автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Информационно-измерительная система технологического контроля прецизионных деталей

МОСКОВСКАЯ ГОСУДАРСТВЕННАЯ АКАДЕМИЯ ПРИБОРОСТРОЕНИЯ И ИНФОРМАТИКИ

ГАЛАКТИОНОВ ЮРИЙ ВЛАДИМИРОВИЧ

ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНАЯ СИСТЕМА ТЕХНОЛОГИЧЕСКОГО КОНТРОЛЯ ПРЕЦИЗИОННЫХ ДЕТАЛЕЙ

05.11.16 - Информационно-измерительные и управляющие системы

(промышленность)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Москва 2000

Работа выполнена на кафедре Точные приборы и измерительные системы Московской государственной академии приборостроения и информатики

Научный руководитель: кандидат физико-математических наук,

профессор Каиновсгий Сергей Сергеевич

Официальные оппоненты: доктор технических наук, профессор

Телешевскнй Владимир Ильич доктор технических наук, профессор Фирстов Владимир Григорьевич

Ведущая организация: ОАО "Угличский часовой завод "Чайка".

Защита состоится " 27 » февраля 2001 года в 14 часов на заседании диссертационного совета Д212.119.01 Московской государственной ягядемии приборостроения и информатики по адресу: 107076, Москва, ул. Стромынка д. 20.

С диссертацией можно ознакомиться в библиотеке МГАЛИ.

Автореферат разослан " 26 " января ¿£001 г.

Ученый секретарь ^ диссертационного Совета_

/ Филинов В.В. /

2.001-А 1Ю1

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность таим. С появлением на рынке компьютерной техники высокопроизводительных процессоров и такого мультимедийного средства кюс оптический сканер, многократно увеличились возможности по восприятию, обработке и анализу зрительной информации. С момента появления и до сегодняшнего времени возможности сканеров существенно возросли, начиная от разнообразия модификаций (ручные, листовые, планшетные и т.п.) и заканчивая разрешающей способностью (физическое разрешение до 1600, а математическое до 9200 точек на дюйм) и программной поддержкой. Однако эволюция сканеров не изменила приоритетов из использования - все те же системы распознавания текстов и разного рода графические пакеты. О промышленном же применении сканеров информация, как таковая, отсутствует. При этом неопровержимым фактом является то, что до 80% информации об объекте неживой природы содержится в его зрительном образе. Поэтому, в настоящее время весьма актуальной является разработка измерительной аппаратуры, воспринимающей и анализирующей зрительную информацию, способной частично или полностью автоматизировать наиболее трудоемкие контрольные и сортировочные операции, как в лабораторных, так и в производственно-цеховых условиях. Тем более что технологические процессы выпуска изделий точного приборостроения изобилуют контрольными операциями, выполняемыми практически после каждого технологического действия, направленного на видоизменение формы изделия. Как правило, подобные операции выполняются вручную и являются очень утомительными, поэтому всегда высока вероятность ошибки контролера при принятии решения о качестве изделия.

Все попытки хотя бы частично автоматизировать контрольные операции в точном приборостроении пока не дали ощутимых результатов. Большинство предлагаемых решений организации приборов и измерительных систем высокоточного контроля геометрических размеров работают по жесткому алгоритму и идеально приспособлены к данному типу деталей, но могут стать непригодными при изменениях в конструкции выпускаемых изделий. Все это затрудняет быстрое освоение новых видов продукции. Поэтому необходимо обеспечить измерительное устройство возможностью определять тип изделия, поступающего на контрольную позицию, контролировать его харак-

терные размеры с высокой точностью, самостоятельно принимать решение о годности изделия и автоматически производить разбраковку.

В диссертационной работе рассматриваются устройства н методы, необходимые для создания систем такого типа. Для решения проблемы определения тала изделия, находящегося на позиции контроля, программное обеспечение системы оснашено алгоритмами распознавания образов. Оценка характерных размеров также производится автоматически на программном уровне, при этом высокая точность достигается за счет выбора разрешающей способности оптического сканера и коэффициента увеличения проекционной приставки. Принятие решения о годности возможно благодаря способности системы проводить анализ одновременно описания контролируемого объекта и описания его модели, формируемого при обучении системы и содержащегося в базе знаний системы.

Целью работы является разработка и создание высоконадежного измерительного устройства, выполняющего экспресс контроль линейных размеров деталей близкой к плоской формы сложного контура с точностью до ±5 мкм.

Для достижения поставленной цели в работе решены следующие задачи:

1) выбран первичный датчик зрительной информации, с позиции точности проводимых измерений;

2) предложено программное обеспечение предварительной обработки формируемого на уровне датчика и драйвера яркостного изображения зоны контроля с проекцией детали с его последующей бинаризацией;

3) разработаны и программно реализованы четыре метода сегментации бинарного изображения с возможностью определения характерных геометрических признаков, таких как площадь, периметр, положение;

4) проведены экспериментальные исследования и теоретический анализ методов п.З с позиции оценки производительности и выбраны два наиболее оптимальных;

5) предложена методика проведения распознавания образа контролируемой детали на "зашумлениом" бинарном изображении н организационная структура базы знаний системы.

Научная новизна. К основным научным результатам, полученным лично автором и включенным в диссертацию относятся:

- нестандартный подход к использованию оптических сканеров;

- переориентация методов машинной графики на решение задачи сегментации бинарных изображений;

- методика распознавания бинарного образа проекции детали на плоскость сканирования по определенным геометрическим признакам отдельных сегментов;

- применение теории графов для решения задачи распознавания изображении в системах контроля геометрических размеров;

- методика определения симметричности объекта по его образу на бинарном изображении;

- экспериментальное обоснование неприемлемости использования рада существующих алгоритмов сегментации бинарных изображении в качестве программной поддержки функционирования системы технологического контроля в реальном масштабе времени.

Нятчно-тпипсгичесищ ценность. Представленные в диссертации научные основы и экспериментальные результаты позволяют создать высокоэффективные информационно-измерительные системы для проведения геометрического контроля сложнопрофильных деталей точного приборостроения с возможностью синтеза цепочки программных действий, исходя из уровня сложности решаемых системой задач.

Разработанные методики и рекомендации по выбору оптического сканера и обучению системы обеспечивают существенное сокращение сроков и стоимости установки, повышение качества и достоверности результатов контроля. Предлагаемое программное обеспечение позволяет использовать систему как для решения задач количественного, так и качественного контроля.

