 264 с.
  6. Д. Устройства обработки сигналов на поверхностных акустических волнах: Пер. с англ. М.: Радио и связь, 1990. -416 с.
  7. С. А. Методы определения ориентации объектов в системах технического зрения// Измерения, контроль, автоматизация. 1986. № 2. С. 36 45.
  8. Ю.Д., Исаев Ю. В. Адаптивные промышленные роботы с бесконтактными сенсорными системами// Зарубежная радиоэлектроника, 1983, № 11.
  9. Ю.Д., Сердцев А. А. СТЗ для промышленных роботов// Зарубежная радиоэлектроника, 1985, № 12.
  10. П.Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин. М.: Мир, 1972. — 232 с.
  11. Д. К. Методы аппаратной обработки изображений в автоматических системах контроля // Дефектоскопия. 1995. — № 5. — С. 25 — 35.
  12. Martini P., Nehr G. Recognition of angular orientation of objects with the of optical sensors// Industrial Robot. 1979. — Vol.6, № 6. — P. 62−69.
  13. Hu M.K. Visual pattern recognition by moment invariants// IEEE Trans. On Inform. Theory. 1962. — Vol. IT-8. — P. 179−187.
  14. Dessimoz J.D. Sens visuel pour robots industriels// Bull. Des Shweiz. Elektrotechn. Ver.-1983. Vol.74, № 9. P. 458−464.
  15. Britanak V., Sloboda F., Trebaticky I. A modular vision system for inspection, material handling and assembly// 2nd Int. Conf. On Artificial Intelligence and Information-Control Systems of Robots: 1982. Smolenice, — P. 24−29.
  16. MAVIS a practical robot vision system/ W. Shoeborn, K. Fritzsch, A. Newman, U. Schroder//Ibid. — P.216−219.
  17. P., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976. — 420 с.
  18. Е. П., Аверин С. И. Обработка изображений в робототехнике. М.: Машиностроение, 1990. — 320 с.
  19. Д.К., Усиков Д. А. Определение полной системы инвариантов функций относительно группы движений плоскостив задачах распознавания изображений Препринт/ ИКИ АН СССР. — 1979. -№ 491. — 14 с.
  20. В.В., Шмидт А. А., Якубович В. А. Об одной задаче распознавания образов// Автоматика и телемеханика. 1973. — № 1 — С.15−21.
  21. Tanaka К., Ozawa К. A new type of feature extraction of patterns using coherent optical systems// Patt. Recogn. 1972. Vol.4, P. 251 262.
  22. Aleksander I., Thomas W., Bowden P. WISARD a radical step forward in image recognition// Sensor Rev. — 1984. Vol.4, № 3. — P. 120−124.
  23. С.А. Интегральные инварианты для классификации объектов в системе технического зрения роторов// Методы исследования нелинейных систем управления. М.: Наука, 1983. -С.177−182.
  24. Об одном регулярном методе получения признаков для идентификации плоских объектов/ А. Ш. Колискор, Е. Б. Лашко, Б. И. Модель, Б.Л. Саламандра// Изв. АН СССР. Сер. Техн. Кибернетика, — 1982.- № 4. С. 132−135.
  25. Lin C.S., Hwang C.L. Visual identification using elliptic features// Int. Conf.Rob., Atlanta, GA, 13−15 March 1984.- S.I.: Silver Spring, 1984, — P.2−8.
  26. Dessimoz J.D. Visual identification and location in a multi-object environment by contour tracking and curvature description// Proc. 8th ISIR, 30 May 1 June 1978, — Vol.2.- P. 764−777.
  27. Системы распознавания автоматизированных производств/ В.JI. Генкин, И. Л. Ерош, Э. С. Москалев.-Л.: Машиностроение. Ле-нингр. Отд-ние, 1988.-246 с.
  28. Р., Аггарвал Дж.К. Машинный анализ сцен, состоящих из объектов криволинейных очертаний// ТИИЭР. 1979. Т.67. С.121−130.
  29. Ю.И. О некоторых явлениях в зрительном анализаторе, связанных с распознаванием образов// Вопросы бионики. М.: Наука, 1967. С.48−52.
  30. Ц.Ю., Берто М., Мори С. Автоматическое распознавание рукописных знаков: Состояние вопроса// ТИИЭР. 1980. Т.68. С.44−65.
