Zastosowanie techniki wizyjnej w automatyzacji pomiarów geometrii i podnoszeniu jakości wyrobów wytwarzanych w przemyśle motoryzacyjnym

• Autorzy: Świłło S.

Warianty tytułu

EN

Geometry measurement automation and product quality improvement for automotive industry using machine vision technique

• Języki publikacji: PL

Abstrakty

PL

Głównym celem opracowania jest prezentacja nowych rozwiązań usprawniania procesów produkcji dla przemysłu motoryzacyjnego przy wykorzystywaniu aplikacji opartych na systemach wizyjnych. W rezultacie zrealizowanych przez autora prac badawczych w tym zakresie zaprojektowano i zbudowano wizyjne systemy pomiarowe oraz przedstawiono nowe bardziej doskonałe rozwiązania w pomiarach dokładności oraz analizie jakości wytwarzanych wyrobów metalowych. Zaproponowane w monografii rozwiązania miały duży udział w procesie określania potencjalnych możliwości dla nowo powstałych systemów wizyjnych dedykowanych do eksploracji wybranych technik wytwarzania elementów motoryzacyjnych. Podniesienie bowiem jakości w procesie kontroli techniki wytwarzania prowadzi do lepszego rozumienia strategii doboru właściwych rozwiązań. W szczególności, przedstawione rozwiązania miały duży udział w procesie uzyskiwania wysokiej dokładności w analizie danych pomiarowych. Proces ten dokonywany był poprzez wykorzystanie zaawansowanych technik numerycznej obróbki obrazu dla wzorów powierzchniowych, jak również dla obiektów trójwymiarowych. Dzięki wdrażaniu metod doświadczalnych i teoretycznych oraz tworzeniu na tej bazie nowych propozycji, autor przedstawił wszechstronne podejście do zagadnień automatyzacji pomiarów oraz podnoszenia jakości w obszarze kształtowania blach, procesu zawijania, kontroli wymiarowej otworów po obróbce maszynowej oraz inspekcji powierzchniowej odlewów aluminiowych. W pierwszej części monografii przedstawiono analizę procesu kształtowania blach z uwzględnieniem pomiaru jej geometrii i kinematyki procesu. Aktualnie dostępne rozwiązania w tym zakresie, to między innymi: stanowiska badawcze do wyznaczania krzywych odkształceń granicznych, systemy wizyjne do pomiarów odkształceń czy układy optyczne do zadań rekonstrukcji obiektów trójwymiarowych. Przedstawione przez autora rozwiązanie dotyczy w pełni automatycznego stanowiska laboratoryjnego do realizacji i analizy prób wybrzuszania hydraulicznego blach. Do prób kształtowania plastycznego zastosowano metodę wybrzuszania krążków blachy (utwierdzonej na brzegach) ciśnieniem cieczy. W tej operacji występuje dwuosiowe, równomierne rozciąganie, czego efektem jest formowanie wytłoczki o kształcie czaszy kulistej. Zastosowany przykład procesu tłoczenia blach pozwala na uzyskanie wielu rozwiązań, tak w zakresie opisu kinematyki, jak i badania warunków utraty stateczności dzięki braku występowania tarcia na powierzchni kontaktu narzędzia z materiałem. Stanowisko to pozwala na prowadzenie dwóch typów pomiarów. Do pierwszej grupy zaliczyć można rejestrację przebiegu procesu kształtowania plastycznego w postaci ciśnienia i przemieszczenia, a do drugiej pomiar kinematyki i kształtu próbek wybrzuszanych. Ta pełna charakterystyka procesu wybrzuszania pozwala na prowadzenie pomiarów własności plastycznych oraz na opracowanie mechanizmów kontroli przebiegu procesu kształtowania. Do takich elementów kontroli zaliczyć można miedzy innymi możliwości automatycznego sterowania przebiegiem procesu z możliwością jego przerwania w ściśle określonej fazie deformacji. W uzupełnieniu do zaproponowanych rozwiązań automatyzacji pomiarów odkształceń przedstawione zostały wyniki prac w zakresie przewidywania momentu pękania. Od wielu lat stosowana przez rożnych autorów metoda analizy siatek regularnych i stochastycznych w połączeniu z procesem obróbki obrazu doczekała się licznych rozwiązań. Nie dają one jednak wciąż odpowiedzi na podstawowe pytanie odnośnie sposobu unikania lub eliminowania niebezpieczeństw związanych z przekroczeniem granicznych wartości odkształceń dla procesów realizowanych w warunkach przemysłowych. W kolejnej części dotyczącej problematyki tłoczenia blach, autor przedstawia kompleksową informację na temat metod projektowania narzędzi do tłoczenia części nadwozia. W ramach tych informacji przedstawiona jest aktualna strategia prac projektowych z wyróżnieniem czynników technologicznych. Przedstawiono technikę komputerowego wspomagania projektowania i kontrolowania jakości wyrobów. Zaproponowana zaawansowana technika wizyjna jest współczesnym narzędziem przemysłowym, które znajduje zastosowanie również w przemyśle samochodowym umożliwiając dokonanie pomiaru geometrii szybko i dokładnie. Przedstawione rozwiązanie dotyczy stanowiska mobilnego do zastosowania w warunkach przemysłowych w analizie kształtu i pomiarze odkształceń z wykorzystaniem obróbki obrazu. Proces obróbki obrazu i jego analizy, w celu rekonstrukcji badanych obiektów (blach) został zaprezentowany na przykładzie aplikacji przemysłowej. Kolejnym zagadnieniem niniejszej monografii jest propozycja nowej metody pomiaru odkształceń w procesie trzystopniowego zawijania. Proces zawijania stosowany jest dla potrzeb zwiększenia wydajności i jakości części konstrukcyjnych karoserii samochodów. Konieczność monitorowania parametrów tego procesu wynika z faktu, że rzutuje on na końcową jakość wyrobu. Dlatego też, w celu zminimalizowania błędów powstałych na etapie projektowania procesu zawijania koniecznym było kompleksowe poznanie tego procesu do czego dotychczas nie przykładano tak dużej uwagi. Osiągnięto to poprzez opracowanie nowej metody opisu kinematyki procesu zawijania, geometrii i jakość kształtowanej powierzchni. Dzięki tym pracom możliwe jest szybkie i dokładne zanalizowanie procesu zawijania dla dowolnych wielkości geometrycznych i materiałowych występujących w wybranych obszarach karoserii samochodowej. W przeciwieństwie do czasochłonnych i mało precyzyjnych metod oceny bazującej na analizie wzrokowej proponowana metoda z wykorzystaniem systemu wizyjnego pozwala na natychmiastową i ilościową analizę gotowego wyrobu. Kontrola wymiarowa przy zastosowaniu inspekcji wizyjnej to coraz częściej wykorzystywana technika pomiarowa pozwalająca na szybkie i dokładne odwzorowanie badanego wyrobu w celu jego modyfikacji, powtórnego odwzorowania lub inspekcji geometrycznej. Spośród licznej grupy urządzeń pomiarowych wyróżnić można urządzenia do pomiarów dyskretnych i optyczne urządzenia do skanowania. Przewagą stosowania rozwiązań optycznych jest szybkość przy konkurencyjnej dokładności pomiarów. Stąd, zaproponowanie przez autora techniki wizyjnej do rekonstrukcji obiektów (wyrobów), w celu dokonania weryfikacji geometrii powstałej po obróbce maszynowej. Określenie położenia otworów, linii brzegowych wyrobu we współrzędnych lokalnych i globalnych to podstawowe cele tych operacji kontroli. Zaproponowane przez autora rozwiązania w tym zakresie polegają na zastosowaniu połączonego systemu układu wizyjnego i napędowego. Ten złożony system pomiarowy umożliwia realizację połączonych zadań pomiarowo-decyzyjnych. Dziki zastosowaniu układu wizyjnego możliwe jest dokonanie szybkiej i precyzyjnej kontroli wymiarowej badanego wyrobu. Proponowane rozwiązania w tym zakresie dotyczą głownie rozpoznawania krawędzi otworów z dokładnością podpikselową. Na zakończenie opracowania przedstawiona została nowa propozycja wizyjna automatyzacji procesu inspekcji defektów powierzchniowych w odlewach aluminiowych. Problem występowania defektów powierzchniowych jest istotnym ograniczeniem dla wyrobów w przemyśle odlewniczym z uwagi na konieczność osiągnięcia wysokiej jakości końcowej wyrobu. W zależności od przebiegu procesu technologicznego procesowi odlewania może towarzyszyć tworzenie się pęknięć czy porów. Nieciągłości te w sposób istotny mogą ograniczać późniejszą funkcjonalność wyrobów lub zdolność do przenoszenia znacznych sił. Zaproponowane rozwiązanie dotyczy komputerowej inspekcji z wykorzystaniem systemu wizyjnego, inspekcji będącej alternatywą dla powszechnie stosowanych metod kontroli wzrokowej. Opracowany przez autora system wizyjny pracujący w trybie online wykorzystuje zaawansowane techniki obróbki umożliwiające wykrywanie i identyfikowanie rożnych typów defektów powierzchniowych. System ten został pomyślnie przetestowanym dla grupy trzech typów defektów powierzchniowych występujących w odlewach aluminiowych.

