Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Повышение качества контроля дефектов автомобильных стекол путем автоматизации процесса

Диссертация: Повышение качества контроля дефектов автомобильных стекол путем автоматизации процесса
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Проблема автоматизации контроля традиционно решается применением сложных программно-аппаратных комплексов, относящихся к классу систем технического зрения, разработка которых ведется в ряде стран мира. На сегодняшний день промышленно выпускаемых отечественных установок контроля нет, а зарубежные чрезвычайно дороги: их стоимость составляет порядка сотен тысяч долларов США. Это приводит к тому, что… Читать ещё >

Содержание

  • Перечень символов и сокращений
  • ГЛАВА 1. Анализ современных методов контроля, диагностики и визуализации дефектов автомобильных стекол
    • 1. 1. Факторы, влияющие на появление дефектов, классификация дефектов автомобильных стекол
    • 1. 2. Известные методы и способы контроля и диагностики дефектов автомобильных стекол
    • 1. 3. Визуализация и обработка информации
    • 1. 4. Анализ автоматизированных систем контроля и диагностики, основанных на базе ЭВМ 22 Цели и задачи
  • ГЛАВА 2. Задачи классификации, алгоритмы классификации дефектов, группы признаков дефектов и оценка геометрических параметров при цифровой фотосъемке
    • 2. 1. Задачи классификации
    • 2. 2. Алгоритмы классификации
    • 2. 3. Основные группы признаков, используемых при распознавании дефектов автомобильных стекол
    • 2. 4. Аналитическое исследование взаимосвязи дефектов в автомобильном стекле с его оптическими свойствами
    • 2. 5. Оценка геометрических характеристик объектов на изображениях
  • Выводы по главе
  • ГЛАВА 3. Исследование влияния автоматизированной системы на базе ЭВМ на качество контроля дефектов автомобильных стекол
    • 3. 1. Обоснование применения процесса контроля дефектов автомобильных стекол как объекта автоматизации
    • 3. 2. Разработка автоматизированной системы для контроля дефектов автомобильных стекол
    • 3. 3. Методология измерений АС
  • Выводы по главе
  • Глава 4. Техническое оснащение бесконтактного оптического метода контроля качества автомобильных стекол. Результаты и их анализ
    • 4. 1. Технические требования, предъявляемые к АС для контроля качества автомобильных стекол
    • 4. 2. Измерительный стенд для контроля дефектов автомобильных стекол
    • 4. 3. Геометрическая калибровка камер
    • 4. 4. Результаты исследований
  • Выводы по главе 4
  • Заключение
  • Список использованных источников
  • Приложение 1 Акты внедрения
  • Приложение 2 Описание программы GLASS-DEFECT

Перечень символов и сокращений.

СМВ Системы машинного видения

АС Автоматизированная система

ДПФ Дискретное преобразование Фурье

РГ Распределения Гиббса

ПВ Потенциал взаимодействия

БПФ Быстрое преобразование Фурье

Показатель оценки, характеризующий степень привлекательности системы контроля для заказчика.

Компоненты показателя оценки, отражающие наличие или отсутствие у системы определенных свойств. у, Весовые коэффициенты компонентов показателя.

У Вектор признаков

D Пространство признаков

Q Класс дефектов d, (у) Разделяющая функция

W1 Вектор весовых коэффициентов ph Вероятности

P (Q.,) Априорная вероятность р{у / Q,) Условная плотность вероятностей

Y Случайный вектор признаков р (у) Безусловная плотность вероятностей

С Квадратичная матрица

C[j Элементы квадратичной матрицы

R Величина общего риска р0 Ошибка первого рода р Ошибка второго рода, а Дисперсия

I Единичная КхК-матрица || Евклидова норма

Bi Корреляционная матрица

М, Математическое ожидание у, М,) Расстояние Махаланобиса между векторами у и Mj

Ay Отношение правдоподобия

Я Пороговая величина

X Новая пороговая величина

PMtN Растровое изображение образца размером MxN пикселей

Растровое представление эталонного изображения, повернутого s (A, x, g)u v на угол, А и масштабированного в % и раз по вертикали и горизонтали соответственно

