сотрудник
Новочеркасск, Ростовская область, Россия
сотрудник
Новочеркасск, Ростовская область, Россия
УДК 62 Инженерное дело. Техника в целом. Транспорт
ГРНТИ 55.03 Машиноведение и детали машин
Разработана программа для ЭВМ, которая позволяет производить экспресс-анализ локальных неоднородностей исследуемых поверхностей независимо от способа регистрации изображения и характера происхождения дефектов за время 1-2 секунды. Представлены выводы о возможности применения программы для количественной оценки площади дефектов, включений, пор, зон распределения химических элементов на поверхности изделий и покрытий.
цифровая обработка, изображения, дефект, поверхность, экспресс-анализ
1. ГОСТ 31149-2014. Материалы лакокрасочные. Определение адгезии методом решетчатого надреза: = Paint materials. Determination of adhesive by cross-cut method: национальный стандарт Российской Федерации: издание официальное: утвержден и введен в действие Приказом Федерального агентства по техническому регулированию и метрологии от 08 сентября 2014 г № 1017-ст: дата введения 2015- 09-01. г. / - Москва: Стандартинформ, 2014. - 12 с.
2. Ткаль, В. А. Цифровые методы обработки рентгенотопографических и поляризационно-оптических изображений дефектов структуры монокристаллических полупроводников: специальность 01.04.01 «Приборы и методы экспериментальной физики»: автореферат диссертации на соискание ученой степени доктора физико-математических наук / Ткаль Валерий Алексеевич; ФТИ им. А.Ф. Иоффе РАН. - Ижевск, 2007. - 48 с. Библиогр.: с. 3 - 4. - Место защиты: Удмуртский государственный университет. - Текст: непосредственный.
3. Жуковская, А. А. Количественные критерии оценки качества цифровой обработки изображений веществ различной физико-химической природы: специальность 01.04.01 «Приборы и методы экспериментальной физики»: дис. на соискание ученой степени канд. техн. наук /Жуковская Инга Анатольевна; ФТИ им. А.Ф. Иоффе РАН. - Ижевск, 2014. - 207 с. Библиогр.: с. 54 - 64.
4. Цифровые методы экспресс-диагностики качества веществ различной физико-химической природы (обобщающая статья) / В. А. Ткаль, И. А. Жуковская, А. В. Шараева, Н. Н. Водолазова. // Радиоэлектроника. Наносистемы. Информационные технологии. - 2016. - № 8(1). - С. 55-72. - DOI:https://doi.org/10.17725/rensit.2016.08.055.
5. Fast computational depth segmentation using orthogonal fringe patterns without pattern sequence changing / Y. Xiao, W. Han, X. Zhang [ и др.] // Journal of the Optical Society of America A: Optics and Image Science, and Vision. - 2021. - № 38(4). - P. 564-572- DOI: org/10.1364/JOSAA.414326.
6. Multi-modal semantic image segmentation / A. Pemasiri, K. Nguyen, S. Sridharan, C. Fookes // Computer Vision and Image Understanding. - 2021. - № 202. - 103085. - DOI: org/10.1016/j.cviu.2020.103085.
7. Ma, J. Infrared and visible image fusion via gradientlet filter / J. Ma, Y. Zhou // Computer Vision and Image Understanding. - 2020. - № 103016. - Р. 197-198. - DOIhttps://doi.org/10.1016/j.cviu.2020.103016.
8. Galvao, F. L. Image segmentation using dense and sparse hierarchies of superpixels / F. L. Galvao, S. J. F. Guimaraes, A. X. Falcao // Pattern Recognition. - 2020. - № 108. - 107532. - DOI: org/10.1016/j.patcog.2020.107532.
9. Neural Image Compression for Gigapixel Histopathology Image Analysis / D. Tellez, G. Litjens, Van Der Laak J. F. Ciompi. // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2021. - № 43(2). - 8809829. - Р. 567 - 5781. - DOI: https://doi.org/10.1109/TPAMI.2019.2936841.
10. Gupta, S. Recognition of varying size scene images using semantic analysis of deep activation maps / S. Gupta, A. D. Dileep, V. Thenkanidiyoor // Machine Vision and Applications. - 2021. - № 32(2). P. 52. - DOIhttps://doi.org/10.1007/s00138-021-01168-8.
11. Wu, Z. Edge missing image inpainting with compression-decompression network in low similarity images / Z. Wu, Y. Cui // Machine Vision and Applications. - 2021. - № 32(1). - P. 37. - DOIhttps://doi.org/10.1007/s00138-020-01151-9.
12. Image deblurring via enhanced local maximum intensity prior / D. Hu, J. Tan, Zhang L., X. Ge [и др.] // Signal Processing: Image Communication. - 2021. - № 96. - 116311. - DOI:https://doi.org/10.1016/j.image.2021.116311.