EN

The main focus of the present work is on the demonstration of new methods for the manufacturing process improvement specifically through the application of machine vision inspection in automotive technologies. In particular, the results of the undertaken research include optical systems development and engineering product improvement by searching for new, more accurate methods for measuring and analyzing surface quality, dimensional control and process performance analysis. The proposed solutions have contributed to the understanding on how new imaging systems have a large potential in exploring manufacturing technologies and provide an entirely new perspective on process control that leads to the new thinking in the process control strategy. In particular, the author proposed a new understanding on how to achieve a high-level of process performance analysis by using advanced digital imaging techniques for two- and three-dimensional object location, recognition, and inspection as well as surface detective metrology. By searching and using advanced solutions in mathematics and physics, the author provides comprehensive information and incremental knowledge about the manufacturing process improvement with application of both theoretical and experimental methods in the field of sheet metal forming and hemming, dimension control after machining and surface defect inspection for aluminum casting. As for the first task, the geometry and kinematics of product behavior after sheet metal forming have been investigated. Currently, we can find, among others, methods that serve the determination of forming limit curves, which, combined with calculations of the deformation occurring in the examined products, provide comprehensive information about the state of the material. The developed solution by author comprises a fully automatic test stand for the hydro-bulging process. In this operation, a biaxial uniform stretching occurs, producing objects in the form of a spherical cap. The use of the stand allows running two types of the measurements. The first group of measurements allows recording the run of the plastic forming process in terms of pressure and displacement, while second group includes measurements of the process kinematics and of the shape of the bulged samples based on the both: regular and stochastic grids. Full description of the bulging process should enable further materials research and development of process control mechanisms. The elements of such control can include, among others, an option for automatic monitoring of the process run and the possibility of its interruption at a strictly determined stage of deformation. As complementary to the created solutions of automated strain measurement, studies are carried out to predict the crack initiation, since the problem of accurate method for quality inspection for the sheet metal in production environmental is still present. In the next section, the authors provide comprehensive information on methods used in design of tools for the die forming of car body parts. As part of the information, current strategy adopted in design work has been presented, with emphasis put on the technological factors. The proposed advanced vision-based technology is a modern tool for the industrial uses, applicable especially in the automotive sector as a means to provide quick and accurate measurement of product geometry and quality. The described solution of stereovision refers to a mobile stand operating under industrial conditions to enable shape and deformation analysis through image processing. The image acquisition process and digital analysis of the images have been presented to recognize and analyze the objects taken from camera. In the vision control process, the author proposed a new method for the strain measurement in a three-stage hemming process. Hemming is performed to increase the productivity and quality of car body structural parts. The expectation to monitor the parameters of this process results from the fact that they affect the final product quality. Therefore, to reduce to minimum errors occurring at the stage of the hemming process design, a comprehensive understanding of the process, which so far has not been given enough attention, was necessary. This was done by developing an entirely new method, allowing the strain characteristics and crack propagation to be determined in the plastic forming process. The ultimate goal was to determine experimentally the limit parameters of the process, the kinematics, and the geometry and surface quality achievable during hemming. This stage involves the determination of the location of defects, analysis of deformation and measurement of critical dimensions. These characteristics of the inspected parts, which the vision inspection system will examine, are very important and essential for a fully successful implementation of the vision system. The vision inspection system proposed by the author responds to the demand of users for systems that are easier in operation, cost less and are more flexible. These improvements make the vision inspection system more accessible to all manufacturers. The dimensional control using visual inspection is increasingly being used as a measurement technique that allows quick and accurate representation of product tested for its modification, re-mapping or geometric inspection. Currently, two methods of measurement, namely by vision and by contact, are commonly used to implement this type of measurement tasks, allowing quick and precise mapping of the examined surface. The advantage of vision solution is the speed of measurements combined with competitive accuracy. Hence comes the idea to propose a non-contact technique for the reconstruction of two-dimensional objects. Determining the shapes of holes and their locations in local and global coordinates are basic objectives of these control operations. The solutions proposed by the author in this area rely on the use of a complex system, including a vision system, and a drive system. This complex measurement system enables execution of the combined tasks of measurement and decision making. Owing to the application of a vision system it is possible to make rapid and accurate reconstruction of the measured element. The solutions proposed in this area concern the edge detection of objects with a sub-pixel accuracy. Finally, a new camera-based machine vision system for the automatic inspection of surface defects in aluminum die casting was developed and presented by the author. The problem of surface defects in aluminum die casting is widespread throughout the foundry industry and their detection is of paramount importance in maintaining product quality. Depending on part design and processing techniques, castings may develop surface discontinuities such as cracks or tears and pores that greatly influence the material ability to withstand these loads. The proposed, computer based, visual inspection provides a viable alternative to human inspectors. The, developed by the author, machine vision system uses a fast image processing algorithm to detect defects with different sizes and shapes. The machine vision system has been successfully tested for the different types of defects on the surface of castings.