Pij, Sjj Элементы растровых изображений Р и S соответственно

J Критерий качества совмещения

Gm, n Весовое изображение gij Элемент весового изображения

Z Параметр совмещения

Множество из т фрагментов, максимально удаленных от

1 фрагмента j

Вектор параметров камеры

Ошибка метода наименьших квадратов

Повышение качества контроля дефектов автомобильных стекол путем автоматизации процесса (реферат, курсовая, диплом, контрольная)

По мере повышения требований к качеству выпускаемых автомобилей резко возрастают требования к контролю автомобильных стекол. Рост объемов производства и необходимость обеспечения конкурентоспособности выпускаемых изделий ставит проблему организации контроля в ряд наиболее актуальных для автомобилестроения.

Неавтоматизированный, визуальный контроль, который до сих пор используется на многих предприятиях, обладает рядом недостатков, препятствующих его применению в современных условиях. Основной недостаток в этом случае заключается в том, что при таком способе контроля оценка является качественной (годен или не годен контролируемый объект). Также вследствие влияния человеческого фактора при данном методе контроля зачастую присутствует субъективность и низкая достоверность. Кроме того, к существенным недостаткам данного метода контроля можно отнести малую производительность. Контроль сложных изделий с применением простейших оптических приспособлений, по словам операторов, очень сильно утомляет зрение, что, несомненно, представляет опасность для их здоровья.

Проблема автоматизации контроля традиционно решается применением сложных программно-аппаратных комплексов, относящихся к классу систем технического зрения, разработка которых ведется в ряде стран мира. На сегодняшний день промышленно выпускаемых отечественных установок контроля нет, а зарубежные чрезвычайно дороги: их стоимость составляет порядка сотен тысяч долларов США. Это приводит к тому, что на большинстве российских предприятий неавтоматизированный контроль является единственным способом отбраковки дефектных изделий.

Из всего сказанного выше следует, что создание автоматизированной системы (АС) контроля дефектов автомобильных стекол, направленной на повышение качества контроля в условиях реального производства является актуальной научной задачей.

Реализация такой системы, содержащей цифровую фотокамеру, ЭВМ интерфейсные устройства и соответствующее математическое и программное обеспечение, помимо удешевления контрольной станции, по сравнению с аналогами, обеспечивает лучшую интеграцию с технологическим процессом за счет гибкости и универсальности применяемой аппаратной базы.

Диссертация состоит из введения, четырех глав, заключения, библиографического списка и приложений. Общий объем работы составляет 144 страницы машинописного текста. Диссертация содержит 25 рисунков и 7 таблиц. Библиография включает 148 источников.

8. Результаты работы внедрены в промышленное производство на предприятии ОАО «ЛадаСпецОборудование», АНО «Лада-Эксперт» и подтверждены актами внедрения (см. приложение 1). Также результаты работы используются в учебном процессе в Тольяттинском государственном университете.

9. Разработано программное обеспечение, обеспечивающее функционирование AC «GLASS-DEFECT».

10. Внедрение разработанного метода контроля дефектов автомобильных стекол на установке оснащенной АС позволило решить задачу повышения качества контроля дефектов автомобильных стекол.

11. Разработанная методика построения АС контроля дефектов автомобильных стекол позволяет контролировать значительно более широкий спектр подобных объектов, чем рассмотренный в данной работе.

12. Построен количественный показатель оценки систем автоматизации контроля учитывающий ряд наиболее важных характеристик.

13. Проведено количественное сравнение современных зарубежных систем контроля и системы, созданной в ходе диссертационной работы. Высокий качественный показатель последней свидетельствует об эффективности предложенных подходов, моделей и алгоритмов и перспективности внедрения системы на отечественных предприятиях.

ЗАКЛЮЧЕНИЕ

.

