<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.3 20210610//EN" "JATS-journalpublishing1-3.dtd">
<article article-type="research-article" dtd-version="1.3" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xml:lang="ru"><front><journal-meta><journal-id journal-id-type="publisher-id">procyber</journal-id><journal-title-group><journal-title xml:lang="ru">Вестник кибернетики</journal-title><trans-title-group xml:lang="en"><trans-title>Proceedings in Cybernetics</trans-title></trans-title-group></journal-title-group><issn pub-type="epub">1999-7604</issn><publisher><publisher-name>Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»</publisher-name></publisher></journal-meta><article-meta><article-id custom-type="elpub" pub-id-type="custom">procyber-135</article-id><article-categories><subj-group subj-group-type="heading"><subject>Research Article</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="ru"><subject>ТЕХНИЧЕСКИЕ НАУКИ</subject></subj-group><subj-group subj-group-type="section-heading" xml:lang="en"><subject>Engeneering</subject></subj-group></article-categories><title-group><article-title>ДЕТЕКТИРОВАНИЕ ТЕХНОЛОГИЧЕСКИХ ОТВЕРСТИЙ СИГНАТУРНЫМ АНАЛИЗОМ</article-title><trans-title-group xml:lang="en"><trans-title>DETECTION OF FABRICATION HOLES WITH SIGNATURE ANALYSIS</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Гребенюк</surname><given-names>Е. В.</given-names></name><name name-style="western" xml:lang="en"><surname>Grebenyuk</surname><given-names>E. V.</given-names></name></name-alternatives><email xlink:type="simple">pev_86@mail.ru</email><xref ref-type="aff" rid="aff-1"/></contrib><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Новик</surname><given-names>И. Л.</given-names></name><name name-style="western" xml:lang="en"><surname>Novik</surname><given-names>I. L.</given-names></name></name-alternatives><email xlink:type="simple">i-n-n-a-7@yandex.ru</email><xref ref-type="aff" rid="aff-1"/></contrib><contrib contrib-type="author" corresp="yes"><name-alternatives><name name-style="eastern" xml:lang="ru"><surname>Тараканов</surname><given-names>Д. В.</given-names></name><name name-style="western" xml:lang="en"><surname>Tarakanov</surname><given-names>D. V.</given-names></name></name-alternatives><email xlink:type="simple">sprtdv@mail.ru</email><xref ref-type="aff" rid="aff-1"/></contrib></contrib-group><aff-alternatives id="aff-1"><aff xml:lang="ru"><institution>Сургутский государственный университет</institution><country>Россия</country></aff><aff xml:lang="en"><institution>Surgut State University</institution><country>Russian Federation</country></aff></aff-alternatives><pub-date pub-type="collection"><year>2017</year></pub-date><pub-date pub-type="epub"><day>25</day><month>03</month><year>2020</year></pub-date><volume>0</volume><issue>3 (27)</issue><fpage>31</fpage><lpage>39</lpage><permissions><copyright-statement>Copyright &amp;#x00A9; Гребенюк Е.В., Новик И.Л., Тараканов Д.В., 2020</copyright-statement><copyright-year>2020</copyright-year><copyright-holder xml:lang="ru">Гребенюк Е.В., Новик И.Л., Тараканов Д.В.</copyright-holder><copyright-holder xml:lang="en">Grebenyuk E.V., Novik I.L., Tarakanov D.V.</copyright-holder><license xml:lang="ru" license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>Данная работа распространяется под лицензией Creative Commons Attribution 4.0.</license-p></license><license xml:lang="en" license-type="creative-commons-attribution" xlink:href="https://creativecommons.org/licenses/by/4.0/" xlink:type="simple"><license-p>This work is licensed under a Creative Commons Attribution 4.0 License.</license-p></license></permissions><self-uri xlink:href="https://www.vestcyber.ru/jour/article/view/135">https://www.vestcyber.ru/jour/article/view/135</self-uri><abstract><p>В представленной работе рассматривается задача определения формы и технологических параметров отверстий (форма, местоположение (координаты), размеры и проч.) с использованием метода сигнатурного анализа изображения. Данная тема является особенно актуальной в машиностроительной отрасли, где необходимо осуществлять контроль качества технологических отверстий в режиме реального времени. В качестве классификатора используется искусственная нейронная сеть прямого распространения. Применение вышеуказанного подхода позволяет на основе обучающей выборки получить приемлемое качество классификации образов (отверстий). Представленный подход позволяет эффективно решать задачу детектирования отверстий в условиях помех. Проектирование искусственной нейронной сети, обучение и тестирование осуществлялось в среде Matlab. Для достижения помехоустойчивости классификатора осуществлялась фильтрация, как изображения, так и полученных сигнатур. В результате компьютерного эксперимента в среде Matlab представленная система показала возможности идентификации технологических отверстий с приемлемой точностью.