Słowa kluczowe

PL

kształtowanie blach; proces zawijania; obróbka maszynowa otworów; odlewanie aluminium; systemy wizyjne; obróbka obrazu; metody korelacji obrazu; detekcja krawędzi; pomiar odkształceń

EN

sheet metal forming; machining; aluminum casting; hemming; machine vision; edge detection; crack propagation; strain measurement; digital image correlation image processing; surface defect inspection

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Mechanika
• Rocznik: 2013
• Tom: z. 257
• Strony: 3--128
• Opis fizyczny: Bibliogr. 195 poz., tab., rys., wykr.

Twórcy

autor

Świłło S.

• Instytut Technik Wytwarzania

Bibliografia

• [1] Zuech N.: Understanding and Applying Machine Vision, Vision Systems International, Pennsylvania, 2nd ed., rev. and expanded, 1988.
• [2] Dennison E. W., Stanton R. H.: Ultra-Precise Star Tracking Using Carge Coupled Devices (CCDs), Proceedingof the Seminar, San Diego, CA, July 31, August 1, 1980. (A81-39605 18-35) Bellingham, WA, Society of Photo-Optical Instrumentation Engineers, 1980, s. 54-63.
• [3] Rosenfeld A.: Picture Proceessing by Computer, New York: Academic Press, 1969.
• [4] Magnan S.: Detection of visible photons in CCD and CMOS, Nuclear Instruments and Methods in Phisics Research Section, 504, 2003, (1-3), s. 199-212.
• [5] Rao A. R.: Future directions in industrial machine vision: a case study of semiconductor manufacturing applications, Image and Vision Computing, 14, 1996, (1), s. 3-19.
• [6] Hitomi K.: Automation - its concept and a short history, Technovation, 14, March 1994, (2), s. 121-128.
• [7] Davies J. L., Gill K. F.: Machine vision and automated assembly, Mechatronics, 3, 1993, (4), s.493-501.
• [8] Rooks B. W.: Vision Helping the Automotive Industry to Better Customer Choice, Industrial Robot, 24, 1997, s. 48-51.5.
• [9] Jing X., Ning X., Chi Z., Quan S., John G.: Real-time 3D shape inspection system of automotive parts based on structured light pattern, Optics & Laser Technology, 43, 2011, (1), s. 1-8
• [10] Wan G., Nosekabel E. H.: Surface Inspection on Bodies in White in Automotive Industry, Proceedings of SPIE, 3824, 1999, s. 329-333.
• [11] Chen F., Marchi M. M., Allen T. E.: Powertrain Engineering Using Holographic/Electronic Speckle Pattern Interferometry, Proceedings of the SPIE – The International Society for Optical Engineering, 4778, 2002, s. 302-311.
• [12] Leopold J., Günther H.: Fast 3D Measurement of Gear Wheels, Proceedings of the SPIE - The International Society for Optical Engineering, 4900, 2002, s. 185-194.
• [13] Beeck M. A., Hentschel W.: Laser Metrology - A Diagnostic Tool in Automotive Development Processes, Optics and Lasers in Engineering, 34, 2000, (2), s. 101-120.
• [14] Buckberry C. H., Towers D. S., Stockley B, C., Tavender B., Jones M. S., Jones J. D. C., Valera J. D. R.: Whole-Field Optical Diagnostics for Structural Analysis in the Automotive Industry, Optics and Lasers in Engineering, 25, 1996, (6), s. 433-453.
• [15] Sevenhuijsen S. J., Sirkis J. S., Bremand F.: Current Trends in Obtaining Deformation data from grids, Experimental Techniques, 1993, s. 22-26.
• [16] Fail R. W., Taylor C. E.: An application of pattern mapping to plane motion, Experimental Mechanics, 1990, s. 404-410.
• [17] Sirkis J. S.: System response to automated grid methods, Optical Engineering, 29, 1990, (12), s.1485-1493.
• [18] Sirkis J. S., Lim T. J.: Displacement and strain measurement with automated grid methods, Experimental Mechanics, 1991, s. 382-388.
• [19] Sciammarella C.A., Sturgeon D.L.: Digital-filtering techniques applied to the interpolation of moiré - fringes data. Exs. Mech., 7, 1965 (11), s. 468-475.
• [20] Morimoto Y., Hayashi T.: Deformation Measurement During Powder Compaction by a Scanning Moire Method, Experimental Mechanics 24, 1984, (2), s. 112-116.
• [21] Morimoto Y., Seguchi Y., Higashi T.: Two-dimensional Moiré Method and Grid Method Using Fourier Transform, Experimental Mechanics, 1989, s. 399-404.
• [22] Morimoto Y., Seguchi Y., Higashi T.: Strain analysis by mismatch moire method and grid method using Fourier transform, Computational Mechanics, 6, 1990, s. 1-10.
• [23] Hobrought G.: The photogrammetric record, 18, 2003, (104), s. 337-340.
• [24] Berfield T. A., Patel J. K., Shimmin R. G., Braun S. V., Lambros J., Sottos N. R.: Micro- and Nanoscale Deformation Measurement of Surface and Internal Planes Via Digital Image Correlation, Experimental Mechanics, 47, 2007, s. 51-62.
• [25] Peters W. H., He Z. H., Sutton M. A., Ranson W. F.: Two-dimensional fluid-velocity measurements by use of digital-speckle correlation techniques, Experimental Mechanics, 24, 1984, (2), s. 117-121.
• [26] Kocańda A., Świłło S.: Evaluation of strain distribution in cold extruded workpiece by means of various methods, Erlangen, Germany, Advanced Technology of Plasticity. Vol. II, Proc. of the 6th ICTP, Sept. 19-24 1999, s. 813-818.
• [27] Swillo S., Jaroszewicz L.: Automatic shape measurement on based of static fiber fringe projection method. Proc. Conf. Engineering Design and Automation Aug. 2001, eds, Parsaei H.R., Gen M., Leep H.R., Wong J.S., s. 272-277.
• [28] Merta L., Jaroszewicz R., Świłło S.: Simple method of the 3-D shape measurement by system of fiber-optic fringe projection, SPIE, 5952, 2005, s. 461-470.
• [29] Świłło S., Kocańda A.: Techniki numerycznej analizy obrazu w metodach doświadczalnych pomiaru odkształceń i badaniu kształtu, Przegląd Mechaniczny, 3, 2000, s. 19-25.
• [30] Piela A., Świłło S, Kocańda A.: Automatyzacja pomiarów odkształceń w wyznaczaniu krzywej odkształceń granicznych, Metal Forming. 11, 2000, (4), s. 5-13.
