Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций
Исследованы методы автоматического распознавания отпечатков электрода на цифровых изображениях при точечной сварке трехслойных сотовых конструкций: корреляционный метод, статистический и нейросетевой. Разработаны алгоритмы для распознавания отпечатков электрода на поверхности трехслойной конструкции...
Збережено в:
| Опубліковано в: : | Автоматическая сварка |
|---|---|
| Дата: | 2009 |
| Автори: | , , , , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут електрозварювання ім. Є.О. Патона НАН України
2009
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/39087 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций / Я.П. Лазоренко, Е.В. Шаповалов, Е.С. Мельник, Н.Ф. Луценко, В.В. Долиненко // Автоматическая сварка. — 2009. — № 2(670). — С. 26-30. — Бібліогр.: 8 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860010026072014848 |
|---|---|
| author | Лазоренко, Я.П. Шаповалов, Е.В. Мельник, Е.С. Луценко, Н.Ф. Долиненко, В.В. |
| author_facet | Лазоренко, Я.П. Шаповалов, Е.В. Мельник, Е.С. Луценко, Н.Ф. Долиненко, В.В. |
| citation_txt | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций / Я.П. Лазоренко, Е.В. Шаповалов, Е.С. Мельник, Н.Ф. Луценко, В.В. Долиненко // Автоматическая сварка. — 2009. — № 2(670). — С. 26-30. — Бібліогр.: 8 назв. — рос. |
| collection | DSpace DC |
| container_title | Автоматическая сварка |
| description | Исследованы методы автоматического распознавания отпечатков электрода на цифровых изображениях при точечной сварке трехслойных сотовых конструкций: корреляционный метод, статистический и нейросетевой. Разработаны алгоритмы для распознавания отпечатков электрода на поверхности трехслойной конструкции с помощью оптической сенсорной системы. Показана высокая эффективность разработанных алгоритмов.
Methods for automatic recognition of electrode prints in digital images during spot welding of three-layer honeycomb structures, i.e. of the correlation, statistical and neuron network types, have been investigated. Algorithms have been developed for recognition of electrode prints on the surface of a three-layer structure using an optical sensor-based system. The high efficiency of the developed algorithms is shown.
|
| first_indexed | 2025-12-07T16:41:29Z |
| format | Article |
| fulltext |
УДК 621.791.658.011.54
ЭФФЕКТИВНОСТЬ МЕТОДОВ АВТОМАТИЧЕСКОГО
РАСПОЗНАВАНИЯ ОТПЕЧАТКОВ ЭЛЕКТРОДА
ПРИ ТОЧЕЧНОЙ СВАРКЕ ТРЕХСЛОЙНЫХ
СОТОВЫХ КОНСТРУКЦИЙ
Я. П. ЛАЗОРЕНКО, инж., Е. В. ШАПОВАЛОВ, канд. техн. наук, Е. С. МЕЛЬНИК, Н. Ф. ЛУЦЕНКО, инженеры,
В. В. ДОЛИНЕНКО, канд. техн. наук (Ин-т электросварки им. Е. О. Патона НАН Украины)
Исследованы методы автоматического распознавания отпечатков электрода на цифровых изображениях при точечной
сварке трехслойных сотовых конструкций: корреляционный метод, статистический и нейросетевой. Разработаны
алгоритмы для распознавания отпечатков электрода на поверхности трехслойной конструкции с помощью оптической
сенсорной системы. Показана высокая эффективность разработанных алгоритмов.
К л ю ч е в ы е с л о в а : точечная сварка, дуговая сварка,
трехслойные конструкции, техническое зрение, распознава-
ние образцов, статистическое распознавание, геометричес-
кая адаптация, сварочный инструмент, нейронная сеть,
обработка изображений
Трехслойные сотовые сварные конструкции, име-
ющие обычно цилиндрическую форму, широко
используются в различных отраслях промышлен-
ности. Основу этих конструкций составляют
объемные металлические элементы сотового типа,
к которым с внешней и внутренней сторон при-
вариваются листы металла. Такие трехслойные
сварные конструкции отличаются значительной
прочностью при относительно небольшой массе.
Приваривание внешнего слоя указанных конст-
рукций выполняется с помощью контактной то-
чечной сварки и не вызывает особых трудностей.