Предложения автора и результаты работы, изложенные в диссертации были внедрены в производство и использованы в контрольно-измерительной аппаратуре для проведения контроля часовых деталей на ОАО "Угличский часовой завод "Чайка" и для проведения бесконтактного контроля ряда деталей машиностроения на ОАО "Угличский машиностроительный завод "Угличмаш".

Автор принимал непосредственное участие в проектировании и внедрении в производство информационно-измерительной системы технологического контроля прецизионных деталей.

Апробация работы. Материалы диссертационной работы докладывались на научно-технических советах предприятий ОАО "Угличский часовой завод "Чайка", ОАО "Угличский машиностроительный завод "Угличмаш", а также на кафедре Точные приборы и измерительные системы МГАПИ.

Публикации. По материалам диссертации опубликовано 3 печатные работы.

Структура диссертации. Диссертация состоит из введения; пяти глав и заключения, содержит 145 страниц 'текста, иллюстрированного 62 рисунками и графиками. Приведен список литературы из 24 наименований.

Основные положения диссертационной работы, выносимые на защиту:

1. Основы функционирования информационно-измерительной системы технологического контроля прецизионных деталей.

2. Методы сегментации бинарного изображения. Блок-схемы алгоритмов с примерами.

3. Методика обработки контурного описания бинарного изображения - определение площади, периметра и положения области ограниченной контуром.

4. Общая схема действий и структура программной часта информационно-измерительной системы контроля.

5. Результаты экспериментов по оценке производительности системы контроля.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, определяется ее основные задач и прослеживаются возможные направления их решения. Дается обзор существующих источников по проблеме обработки изображений, распознавания зрительных образов н организации структуры данных интеллектуальных систем. Сформулирована цель диссертации и проанализированы основные направления использования.

В первой главе проводится анализ проблемы обработки изображений, возникающей одной из основных при организации любой системы, работающей со зрительной информацией. Рассматриваются различные существующие подходы к построению систем анализа изображений в разработке как советскими (российскими), так и западными специалистами в данной проблемной области. Детальный анализ существующих подходов позволяет оценить потенциал разрабатываемой системы контроля и сформировать обобщенную принципиальную и функциональную схемы системы.

Основными элементами системы являются видеодетектор (сканер совместимый с ЭВМ) и ЭВМ организованная на базе высокопроизводительного процессора INTEL 80486 и выше. Работа системы поддерживается пакетом прикладных программ, предназначенным для управления сканером и для автоматического распознавания вводимых в ЭВМ с его помощью изображений контролируемых объектов. Система может работать с проекционной приставкой для увеличения точности контроля и без нее. В первом случае сканером считываете увеличенная проекция детали на картинную плоскости а во втором - сканер получает информацию непосредственно с детали в масштабе 1:1. Точность, осуществляемого системой контроля, при использовании проекционной приставки двадцатакратного увеличения и разрешении сканера 1200 точек на дюйм составляет 4 мкм (это значение может быть изменено выбором коэффициента увеличения проектора и разрешения сканера). Размер контролируемой детали при этом ограничен размерами ее проекционного изображения в области сканирования и составляет для планшетного сканера формата А4 - 10x14 мм. Имеется возможность вывода результатов работы системы контроля в наглядном виде на экран дисплея, а также сохранения их в файле на магнитном диске с возможностью доступа к ним из других программ. Система работает под операционной средой WINDOWS 95 и выше. Требуется не менее 16 Мбайт оперативной памяти и 200 Мбайт свободного пространства на жестком диске для хранения изображений.

Функциональная схема системы представлена на рис. 1. Она в соответствии с комплексом решаемых задач состоит го последовательных функциональных групп, работа которых направлена на формирование отчете по результатам контроля в зависимости от формы контролируемой детали X:

группа I: система формирования аналогового изображения детали, состоящая из осветительной системы 1, формирующей световой поток, и проекционной системы 2 на выходе которой формируется аналоговое изображение дстили на плоскость сканирования;

группа П: система формирования цифрового яркостного изображения, объединяющая в себе как аппаратные, так и программные средства системы контроля; состоит из ПЗС-линейки 3, аналого-цифрового преобразователя АЦП 4, который при поддержке программного драйвера образует обратную связь по управлению работой механической частью сканера посредством управляющих сигналов на систему шагового электропривода 14; сформированная АЦП двумерная дискретная функция интенсивности подвергается обработке системой улучшения изображения 5;

группа Ш: система формирования бинарного изображения, состоящая из системы подчеркивания контуров объектов на изображении б и системы бинаризации изображения 7 по предопределенному порогу к;

Табл.1

Увеличение Проектора Разрешение сканера, Точек на дюйм Погрешность системы, мкм

10 400 7,8

10 800 5,5

10 1200 5,0

20 100 13,1

20 300 5,2

20 400 4,4

20 600 3,7

20 800 3,4

20 1200 за

группа IV: система сегментации бинарного изображения, на выходе которой программно формируется сжатое изображение либо системой поиска однородных областей 8 в виде размеченного изо-

бражения, либо системой цепного описания контуров 9 в виде цепного кода;

группа V: система анализа бинарного изображения, состоящая го систем определения количественные 10 и качественных 11 геометрических признаков, системы распознавания образа объекта 12 и системы совмещения гипотетической модели с образом объекта 13.

Также в работе даны рекомендации по выбору и эксплуатации сканера, исходя из задач, решаемых системой технологического контроля, н проведен расчет погрешности., исходя из выбора коэффициента увеличения проектора и разрешения сканера. Результаты сведены в табл.1.

Во второй главе проводится анализ способов цифрового представления изображений. Преобразование аналогового изображения в цифровую форму затрагивает два элемента:

A) площадь изображения, которая днскретизируется на ПХт точек, включающих П строк и т столбцов;

B) интенсивность, которая кодируется по к бит, представляющих 2* уровней полутонов.

Цифровая кодировка амплитуды производится на 256 уровней полутонов (8 бит). Представление изображения выполняется в несколько этапов, которые можно разделить на две категории:

1) этапы, связанные с обшим процессом, направленным на улучшение изображения; оно заключается в том, чтобы в исходном изображении устранить все лишнее и выделить главное;

2) этапы, соответствующие новому кодированию улучшенного изображения, подлежащему расшифровке при оперировании к нему.

В работе приводится описание алгоритмов улучшения изображения, выделения контурных линий на яркостиом изображении и бинаризации изображения, реализованных в системе контроля. Возможно проведение бинаризации по глобальному шш по локальному порогу. Для каждого из подходов к решению задачи бинаризации реализовано несколько различных методов.