13. Wu, H. A pruning method based on the measurement of feature extraction ability / H. Wu, Y. Tang, X. Zhang // Machine Vision and Applications. - 2021. - № 32(1). - P. 20. - DOI:https://doi.org/10.1007/s00138-020-01148-4.
14. Xiao M. Research on defect detection method of powder metallurgy gear based on machine vision / M. Xiao, W. Wang, X. Shen [и др.] // Machine Vision and Applications. - 2021. - № 32(2). P. 51. - DOIhttps://doi.org/10.1007/s00138-021-01177-7.
15. Saeedi J. Measurement and inspection of electrical discharge machined steel surfaces using deep neural networks / J. Saeedi, M. Dotta, A. Galli [ и др.] // Machine Vision and Applications. - 2021. - № 32(1). P. 21. DOI:https://doi.org/10.1007/s00138-020-01142-w.
16. Zhukovskaya, I. A. Discrete Fourier analysis of images of structural defects in single crystals / I. A. Zhukovskaya, V. A Tkal., V. A. Bushuev // Journal of Surface Investigation: X-Ray, Synchrotron and Neutron Techniques. - 2016. - № 10(1). - Р. 231-240.
17. Feature-Driven Viewpoint Placement for Model-Based Surface Inspection / D. Mosbach, P. Gospodnetić, M. Rauhut [ и др.] // Machine Vision and Applications. - 2021. - № 32(11). - P. 8. - DOI:https://doi.org/10.1007/s00138-020-01116-y.
18. Финогенов Л. В. Высокопроизводительный оптико-электронный контроль боковой поверхности топливных таблеток с определением глубины дефектов / Л. В. Финогенов, П. С. Завьялов, В. Э. Карлин, Д. Р. Хакимов // Датчики и системы. - 2016. - № 7(205). - С. 53-59.
19. Анализ цифрового изображения поврежденного лакокрасочного покрытия (ADID) / Свидетельство о государственной регистрации программы для ЭВМ 2021660153 Российская Федерация /Антонова Н. М, Хаустова Е. Ю, Небрат А. А, Пузанова А. С.; заявитель и правообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования «Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова». - № 2021619195; заявл. 11.06.2021; опубл 22.06.2021. - 1 с.
20. Антонова Н. М. Адгезия вибрационного механохимического покрытия MoS2 в процессе трения / Н. М. Антонова, В. С. Шоркин, С. Н. Ромашин, А. П. Бабичев // Поверхность. Рентгеновские, синхротронные и нейтронные исследования. - 2019. - № 9. - С. 67-74.
21. Тамаркин, М. А. Обоснование гранулометрических характеристик рабочей среды при вибрационной обработке деталей с малыми пазами и отверстиями / М. А. Тамаркин, Е. Н. Колганова, М. А. Ягмуров // Advanced Engineering Research. - 2020. - Т. 20, № 4. - С. 382-389. - DOIhttps://doi.org/10.23947/2687-1653-2020-20-4-382-389.
22. Колганова, Е. Н. Теоретические и экспериментальные исследования процесса удаления заусенца свободными абразивами / Е. Н. Колганова // Упрочняющие технологии и покрытия. - 2020. - Т. 16, № 7(187). - С. 300-305.
23. Тамаркин, М. А. Анализ современного состояния финишных методов обработки в среде свободных абразивов деталей, имеющих малые пазы и отверстия / М. А. Тамаркин, Е. В. Смоленцев, Е. Н. Колганова // Вестник Воронежского государственного технического университета. - 2019. - Т.15, № 1. - С. 122-129.
24. Ильиных С. А. Упрочнение деталей машин и механизмов, изготовленных из алюминиевых сплавов, методом сверхзвукового плазменного напыления / С. А. Ильиных, А. С. Криворогова, Н. И. Ильиных [и др.] // Новые материалы и технологии: порошковая металлургия, композиционные материалы, защитные покрытия, сварка: материалы 14-й Международной научно-технической конференции, посвященной 60-летию порошковой металлургии Беларуси, Минск, 09-11 сентября 2020; под ред. А.Ф. Ильющенко. - Минск: Республиканское унитарное предприятие «Издательский дом «Белорусская наука», 2020. - С. 473-479. - ISBN 978-985-08-2628-2.
25. Криворогова А. С. Теоретическое и экспериментальное исследование самофлюсующихся материалов на основе никеля / А. С. Криворогова, Н. И. Ильиных, С. А. Ильиных, Б. Р. Гельчинский // Расплавы. - 2020. - № 1. - С. 87-97.
26. Antonova, N. Formation the structure of porous carboxymethylcellulose films for developing materials with antifriction properties / N. Antonova, A. Kameneva // Materials Today: Proceedings. - 2019. - V.19. - P. 1856-1860. - DOI:https://doi.org/10.1016/j.matpr.2019.07.027.