Проблема возникает при приваривании послед-
него слоя, поскольку в данном случае позицио-
нирование сварочной головки осуществляется от-
носительно положений центров отпечатков элект-
рода на внешнем слое конструкции. В настоящее
время такое позиционирование выполняют вруч-
ную с помощью специальных шаблонов. Опера-
тор производит совмещение шаблона, жестко свя-
занного со сварочной головкой и отпечатками
электрода на внешней стороне цилиндра. При
этом сварочная головка с внутренней стороны ци-
линдра устанавливается в позицию, необходимую
для выполнения сварки. Указанный способ по-
зиционирования сварочной головки занимает зна-
чительное время, в связи с чем сварка крупно-
габаритных трехслойных конструкций может
продолжаться в течение десятка рабочих смен.
Кроме того, точность позиционирования свароч-
ной головки в значительной мере зависит от опе-
ратора. Повышения количественных и качествен-
ных показателей данного сварочного процесса
можно достичь лишь за счет средств автомати-
зации. При разработке автоматизированных сва-
рочных систем перспективным является исполь-
зование технического зрения.
Целью данной статьи является исследование
эффективности методов автоматического распоз-
навания отпечатков электрода на цифровых изоб-
ражениях поверхности внешнего слоя трехслой-
ных сотовых конструкций.
Предварительная обработка исходных изоб-
ражений. Отпечатки электрода на исходных по-
лутоновых цифровых изображениях поверхности
внешнего слоя конструкции, полученных с по-
мощью телевизионного видеосенсора, имеют
круглую форму и яркость, меньшую, чем область
основного металла (рис. 1, а). При изменении ус-
ловий съемки на исходных цифровых изображе-
ниях изменяются такие их характеристики, как
общий уровень яркости и его диапазон, контрас-
тность контуров отпечатков электродов, наличие
световых бликов. В связи с этим для корректного
распознавания отпечатков электрода в разрабо-
танных алгоритмах сначала осуществляется пред-
варительная обработка исходных цифровых изоб-
ражений, которая включает три процедуры: вы-
деление контуров объектов; линейное контрасти-
рование; бинаризацию.
Выделение контуров объектов реализуется с
помощью фильтра «лапласиан от гауссиана» [1,
2]. После обработки этим фильтром область фона
имеет значение яркости, близкое к нулю, а от-
печатки электрода характеризуются высоким
уровнем яркости. Линейное контрастирование
нормализует полученное изображение по яркости
посредством линейного расширения его динами-
© Я. П. Лазоренко, Е. В. Шаповалов, Е. С. Мельник, Н. Ф. Луценко, В. В. Долиненко, 2009
26 2/2009
ческого диапазона до полного динамического ди-
апазона.
Процедура бинаризации представляет собой
разметку точек (пикселей) цифрового изображе-
ния на две группы: отпечатки электродов и об-
ласть основного металла. Точкам цифрового изоб-
ражения, которым соответствуют отпечатки элек-
тродов, присваивается метка 1, а точкам, которым
соответствует область основного металла, — мет-
ка 0. Результатом такой разметки является би-
нарное (двухуровневое) изображение. В настоя-
щей работе процедура бинаризации осуществля-
лась с помощью пороговой обработки, которая
состоит в сравнении яркости заданной точки с
некоторым пороговым значением. Если значения
яркости точки изображения выше его, то ей прис-
ваивается метка 1, а если ниже, то — 0. Значение
порога яркости T для заданного цифрового изоб-
ражения вычисляли по формуле
T = M + kσ, (1)
где M — среднее арифметическое значение яр-
кости цифрового изображения; k — регулировоч-
ный параметр; σ — среднеквадратическое отк-
лонение яркости изображения. Пример бинарного
изображения приведен на рис. 1, б, где отпечатки
электродов выделены белым цветом, а область
основного металла — черным. Последующее рас-
познавание искомых объектов осуществляется по
бинарному изображению.
Методы распознавания отпечатков электро-
да. Кроме отпечатков электрода на бинарных
изображениях, часто ошибочно выделяют различ-
ные помехи, возникающие в связи с тем, что на
поверхности трехслойной сотовой конструкции
присутствуют царапины, темные пятна и световые
блики. Задача распознавания отпечатков электро-
да сводится к разделению выделенных на бинар-
ном изображении объектов на два класса — от-
печаток электрода и помеха. Алгоритм распоз-
навания должен также определять центр найден-
ного отпечатка электрода.
В настоящей работе исследовали три метода
распознавания отпечатков эле-
ктрода на поверхности трехс-
лойной сотовой конструкции:
корреляционный, статистичес-
кий и нейросетевой.