  31. А., Сечко В. В. Стохастические модели в задачах анализа и обработки изображений// Зарубежная радиоэлектроника, 1989, № 5.
  32. A.B.S. Hussain, G.T. Toussaint Results obtained using a simple character recognition procedure on Munsons handprinted data// IEEE Trans. Comput. Vol.21, P.201−205.
  33. A.A. Spanjersberg Combinations of different systems for the recognition of handwritten digits// Proc. 2nd Int. Joint Conf. Patt. Recogn., 1974. P. 208−209.i 4 9
  34. N.D.Tucker, F.C. Evans A two-step strategy for character recognition using geometrical moments// Proc. 2nd Int. Joint Conf. Patt. Recogn., 1974. P. 223−225.
  35. R.Bakis, N.M.Herbst An experimental study of machine recognition of handprinted numerals// IEEE Trans. Syst. Sci. Cybern., vol.4, 1968, P.119−132.
  36. W.W.Bledsoe, I. Browning Pattern Recognition and reading by machine// Proc. East. Joint Сотр. Conf., 1959. P. 225−232.
  37. J.R. Ullmann Experiments with the n-tuple method of pattern recognition//IEEE Trans. Comput. Vol.18, 1969. P.1135−1137.
  38. H.A. Glucksman Multicategory classification of patterns represented by high-order vectors of multilevel measurements// IEEE Trans. Comput. Vol.20, 1971. P.1593−1598.
  39. A.L. Knoll Experiments with «Characteristic Loci» for recognition of handprinted characters// IEEE Trans. Comput. Vol.18, 1969. P.366−372.
  40. T.W.Calvert Nonorthogonal projections for feature exstraction in pattern recognition//IEEE Trans. Comput. Vol.19, 1970. P.447−452.
  41. A. W. Holt Algorithm for a low-cost hand print reader// Comput. Design. 1974. P.85−89.
  42. Чен. Автоматическое отыскание критерия для наилучшего отбора признаков в задаче распознавания образов.//ТИИЭР, 1965, т.53, с. 2353−2355.
  43. K.S.Fu, Y.T.Chien, G.P.Cardillo A dynamic programming approach to sequential pattern recognition// IEEE Trans. Comput. Vol.16, 1967. P.790−803.
  44. О.В., Денисов В. М., Матвеев Ю. Н. Определение ориентации плоских объектов с использованием гистограмм второгопорядка бинарных изображений//Изв. Вузов. Приборостроение. 1991. № 6, с.3−7.
  45. В.М., Матвеев Ю. Н., Хаваев В. Т. Классификация бинарных изображений плоских объектов с использованием гистограмм второго порядка//Изв. Вузов. Приборостроение. 1991. № 5, с.3−8.
  46. Фор А. Восприятие и распознавание образов/Пер. с фр. A.B. Середин-ского- под ред. Г. П. Катыса.- Машиностроение, 1989−272 с.
  47. П.М. Алгоритм формирования в реальном масштабе времени гистограммы длин серий. Межвуз. сб. науч. трудов: Методы неразрушающего контроля в производстве микроэлектронной аппаратуры и ее компонентов, С-Петербург, ЛИАП 1991, с. 109−116.
  48. Обработка изображений на ЭВМ/ В. А. Бутаков, В. И. Островский, И. Л. Фадеев. М.: Радио и связь, 1987. — 240 с.
  49. Определение ориентации технологических объектов по их изображениям. Максименко C.B. Санкт Петербургская академия аэрокосмического приборостроения. Санкт -Петербург, 1997. 15с., библиогр. 3 назв. Д.Р. ВИНИТИ № 51-В97, 08.01.97.
  50. C.B. Использование гистограммного представления изображений при определении ориентации объектов в системах технологического визуального контроля // Известия вузов. Приборостроение. Per № 8092.
  51. СТ СЭВ 1156−78. Основные нормы взаимозаменяемости. Шероховатость поверхности. Термины и определения.М.: Изд-во Стандартов, 1978.-16 с.
  52. СТ СЭВ 638−77. Основные нормы взаимозаменяемости. Шероховатость поверхности. Основные параметры и числовые значения. М.: Изд-во Стандартов, 1977.-12 с.
  53. ГОСТ 2789–73. Шероховатость поверхности. Параметры и характеристики. М.: Изд-во Стандартов, 1973.-18 с.