• [31] Świłło S., Kocańda A., Piela A.: Determination of the forming limit curve by using stereo image, Processing the 8th International Conference “Metal Forming 2000”, Pietrzyk et al. (eds), s. 545-550.
• [32] Świłło S., Kocańda A., Piela A.: Automatyczny system do pomiaru odkształceń blach tłoczonych, Materiały VIII Konferencji Informatyka w Technologii Metali, KomPlasTech, 2001, s. 43-50.
• [33] Świłło S.: Automatic of strain measurement by using image processing, Proc. Conf. Engineering Design and Automation Aug. 2001, eds, Parsaei H.R., Gen M., Leep H.R., Wong J.S., s. 272-277.
• [34] Arndt S., Świłło S., Atkins A.G.: Multiple necks around biaxially loaded holes in sheets, International Journal of Mechanical Sciences, 43, 2001, s. 245-263.
• [35] Kocańda A., Świłło S.: Zastosowanie modelowania fizycznego w pomiarach przemieszczeń względnych, Przegląd Mechaniczny, 4, 2001, s. 16-19.
• [36] Kocańda A., Prejs T., Świłło S.: Wyznaczanie geometrii giętych mikroelementów, Materiały konferencyjne XIV Conference: Scientific - technical of metal forming, Poznań, 2000.
• [37] Świłło S., Iyer K.A., Hu S.J.: Optical system and method for measuring continuously distributed strain, US Patent # 7,036,364 (University of Michigan), 2005.
• [38] Świłło S., Hu S. J., Iyer K., Yao J., Koç M., Cai W.: Detection and characterization of surface cracking in sheet meta hemming using optical method, Transactions of the North American Manufacturing Research Institute of SME, 33, 2005, s. 49-55.
• [39] Świłło S., Iyer K., Hu S. J.: Angled Line Method for Measuring Continuously Distributed Strain in Sheet Bending, ASME Journal of Manufacturing Science and Engineering, 128, 2006, s. 651-658.
• [40] Świłło S., Sadłowska H., Kocańda A.: Wyznaczanie własności mechanicznych rur stalowych, Prace naukowe PW, Mechanika, 226, 2009, s. 165-170.
• [41] Abramczyk A.: Okiem kamery, Miesięcznik Politechniki Warszawskiej, 11, XI 2012, s.179.
• [42] Kontrola przebiegu procesu wykrawania z wykorzystaniem systemu wizyjnego, Numer wniosku: N N508 628140, Projekt badawczy MNiSW, 2011-2014,
• [43] Wykorzystanie zaawansowanych metod numerycznej obróbki obrazu w procesach tłoczenia blach, Numer wniosku: N N508 390637, Projekt badawczy MNiSW, 2009-2011.
• [44] Kontrola jakości procesu zawijania z wykorzystaniem systemu wizyjnego, Numer wniosku; N N508 390737, Projekt badawczy MNiSW, 2009-2012.
• [45] Tognola G., Parazzini M., Svelto C., Ravazzani S., Grandori F.: A fast and reliable system for 3D surface acquisition and reconstruction, Image and Vision Computing, 21, 2003, s. 295-305.
• [46] Izquierdo M. A. G., Sanchez M.T., Ibañez A., Ullate L.G.: Sub-pixel measurement of 3D surfaces by laser scanning, Sensors and Actuators 76, 1999, s. 1-8.
• [47] Karthik A., Chandra S., Ramamoorthy B., Das S.: 3D Tool wear measurement and visualization using stereo imaging, International Journal of Machine Tools and Manufacture, 37, 1997 (11), s. 1573-1581.
• [48] Alvertos N., Brzakovic D., Gonzalez R. C., Camera Geometries for Image Matching in 3-D Machine Vision, IEEE Transactions on Pattern Analysis and Machine Intelligence, 11, 1989, (9), s. 897-915.
• [49] Cardenas-Garcia J. F., Yao H. G., Zheng S.: 3D Reconstruction of Objects Using Stereo Imaging, Optics and Laser in Engineering, 22, 1995, s. 193-213.
• [50] Aguilar J. J., Torres F., Lope M. A.: Stereo vision for 3D measurement: accuracy analysis, calibration and industrial applications, Measurement, 18, 1996, (4), s. 193-200.
• [51] Robert L., Faugeras O. D.: Relative 3D positioning and 3D convex hull computation from a weakly calibrated stereo pair, Image and Vision Computing, 13, 1995, s. 189-196.
• [52] Matumoto S., Miwata Y., Kuwabata T.: Development of Three-dimensional displacement measurement method using CCD cameras, Technical Notes/ Japan Society of Automotive Engineers Review, 16, 1995, s. 383-410.
• [53] Leopold J.: Process Monitoring of 3D - Cutting Inserts Using Optical Methods, Journal of Materials Processing Technology, 61, 1996, s. 34-38.
• [54] Zhao C. S.: Epipolar parameterization for reconstructing 3D rigid curve, Pattern Recognition, 30, 1997, (11), s. 1817-1827.
• [55] Andersen K., Hentrich K., Huebner B.: Camera Orientation and 3D-deformation Measurement by Use of Cross Gratings, Optics and lasers in Engineering, 22, 1995, s. 251-226.
• [56] Morimoto Y., Tang L., Seguchi Y.: Shape and strain measurement of 3-D object using Fourier transform grid method, IAPR Workshop on Machine Vision Applications, 1990, s. 31-34.
• [57] Liu W., Wang Z., Mu G., Fang Z.: Color-coded projection greeting method for shape measurement with a single exposure, Applied Optics. 39, 2000, (20), s. 3504-3505.
• [58] Niem W.: Automatic reconstruction of 3D objects using a mobile camera, Image and Vision Computing, 17, 1999, s. 125-134.
• [59] Marcinak Z.: Odkształcenia graniczne przy tłoczeniu, Wydawnictwa Naukowo Techniczne, Warszawa 1971 r.
• [60] Wang X. Y., Xia J. C., G. A. Hu, Wang Z. J., Wang Z. R.: Sheet bulging experiment with a viscous pressure-carrying medium, Journal of Materials Processing Technology, 151, 2000, (1-3), s. 340-344.
• [61] Woo D. M.: The analysis of axisymmetric forming of sheet metal and the hydrostatic bulging process, International Journal of Mechanical Sciences, 6, August 1964, (4), s. 303-317.
• [62] Stachowicz F., Biaxial stress-strain relationship of sheet metal from hydraulic bulging test, Scientific Bulletin C: Fascicle Mechanics, Tribology, Machine Manufacturing Technology, 17, 2003, s. 469-474.
• [63] Hijazi A., Yardi N., Madhavan V.: Determination of forming limit curves using 3D digital image correlation and in-situ observation, Proceedings of SAMPE 2004 - Long Beach, CA, May 16-20, 2004.