Корреляционный метод
распознавания образов [1–3]
основан на сопоставлении рас-
познаваемого объекта с эта-
лонными объектами с по-
мощью анализа функции вза-
имной корреляции. В разрабо-
танном корреляционном алго-
ритме распознавание искомых
объектов выполняется путем сравнения обнару-
женного объекта с эталонным изображением от-
печатка электрода. В качестве эталона использо-
вали одно из изображений отпечатка электрода,
приведенное посредством предварительной обра-
ботки к бинарному виду. В данном алгоритме при-
меняли нормированную функцию корреляции, ко-
торая вычислялась для эталонного изображения
отпечатка электрода и заданного прямоугольного
фрагмента бинарного изображения, содержащего
распознаваемый объект. Нормированная функция
корреляции R вычисляется по формуле
R =
∑
j = 0
N – 1
∑
i = 0
M – 1
I(i, j)E(i, j)
⎡
⎢
⎣
⎢
⎢
∑
j = 0
N – 1
∑
i = 0
M – 1
I2(i, j)
⎤
⎥
⎦
⎥
⎥
1 ⁄ 2
⎡
⎢
⎣
⎢
⎢
∑
j = 0
N – 1
∑
i = 0
M – 1
E2(i, j)
⎤
⎥
⎦
⎥
⎥
1 ⁄ 2
,
(2)
где M и N — соответственно ширина и высота
анализируемого фрагмента изображения I и эта-
лонного изображения зоны точечной сварки E;
i, j — соответственно индексы строк и столбца.
Решение относительно того, является ли рас-
познаваемый объект отпечатком электрода, при-
нимается на основе значения функции взаимной
корреляции в точке ее локального максимума. Ес-
ли это значение превышает некоторое заданное
пороговое значение, объект классифицируется ал-
горитмом распознавания как отпечаток электрода,
в противном случае — как помеха. Согласно раз-
работанному алгоритму, центр отпечатка элект-
рода расположен в точке локального максимума
функции взаимной корреляции.
При статистическом методе распознавания
классификация выделенных на этапе бинаризации
объектов (отпечаток электрода и помеха) выпол-
няется на основе анализа значений информатив-
ных признаков, вычисляемых для бинарных изоб-
ражений. Классификация представляет собой за-
дачу разбиения пространства признаков на две
области, соответствующие двум указанным клас-
сам объектов. Для решения этой задачи был при-
Рис. 1. Предварительная обработка цифровых изображений поверхности внешнего
слоя конструкций с отпечатками электрода исходного (а) и бинарного, полученного
в результате предварительной обработки (б)
2/2009 27
менен байесовский классификатор [4, 5], обеспе-
чивающий наименьшую ошибку распознавания,
в котором исходными данными для принятия ре-
шения являются условные плотности распреде-
ления вероятности информативных признаков,
вычисляемые для каждого класса объекта. В слу-
чае, когда классификация выполняется для двух
классов ω0 (помеха) и ω1 (отпечаток электрода),
объект, описанный вектором признаков x, клас-
сифицируется как принадлежащий к классу ω1,
если выполняется условие
p(x | ω1)P(ω1) > p(x | ω0)P(ω0), (3)
где p(x, ωi) — условная плотность распределения
вероятности вектора признаков х для класса ωi;
P(ωi) — априорная вероятность того, что обна-
руженный объект принадлежит классу ωi. Если
условие (3) не выполняется, то принимается ре-
шение, что объект принадлежит классу ω0. В дан-
ном исследовании сделано допущение, что плот-
ности вероятности имеют нормальное распреде-
ление.
В разработанном статистическом алгоритме
распознавания использованы следующие три
признака: площадь объекта S (количество пиксе-
лей, из которых состоит объект на бинарном изоб-
ражении), наибольшая длина объекта Lmax, коэф-
фициент сходства с окружностью KR, который вы-
числяется по формуле
KR =
NR max
S , (4)
где NR max = max NR (x, y); NR(x, y) — количество
точек (пикселей) объекта, находящихся на рассто-
янии R ± K1R от точки с координатами (x, y ∈ WR),
коэффициент K1 << 1; R — радиус окружности,
с которой сравнивается объект; WR — квадратная
область изображения размером R0 R0, центр ко-
торой находится в геометрическом центре тяжес-
ти объекта; R0 — средний радиус отпечатка элек-
трода, значение которого определяется как сред-
нее арифметическое радиусов отпечатков из
обучающего множества; NR(x, y) вычисляется для
всех значений R, лежащих в диапазоне R0 ± K2R0,
где коэффициент K2 << 1. Центр найденного от-
печатка электрода определялся алгоритмом как
лежащий в точке (x, y) с максимальным значением
NR(x, y) в области изображения WR, для которой
рассчитан коэффициент KR (4). Соответственно
для вектора признаков x выбрана следующая
структура:
x =
⎡
⎢
⎣
⎢
⎢
S
Lmax
KR
⎤
⎥
⎦
⎥
⎥
.