В третьей главе проводится анализ геометрических признаков областей одной яркости (0 или IX которые могут быть выделены на бинарном изображении. К ним относятся: площадь, периметр, отношение максимального и минимального радиусов, положение геомет-

рического центра области в координатной системе объекта или сканера В работе разработаны алгоритмы четыре* методов поиска областей на бинарном изображении и определения их геометрических признаков:

Метод 1: Метод последовательной разметки. Предлагаемый алгоритм является одним из наиболее простых алгоритмов сегментации изображения, представленного в виде матрицы. Разметка ведется строка за строкой, и активно в процессе участвуют только две строки сканируемого изображения - предыдущая и текущая.

С его помощью можно:

- определить количество изолированных объектов в поле зрения видеодетектора, причем в качестве объекта может рассматриваться как сама проекция контролируемой детали, так и объекты образующие его контур;

- выставить для любого объекта метку, позволяющую распознать его в пространстве изображения;

- подсчитать количество объектов в поле зрения сканера.

Этот алгоритм позволяет проводить параллельное определение основных геометрических признаков объектов, таких как площадь, периметр, геометрический центр.

Преимуществами данного метода является то, что он лучше приспособлен к последовательному сканированию изображения и не нуждается в рекурсивных вызовах, использование которых при работе с большими объемами информации влечет за собой неэффективное использование памяти, и не позволяет использовать параллельный метод обработки.

Метод 2: Метод выделения контура с помощью кодирования цепочками. Прослеживание контура начинается с выбора произвольной точки, лежащей на границе проекции контролируемого объект Алгоритм выделения последовательно определяет смежные точки лежащие на границе до тех пор, пока не будет совершен полный обход контура. Записывая направления движения вдоль границы, от каждой текущей точки к последующей, можно получить одномерное описание проектга объекта, содержащее информацию о его форме. После обнаружения и выделения границ, можно определить площадь, периметр, геометрический центр и другие геометрические признаки объектов.

Выбор точки границы объекта, также как и в алгоритме после-

довательной разметки, осуществляется при построчном исследовании изображения, поэтому, найдя один из объектов и, продолжая поиск следующих, можно повторно обнаружить уже отслеженную границу. Существует несколько способов избежать этого. По одному из них, можно во всех точках, просмотренных программой отслеживания границы, заменить единицы на двойки для первого обрабатываемого объекта, на тройки - для второго объекта и т.д. (здесь, км и ранее, единица соответствует объекту или «черному» элементу растра в исходном образе, а нуль соответствует фону или «белому» элементу). Но такой подход, ошпъ же требует более одного бита для представления каждой точки исходного образа. В данной версии программного обеспечения системы этот процесс происходит несколько иначе. При сканировании объекта, параллельно с операцией порогового разделения, оператор поточечного дифференцирования производит выделение границы силуэта. Этот оператор заменяет все единицы в образе на нули, за исключением точек, лежащих на границе черного и белого полей. К оператору выделения границ предъявляется требование, которое заключается в том, что он должен создавать непрерывную последовательность граничных точек, обеспечивая возможность прослеживания границы. После этого, дополнительным действием процедуры прослеживания границ будет удаление их из изображения, делая невозможным повторное обнаружение. Б результате, базовая точка поиска перемещается по контуру против часовой стрелки, что при поиске контуров с помощью развертки обеспечивает первое вхождение в контур извне. Войти в контур изнутри можно только в том случае, если он пересекает границу матрицы этапа выполнения программы. Для увеличения быстродействия алгоритма, проверка всех восьми соседних точек не производится, - некоторые из них уже были проверены на предыдущем шаге, когда базовой точкой поиска была предыдущая. На каждом шаге поиска (за исключением первого) просматривается до шеста точек, но обычно их число меньше. На прямолинейных участках контура до нахождения следующей его точки чаще всего достаточно просмотреть одну-две точки. Полное описание очеркового контура формируется в виде списка направлений векторов, соединяющих каждую точку контура с последующей в том порядке, как они были найдены.

В работе предлагается оригинальная методика определения периметра, площади и геометрического центра объекта, контуры которого описаны цепным кодом.

Метод 3: Метод заполнения области с "затравочного" пиксела. Суть метода заключается в следующем. Предполагается, что известен хоти бы один пиксел (затравочный пиксел) из некоторой внутренней области. Алгоритм пытается найги и пометить все другие пикселы, принадлежащие этой области. Не существует принципиальной разницы в определении области, которая может быть либо внутренне-, либо гранично-определенной.

Координаты каждого пиксела, из окрестности текущего, принадлежащих заполняемой области, помещаются в безразмерный стек прямого действия (структуру данных; в которую можно последовательно помещать значения и из которой их можно последовательно извлекать), работающий по принципу "первым пришел, последним обслужен". Процесс заполнения повторяется до тех пор, пока стек не опустеет. Сосчитав количество пикселов области, при известном разрешении сканирования, можно определить площадь области.

Данный алгоритм имеет много общего с алгоритмом последовательной разметки, но есть и одно существенное преимущество - это возможность работы с двуградациониой матрицей яркостей. Объяснение этому предельно простое. Так алгоритму последовательной разметки требуется проводить уточнение меток объектов путем многократного прокручивания матрицы, поэтому уникальность меток должна быть сохранена в течение всего цикла обработки изображения, а это предполагает расходование каж минимум одного бита на описание состояния пиксела. Для алгоритма заполнения с "затравочного" пиксела такой необходимости нет, так как роль буфера выполняет стек, поэтому в процессе заполнения объект может заливаться яркостным уровнем фона, если на последующих этапах работы системы не возникает необходимости повторного обращения к матрице, иначе информация в ней полностью затирается. Однако, даже в случае повторных обращений к матрице яркостей, эффективней с точки зрения использования памяти, создать бинарную копию такой матри цы и заполнять ее, а по окончании процесса определения геометрических характеристик, уничтожить данную копию.

Метод 4: Метод построчного заполнения области с "затравочного" пиксела. Алгоритм разметки по методу заполнения с "затравочного" имеет два основных недостатка: первый заключается в необходимости формирования стека большого размера, если площадь размечаемого объекта достаточно велика; второй недостаток состоит в

том, что стек часто содержит дублирующую или ненужную информацию. Оба эта недостатка снижают быстродействие процесса разметки и, несмотря удобство параллельного определения периметра и площади, ограничивают применение алгоритма при проведении контроля объектов, контуры которых образованы областями большой площади. Построчный алгоритм разметки с "затравочного" пиксела, как бы объединяет алгоритмы последовательной размггги и заполнения с "затравочного" пиксела, что позволяет минимизировать стек за счет хранения только одного затравочного пиксела для любого непрерывного интервала на исследуемой строке.