Показать весь текст

Список литературы

  1. Ф.К., Слижис В. А., Паулавичус Р. Б., Дундзис П. В. О влиянии структуры некоторых силикатных стекол на их физико-механические свойства. Оптико-механическая промышленность, 1962. -№ 9, с. 38−42.
  2. Т. М., Вигдоров Д. И.,. Кривошеев В. П. Системы отображения информации. — Москва, «Высшая школа», 1988 г
  3. Н.С., Аверьянов В. И., Войшвилло Н. А. Структурная интерпретация аномального рассеяния видимого света в натриевоборсиликатных стеклах. Физика твердого тела, 1960. т. 2, № 5, с. 1011−1021.
  4. Н.С., Мазурин О. В., Порай-Кошиц Е.А., Роскова Г. П., Филипович В. Н. Явления ликвации в стеклах. JI. отд., Д., «Наука», 1974. -220 с.
  5. .В., Курганов В. Д., Злобин В. К. Распознование и цифровая обработка изображений. — М.: Высшая школа, 1983.
  6. М.В., Асланова М. С., Бужинский И. М. и др. Химическая технология стекла и ситаллов. Учебник для вузов. Под ред. Н. М. Павлушкина. М., Стройиздат, 1983. 432 с.
  7. С.А., Дьяков Ю. Е., Чиркин А. С. Введение в статистическую оптику.-М.: Наука, 1981.
  8. П.А., Колмогоров Г. С., Ворновицкий И. Э. Сегментация изображений: методы пороговой обработки // Зарубежная радиоэлектроника. 1987. — № 10. — С. 6.24.
  9. И. Нелинейное оценивание параметров. М.: Статистика, 1979.
  10. М.А. Синтез и строение силикатных стекол. (Основы стекловедения). Минск, «Наука и техника», 1968. 450 с
  11. Н.В. Строение стекла. М. Л., Изд. АН СССР, 1955. — с. 344−350.
  12. В.А., Попов А. П. Теория систем автоматического регулирования. М., «Наука», 1966.
  13. И.А. Некоторые математические методы решения инженерных задач. -М.: Физматгиз, 1961. 284 с.
  14. А.В., Гуляев В. А. Вопросы оптимизации процесса контроля качества автомобильных стекол. Материалы всероссийской научно-технической конференции «Перспективы развития автомобильного транспорта». —Тольятти, 2000. — с. 178−182.
  15. Д.А., Петров В. В. Точность измерительных устройств. -М.: Машиностроение, 1976.
  16. Н.Н., Семендяев К. А. Справочник по математике. — М.: Наука, 1966.
  17. В.И. Распознающие системы. Киев: Наукова думка, 1969. -291 с.
  18. В.Н., Червоненкис, А .Я. Теория распознавания образов. М.:S1. Наука 1974.
  19. В., Самотохин С., Никифоров Г. CALS-технологии и стандарты. // Computerworld Россия. 2001. — Февраль.
  20. К.В., Вейцман А. И. Взаимосвязь визуальной и информационной оценок изображения. -М.: Наука, 1975. с. 120−127.
  21. В.А., Сергеев В. В., Сойфер В. А. Обработка изображений в автоматизированных системах научных исследований М.: Наука. 1982.
  22. В.А. Статистические методы планирования эксперимента в технико-экономических исследованиях. -М.: Статистика, 1974. 192 с
  23. Н.А. Влияние тепловой обработки на рассеивающие свойства натриевоборсиликатного стекла. Оптика и спектроскопия, 1957.-т. 2, № 3, с. 371−376
  24. А.А. Основы теории автоматического управления. В 3 ч. —JI.: Энергия, 1970.-328 с.
  25. B.JI. и др. Определение суммы главных напряжений с помощью интерферометров. Сб. «Поляризационно-оптический метод исследования напряжений». Изд. ЛГУ, 1965
  26. М.А., Корябин А. В., Шмальгаузен В. И. Управляемые оптические системы. М.: Наука, 1988.- 270 с.
  27. М.А., Шмальгаузен В. И. Принципы-адаптивной оптики. -М.: Наука, 1985.-336 с.
  28. Г. Л., Залесный А. В. Модели Марковских случайных полей в задачах генерации и сегментации текстурных изображений / Средства интеллектуализации кибернетических систем. Киев, 1989.
