Page 287 - КЛАСИФІКАЦІЯ ЛОКАЛІЗОВАНИХ ДЕФЕКТІВ ЗВАРНИХ ШВІВ НА РЕНТГЕНІВСЬКИХ ЗОБРАЖЕННЯХ ТРУБ
P. 287

287

                                      СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ



               1.  ДСТУ  EN  12517-2002  Неруйнівний  контроль  зварних  з'єднань.  Критерії

               приймання для радіографічного контролю зварних з'єднань. [Чинний від 2003-

               10-01]. Вид. офіц. Київ : Держспоживстандарт України, 2003. 8 с.

               2. Лазоренко Я. П. Автоматическое распознавание дефектов на радиационных

               изображениях         сварных      швов      (Обзор).      Техническая       диагностика        и

               неразрушающий контроль. 2008. 3. С. 31-37.

               3.  Lawson  S.  W.,  Parker  G  A.  Intelligent  segmentation  of  industrial  radiographic

               images using neural networks. Proceedings of SPIE. 1994. 2347. P. 245–255.

               4.  Nacereddine  N.,  Zelmat  M.,  Belaifa  S.  S.,  Tridi  M.  Weld  defect  detection  in

               industrial  radiography  based  digital  image  processing.  Proceedings  Of  World

               Academy Of Science, Engineering And Technology. 2005. 2. P. 145-148.

               5. Alghalandis S., Alamdari G. Welding defect pattern recognition in radiographic

               images of gas pipelines using adaptive feature extraction method and neural network

               classifier. Proc. of 23rd World gas conference. Amsterdam.  2006. 13 p.

               6. Wang X., Wong В., Tui C. Computer Aided Interpretation of Radiographic Images

               Using a Wavelet Transform Procedure. The e-journal of nondestructive testing. 2004.

               9(6). URL: https://www.ndt.net/article/v09n06/xinwang/xinwang.htm

               7.  Mery  D.,  Berti  M.  A.  Automatic  detection  of  welding  defects  using  texture

               features. Insight. 2003. Vol. 45, No 10.  P. 676-681.

               8. Tian Y., Du D., Cai G., Wang L. Automatic defect detection in x-ray images using

               image data fusion. Tsinghua science and technology. 2006. Vol. 11, No 6. P. 720-

               724.
   282   283   284   285   286   287   288   289   290   291   292