Данный алгоритм применим как к контурно-, так н к внутренне-определенным областям. При этом область может быть как выпуклой, так и не выпуклой, а также может содержать объекты "паразиты" -дыры.

Попытки приспособить алгоритм под параллельное определение периметров областей вызвала серьезное снижение его быстродействия, поэтому в данной версии системы периметры не определяются.

Общий анализ приведенных методов определения геометрических признаков областей показал, что каждый из них обладает своими преимуществами и недостатками, и эффективное использование какого либо из методов для контроля детали одного типа, может стать неэффективных для контроля детали другого типа. Поэтому, наличие каждого из методов в библиотеке подпрограмм системы необходимо. Полученные в результате выполнения этих алгоритмов данные образуют основной информационный поток при решении задачи распознавания.

В четвертой главе дается общая оценка задачи анализа бинарного изображения и в частности - распознавания на нем образа контролируемой детали. Программное обеспечение, реализующее анализ бинарных изображений, поддерживает два режима функционирования системы: рабочий и обучающий.

Восприятие изображения системой, функционирующей в рабочем режиме, осуществляется в два шага. Первый шаг заключается в формировании установки или гипотезы о содержании изображения. Здесь результат (гипотеза) возникает на основании анализа модели контролируемого объекта и текущего результата восприятия. Второй шаг - это уточнение восприятия путем проверки гипотезы. Здесь система также оперирует информацией из модели и бинарного изображения.

6 предлагаемой реализации системы, распознавание строится на методе выделения локальных геометрических признаков, заключающемся в поиске в распознаваемом образе некоторого признака, его выделения и использования для прогнозирования при поиске дфугих близлежащих признаков,

После выделения геометрических признаков производится аналитическое описание контролируемого объекта. Описания объектов используются во время проверки гипотез. При разработке методики действий системы были выделены две группы признаков: признаки модели (формируются обучающим блоком системы) и признаки образа (т.е. выделенные в текущем образе признаки). Каждому признаку модели присваивается определенное уникальное название Определение признаков выполняется однократно при пополнении базы знаний системы на стадии обучения с последующим многократным использованием его результатов рабочим блоком системы. Признак описывается своим типом и параметрами положения в системе координат объекта. Параметры положения связываются с диапазонами отклонений, соответствующими неточностям изготовления деталей и погрешностям определения положения объекта в координатной системе образа. Система использует диапазоны отклонений для определения, достаточно ли близки значения расстояний между двумя признаками образа и двумя соответствующими им признаками модели, с тем, чтобы зафиксировать факт совпадения. Расширение этого диапазона позволяет проводить не только конечный контроль детали, но и промежуточный. В этом случае, допусковые размеры идут отдельным информационным потоком.

Предлагаемая стратегия в виде списка выделяемых и соответствующих им близлежащих признаков представляет собой перевод аналитического описания объекта на процедурно-ориентированный язык описания признаков, используемый при поиске объектов. Каждому выделяемому признаку соответствует список близлежащих признаков, которые, в случае их обнаружения, используются для распознавания выделенного признака и определения положения объекта. Описание близлежащего признака состоит из его типа, допустимого диапазона значений расстояния от выделенного признака, диапазона значений угла поворота относительно выделенного признака (в случае возможности его определения) и списка имен признаков объекта, каждым из которых может являться данный близлежащий признак. После обнаружения выделенного признака программа просматривает

соответствующий список близлежащих признаков и пытается отыскать в образе признаки, отвечающие указанным в этом списке критериям. По мере отыскания признаков, отвечающих критериям, строится список возможных соответствий «признак модели - признак образа». Этот список преобразуется в граф, обрабатываемый с помощью специального алгоритма. Отвечающий критерию замкнутости подграф задает набор соответствий, используемый при построении гипотезы распознаваемого объекта.

Гипотеза строится исходя из требования минимума временных затрат. Во время работа система строит гипотезы распознавания объектов, обрабатывая кластеры признаков образа, соответствующие кластерам признаков модели. Для того чтобы находить такие кластеры, не перебирая последовательно весь список локальных признаков, система отыскивает какой-нибудь один признак и пытается «нарастить» на нем соответствующий кластер. Если эта попытка не приводит к построению гипотезы, система отыскивает и выделяет другой признак, после чего попытка построения гипотезы повторяется

Заключительный этап работы программы состоит в проверке гипотезы. Первоначальная гипотеза усиливается по мере того, как программа находит в образе признаки, соответствующие предсказанным гипотезой признакам объекта. Проверенные признаки используются также для уточнения оценок параметров положения объекта, после чего программа проверяет границу гипотетического объекта на совпадение с границей образа. При отрицательном результате такой проверки, а также при отсутствии других гипотез - контролируемая деталь признается бракованной. Если обнаруживается достаточное количество признаков и проверена граница, система сообщает о распознавании объекта и проводит оценку качества изготовления контролируемой детали. В качестве информации, используемой при обработке на более высоких уровнях; передается количество признаков, которое системе удалось найти, количество признаков, которое ожидалось увидеть в поле зрения, и общее количество признаков объекта.

Обучение системы осуществляется в два этапа: построение модели объекта и выбор признаков. На этапе построения модели создаются аналитические модели объектов, которые должна будет распознавать система. Эти модели включают описания типов локальных признаков и списки самих локальных признаков, принадлежащие каждому из объектов. При построении модели объекта сначала определяются номинальные положения и внешний вид локальных при-

знаков н лишь затем - диапазоны изменения величин, связанных с локальными признаками и их положениями. В рассматриваемой системе пользователь для задания номинального значения может использовать модель объекта, полученную САПР, или в интерактивном режиме указывать признаки в образе объекта.

Процедура выбора признаков, используя заданный набор моделей объектов, отбирает ключевые признаки и формирует их кластеры, создавая набор близлежащих признаков для каждого типа выделяемых признаков и упорядочивая их по величине затрат та использование каждого конкретного признака для распознавания объекта. Эти действия выполняются следующим образом: в различных объектах определяются одинаковые типы локальных признаков; вычисляются показатели симметричности объектов; помечаются структурно эквивалентные признаки; на основе совокупностей признаков строятся описания объектов; выбираются близлежащие признаки; упорядочиваются выделяемые признаки.