  54. ГОСТ 27 964–88. Из-во Госстандарт. Измерение параметров шероховатости. Термины и определения. М.: Изд-во Стандартов, 1988.-10 с.
  55. ГОСТ 25 142–82. Ст. Шероховатость поверхности. Термины и определения. М.: Изд-во Стандартов, 1982.-12 с.
  56. СТ СЭВ 301−88. Основные нормы взаимозаменяемости. Допуски формы и расположение поверхности. Основные термины и определения. М.: Изд-во Стандартов, 1988.-16 с.
  57. Способ выделения характерных признаков линий изображения/ Перевод № 137 038, Пат. № 56−15 544, Пат. вед. Японии, пат. б. «Токке кохо» 10 апреля 1981 г.
  58. Ю.Р., Оценка шероховатости поверхности с помощью корреляционных функций, Вестн. Машиностроения, № 1 (1969).
  59. Шероховатость поверхностей (теоретико вероятностный подход), Хусу А. П., Витенберг Ю. Р., Пальмов В. А., Гл. ред. физ,-мат. лит. издательства «Наука», 1975. 344 с.
  60. Д. О периодичности обработанной поверхности, Сэймицу кикай (Япон.) 30, № 11 (1964).
  61. Kubo М. Statistical analysis of surface roughness waveforms, Ann. CIRP. 14, № 3 (1967).
  62. Я.А., Одитис И. А. О параметрах нерегулярной шероховатости поверхности, Сб. «Приборостроение», вып.8, Рига, 1972.
  63. Е. С., Овчаров JI. А. Теория случайных процессов и ее инженерные приложения. М.: Наука. Гл. ред. физ. -мат. лит. -1991. 384 с.
  64. Е. С. Теория вероятностей. М.: 1969, 576 с.
  65. П. В., Зограф И. А. Оценка погрешностей результатов измерений. 2-е изд., перераб. и доп. — JI: Энергоатомиздат. 1991. — 304 с.
  66. Справочник конструктора точного приборостроения/ Г. А. Вер-кович, E.H. Головенкин, В. А. Голубков и др.- Под общ. ред. К. Н. Явленского, Б. П. Тимофеева, Е. Е. Чаадаевой, — JL: Машиностроение. Ленингр. отд-ние, 1989.-792 с.
  67. С. Марков Цифровые сигнальные процессоры. Книга 1. М.: Микроарт, 1996, — 144 с.
  68. С.В. Программа «Измерение ориентации технологических объектов на основе гистограммных описаний бинарных изображений». Гос. № ФАП 50 980 000 018, 1998.
  69. Э. Возневич. DELPHI. Освой самостоятельно: Пер. с англ.- М.: Восточная Книжная Компания, 1996. 736 с.
  70. П.А., Колмогоров Г. С. Сегментация изображений: методы выделения границ областей.// Зарубежная радиоэлектроника, 1987 № 10.
  71. Быстрые алгоритмы в обработке изображений, под ред. Хуанга Т. С. М.: Радио и связь, 1984, 221 с.
  72. У. Цифровая обработка изображений, в двух книгах. М.: Мир, 1982. 790 с.
  73. Т. Алгоритмы машинной графики и обработка изображений, М.: Радио и связь, 1986, 400 с.
  74. Очков В.Ф. Mathcad Plus 6.0 для студентов и инженеров.-М.: «КомпьютерПресс», 1996. 238 с.
  75. А.Н. Фоточувствительный прибор с зарядовой связью типа К1200ЦМ7// Электронная техника. Сер. Полупроводниковые приборы. 1990. — вып.4. — с.68−87.
  76. В.В., Калинин Г. А. Обработка изображений на языке Си для IBM PC: Алгоритмы и программы. М.: Мир, 1994.
  77. Р.Б.Келли, Э.А. Ш. Мартинш, Дж.Р.Берк, Ж. Д. Дессимос. Три алгоритма технического зрения для задачи взятия деталей из бункеров//ТИИЭР. 1983. Т.71. С.23−44.
  78. Техническое зрение роботов/ Под ред. А. Пью- Пер. с англ. Д.Ф. Миронова- Под ред. Г. П. Катыса. М.: Машиностроение, 1987. — 320 с.
Заполнить форму текущей работой