  29. Д.А. Разработка аппаратуры и изучение химически неоднородного строения некоторых силикатных стекол методом малоугловой рентгенографии. Оптика и спектроскопия, 1970. т. 28, № 3, с. 471−473.
  30. И.С., Кац Б.М., Цуккерман И. И. Выделение статистически однородных участков изображений. -М.: Наука, 1975. — с. 62−73.
  31. И.С. Выделение однородных областей на изображениях // Статистические методы обработки изображений. Новосибирск: Новосиб. электротехн. ин-т. 1993.
  32. В.А., Драчев О. И., Алексеев O.K. Контроль остаточных поверхностных напряжений в автомобильных стеклах. -СПб.: Политехника, 1999. 56 с.
  33. В.А., Жилин А. А. Автоматизированная линия комплексного контроля качества автомобильных стекол. Материалы всероссийской научно-технической конференции «Перспективы развития автомобильного транспорта». —Тольятти, 2000. с. 195−198.
  34. Г. Н. Контроль строительных конструкций с использованием СВЧ волн переменной частоты. Тезисы докладов 15 Российской конференции «Неразрушающий контроль и диагностика» 28.06.2.07.99 г. т.2 С. 65.
  35. Д.Т., Ридл Р. А., Стрейт Р. Д., Финни И. Методы определения трещиностойкости стекла при I и II типах разрушения с использованием термических напряжений. Современное машиностроение. Сер. Б. № 10, 1990.
  36. Диагностическое оборудование комплексно-автоматизированного производства. М. «Наука», 1984. 175 с.
  37. Е.З. Линейная и нелинейная регрессии (М.:Финансы и статистика, 1981)
  38. Р., Харт П. Распознавание образов и анализ сцен (Пер с англ. М.: Мир, 1976)
  39. Ю.И. Непараметрические задачи распознавания образов. Кибернетика, 1976
  40. Задачник по теории автоматического регулирования. Учебное пособие для вузов. М., «Машиностроение», 1977 592 с
  41. В.А. Анализ процесса контроля как объекта автоматического управления // Известия Северо-Кавказского научного центра высшей школы / СКНЦ ВШ /. Сер. Технические науки, 1978. № 12, 8−12 с.
  42. И.Е. Статические методы проектирования систем управления. М. «Машиностроение», 1969 262 с.
  43. И.Л. Линейная алгебра и программирование. —М.: Высшая школа, 1967. 427 с.
  44. В.П., Мозгалевский А. В. Технические средства диагностики. Л., «Судостроение», 1984. 208 с.
  45. Г. П., Катыс П. Г. Системы машинного видения: анализ состояния и перспективы развития // Приборы и системы управления 1999 № 9
  46. Г. П. Восприятие и анализ оптической информации автоматической системой. М.: Машиностроение, 1986. 415 с.
  47. Г. П. Обработка визуальной информации. М.: Машиностроение, 1990.314 с.
  48. Н. Исследование природы стекла. В кн.: Наука и человечество. «Знание», 1973. с. 315−325.
  49. В.А. Методы оптимальных решений в распознавании изображений. -М.: Наука, 1976. -328 с.
  50. Г., Корн Т. Справочник по математике. М.: Наука, 1973.
  51. В.А., Пичугин А. П., Шанин В. И. Когерентно-оптический метод выявления дефектов на поверхности деталей. Материалы Всесоюзной науч.-техн. Конф. «Современная прикладная оптика и оптические приборы», ч. 2, Л., 1975, с. 6.
  52. В.А., Шанин В. И., Шапов B.C. Анализ метрологических возможностей когерентно-оптического метода контроля формы сложных поверхностей. Оптико-механическая промышленность, 1978, N11, с. 8−10.
  53. П.К., Арефьев В. А., Мишин В. Ю., Семанин В. И. Автоматическая система измерения вектора скорости движения изображения на базе ЭВМ. -Куйбышев, 1983. с. 107−110.
  54. И.В., Козлов А. А. Применение операции подчеркивания контуров в автоматизированной системе для контроля качества автомобильных стекол «Научные чтения студентов и аспирантов». г. Тольятти, 2005. — с. 23−25.