Для построения условных плотностей распре-
деления вероятности использовали набор бинар-
ных изображений отпечатков электродов и помех.
Условные плотности распределения вероятности
p(x | ω0) и p(x | ω1) для объектов (отпечатков элек-
трода и помех) с площадью S = 120 точек при-
ведены на рис. 2.
В нейросетевом методе распознавания отпечат-
ков электрода используется многослойная искус-
ственная нейронная сеть [5–8] с прямым распрос-
транением сигнала. На вход нейронной сети пода-
ется изображение распознаваемого объекта, на вы-
ходе она выдает оценку вероятности того, что рас-
познаваемый объект является отпечатком электро-
да. Если эта вероятность больше некоторого по-
рогового значения, принимается решение, что дан-
ный объект является отпечатком электрода.
Входной вектор нейронной сети формируется
на основе бинарного изображения объекта. Изоб-
ражения, подаваемые на вход сети, имеют фик-
сированный размер 17 17 пс. Средний размер
зон точечной сварки для разных исходных изоб-
ражений может существенно изменяться, поэтому
перед распознаванием объекта выполняется мас-
штабирование его бинарного изображения до раз-
мера 17 17 пс.
Нейронная сеть, используемая в разработан-
ном алгоритме распознавания зон точечной свар-
ки, состоит из трех слоев нейронов: входного I,
скрытого H и выходного О (рис. 3). Входной слой,
имеющий 17 17 = 289 нейронов (I1…I289), вы-
полняет функцию связи входных сигналов с ней-
ронами скрытого слоя и передает входные сигналы
без преобразования. Скрытый слой, состоящий из
10 нейронов H1…H10, выполняет нелинейное пре-
образование входных сигналов согласно функции
активации. В качестве функции активации исполь-
зована сигмоидная функция. Выходной слой ней-
ронной сети, состоящий из одного нейрона O1, фор-
мирует выходной сигнал сети.
Рис. 2. Условные плотности распределения вероятности
p(x | ω0) и p(x | ω1)
28 2/2009
Для обеспечения корректной работы нейрон-
ной сети необходимо правильно установить зна-
чения весов нейронов, для чего методом обрат-
ного распространения ошибок [7] было проведено
обучение на выборке, представляющей собой на-
бор бинарных изображений отпечатков электрода.
Исследование эффективности методов рас-
познавания. Эффективность исследуемых мето-
дов распознавания отпечатков электрода оцени-
вали экспериментально посредством проверки их
испытания на тестовых изображениях. В качестве
тестовых образцов использовали набор из девяти
цифровых изображений, которые существенно от-
личались друг от друга общим уровнем и диа-
пазоном яркости. Для них характерно наличие ис-
кажений яркости, из-за световых бликов, а также
низкая контрастность контуров искомых объек-
тов. Исследуемые алгоритмы реализованы в виде
программного модуля на языке программирова-
ния C++. В качестве критерия эффективности рас-
познавания использовали процент ошибок, рав-
ный отношению числа ошибок распознавания к
общему числу объектов на тестовых изображе-
ниях.
В результате проверки разработанных алгорит-
мов распознавания на тестовых изображениях ус-
тановлено, что они характеризуются достаточно
высокой эффективностью. Пространственные по-
ложения искомых объектов все предложенные ал-
горитмы определяют довольно точно. При рас-
познавании тестовых изображений разработан-
ными алгоритмами было сделано 4…9 % ошибок.