• [64] Feldmann P, Schatz M.: Effective evaluation of FLC-tests with the optical in-process strain analysis system AUTOGRID. In: Hora P (ed) Numerical and experimental methods in prediction of forming limits in sheet forming and tube hydroforming processes. ETH Zürich, Zürich, 2006, s. 69-73.
• [65] Feldmann S., Schatz M., Aswendt S.: Automatic FLC-value determination from 4D strain data, International Deep Drawing Research Group IDDRG, International Conference 1-3 June 2009, Golden, CO, USA, s. 533-546.
• [66] Liewald M., Schleich R.: Development of an Anisotropic Failure Criterion for Characterising the Influence of Curvature on Forming Limits of Aluminum Sheet Metal Alloys, lnternational Journal of Material Forming. 3, Supplement 1, 2010, s. 1175-1178.
• [67] Nakazima K., Kikuma T., Asaku K.: Study on the formability of steel sheet. Yawata Technical Reports 264, 1968.
• [68] Marciniak Z., Kuczyński K.: Limits strains in the processes of stretch-forming sheet metal. Int. Journal of Mechanics Science, 9,1967, s. 609-612.
• [69] Bednarski T., Przyrostowa metoda analizy siatek w badaniach osiowo-symetrycznych procesów obróbki plastycznej, Obróbka Plastyczna, Tom XX, (3), 1981, s. 101-110.
• [70] Jain V.K., Matson L.E., Gegel H.L., Srinivasan R.: Physical modeling of metalworking processes - I: Determination of Large Plastic Strains, J. Mater. Shaping Technology, 5, 1988, s. 243-248.
• [71] Bednarski T.: Zastosowanie stereofotograficznych metod do analizy kinematyki procesów kształtowania powłok, Obróbka Plastyczna t. Xvii, (1), 1978, s. 5-17
• [72] Bednarski T.: Mechanika plastycznego płynięcia w zarysie, Wydawnictwo naukowe PWN, Warszawa 1995.
• [73] Orłoś Z.: Doświadczalna analiza odkształceń i naprężeń, Państwowe Wydawnictwo Naukowe, Warszawa 1977.
• [74] Jakubowicz A., Orłoś Z.: Wytrzymałość materiałów, Wydawnictwa Naukowo-Techniczne, Warszawa 1984.
• [75] Wyrzykowski J.W., Pleszakow E., Sieniawski J.: Odkształcenie i pękanie metali, Wydawnictwa Naukowo-Techniczne, Warszawa 1999.
• [76] Sutton M.A., Orteu J.J., Schreiner H.W.: Image Correlation for Shape, Motion and Deformation Measurements. Springer, New York, 2009, Ch. 1-6.
• [77] Andresen K., Hentrich K., Huebner B.: Camera orientation and 3D-deformation measurement by use of cross gratings, Optics and Lasers in Engineering, 22, 1995, s. 215-226.
• [78] Bing P., Kemao Q., Huimin X., Anand A.: Two-Dimensional Digital Image Correlation for In-Plane Displacement and Strain Measurement: A Review, Measurement Science and Technology, 20, 2009, (6), s. 1-17.
• [79] Marciniak, Z.: Analysis of necking preceding fracture of sheet metal under tension, La Metallurgia Italiana, 8, 1968, s. 701-709.
• [80] Marciniak Z., 1961, Influence of the sign change of the load on the strain hardening curie of a copper test piece subject to torsion, Arch Mech Stosowanej 13, 743-752.
• [81] Z. Marciniak, K. Kuczyński and T. Pokora, "Influence of the plastic properties of a material on the forming limit diagram for sheet metal in tension", International Journal of Mechanical Science, 15 (1973), 789-805.
• [82] R. Bąk, T. Burczyński, "Wytrzymałość materiałów z elementami ujęcia komputerowego". WNT, Warszawa 2001
• [83] Świłło S., Czyżewski S., Lisok J., Chamera M.: Advanced computer based techniques and methods in process design for large car-body parts, Proceedings of the 3rd International Lower Silesia - Saxony Conference AutoMetForm 2012, ed. Gronostajski Z., 2012, s. 85-96.
• [84] Świłło S., Czyżewski S., Lisok J.: An experimental study for hydro- bulging process using advance computer technique, Steel Research International, special Edition 14th International conference Metal Forming, 2012, s.1411-1414.
• [85] Świłło E., An experimental study of material flow and surface quality using image processing in the hydraulic bulge test, Computer Methods in Materials Science, 13, 2013, (2), s. 283-288.
• [86] Świłło S.: Zastosowanie wizyjnej techniki pomiarowej w zwiększeniu jakości wyrobów przemysłowych, Przegląd Mechaniczny, Prace Naukowe, Mechanika z. 253, s. 51-56.
• [87] Schneider M., Friebe H., Galanulis K.: Validation and optimization of numerical simulations by optical measurements of tools and parts, International Deep Drawing Research Group IDDRG, International Conference Olofström, Sweden, 2008, s. 2-12.
• [88] Galanulis K.: Optical measuring technologies in sheet metal processing, 4th International Conference and Exhibition on Design and Production of Machines and DIES/MOLDS Cesme, TURKEY, 2007.
• [89] Ozturk F., Lee D.: Experirnental and Numerical Analysis of Out-of-Plan Formability Test, Journal of Materials Processing Technology, 170 (1-2), 2005, 247-253.
• [90] Lewison D. J., Lee D.: Determination of Forming Limits by Digital Image Processing Methods, Proceedings of International Body Engineering Conference and Exposition (IBEC), Paper 01-3168, 1999, Detroit, Michigan.
• [91] Lewison D. J., Lee D.: An Evaluation of Different Experimental Methods to Determine Forming Limits, Proceedings of the Fourth International Conference and Workshop on Numerical Simulation of 3D Sheet Forming Processes, 1999, Besancon, France.
• [92] Tata M. M., Oh J. S., Lee, D.: The Nature of Localized Deformation in 6111-T6 Aluminum Alloy and Polycarbonate, Integral Fastening Program Report Number IFP-97-08, Rensselaer Polytechnic Institute, Troy, NY; Journal of Materials Science, 33, 1998, s. 2781-2794.
• [93] Hsu Q.-C.: Comparison of different analysis models to measure plastic strains on sheet metal forming parts by digital image processing, Intemational Journal of Machine Tools and Manufacture, 43, 2003, (5), s. 515-521.