  55. И.В. Применение пороговой обработки при контроле качества автомобильных стекол. Региональная научно-техническая конференция «Научные чтения студентов и аспирантов». — г. Тольятти, 2005.-c.41.
  56. Г. С. Оптика. М., «Наука», 1972. 638 с.
  57. .Г. Экспертная информация. Методы получения и анализа // М.: Радио и связь, 1982. 184 с.
  58. А., Франсон М. Структура оптического изображения. -М.: Мир, 1964.-295 с.
  59. Д. Зрение: информационный подход к изучению представления и обработки зрительных образов. — М.: Радио и связь, 1987.
  60. В. И. Портативное радиоволновое устройство для контроля крупногабаритных диэлектрических изделий. Тезисы докладов 15 Российской конференции «Неразрушающий контроль и диагностика» 28.06.2.07.99 г. т.2 С.47
  61. Ф.М., Нечаевский M.JL, Лапидус И. Д. Автоматическая система обработки экспериментальных данных при фрактографическом анализе. -Куйбышев, 1983. с. 62−68.
  62. Методы компьютерной обработки изображений / Под ред. Сойфера В. А.-2-е изд., испр.-М.: ФИЗМАТЛИТ, 2003.-784С.
  63. М.М., Нестерук В. Ф. Развитие методологии иконики и ее структурной схемы // Труды Государственного оптического института им. С. И. Вавилова, 1982. т. 57, в. 185, с. 7−13.
  64. И.М. Применение ЭВМ для решения задачи управления качеством эксплуатации цепного конвейера. -Куйбышев, 1983. — с. 7275.
  65. Е.Г. Определение критериев качества и диагностирования механизмов. М., «Наука», 1977. 139 с.
  66. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова М.: Наука, 1986. — 311с.
  67. С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.- 206 с.
  68. Основы автоматического управления / Под ред. B.C. Пугачева. —М.: Наука, 1974. 720 с.
  69. А. Теория систем и преобразований в оптике. Перев. с англ. -М.: Советское радио, 1972.
  70. П.П. Задачи технической диагностики и принципы проектирования систем диагноза. Известия ЛЭТИ. Вып. 118, ч. 1 — с. 312.
  71. В.Н., Балакший В. И. Оптическая обработка информации. -М.: Изд. МГУ, 1987.-141 с.
  72. Э. Основы теории распознавания образов. Пер. с англ. -М.: Сов. радио, 1980. -408 с.
  73. А.А., Няшин Ю. И., Трусов П. В. Остаточные напряжения теории и приложения. -М.: Наукова Думка, 1982. 291 с.
  74. У.К., Фожра О. Д., Гагалович А. Применение моделей стохастических текстур для обработки изображений // ТИИЭР 1981. — Т. 69.-№ 5.
  75. У.К. Цифровая обработка изображений. М.: Мир, 1982.
  76. Рао С. Р. Линейные статистические методы и их применения. М.: Наука, 1968.
  77. Ф. М. Применение алгоритмов, основанных на вычислении оценок, для распознавания визуальных объектов// Математические методы в распознавании образов и дискретной оптимизации. М., ВЦ АН СССР, 1987.-с. 90−103.
  78. Д.К. Волоконная оптика. Л., Изд. АН СССР, 1973. 214 с.
  79. Сборник «Иконика». Обработка изображений. -М.: Наука, 1975. 150 с.
  80. Сборник задач по теории автоматического регулирования и управления. Под ред. Бессекерского В. А. Изд. 4-е, М. «Наука», 1972. 609 с.
  81. Т. Программирование для Windows в Borland С++: Пер с англ. -М.: БИНОМ. 480 с.
  82. B.C. Последовательность работ при проектировании автоматических систем на основе ЭВМ. -Куйбышев, 1983. с. 3−9.
  83. В.В., Фролова Л. Г. Автометрия 1,1996г.
  84. С., Госман У. Матричная алгебра. -М.: Статистика, 1974. 374 с.
  85. И.Н., Сойфер В. А. Компьютерная оптика. Достижения и проблемы // Сб. Компьютерная оптика. Под ред. Акад. Велихова А. П. и акад. Прохорова A.M., 1987. в. 1, с. 5−19.
  86. Система распознавания образов, обучаемая по образцу. Электроника, 1984. -№ 22.-с. 37−38.
