Методы, модели и алгоритмы автоматической обработки снимков для определения дефектов в промышленных изделиях

Методы, модели и алгоритмы автоматической обработки снимков для определения дефектов в промышленных изделиях

Автор: Орлов, Алексей Александрович

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2010

Место защиты: Владимир

Количество страниц: 365 с. ил.

Артикул: 4946161

Автор: Орлов, Алексей Александрович

Стоимость: 250 руб.

Методы, модели и алгоритмы автоматической обработки снимков для определения дефектов в промышленных изделиях  Методы, модели и алгоритмы автоматической обработки снимков для определения дефектов в промышленных изделиях 

Введение.
1. Системный анализ состояния проблемы обработки снимков промышленных изделий
1.1. Анализ системы методов контроля качества и выявляемых ими дефектов.
1.2. Анализ системы снимков промышленных изделий и дефектов на них
1.3. Анализ существующих компьютерных систем дефектоскопирования по снимкам промышленных изделий
1.4. Анализ системы методов выделения и анализа линейчатой структуры на цифровых изображениях и объектов на снимках промышленных изделий.
Выводы по разделу 1.
Постановка задач исследования.
2. Преобразования изображений по линейчатым структурам
2.1. Основные понятия
2.2. Интегральное преобразование по сегменту полосы
2.3. Интегральные преобразования изображения по линии
2.3.1. Интегральные преобразования многомерного и двумерного изображения
2.3.2. Производное интегральное преобразование по линии
2.3.3. Интегральное преобразование по подобной кривой
2.3.4. Интегральное преобразование в пространство производных признаков линий
Выводы по разделу 2.
3. Разработка методов выделения и анализа линейчатых образов, основанных на интегральных преобразованиях по линейчатым структурам
3.1. Метод выделения полос на основе ИГТСП без вращения детектора
3.2. Метод выделения полос из сегментов различного масштаба на основе ИПСП.
3.3. Метод воспроизведения изображений полос на основе интегрального преобразования по сегменту полосы.
3.4. Метод вычисления кривизны образующей полосы
3.5. Разработка методов реализации интегральных преобразований по линиям
3.5.1. Методы реализации интегрального преобразования по линии .
3.5.2. Методы реализации интегральных преобразований по
аналитическим кривым
3.5.3. Методы реализации интегральных преобразований по
отрезкам и ломаным
3.5.4. Методы реализации интегральных преобразований но
подобным кривым
3.6. Методы выделения и вычисления признаков линейчатых образов на основе интегральных преобразований по линиям
3.6.1. Метод вычисления признаков образа линии на основе ИПЛ
3.6.2. Метод выделения линейчатых образов на основе обратного интегрального преобразования по линии.
Выводы по разделу
4. Разработка алгоритмов обработки изображений на основе интегральных преобразовании
4.1. Алгоритм выделения отрезков линий на полутоновых изображениях.
4.2. Алгоритм выделения осевой линии контуров на полутоновых изображениях.
4.3. Алгоритм выделения границ объектов как полос с помощью ИПСП
4.4. Алгоритм соединения точек перепадов яркости
4.5. Алгоритм подавления шума на полутоновых изображениях
4.6. Алгоритм подчеркивания границ объектов на полутоновых изображениях
4.7. Алгоритмы сегментации полутоновых изображений
Выводы по разделу 4.
5. Экспериментальное исследование методов и алгоритмов обработки и анализа снимков, основанных на интегральных преобразованиях по линейчатым структурам.
5.1. Исследование методов выделения и анализа полосовых образов
5.1.1. Моделирование полосовых образов.
5.1.2. Оценка качества выделения и анализа полос по статистическим характеристикам.
5.1.3. Оценка качества методов по геометрическим характеристикам полосовых образов.
5.2. Исследование методов вычисления параметров образов линий.
5.2.1. Оценка метода вычисления параметров линий, основанного на интегральном преобразовании по линии.
5.2.2. Исследование методов выделения и вычисления параметров сегментов линий.
5.3. Исследование алгоритмов обработки и анализа изображений
5.3.1. Формирование и обоснование тестовых изображений
5.3.2. Исследование алгоритма подавления шума
5.3.3. Исследование алгоритмов выделения границ объектов
Выводы по разделу 5.
6. Практическое применение разработанных методов и алгоритмов для обработки и анализа дефектоскопических и металлографических снимков.
6.1. Методика обработки и анализа снимков дефектовтрещин
6.1.1. Задачи обработки и анализа дефектоскопических снимков.
6.1.2. Обработка и анализ снимков трещин на основе разработанных методов.
6.1.3. Статистический анализ снимков.
6.1.4. Методика и примеры обработки дефектоскопических снимков трещин
6.2. Обработка и анализ рентгеновских снимков сварных соединений
6.2.1. Задачи оценки качества сварных соединений.
6.2.2. Анализ образов дефектов на рентгеновских снимках сварных соединений
6.2.3. Методика и примеры обработки рентгеновских снимков сварных соединений
6.2.4. Результаты обработки рентгеновских снимков продольных сварных соединений в трубопроводных изделиях ОАО Выксунский металлургический завод.
6.2.5. Результаты анализа рентгеновских снимков газопроводных трубопроводов стыковых соединений.
6.3. Обработка и анализ металлографических снимков
6.3.1. Металлографические исследования снимков микроструктур
6.3.2. Применение интегральных преобразований по сегментам полос для обработки металлографических изображений
6.3.3. Методы и алгоритмы выделения признаков объектов на металлографических изображениях.
6.3.4. Исследование информативности базовых и производных признаков объектов
6.3.5. Решение практических задач автоматического анализа и распознавания металлографических снимков
Выводы по разделу
Заключение.
Литература