В питой глав« проводится оценка производительности системы контроля по специальной методике с помощью разработанных для этой цели двух групп двухмерных тестовых фигур. Детали с множественными внутренними отверстиями моделируются с помощью диска с отверстиями. При этом с увеличением количества отверстий увеличивается и сложность распознавания, что приводит к увеличению времени работы. В качестве тестовых рассматриваются детали трех показателей сложности:

- первый показатель сложности определяется количеством объектов, образующих силуэт, которые приходится обрабатывать в процессе анализа сцены;

- второй показатель - это количество и типы геометрических признаков, анализируемых при распознавании каждого из объектов;

- третьим показателем сложности служит общий объем информации, который приходится обрабатывать в процессе анализа сцены, т.е. суммарное количество битов, описывающих объект или составляющих образ.

Совместный анализ результатов всех проведенных экспериментов позволил сделать следующие выводы:

а) Алгоритмы поиска локальных геометрических признаков на бинарном образе по двум методам: построчного заполнения с затравочного пиксела и кодирования цепочками, равнозначны по прошв о-

дительности и способны в комплекте программного обеспечения системы в целом решать задачу экспресс анализа формируемого изображения.

б) Алгоритмы поиска локальных геометрических признаков на бинарном образе по методу заполнения с затравочного пиксела не позволяют эффективно решать поставленные перед системой контроля задачи, из-за низкой производительности алгоритма и неимоверно завышенных требований к аппаратному построению вычислительного блока системы.

в) Алгоритмы поиска локальных геометрических признаков по методу последовательной разметки достаточно успешно решают поставленную перед ними задачу для ограниченного набора выделяемых областей. Еще более успешно они могли бы работать при анализе информации параллельно с процессом построчного сканирования проекции детали - все предпосылки для этого существуют.

г) Несмотря на то, что алгоритм поиска геометрических признаков по методу построчного заполнения с затравочного пиксела более производителен в сравнении с методом кодирования цепочками, в ряде случаев предпочтение необходимо отдать последнему, в связи с тем, что подобное кодирование позволяет существенно сократить объем информации о бинарном образе при необходимости ее долговременного хранения или передаче по электронной сети.

д) Производительность системы может быть увеличена при использовании более "мощного" центрального процессора.

е) Положение проекции детали в зоне сканирования (следовательно, и положение детали на позиции контроля) не оказывает существенного влияния на скорость обработки полученного изображения, а значит я на производительность системы в целом.

ж) Снижение числа фоновых точек на изображении существенно повышает производительность системы, поэтому в случае контроля деталей, чья проекция не подвергается масштабированию, рекомендуется при настройке ограничить зону сканирования; либо проводить контроль одновременно нескольких деталей, размещаемых на позиции контроля без перекрытия.

В заключении сформулированы основные результаты диссертационной работы и обсуждены направления дальнейших исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана принципиальная схема системы технологического контроля геометрических размеров прецизионных деталей с учетом запросов по точности проводимых измерений, составляющей ±5мкм.

2. Разработаны и реализованы методы предварительной обработки яркостиых изображений с их последующей бинаризацией.

3. Разработаны несколько методик обработки и анализа бинарных изображений с принципиально отличными подходами к решению задачи.

4. Спроектирована и создана лабораторная установка системы, на которой были проведены эксперименты по оценке производительности программных продуктов.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Снедков АБ., Лемелев Л.М., Галактионов Ю.В., Фукин Д.Н. Информационно-измерительная система контроля геометрических характеристик деталей.// Приборостроение. Сборник научных трудов. - М.: МГАПИ - 2000. стр. 6-12.

2. Лемелев Л.М., Галактионов Ю.В., Фуюян Д.Н. Применение технического зрения для контроля геометрических етражтеристак.// Приборостроение. Сборник научных трудов. - М.: МГАПИ - 2000. стр. 12-28.

3. Каниовсхий С.С., Лемелев Л.М., Галактионов Ю.В. Информационно-измерительная система размерного контроля высокоточных деталей сложного профиля.// Находится в печати в журнале "Приборостроение".

% *

ВИ 10}

Hol

i

4

*

ВВЕДЕНИЕ.

1. СТРУКТУРА И ОСОБЕННОСТИ СИСТЕМЫ КОНТРОЛЯ ЛИНЕЙНЫХ РАЗМЕРОВ ПРЕЦИЗИОННЫХ ДЕТАЛЕЙ.

1.1. Анализ проблемы обработки изображений.

1.2. Предполагаемые возможности системы контроля системы контроля прецизионных деталей.

1.3. Основы функционирования системы контроля.

1.4. Обобщенная функциональная схема системы контроля.

1.5. Оплывание зрительной информации с помощью сканера.

1.6. Программное обеспечение системы.

1.7. Оценка погрешности системы.

2. ПОЛУЧЕНИЕ БИНАРНОГО ИЗОБРАЖЕНИЯ

ПОЗИЦИИ КОНТРОЛЯ.

2.1. Представление изображения в системе контроля.

2.2. Бинаризация изображения.

3. ТЕХНИКА ОБРАБОТКИ БИНАРНЫХ ИЗОБРАЖЕНИЙ.

3.1. Общие положения.

3.2. Основные геометрические признаки объектов в бинарном образе.

3.3. Алгоритм последовательной разметки.

3.4. Алгоритм выделения границ с помощью кодирования цепочками.

3.5. Алгоритм разметки по методу заполнения с затравочного пиксела".

3.6. Алгоритм разметки по методу построчного заполнения с затравочного пиксела".

4. РАСПОЗНАВАНИЕ ОБЪЕКТА КОНТРОЛЯ

НА БИНАРНОМ ОБРАЗЕ.

4.1. Проблема распознавания.

4.2. Выбор модели распознавания.

4.3. Общие положения Г-модели распознавания применительно к задаче распознавания изображений.

4.4. Положения, составляющие основу предлагаемых в системе алгоритмов распознавания.

4.5. Реализуемый в системе метод распознавания.

4 .6. Ограничения на классы решаемых системой задач, в связи с выбранным методом распознавания.

5. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ РАБОТЫ СИСТЕМЫ

5.1. Оценка производительности алгоритмов системы контроля.

5.2. Лабораторные испытания и результаты промышленного использования системы.

Стремление к достижению мировых стандартов в приборостроении ставит перед отраслью ряд задач, к числу наиболее важных и актуальных го которых, относят повышение качества выпускаемой продукции.