  87. Системы контроля и управления на основе микро-ЭВМ. Сборник научных трудов. -Куйбышев: КптИ, 1983. 124 с.
  88. В.Ю. Адаптивное управление сетью передачи данных в автоматической информационно-измерительной системе контроля загрязнения атмосферы. -Куйбышев, 1983. с. 111−116.
  89. А.И., Шелест Е. С. Взаимодействие потоков задач в мультипрограммной системе. -Куйбышев, 1983. — с. 52−61.
  90. Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. -М.: Наука, 1969.-511 с.
  91. В. А. Компьютерная обработка изображений, 4.1. Математические модели // Соросовский образовательный журнал, 1996. -№ 2, С. 118−124.
  92. В. А. Компьютерная оптика // Соросовский образовательный журнал, 1998.
  93. А.А., Жилин А. А., Гуляев В. А. Динамическое нагружение как метод оценки допустимых внутренних напряжений термообработанных оптически активных элементов. Межвузовский сборник науч. статей / ВолгГТУ.- Волгоград, № 1 2004.-64с.
  94. Р.И. Автоматизация проектирования систем автоматического управления. М., Высшая школа, 1991. 335 с.
  95. А.А. Планирование эксперимента при исследовании технологических процессов. -М.: Машиностроение, 1981. 184 е., ил.
  96. Справочник конструктора оптико-механических приборов. Под ред. Панова В. А. -Л.: Машиностроение, 1980.
  97. Справочник по производству стекла. Под ред. И. И. Китайгородского и С. И. Сильвестровича. М., 1963.- т. 1,2.
  98. Телевизионные передающие камеры / Петропавловский В. А., Постникова Л. Н., Хесин А. Я. и др.-М.: Радио и связь, 1988. 304 с.
  99. Техническая кибернетика. Теория автоматического регулирования. Под ред. В. В. Солодовникова. Кн. 1, 768 е., кн. 2, 680 е., М. «Машиностроение», 1969.
  100. С.П., Войновский-Кригер С. Пластинки и оболочки. Физматгиз, 1963.
  101. В.Н. Агрегированные модели в системах испытаний сложных технических объектов. СПб., «Политехника», 1998. 153 с.
  102. У. Оценка качества изображения. // Сб. Проектирование оптических систем. Под ред. Р. Шеннона и Дж. Вайнта. -М.: Мир, 1983. -430 с.
  103. Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. 185с.
  104. Фу К. Последовательные методы в распознавании образов и обучении машин. М.: Наука, 1979
  105. К. Введение в статистическую теорию распознавания. Пер. с англ. И. Щ. Торговицкого под ред. А. А. Дорофеюка. М., «Наука», 1979. — 367 с.
  106. Хорн Б.К. П. Зрение роботов. М.: Мир, 1989.
  107. Цифровая обработка изображений в информационных системах: Учеб. пособие / И. С. Грузман, В. С. Киричук, Косых В. П. Новосибирск: Изд-во НГТУ, 2002.-352 с.
  108. Цифровое преобразование изображений: Учеб. Пособие для вузов / под ред. Быкова Р.Е.-М.: Горячая линия-Телеком, 2003 .-228с.
  109. .И. Вопросы математического обеспечения автоматической системы прогнозирующего контроля на базе ЭВМ. -Куйбышев, 1983. — с. 48−52.
  110. К.Ф. Линейная теория оболочек. Ч. 2. Изд. ЛГУ, 1964.
  111. В.И., Кудрявцев В. А., Шапов B.C., Морошкин В. А. Система бесконтактного контроля формы сложных поверхностей. Информационный листок N 378−76, ГОСИНТИ, 1976.
  112. Е.И. Теория автоматического управления. Д., «Энергия», 1969. -375 с.
  113. Юу Ф. Введение в теорию дифракции, голографию и обработку информации. Перев. с англ. -М.: Советское радио, 1979.
  114. ArigaYvansa D.D. Gtarke Т.А. High speed multiple view image point correspondencis using rectification // Proc. SPIE. 1999.Vol.3641.P.92.105.
  115. Arita D. et al. Real-time parallel video image processing on a PC cluster// Ibid. 1998. Vol. 3452. P. 23.33.