Муром, ОАО Муромский завод радиоизмерительных приборов г. Муром. Проведенный анализ показал, что на снимках наблюдаются следующие структуры, несущие полезную информацию при дефектоскопировании табл. Комплексный анализ системы снимков и объектов на них, включающий статистические данные частоту присутствия заданных образов на снимках, приведен в табл. Проведенный анализ показывает, что в большинстве случаев на снимках образы объектов дефектов представляют собой сложные линейчатые структуры полосового вида. Статистический анализ также показал, что автоматически возможен анализ до снимков поверхностей и до рентгеновских снимков. Это увеличивает время обработки снимков до минут, что приводит к невозможности оперативного контроля качества всех изделий. Табл. Точечные объекты поры. Полосы контурных перепадов размытые контурные перепады шов, малая толщина шва большая толщина шва, прожог зерна, зоны, включения, трещины
1. Дефектоскопическая система анализа изображений прибор для определения характеристик и классификации изображений структуры образцов или изделий на присутствие дефектов, включая оптический микроскоп, ТВкамеру, контрольный телеэкран и ЭВМ для обработки и выдачи данных. Контрольный телеэкран служит для наблюдения структуры, выбора полей и контроля результатов измерений. Рассмотрим существующие системы анализа изображений САИ, применяемые в дефектоскопии и металлографии. На производстве широко применяется САИ Квантимет фирмы i I Великобритания. Система Квантимет 0 автоматически выбирает заданные структурные составляющие, оценивает их количество, классифицирует по размерам, форме, ориентировке, оптической плотности и т. Многие металлургические лаборатории отечественных научных и промышленных предприятий оснащены САИ Эпиквант фирмы i, Германия. Эпиквант значительно в связи с механической системой сканирования уступает по производительности САИ Квантимет. Новейшие САИ, например фирмы i Германия, I фирмы Германия и Маужискан2 фирмы Великобритания многофункциональные системы автоматического количественного анализа изображений пооптическим и геометрическим характеристикам с последующей обработкой данных на ЭВМ. Эти приборы позволяют корректировать исходные изображения усиливать контрастность структурных составляющих, делать более четкими границы между ними, цветокодировать их и т. Система ВидеоТесТРазмер 5. Определяется статистика по результатам измерений общее количество измерений, среднее и др Позволяет автоматически найти длину изображений трещин. Основные функции ВидеоТесТРазмер 5. Фере и т. ВидеоТесТМеталл САИ, состоящая из металлографического микроскопа АхюуеП МАТ, цифровой чернобелой камеры высокого разрешения, компьютера с периферийными устройствами и программного обеспечения ВидеоТесТМеталл. Используется для оценки дефектов на металлической поверхности. В системе автоматизировано вычисление геометрических параметров групповых дефектов. Основную часть дефектоскопических САИ составляют системы анализа рентгеновских снимков. Протокол анализа и расшифровки архивируется и выводится на печать в виде документа. Системы АРИНА 5, АРИНА 6 фирмы Спектрофлэш г. СанктПетербург являются рентгеновскими аппаратами для контроля сварных швов трубопроводов больших диаметров и проверки качества толстостенных стальных конструкций. Пакет обработки и анализа изображений радиографии 3. ЗАО НИИИН МНПО Спектр предназначен для ввода, обработки и анализа радиографических изображений и измерений количественных характеристик дефектов по их изображениям. Вся количественная обработка, выполняемая программой, соответствует ГОСТам. Данный пакет получил широкое распространение в России. Основным преимуществом является обработка данных в реальном времени. Система для рентгенографического анализа сварных швов Уралмашзавод позволяет при помощи компьютерного сравнения изображения шва с эталоном определить глубину непроваров. Программный модуль системы выдает результаты анализа в виде таблиц и графиков. Возможна выдача рекомендаций по настройке аппаратуры. X СТ является научной разработкой ivi ii.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.276, запросов: 244