Надежность правильно сконструированного прибора, функционирование его узлов в рабочем режиме, а значит и рабочий ресурс, зависят, главным образом, от геометрической точности изготовления деталей по сопрягаемым поверхностям. Вполне естественно, в данном случае, что все большее внимание уделяется контрольно-измерительным операциям, которые являются наиболее ответственными и трудоемкими независимо от типа производственного процесса Для выполнения подобных операций необходимы высоконадежные и удобные в эксплуатации технические средства восприятия, преобразования и передачи информации о состоянии и свойствах контролируемых объектов, с отображением ее в удобной дня оператора или системы управления форме. При этом качество управления производственным процессом зависит от своевременности и ценности информации, выдаваемой отдельными техническими средствами на всех ступенях ее преобразования и передачи, т.е. от работы измерительной системы в реальном масштабе времени.

За последние 5-10 лет на рынке компьютерной техники появились высокопроизводительные процессоры и такое мультимедийное средство как оптический сканер, многократно увеличились возможности по восприятию, обработке и анализу зрительной информации. С момента появления и до сегодняшнего времени возможности сканеров существенно возросли, начиная от разнообразия модификаций (ручные, листовые, планшетные и т.п.) и заканчивая разрешающей способностью (физическое разрешение до 1600, а математическое до 9200 точек на дюйм) и программной поддержкой. Однако эволюция сканеров не изменила приоритетов из использования - все те же системы распознавания текстов и разного рода графические пакеты. О промышленном же применении сканеров информация, как таковая, отсутствует. При этом неопровержимым фактом является то, что до 80% информации об объекте неживой природы содержится в его зрительном образе.

На основании этого можно сформулировать главную задачу научной работы -это разработка высоконадежного измерительного устройства, выпоиняющего экспресс контроль линейных размеров деталей близкой к плоской формы с точностью до +5 мкм, объединяющего в себе передовые достижения в развитии компьютерной техники и средств съема и обработки зрительной информации.

Предлагаемая в диссертации информационно-измерительная система предназначена для проведения размзрного контроля высокоточных деталей плоской формы сложного контура. Несмотря на то, что приоритет отдан деталям часовой промышленности, не существует препятствий на переориентацию системы дня контроля любых других деталей, чья форма схожа с выше указанными. Работая со зрительной информацией, система обладает способностью определять тип изделия, поступающего на контрольную позицию, контролировать его характерные размеры и самостоятельно принимать решение о годности изделия. В качестве первичного датчика используется оптический сканер, совместимый с ЭВМ.

Высокая точность измерения достигается за счет выбора разрешения сканера и использования проекторной установки. Высокое быстродействие возможно благодаря тому, что управление процессом измерения осуществляется вычислительной машиной с мопщым процессором В результате, достигается быстрое решение сложных геометрических и тригонометрических задач, а также задач, связанных с манипуляциями данными и промежуточными результатами, возникающих в процессе измерений.

Математический аппарат программного обеспечения системы объединяет в себе современные наработки в области систем технического зрения, активно используемого дня решения робототехнических задач, существующую алгоритмическую базу машинной графики и элементы теории распознавания образов.

Для решения поставленной задачи был проведен всесторонний анализ современного состояния измерительной техники в данной области. Его результат: большинство существующих приборов и измерительных систем высокоточного контроля геометрических размеров работают по жесткому алгоритму и идеально приспособлены к данному типу деталей, но могут стать непригодными при изменениях в конструкции выпускаемых изделий. Все это затрудняет быстрое освоение новых видов продукции. Надо заметить, что в ряд недостатков таких средств позволяют устранить появившиеся в последнее время на рынке измерительной техники координатные измерительные машины. Их рабсгга основана на поочередном измерении координат определенного числа точек поверхности детали с последующим расчетом линейных и угловых размеров, отклонений размера, формы и расположения в соответствующей системе координат. Машины обеспечивают высокую точность измерений при достаточно большом быстродействии. Очевидно, что достоверность результата контроля будет серьезно зависеть от количества фиксируемых датчиком точек поверхности. Другим недостатком таких машин является то, что ей необходимо предопределить с каким типом детали ей предстоит работать для выбора описания набора точек.

В настоящее время имеется достаточно много книг по организации систем зрительного восприятия геометрии объектов, в том числе имеющие русский перевод однако в большинстве из них освещены либо вопросы машинной графики, либо вопросы технического зрения роботов. Среди них книга [3] замечательна по широте охваченного в ней материала. Следует также отметить книги [4, 5], задатопще теоретическую базу построения любой системы контроля, работающей со зрительной информацией.

Многие книги посвящены вопросам, относящимся к обработке изображений, среди них одной из самых заметных является [11]. Несколько глав книги [10] также могут быть рассмотрены, с позиции решения проблемы обработки бинарных изображений. Классическим произведением по обработке изображений до сих пор еще остается энциклопедическая монография Прэтта [9].

Большое внимание при построении системы контроля было уделено распознаванию образов. Общим вопросам в этой области посвящено множество книг [ 14, 18, 19]. Работа Дуды и Харта [20] наряду с этой темой охватывает и тему раннего машинного видения Весьма любопытной выглядит и работа [21].

В период 70 - 80 годов появилось несколько сборников, составленных под редакцией того или иного крупного ученого и содержащих вклад нескольких исследователей в области машинного зрения. Несколько из них переведено на русский язык, например, книга [ 12].

При разработке программного обеспечения большое внимание было уделено организации базы знаний системы и манипулированию данными из нее. Неплохим подспорьем при проведении исследований в этсй области явились книги [б, 7, 13, 15, 16]. Кроме того, ряд глав книг [6 и 7] посвящены вопросам обработки изображений.

Ориентация системы на контроль деталей точного приборостроения, и, в частности, часового производства, стана возможней благодаря книге [17].

В предлагаемой диссертационной работе подробно рассмотрены принципы построения информационно-измерительной системы размерного контроля высокоточных деталей плоской формы сложного контура, как с позиции аппаратной организации, так и с позиции разработки высокоэффективного программного обеспечения обработки и анализа формируемых в системе изображений.

Основные результаты экспериментов.

Совместный анализ результатов всех проведенных экспериментов позволил сделать следующие выводы:

I. Алгоритмы поиска локальных геометрических признаков на бинарном образе по двум методам* построчного заполнения с затравочного пиксела и кодирования цепочками, равнозначны по про изводи! ель ности и способны в комплекте программного обеспечения системы в целом решать задачу экспресс анализа формируемого изображения.