• [94] Delaunay B.: Sur la sfera vide, Izwiestia Akademii Nauk SSSR, Otdelenie Matematicheskikh i Estestvennykh Nauk, 7:793-800, 193.
• [95] Muderrisoglu A., Murata M., Ahmetoglu M. A., Kunzel G., Altan T.: Bending, flanging, and hemming of aluminum sweet-an experimental study, Journal of Materials Processing Technology, 59, 1996, s. 10-17.
• [96] Zhang G., Wu X., Hu S. J.: A study on fundamental mechanisms of warp and recoil in hemming, Journal of Engineering Materials and Technology, 123, 2001, s. 436-441.
• [97] Livatyali H., Altan T.: Prediction and elimination of springback in straight flanging using computer aided design methods Part 1. experimental investigations, Journal of Materials Technology, 117, 2001, s. 262-268.
• [98] Livatyali H., Wu H. C., Altan T.: Prediction and elimination of springback in straight flanging using computer-aided design methods Part 2: FEM predictions and tool design, Journal of Materials Processing Technology, 120, 2002, s. 348-354.
• [99] Livatyali H., Laxhuber T., Altan T.: Experimental investigation of forming defects in flat surface-convex edge hemming, Journal of Materials Processing Technology, 146, 2004, s. 20-27.
• [100] Livatyali H., Muderrisoglu A., Ahrnetoglu M. A., Akgerman N., Kinzel G. L., Altan T.: Improvement of hem quality by optimizing flanging and pre-hemming operations using computer aided die design, Journal of Materials Processing Technology, 98, 2000, s. 41-52.
• [101] Zhang G., Hao H., Wu X., Hu S. J., Harper K., Faitel W.: An experimental investigation of curved surface-straight edge hemming, Journal of Manufacturing Processes, 2, 2000, (4), s. 241-246.
• [102] Zhang G.H., Hu S.J., Wu X.: Numerical analysis and optimization of hemming processes. Journal of Manufacturing Processes, 5, 2003, (1), s. 87-96.
• [103] Buranathiti T., Cao J.: An effective analytical model for springback prediction in straight flanging processes. International Journal of Materials and Product Technology, 21, 2004, (1-3), s. 137-153.
• [104] Song N., Qian D., Cao J., Liu W.K., Li S.F.: Effective models for prediction of springback in flanging. Journal of Engineering Materials and Technology, 123, 2001, (4), s. 456-461.
• [105] Wang C-T., Kinzel G., Altan T.: Wrinkling criterion for an anisotropic sheet with compound curvatures in sheet forming. International Journal of Mechanical Sciences, 36, 1994, (10), s. 945-960.
• [106] Wang C.T., Kinzel G., Altan T.: Failure and wrinkling criteria and mathematical modeling of shrink and stretch flanging operations in sheet metal forming. Journal of Materials Processing Technology, 53, 1995, (3-4), s. 759-780.
• [107] Wang N.M., Wenner M.L.: An analytical and experimental study of stretch flanging. International Journal of Mechanical Sciences, 16, 1974, (2), s. 137-143.
• [108] Murata M., Junhu L., Tanaka K.: Simulation for hemming of aluminum sheet metal, Materials Science Forum, 393-402, 2002, s. 1629-1634.
• [109] Lin G., Iyer K, Hu S. J., Cai W.: A Computational Design-of-Experiments Study of Hemming Processes for Automotive Aluminum Alloys, Proc. IMech, 219 Part B. J. Engineering Manufacture, 2005, s. 711-722.
• [110] Lin G., Li J., Hu S. J., Cai W.: A computational response surface study of three-dimensional aluminum hermming using solid-to-shell mapping, Journal of Manufacturing Science and Engineering, 129, 2007, s. 360-368.
• [111] Svensson M., Mattiasson K.: Three-dimensional simulation of hemming with the explicit FE-method, Journal of Materials Processing Technology, 128, 2002, s. 142-154.
• [112] Tong W.: Strain characterization of propagative deformation bands, Journal of the Mechanics and 20 of 8 Solids, 46, 1998,(10), s. 2087-2102.
• [113] Zhao B., Asundi A.: Microscopic grid methods - resolution and sensitivity, Optics and lasers in Engineering, 36, 2001, s. 437-450.
• [114] Morimoto Y, Seguchi Y, Higashi T. Two-dimensional moire method and grid method using Fourier transform. Exp Mech 1989; 29(4):399-404.
• [115] Bone DJ, Bachor H-A, Sandeman J. Fringe-pattern analysis using a 2-D Fourier transform. Appl Opt. 1986; 25(10):1653-60.
• [116] Graf A., Hosford W.: The influence of strain-path changes on forming limit diagrams of Al 6111 T4, International Journal of Mechanical Sciences, 36, October 1994, (10), s. 897-910.
• [117] Sarkar J., Kutty T. R. G., Conlon K. T., Wilkinson D. S., Embury J. D., Lloyd D. J.: Tensile and bending properties of AA5754 aluminum alloys, Materials Science and Engineering, A316, 2001, s. 52-59.
• [118] Dao M., Li M.: A micromechanics study on strain-localization-induced fracture initiation in bending using crystal plasticity models, Philosophical Magazine, 81, 2001, s. 997-2020.
• [119] Li N., Cheng S., Sutton M. A., McNeil S. R., Chao Y.J., Accurate integration of surface profile data with quantitative error analysis, Experimental Mechanics, 41, 2001, (1), s.77-83.
• [120] Wang X., Cao J., Li M.: Wrinkling analysis in shrink flanging, Journal of Manufacturing Science and Engineering, 123, 2001, s. 426-432.
• [121] Chodnikiewicz K., Kocańda A., Prejs T.: Hydraulic press and force transducer for physical modeling of bulk-metal forming, BAMFAC ‘98, 1998, s. 12-18.
• [122] Świłło S., Czyżewski S., Kowalczyk S.: Analiza doświadczalna przedbiegu kształtowania w procesie zawijania, Przegląd Mechaniczny, 2012, (5), s. 34-37.
• [123] Świłło S.: Pomiar odkształceń w procesie zawijania z wykorzystaniem metody linii, Hutnik, 2012, (6), s. 443-446.
• [124] Świłło S., Kocańda A., Czyżewski S., Kowalczyk S.: Hemming Process Evaluation by Using Computer Aided Measurement System and Numerical Analysis; Steel Research International, (spec. ed. ICTP), Wiley-VCH Verlag, 2011, s. 633-637.