  116. Batchelor B.C. Tools for designing industrial vision systems//Proc. SPIE. 1990. Vol. CR36.P. 138.176.
  117. Bayro-Corrochano E. Review of automated visual inspection 1983 to 1993 -Part I: Conventional approaches // SPIE Intell robots comput. vision XII.-1993. -No. 2055
  118. Berger C., Collins N. All-optical recurrent neural network // Proc. SPIE. 1998. Vol. 3490. P. 465.469.
  119. Bowskill J., Katz Т., Downie J. Solder Inspection using an Object-Oriented Approach to Machine Vision. // SPIE Proceedings, Machine Vision Applications in Industrial inspection III. 1995. — pp. 34−45.
  120. Caelli Т., Bischof W. Machine learning and image interpretation // Plenum Press, 1997.
  121. Chen H. et al. Real-time holographic non-destructive inspection system with automatic defekt classification // Ibid. 1997. Vol. 3029. P. 109. 116.
  122. Chochia P.A. Computer Vision, Graphics and Image Processing. 1988
  123. Dmvei Tu. Range image acquisition for machine vision // Opt. Eng.1998. Vol. 37. .№ 9. P. 2531 .2535.
  124. Erkmen /., Erkmen A.M., Ucar E. Decision and feature fusion over the fractal inference network using camera and range sensors // Ibid. 1998. Vol. 3523. P. 112.123.
  125. German S., German D. Stochastic Relaxation, Gibbs Distributions and the Payesian Restoration of Images//IEEE Trans. Pattern Anal. Machine Intel., Pami-6,#6.-P. 721−741, 1984.
  126. Ни X., Ahuja N. Motion and Structure Estimation Using Long Sequence motion models.// Image and Vision Computing. — 1993. — V. II.-№ 9.
  127. Maniere T. et al. Binocular peripheral vision system // Proc. SPIE. 1997. Vol. 3029. P. 50.57.
  128. Maron E. Real-time measurements by optical correletion. -Appl.Opt., 1970, N 9, p. 1385−1391.
  129. Maybank S., Faugeras 0. A. Theory of Self-calibration of a Moving Camera.// International Journal of Computer Vision. — 1992. V.8. — № 2.
  130. Neve P. Distributed industrial vision systems // lbid.1994. Vol. MS97. P. 573. 580.
  131. Pelillo M., Fanelli A. Autoassociative learning in relaxation labeling networks // Proc. 13th LAPP Int. Conf. Pattern Recogn, Vienna, Aug. 1996. Vol.4. P. 105.110.
  132. Planykh O.S. et al. Parallel methods for similar image compression and classification with common models // Ibid. P. 127.133.
  133. Rioux H.M. Toward and handheld laser range scanner // Ibid. 1998. Vol. 313. P. 2.13.
  134. Ripley B.D. Pattern recognition and neural networks // Cambridge University Press., 1996.
  135. Sackos J.T. et al. A low-cost, high resolution, video-rate imaging optical radar// Ibid. 1998. Vol. 3380. P.327.342.
  136. Schaefer R. et al. New developments in optical grating technology for machine vision and industrial sensors // Proc. SPIE. 1997. Vol. 3908. P. 428.436.
  137. Schmoldt D.L. et al. A comparison of several artificial neural network classifiers for computer tomografy images of hardwood logs // Ibid. 1998. Vol.3306. P. 34.43.
  138. Shenghua Y.E. et al. Visual measurement on ball grid array chip leaders // Ibid. 1998. Vol. 3558. P. 110.113.
  139. Tin S. Erkmen /., Erkmen A.M. Feature fusion ofsoner and camera data // Int. Conf. Processing and Management of Uncertainty in knowledgebased system. 1998. France.
  140. Vander Lugt A., Rotz F.B., Klooster A. Character-reading by optikal spatial filtering. -Optical and Electrooptical Information Processing, 1965, p. 125 141.
  141. Xujun Y.E., Zhineng L. Hybrid neural network for gray jmage recognition // Proc. SPIE. 1998. Vol. 3561. P. 7. 13.
Заполнить форму текущей работой

На отлично!