II. Алгоритмы поиска локальных геометрических признаков на бинарном образе по методу заполнения с затравочного пиксела не позволяют эффективно решать поставленные перед системой контроля задачи, из-за низкой производительности алгоритма и неимоверно завышенных требований к аппаратному построению вычислительного блока системы.

1П. Алгоритмы поиска локальных геометрических признаков по методу последовательной разметки достаточно успешно решают поставленную перед ними задачу для ограниченного набора выделяемых областей, Еще более успешно они могли бы работать при анализе информации параллельно с процессом построчного сканирования проекции детали -все предпосылки для этого существуют.

IV. Несмотря на то, что алгоритм поиска геометрических признаков по методу построчного заполнения с затравочного пиксела более производителен в сравнении с методом кодирования цепочками, в ряде случаев предпочтение необходимо отдать последнему, в связи с тем, что подобное кодирование позволяет существенно сократить объем информации о бинарном образе при необходимости ее долговременного хранения или передаче по электронной сети.

V. Производительность системы может быть увеличена при использовании более "мощного" центрального процессора.

VI. Положение проекции детали в зоне сканирования (следовательно, и положение детали на позиции контроля) не оказывает существенного влияния на скорость обработки полученного изображения, а значит и на производительность системы в целом.

VII.Снижение число фоновых точек на изображении существенно повышает производительность системы, поэтому в случае контроля деталей, чья проекция не подвергается масштабированию, рекомендуется при настройке ограничить зону сканирования, либо проводить контроль одновременно нескольких деталей, размещаемых на позиции контроля без перекрытия.

5.2. Лабораторные испытания и результаты промышленного использования системы

После того, как была завершена разработка первой версии программного обеспечения системы и проведена оценка ее производительности, были осуществлены промышленные испытания созданного при непосредственном участии автора опытного образца системы технологического контроля прецизионных деталей. Причем область распространения системы оказалась несколько шире, чем прогнозировалась автором, и затронула не только точное приборостроения, но и машиностроение.

Испытания затронули детали наручных механических часов 16-го калибра двух типов "платана" и "мост ангренажный". Испытания на текущий момент не закончены. Для достижения требуемой точности был использован проектор 10-ти кратного увеличения. Сканирование проводилось с разрешением 1200 точек на дюйм. Пробное сканирование не проводилось. Зона сканирования была ограничена размером 210x200 мм. Основные предварительные результаты работы системы контроля в лабораторных условиях следующие:

1. На обучение системы для работы с деталями выше указанных типов было затрачено 4,5 часов. Было проведено обучение показом: сканировалась проекция детали без дефектов в виде отсутствующего отверстия (или отверстий), после чего программа предлагала оператору внести размерные коррективы в результаты измерений и указать диапазоны отклонений двух типов: расширенный (для проведения распознаваний) и допусковый (для качественной оценки детали).

2. Система способна проводить контроль часовых деталей (типа "платина") со скоростью 28 - 30 деталей в час, что в пять раз превышает скорость контроля используемого в настоящее время измерительного устройства.

3. Скорость обработки системы несколько снижается при проведении контроля деталей различного типа (чередование часовых деталей типа "платина" и "мост ангренажный").

4. Надежность распознавания при контроле двух типов выше указанных деталей составляет 100%.

5. Используемая в системе стратегия распознавания позволяет проводить контроль деталей не прошедших весь цикл обработки практически без изменения производительности.

В машиностроении система использовалась в качестве средства бесконтактного контроля резиновых мембран. При построении системы не была задействована часть программного обеспечения, реализующая распознавания объекта контроля, т.к. контролируемый объект не содержал достаточного количества признаков. Поэтому, перед проведением контроля было необходимо определить системе, с каким типом объектов ей предстоит работать. Низкие требования по точности контроля позволили проводить контроль объектов без их масштабного увеличения с разрешением 800 точек на дюйм. Производительность системы составила до 37 - 40 деталей в минуту.

Автор принимал непосредственное участие в комплектовании и установке систем на выше указанных предприятиях, а также в их испытании и выполнении контрольных операций.

ЗАКЛЮЧЕНИЕ

Результатом проведенных исследований и разработок является создание лабораторной установки ютформационно-измерительной системы технологического контроля прецизионных деталей, представляющей собой высокоточное измерительное устройство линейных геометрических деталей сложного контура близкой к плоской формы. Система способна обеспечить точность проведения контроля до 3 мкм, при ограничении размера детали полем 10x15 мм. Точность системы может быть изменена за счет изменения разрешающей способности оптического сканера и коэффициента увеличения проекционной приставки. Причем снижение разрешающей способности уменьшает точность системы, однако, увеличивает ее производительность из-за уменьшения времени сканирования и размера обрабатываемого буфера полученного изображения. С другой стороны, уменьшение коэффициента масштабирования проекционной приставки практически не изменяет производительность системы, если поле сканирования не изменяется.

Отличительная особенность системы контроля состоит в том, что исходные данные о размерах детали формируются по зрительному образу ее проекции на плоскость оптического сканирования. Жестких требований по ориентации детали на позиции контроля не существует. В качестве датчика съема зрительной информации используется оптический сканер, совместимый с ЭВМ и являющийся законченных стандартным аппаратным модулем системы; не требующим конструктивных изменений для решения поставленных перед системой задач.

Системе не требуется перенастройка на работу с другими типа деталей, если описание их моделей содержится в базе знаний системы. Для пополнения базы знаний предусмотрен режим обучения системы.

Сложность формируемой цепочки алгоритмов функционирования системы зависит от решаемой системой задачи. Система способна решать такие задачи как: контроль наличия отверстий в область контролируемой детали с определением из соответствия заданному моделью числу, промежуточный и конечных размерный контроль, сортировка деталей. Высокая гибкость системы достигается благодаря возможности варьировать алгоритмами обработки изображения и выбранной стратегии распознавания в виде метода выделения локальных геометрических признаков. Независимо от решаемого класса задач система выполняет следующую последовательность действий:

- восприятие оптического сигнала и формирование изображения;

- предварительная обработка изображения в целях ослабления влияния шумов, улучшения контрастности, коррекции искажений, сжатия информации и т.д.;

- сегментация изображения контролируемой сцены на составные части -выделение нужных объектов, их фрагментов или характерных особенностей;

- описание изображений - расчет их г еометрических и иных характеристик, вычисление классифштирующих признаков, определение местоположения и ориентации;

- качественная оценка изображения с распознаванием образов объектов и принятием решения о действии над ним.