Наиболее эффективным оказался алгоритм рас-
познавания с помощью искусственной нейронной
сети (4 % ошибок). Несколько меньшую эффек-
тивность продемонстрировал алгоритм статисти-
ческого распознавания (6 % ошибок). Наименее
эффективным оказался корреляционный алгоритм
(9 % ошибок). Как правило, ошибки возникали
при распознавании малоконтрастных объектов,
контуры которых плохо выделяются на фоне ос-
новного металла. Причиной ошибок является не-
совершенство аппаратуры для получения исход-
ных изображений. На рис. 4 приведено цифровое
изображение, на котором отпечатки электрода
распознавали с помощью статистического метода.
Алгоритм коррекции ошибок распознава-
ния. Для коррекции ошибок распознавания от-
печатков электрода разработан алгоритм, который
выявляет помехи, ошибочно принятые за отпе-
чатки электрода, и определяет координаты цен-
тров отпечатков, не обнаруженных при распоз-
навании. Принцип работы данного алгоритма ос-
новывается на априорных данных о характере вза-
имного расположения отпечатков электрода на
поверхности трехслойной конструкции (рис. 5).
Таким образом, рассмотренные методы авто-
матического распознавания отпечатков электрода
являются достаточно эффективными. С помощью
средств геометрической адаптации, реализован-
ных на основе предложенных методов распозна-
Рис. 3. Многослойная искусственная нейронная сеть с пря-
мым распространением сигнала
Рис. 4. Результат распознавания отпечатков электрода с по-
мощью статистического метода (черные квадраты — центры
отпечатков электрода)
Рис. 5. Определение координат центров отпечатков электрода
с помощью алгоритма коррекции ошибок распознавания (в
узлах сетки, состоящей из белых линий, находятся центры
искомых отпечатков электрода)
2/2009 29
вания отпечатков электрода, можно значительно
повысить скорость и точность позиционирования
сварочной головки при сварке трехслойных
сотовых конструкций. Результаты настоящей ра-
боты могут быть использованы для разработки
автоматизированных систем точечной сварки
трехслойных конструкций.
1. Гонсалес Р., Вудс Р. Цифровая обработка изображе-
ний. — М.: Техносфера, 2006. — 1072 с.
2. Прэтт У. Цифровая обработка изображений / Пер. с
англ. — М.: Мир, 1982. — 312 с.
3. Цифровая обработка изображений в информационных
системах: Учеб. пособие / И. С. Грузман, В. С. Киричук,
В. П. Косых и др. — Новосибирск: Изд-во Новосиб. гос.
техн. ун-та, 2000. — 168 с.
4. Фукунага К. Введение в статистическую теорию распоз-
навания образов / Пер. с англ. — М.: Наука, 1979. —
368 с.
5. Michie D., Spiegelhalter D., Taylor C. Machine learning, ne-
ural and statistical classification. — New York: Ellis Horwo-
od, 1994. — 289 p.
6. Нейрокомпьютеры в системах обработки изображений /
Под ред. А. И. Галушкина. — Кн. 7. — М.: Радиотехни-
ка, 2003. — 192 с. — (Нейрокомпьютеры и их
применение. Науч. сер.).
7. Калан Р. Основные концепции нейронных сетей / Пер. с
англ. — М.: Изд. дом «Вильямс», 2003. — 288 с.
8. Форсайт Д. А., Понс Ж. Компьютерное зрение. Совре-
менный подход / Пер. с англ. — М.: «Вильямс», 2004. —
987 с.
Methods for automatic recognition of electrode prints in digital images during spot welding of three-layer honeycomb
structures, i.e. of the correlation, statistical and neuron network types, have been investigated. Algorithms have been
developed for recognition of electrode prints on the surface of a three-layer structure using an optical sensor-based
system. The high efficiency of the developed algorithms is shown.