• [125] Świłło S., Czyżewski S.: Analiza procesu zawijania z wykorzystaniem pomiarów wizyjnych i obliczeń numerycznych (MES), Zeszyty Naukowe PW nr 238, 2011, s. 93-98.
• [126] Świłło S.: Experimental apparatus for sheet metal hemming analysis, Computer Methods in Materials Science, 13, 2013, (2), s. 326-332.
• [127] Rafael C. Gonzalez, Richard E. Woods, Steven L.: Digital Image Processing Using MATLAB, Gatesmark Publishing 2009.
• [128] Wojnar L.: Image analysis: applications in materials engineering, Boca Raton, CRC Press, 1999.
• [129] Zhang T. Y., Suen C. Y.: A fast parallel algorithm for thinning digital patterns, Communications of the Association for Computing Machinery, 27, 1984, (3), s. 236-239.
• [130] De-hai Z., et al.: Exploitation of photogrammetry measurement system. Optical Engineering, 49,2010, (3), s. 37005-1-11.
• [131] Hoffa D., Laux C. i Kidwell S.: A Comparison of OGP SmartScop Sensors. Journal of Industrial Technology, Tom 26/1, 2010, s. 1-11.
• [132] Chen F., Yang Z., Li L.: Error analysis and compensation of feature point angular - optical bias in machine vision. International Journal Advanced Manufacturing Technology, 49, 2010, s. 579-587.
• [133] Zhang D., Liang J., Guo C., Liu J. W., Zhang X. Q., Chen Z. X.: Exploitation of photogrammetry measurement system. Optical Engineering, 3, 2010, (49).
• [134] Hoffa D., Laux C., Kidwell S.: A Comparison of OGP SmartScop Sensors. Journal of Industrial Technology, 26, 2010, (1).
• [135] Mokhtar U., Rasid R., Ahmad S., Said A.: Effect of molding compound and die attach ahesive material on QFN package delamination and warpage issues. Solid State and Technology, 16, 2008, (2), s. 83-91.
• [136] Sokovic M., Kopac J.: RE (reverse engineering) as necessary phase by rapid product development. Journal of Materials Processing Technology, 175, 2006, s. 398-403.
• [137] Miropolsky A. i Fischer A.; A Uniform Approach for Utilizing Synergy between Inspection Technologies and Computational Methods. Annals of the CIRP, 55, 2006, (1).
• [138] Azernikova S., Fischer A.: Emerging non-contact 3D measurement technologies for shape retrieval and processing. Virtual and Physical Prototyping, 3, 2008, (2), s. 85-91.
• [139] Therrien C. W.: Discrete random signals and statistical signal processing, in: A.V. Oppenheim (Ed.), Prentice Hall Signal Processing Series, Prentice Hall, Englewood Cliffs, 1992.
• [140] Landau U. M.: Estimation of a circular arc center and its radius, Computer Vision, Graphics and Image Processing, 38, 1987, s. 317-326.
• [141] Thomas S. M., Chan Y. T.: A simple approach for the estimation of circular are center and its radius, Computer Vision, Graphics and Image Processing, 45, 1989, s. 362-370.
• [142] Ahn S. J., Rauh W., Warnecke H. J.: Least-squares orthogonal distances fitting of circle, sphere, ellipse, hyperbola, and parabola, Pattern Recog., 34, 2001, s. 2283-2303.
• [143] Landau U.M.: Estimation of a circular arc center and its radius, Computer Vision, Graphics and Image Processing, 38, 1987, s. 317-326.
• [144] Chen N., Hartman G., Drue S.: Circle location from intensity and range data using the singular value decomposition, Pattern Recognition, 3, 2000, s. 774-777.
• [145] Spath H.: Least-Squares Fitting By Circles, Computing, 57, 1996, s. 179-185.
• [146] Moura L., Kitney R. I.: A direct method for least-squares circle fitting, Coms. Phys. Comm., 64, 1991, s. 57-63.
• [147] Gander W., Golub G.H., Strebel R., Least-squares fitting of circles and ellipses, BIT Numerical Mathematics, 34, 1994, (4), s. 558-578.
• [148] Pratt V.: Direct least-squares fitting of algebraic surfaces, Computer Graphics, 21, 1987, s. 145-152.
• [149] Taubin Estimation Of Planar Curves, Surfaces And Nonplanar Space Curves Defined By Implicit Equations, With Applications To Edge And Range Image Segmentation, IEEE Transactions on Pattern Analysis and Machine Intelligence, 13, 1991, s. 1115-1138.
• [150] Ahn S. J., Rauh W., Warnecke H. J.: Least-squares orthogonal distances fitting of circle, sphere, ellipse, hyperbola, and parabola, Pattern Recog., 34, 2001, s. 2283-2303.
• [151] Świłło S., Czyżewski S., Morawiński Ł.: Automatyzacja i wysoka dokładność pomiarowa wielkości geometrycznych z wykorzystaniem mikroskopu, Hutnik Tom LXXIX. 1, 2012, s. 31-34.
• [152] Sirkis J. S., Lim T. J.: Displacement and strain measurement with automated grid methods, Experimental Mechanics, 1991, s. 382-388.
• [153] Andresen K., Hentrich K., Huebner B.: Camera orientation and 3D-deformation measurement by use of cross gratings, Optics and Lasers in Engineering, 22, 1995, s. 215-226.
• [154] Ares M., Royo S., Caum J., Pizarro C.: Comparison of B-Spline and Zernike fitting techniques in complex wavefront surfaces, Optical Measurement Systems for Industrial Inspection, 5856, 2005, s. 167-178.
• [155] Hagara M., Kulla S.: Edge Detection with Sub-pixel Accuracy Based on Approximation of Edge with Erf Function, Radioengineering, 20, 2011, (2), s. 516-524.
• [156] Pratt W. K.: Digital Image Processing. 4th ed. Hoboken: John Wiley & Sons, 2007.
• [157] Canny J.: A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8, 1986, (6), s. 679-698.
• [158] Li Z., Yang Y., Jiang W.: Multi-scale morphologic tracking approach for edge detection. In Proceedings of the 4th International Conference on Image and Graphics. Chengdu (China), 2007, s. 358-362.
• [159] Bai X., Zhou F.: Edge detection based on mathematical morphology and iterative thresholding. In Proceedings of International Conference on Computational Intelligence and Security. Guangzhou (China), 2006, s. 1849-1852.
• [160] Nalwa V. S., Binford T. O.: On detecting edges. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8, 1986, (6), s. 699-714.