Для реализации выше указанных действий были разработаны самые разнообразные методы обработки и анализа изображений. Проведенные эксперименты, направленные на оценку производительности системы, позволили выбрать алгоритмы с минимальными временными затратами.

На основании проведенных лабораторных испытаний системы на деталях часовой промышленности были наложены следующие ограничения на классы контролируемых объектов: для эффективной работы алгоритмов поиска геометрических признаков на объектах, их контур ообразующие элементы должны быть легко распознаны по их силуэтам в бинарном представлении; для успешного распознавания объект должен иметь несколько локальных геометрических признаков (в данной реализации системы - отверстий), с определенным положением в системе координат, связанной с объектом; для исключения состояния неопределенности в процессе распознавания, база декларативных знаний системы должна содержать описание модели контролируемого объекта; для выполнения требования по экспресс анализу, объекты должны распознаваться при использовании сравнительно небольших кластеров близлежащих признаков.

Эффективность работы поиска областей, задающих геометрические признаки объекта, на бинарном изображении увеличивается за счет использования одного из группы эффективных методов улучшения: и бинаризации яркостных изображений.

В последующих исследованиях и разработках предполагается несколько увеличить произв о дите л ь но сть системы на программном уровне за счет параллельного выполнения поиска на изображении геометрических признаков и объекта контроля распознавания. Предполагаемая схема действий такова:

1. На бинарном изображении случайным образом ведется поиск какой-либо из областей с определением ее признаков: площади, периметра и отношения максимального и минимального радиусов. По значениям признаков области ограничивается класс описаний моделей базы знаний системы.

2. Ищется" близлежащий к выделенному признаку объекта типа "область" признак в диапазоне заданном ограниченным классом описаний моделей. Если таковой найден, то это еще более сужает класс моделей.

3. Процесс повторяется до тех пор, пока не будет выделено лишь одно описание модели.

4. Если этого не удалось однозначно подобрать модель объекта под контролируемый, то в качестве выделенного признака используется следующий из труппы обнаруженных и процесс заданный шт. 1 - 3 повторяется.

Кроме того, в перспективе разработка методов с их программной реализацией, которые позволят оценивать габаритные размеры контролируемых деталей по их яркосшому изображению. Определенные наработки в этом направлении уже существуют.

1.М. Теоретические основы оптико-электронных приборов. Учебное пособие для вузов. Л., "Машиностроение" (Ленинградское отделение), 1977.

2. Меркитин Г.В. Многооконные оптико-электронные датчики линейных размеров. М.: Радио и связь, 1986.

3. Моппоан В.И., Петров A.A., 'Гитов B.C., Нкушенков Ю.Г. Техническое зрение роботов / Под общ. ред. Якушенкова Ю.Г. М.: Машиностроение, 1990.

4. Кауфе Ф. Взаимодействие робота с внешней средой. / Пер. с франц. Блеер М.Б. и

5. Фанченко М.С. М.: Мир, 1985.

6. Хорн Б.К.П. Зрение роботов. / Пер. с англ. М.: Мир, 1989.

7. Искусственный интеллект. В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Попова Э.В. - М.: Радио и связь, 1990.

8. Искусственный интеллект. В 3-х кн. Кн. 2.Модели и методы: Справочник / Под ред. Поспелова Д.А. - М.: Радио и связь, 1990.

9. Алиев Т.М., Тер-Хачатуров A.A. Измерительная техника. Учебное пособие для техн. вузов. М.: Высшая школа, 1991.

10. ПрэттУ.К. Цифровая обработка изображений. В 2-х кн. / Пер. с англ. -М.: Мир, 1981.

11. Роджерс Д. Алгоритмические основы машинной графики. / Пер. с англ, М.: Мир, 1989.

12. Павлндис Т, Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986.

13. Техническое зрение роботов / Под ред. Пью А.; Пер. с англ. Миронова Д.Ф.; Под ред. Катыса Г.П. М.: Машиностроение, 1987.

14. Александров В.В., Алексеев А.И., Горской Н.Д. Анализ данных на ЭВМ (на примере системы СИТО). М.: Финансы и статистика, 1990.

15. Горелик A.JL, I "у рявич HLB., Скринкмн В. А. Современное состояние проблемы распознавания. Некоторые аспекты. М.: Радио и связь, 1985.

16. Айзерман М.А., Браверман Э.М., Розоиоср Л.И. Метод потенциальных функций, в теории обучения машин. М.: Наука, 1970.

17. Таунсевд К., Фохт Д. Проектирование и программная реализация экспертных систем па персональных ЭВМ. / Пер. с англ. М.; Финансы и статистика, 1990,

18. Журцев В.Г., Кубарев А.И., Усап М.В. Статистические методы контроля на часовом производстве. М.: Изд. Стандартов, 1972.

19. Г|>енандер У. Лекции по теории распознавания образов: Пер. с англ. М. Мир, 19791983. В 3-х томах.

20. Вашшк В.Н., Черноненкис А.Я. Теория распознавания образов. -- М.: Наука, 1974.

21. Дуда Р., Харт П. Распознавание образов и анализ сцен. М: Мир, 1976.

22. Ковалевский В.А. Методы оптимальных решений в распознавании изображений. -М.:1. Наука, 1976.

23. Снедков А. Б,, Лемелев Л.М., Галактионов Ю.В., Фукяи ДЛ. Информационно-измерительная система контроля геометрических характеристик деталей.// Приборостроение. Сборник научных трудов. М.: МГАПИ - 2000. стр. 6-12.

24. Лемелев Л.М, Галактионов Ю,В„ Фукна Д.Н. Применение технического зрения для кон троля геометрических характеристик.// Приборостроение. Сборник научных трудов. -М.: МГАПИ 2000. стр. 12-28.

25. Каниовсквй С.С., Лемелев Л.М., Галактионов Ю.В. Информационно-измерительная система размерного контроля высокоточных деталей сложного профиля. // Журнал Приборы. 2000. № 5 слр. 28 - 30.

26. Канновский С.С., Лемелев Л.М., Галактионов Ю.В. Ценное описание контура, как способ высокоскоростной сегментации бинарных изображений. /У Приборостроение. Сборник научных трудов. М.: МГАПИ - 2003.

27. Галактионов Ю.В. Методы бинаризации цифровых изображений. // Приборостроение. Сборник научных трудов. М.: МГАПИ - 2003.