Поступила в редакцию 07.10.2008
Вышел в свет очередной (№ 21) выпуск журнала
фирмы «Fronius» Weld+Vision на русском языке
От редактора 3-6
Связь человек-машина с точки зрения философии и научных
исследований
Научно-исследовательские и опытно-конструкторские
работы 7-11
Новое поколение сварочных роботов
Сферы применения СМТ расширяются
Компания 12-13
35-летний опыт в области автоматизированных сварочных
систем
Кратко и по существу 14-15
Новости от «Fronius»
Практические примеры 16-19
Полная автоматизация на фирме КТМ
Сварочная фирма-подрядчик HABS для создания сложных
соединений использует СМТ
Компания 20-21
Учимся сварке виртуально
Информация для путешественников 22-23
Волшебный Стамбул: плавильный котел культур
По вопросам заказа просьба обращаться в редакцию журнала «Автоматическая сварка»
Тел./факс: (38044) 528-34-84, 529-26-23, 528-04-86; E-mail: journal@paton.kiev.ua
30 2/2009
|
| id | nasplib_isofts_kiev_ua-123456789-39087 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0005-111X |
| language | Russian |
| last_indexed | 2025-12-07T16:41:29Z |
| publishDate | 2009 |
| publisher | Інститут електрозварювання ім. Є.О. Патона НАН України |
| record_format | dspace |
| spelling | Лазоренко, Я.П. Шаповалов, Е.В. Мельник, Е.С. Луценко, Н.Ф. Долиненко, В.В. 2012-12-02T15:39:53Z 2012-12-02T15:39:53Z 2009 Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций / Я.П. Лазоренко, Е.В. Шаповалов, Е.С. Мельник, Н.Ф. Луценко, В.В. Долиненко // Автоматическая сварка. — 2009. — № 2(670). — С. 26-30. — Бібліогр.: 8 назв. — рос. 0005-111X https://nasplib.isofts.kiev.ua/handle/123456789/39087 621.791.658.011.54 Исследованы методы автоматического распознавания отпечатков электрода на цифровых изображениях при точечной сварке трехслойных сотовых конструкций: корреляционный метод, статистический и нейросетевой. Разработаны алгоритмы для распознавания отпечатков электрода на поверхности трехслойной конструкции с помощью оптической сенсорной системы. Показана высокая эффективность разработанных алгоритмов. Methods for automatic recognition of electrode prints in digital images during spot welding of three-layer honeycomb structures, i.e. of the correlation, statistical and neuron network types, have been investigated. Algorithms have been developed for recognition of electrode prints on the surface of a three-layer structure using an optical sensor-based system. The high efficiency of the developed algorithms is shown. ru Інститут електрозварювання ім. Є.О. Патона НАН України Автоматическая сварка Научно-технический раздел Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций Effectiveness of methods of automatic recognition of electrode prints in spot welding of three-layer honey-comb structures Article published earlier |
| spellingShingle | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций Лазоренко, Я.П. Шаповалов, Е.В. Мельник, Е.С. Луценко, Н.Ф. Долиненко, В.В. Научно-технический раздел |
| title | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций |
| title_alt | Effectiveness of methods of automatic recognition of electrode prints in spot welding of three-layer honey-comb structures |
| title_full | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций |
| title_fullStr | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций |
| title_full_unstemmed | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций |
| title_short | Эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций |
| title_sort | эффективность методов автоматического распознавания отпечатков электрода при точечной сварке трехслойных сотовых конструкций |
| topic | Научно-технический раздел |
| topic_facet | Научно-технический раздел |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/39087 |
| work_keys_str_mv | AT lazorenkoâp éffektivnostʹmetodovavtomatičeskogoraspoznavaniâotpečatkovélektrodapritočečnoisvarketrehsloinyhsotovyhkonstrukcii AT šapovalovev éffektivnostʹmetodovavtomatičeskogoraspoznavaniâotpečatkovélektrodapritočečnoisvarketrehsloinyhsotovyhkonstrukcii AT melʹnikes éffektivnostʹmetodovavtomatičeskogoraspoznavaniâotpečatkovélektrodapritočečnoisvarketrehsloinyhsotovyhkonstrukcii AT lucenkonf éffektivnostʹmetodovavtomatičeskogoraspoznavaniâotpečatkovélektrodapritočečnoisvarketrehsloinyhsotovyhkonstrukcii AT dolinenkovv éffektivnostʹmetodovavtomatičeskogoraspoznavaniâotpečatkovélektrodapritočečnoisvarketrehsloinyhsotovyhkonstrukcii AT lazorenkoâp effectivenessofmethodsofautomaticrecognitionofelectrodeprintsinspotweldingofthreelayerhoneycombstructures AT šapovalovev effectivenessofmethodsofautomaticrecognitionofelectrodeprintsinspotweldingofthreelayerhoneycombstructures AT melʹnikes effectivenessofmethodsofautomaticrecognitionofelectrodeprintsinspotweldingofthreelayerhoneycombstructures AT lucenkonf effectivenessofmethodsofautomaticrecognitionofelectrodeprintsinspotweldingofthreelayerhoneycombstructures AT dolinenkovv effectivenessofmethodsofautomaticrecognitionofelectrodeprintsinspotweldingofthreelayerhoneycombstructures |