</p></abstract><trans-abstract xml:lang="en"><p>The article deals with the problem of determining the shape and parameters of holes (shape, location (coordinates), size, etc.) with the method of image signature analysis. This subject is particularly relevant to the mechanical engineering, where it is necessary to control the quality of fabrication holes in real-time. The feedforward artificial neural network is used as the classifier. The application of the said approach allows of obtaining an acceptable quality of the image classification (holes) on the basis of the training samples and solving the problem of detecting holes under noise conditions. The design of artificial neural network, training and testing were carried out in Matlab. The filtering of images and obtained signatures was conducted to achieve the noise immunity of the classifier. As a result of computer experiment in the Matlab environment the given system showed the possibility of identification of fabricaion holes with acceptable accuracy.</p></trans-abstract><kwd-group xml:lang="ru"><kwd>искусственные нейронные сети</kwd><kwd>распознавание образов</kwd><kwd>сигнатурный анализ</kwd><kwd>artificial neural networks</kwd><kwd>pattern recognition</kwd><kwd>signature analysis</kwd></kwd-group></article-meta></front><back><ref-list><title>References</title><ref id="cit1"><label>1</label><citation-alternatives><mixed-citation xml:lang="ru">Абакумов И. И. Компенсация погрешностей оптико-электронной системы автоматизированного контроля геометрических параметров объектов : дис. … канд. тех. наук. СПб., 2014. 133 с.</mixed-citation><mixed-citation xml:lang="en">Абакумов И. И. Компенсация погрешностей оптико-электронной системы автоматизированного контроля геометрических параметров объектов : дис. … канд. тех. наук. СПб., 2014. 133 с.</mixed-citation></citation-alternatives></ref><ref id="cit2"><label>2</label><citation-alternatives><mixed-citation xml:lang="ru">Махов В. Е. Оптический метод и средства контроля деформаций и линейных размеров в машиностроении : дис. … д-ра тех. наук. СПб., 2015. 381 с.</mixed-citation><mixed-citation xml:lang="en">Махов В. Е. Оптический метод и средства контроля деформаций и линейных размеров в машиностроении : дис. … д-ра тех. наук. СПб., 2015. 381 с.</mixed-citation></citation-alternatives></ref><ref id="cit3"><label>3</label><citation-alternatives><mixed-citation xml:lang="ru">Местецкий Л. М. Непрерывная морфология бинарных изображений: фигуры, скелеты, циркуляры. М. : Физматлит, 2009. 288 с.</mixed-citation><mixed-citation xml:lang="en">Местецкий Л. М. Непрерывная морфология бинарных изображений: фигуры, скелеты, циркуляры. М. : Физматлит, 2009. 288 с.</mixed-citation></citation-alternatives></ref><ref id="cit4"><label>4</label><citation-alternatives><mixed-citation xml:lang="ru">Потапов А. С. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания. СПб. : Политехника, 2007. 547 с.</mixed-citation><mixed-citation xml:lang="en">Потапов А. С. Распознавание образов и машинное восприятие: общий подход на основе принципа минимальной длины описания. СПб. : Политехника, 2007. 547 с.</mixed-citation></citation-alternatives></ref><ref id="cit5"><label>5</label><citation-alternatives><mixed-citation xml:lang="ru">Гонсалес Р., Вудс Р. Цифровая обработка изображений. Изд. 3-е, испр. и доп. М. : Техносфера, 2012. 1104 с.</mixed-citation><mixed-citation xml:lang="en">Гонсалес Р., Вудс Р. Цифровая обработка изображений. Изд. 3-е, испр. и доп. М. : Техносфера, 2012. 1104 с.</mixed-citation></citation-alternatives></ref><ref id="cit6"><label>6</label><citation-alternatives><mixed-citation xml:lang="ru">Гонсалес Р. Цифровая обработка изображений : моногр. ; под ред. П. А. Чочиа. М. : Техносфера, 2005. 1070 с.</mixed-citation><mixed-citation xml:lang="en">Гонсалес Р. Цифровая обработка изображений : моногр. ; под ред. П. А. Чочиа. М. : Техносфера, 2005. 1070 с.</mixed-citation></citation-alternatives></ref><ref id="cit7"><label>7</label><citation-alternatives><mixed-citation xml:lang="ru">Хайкин С. Neural Networks: A Comprehensive Foundation. М. : Вильямс, 2016, 1104 с.</mixed-citation><mixed-citation xml:lang="en">Хайкин С. Neural Networks: A Comprehensive Foundation. М. : Вильямс, 2016, 1104 с.</mixed-citation></citation-alternatives></ref><ref id="cit8"><label>8</label><citation-alternatives><mixed-citation xml:lang="ru">Медведев В. С., Потемкин В. Г. Нейронные сети. MATLAB 6. М. : Диалог МИФИ, 2002. 496 с.</mixed-citation><mixed-citation xml:lang="en">Медведев В. С., Потемкин В. Г. Нейронные сети. MATLAB 6. М. : Диалог МИФИ, 2002. 496 с.</mixed-citation></citation-alternatives></ref></ref-list><fn-group><fn fn-type="conflict"><p>The authors declare that there are no conflicts of interest present.</p></fn></fn-group></back></article>