• [161] Bouchara F., Bertrand M., Ramdani S., Haydar M.: Sub-pixel edge fitting using B-spline. In Proceedings of the 3-rd International Conference on Computer Vision. Berlin (Germany), 2007, s. 353-364.
• [162] Hermosilla T., Bermejo E., Balaguer A., Ruiz L. A.: Nonlinear fourth-order image interpolation for subpixel edge detection and localization. Image and Vision Computing, 26, 2008, (9), s. 1240-1248.
• [163] Pap L., Zou J. J.: Sub-pixel edge detection for photogrammetry using Laplace difference of Gaussian and 4th order ENO interpolation. In Proceedings of IEEE 17th International Conference.
• [164] Da F. S., Zhang H.: Sub-pixel edge detection based on an improved moment. Image and Vision Computing, 28, 2010, (12), s. 1645-1658.
• [165] Lyverd E. S., Mitchell O. R., Akey M. L., Reevs A. S.: Subpixel measurements using a moment based edge operator. IEEE Transactions on Pattern Analysis Machine Intelligence, 11, 1989, (12), s. 1293-1309.
• [166] Li J. Q., Wang J. W., Chen S. B., Wu L.: Improved algorithm of subpixel edge detection using Zernike orthogonal moments. Optical Technique, 29, 2003, (4), s. 500-504.
• [167] Hwang S. K., Kim W. Y.: A novel approach to the fast computation of Zernike moments, Pattern Recognition, 39, 2006, s. 2065-2076.
• [168] Zhang B., Bai L., Zeng X.: A novel subpixel edge detection based on the Zernike moment. Information Technology Journal, 9, 2010, (1), s. 41-47.
• [169] Kupperman D. S., Reimann K. J., Abrego-Lopez : Ultrasonic NDE of Cast Stainless Steel, NDT International, 20, June 1987, (3), s. 145-152.
• [170] Nelligan T. J.: Ultrasonic testing of nonferrous castings, Die Casting Engineer, 36, March 1992, s. 14-16.
• [171] Mery D., Jaeger Th., Filbert D.: A review of methods for automated recognition of casting defects, Insight, 44, 2002, (7), s. 428-436.
• [172] Herold F., Bavendiek K., Grigat R.: A third generation automatic defect recognition system, Proc. 16th World Conference on Non Destructive Testing, Montreal, Canada, Aug. 30-Ses. 3, 2004.
• [173] Xu Z., Pietikainen M., Ojala T.: Defect classification by texture in steel surface inspection, Proc. QCAV 97 International Conference on Quality Control by Artificial Vision, Le Creusot, Burgundy, France, May 28-30, 1997, s. 179-184.
• [174] Kyllonen J., Pietikainen M.: Visual inspection of parquet slabs by combining color and texture, Proc. IAPR Workshop on Machine Vision Applications (MVA’00), Tokyo, Japan, November 28-30, 2000, s. 187-192.
• [175] Falęcki Z.: Analiza wad odlewów. Wydawnictwa AGH, wydanie drugie, Kraków 1997.
• [176] Analysis of Casting Defects. Publ. American Foundrymen’s Society, 3d edition, Des Plaines, Illinois, USA.
• [177] Perzyk M., Waszkiewicz S., Kaczorowski M., Jopkiewicz A.: Odlewnictwo, WNT Warszawa 2004.
• [178] Jankowski M.: Digital image processing - Mathematica, Wolfram Research, Inc. Champaign USA, 2000.
• [179] Canny J.: A Computational Approach to Edge Detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-8, 1986, (6).
• [180] Yang F., Chang Y., Wan S.: Gradient-threshold edge detection based on the human visual system, Optical Engineering, 44, 2005, (2).
• [181] Rakesh R. R., Chaudhuri P., Murthy C. A.: Thresholding in edge detection: a statistical approach, IEEE Trans Image Process, 13, 2004, (7), s. 927-936.
• [182] Raman M., Himanshu A.: Study and Comparison of Various Image Edge Detection Techniques, International Journal of Image Processing (IJIP), 3, 2009, (1), s. 1-12.
• [183] Tsui J.: Digital Techniques for Wideband Receivers, Second Edition, Artech House, INC, Chapter 3, Fourier Transform and Convolution, 2011, s. 39-42.
• [184] Basu M.: Gaussian-based edge-detection methods - A survey, IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews, 32, 2002, (3), s. 252-260.
• [185] Marr D., Hildreth E.: Theory of edge detection, Proceedings The Royal Society London, 207, 1980, s. 187-217.
• [186] Digital Techniques for Wideband Receivers, Second Edition, 2011 Artech House, INC, Chapter 3, Fourier Transform and Convolution, 2011, s. 39-42.
• [187] Perzyk M., Kochański A.: Detection of causes of casting defects assisted by artificial neural networks. Journal of Engineering Manufacture, Proceedings of the Institution of Mechanical Engineers, Part B., 217, 2003, s. 1279-1284.
• [188] Perzyk, M., Kozlowski, J.: Comparison of statistical and neural networks based methods in analysis of significance and interaction of manufacturing process parameter, Computer Methods in Materials Science, 6, 2006, (2), s. 81-93.
• [189] Perzyk M., Biernacki R.: Diagnosis of causes of casting defects with use of statistical methods and neural networks, Archives of Foundry Engineering, 4, 2004, (11), s. 71-76.
• [190] Wasserman S.D.: Advanced Methods in Neural Computing, New York, Van Nostrand Reinhold, 1993, s. 155-61
• [191] Hagan M.T., Demuth H.B., Beale, M.H.: Neural Network Design, Campus Pub. Service, University of Colorado Bookstore, 2002, s. 1284.
• [192] Świłło S., Myszka D.: Komputerowy system wizyjny do kontroli defektów odlewniczych, Eksperci NEMU, 10, 2011, (2) s. 10-12.
• [193] Świłło S., Myszka D., (2011), Advanced metrology of surface defects measurement for aluminum die casting, Archives of Foundry Engineering, 11, 2011, (3), s. 227-230.
• [194] Świłło S., Perzyk M., (2011), Automatic inspection of surface defects in die castings after machining, Archives of Foundry Engineering, 11, 2011, (3), s. 231-236.
• [195] Świłło S., Perzyk M.: Surface Casting Defects Inspection Using Vision System and Neural Network Techniques, Archives of Foundry Engineering, w druku 2013, (4).