Разработка интеллектуальной автоматизированной системы определения контуров и дефектов кож при раскрое тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Казанцева Анастасия Михайловна

• Казанцева Анастасия Михайловна
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Казанцева Анастасия Михайловна

ВВЕДЕНИЕ

1 АНАЛИЗ ПРОЦЕССОВ ПОДГОТОВИТЕЛЬНО-РАСКРОЙНОГО ПРОИЗВОДСТВА ИЗДЕЛИЙ ИЗ НАТУРАЛЬНОЙ КОЖИ

1.1 Основные характеристики натуральных кож

1.2 Особенности раскроя натуральных кож

1.3 Виды шаблонов и их раскладка

1.4 Пороки натуральных кож

1.5 Обзор существующих автоматизированных систем и методов подготовительно-раскройного производства

1.6 Существующие библиотеки для обработки изображения

Выводы по главе

2 МЕТОДИКА ОПРЕДЕЛЕНИЯ КОНТУРОВ И ПОРОКОВ НАТУРАЛЬНЫХ КОЖ

2.1 Методика оптического анализа качества кожи

2.2 Анализ методов определения контуров кож при автоматическом раскрое

2.3 Алгоритм определения границ раздела двух поверхностей

2.4 Идентификация изображений при определении контуров кож по фотоснимкам

Выводы по главе

3 ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ОПРЕДЕЛЕНИЯ КОНТУРОВ И ПОРОКОВ НАТУРАЛЬНЫХ КОЖ

3.1 Общий алгоритм программы определения контура натуральной кожи

3.2 Методы определения границ на изображении

3.2.1 Краевой оператор первой производной. Оператор Собеля

3.2.2 Краевой оператор второй производной. Оператор Лапласа

3.3.3 Детектор границ Кенни

3.3.4 Математическая морфология

3.3 Обнаружение краев объектов с использованием стандартных программ с алгоритмами на основе нечеткой логики

3.4 Определение контуров при помощи нейросети

3.5 Определение контуров функцией й^СоШюшб библиотеки OpenCV

Выводы по главе

4 ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ СБОРА И ОБРАБОТКИ ИНФОРМАЦИИ ДЛЯ ОПРЕДЕЛЕНИЯ КОНТУРОВ И ПОРОКОВ КОЖ

4.1 Особенности реализация методов определения границ объектов на изображении

4.2 Сравнение методов определения контуров дефектов на коже

4.3 Реализация нейронной сети U-Net на Keras Python

4.4 Обработка изображений для выявления дефектов кожи

Выводы по главе

5 ОЦЕНКА РАСКЛАДКИ ШАБЛОНОВ НА НАТУРАЛЬНЫХ КОЖАХ

5.1 Технологические аспекты раскладки шаблонов на натуральной коже

5.2 Алгоритмы раскладки шаблонов

5.2.1 Задачи комбинаторный оптимизации

5.2.2 Алгоритмы упаковки двумерных прямоугольников

5.2.3 Орбитальный подход

5.2.4 Генетический алгоритм

5.3 Программная реализация для раскладки шаблонов в зависимости от толщины участков кожи

Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Разработка интеллектуальной автоматизированной системы определения контуров и дефектов кож при раскрое»

ВВЕДЕНИЕ

Актуальность темы. Человечество использует натуральную кожу уже не одно тысячелетие, и она до сих пор остается одним из самых востребованных материалов. Несмотря на стремительное развитие технологий и появление множества синтетических заменителей, кожа продолжает сохранять лидирующие позиции благодаря своим исключительным качествам [1]. Сегодня существует огромное разнообразие типов кожи, а современные методы обработки значительно улучшили ее характеристики - изделия из нее становятся прочнее, привлекательнее и более практичными в использовании [2].

Одним из трендов развития российской экономики является обеспечение технологической независимости государства, что обозначено в Сводной стратегии развития обрабатывающей промышленности Российской Федерации до 2030 года и на период до 2035 года (распоряжение Правительства Российской Федерации от 6 июня 2020 г. № 1512-р (в редакции распоряжения Правительства Российской Федерации от 9 сентября 2023 г. № 2436-р). Так, в главе XXVI. Приоритетные направления цифровой трансформации обрабатывающих отраслей промышленности Российской Федерации в перечне ключевых целей цифровой трансформации обрабатывающих отраслей промышленности, в число которых входит и легкая промышленность, наряду с другими значится «...ускорение технологического развития российских компаний и обеспечение конкурентоспособности разрабатываемых ими продуктов и решений на глобальном рынке путем достижения «цифровой зрелости» при помощи модернизации управления производственными процессами, что должно привести к значительному повышению производительности труда и росту валового внутреннего продукта в производственном секторе. » [3].

Настоящая диссертация отвечает следующим, обозначенным в Стратегии позициям Приоритетных направлений развития цифровизации обрабатывающих отраслей российской промышленности:

- обеспечение увеличения количества высокотехнологичных рабочих мест на предприятиях, использующих цифровые технологии;

- внедрение технологий искусственного интеллекта в деятельность промышленных предприятий. Все вышесказанное относится к производству изделий из кожи, эффективность которого в немалой степени определяется экономным использованием материалов, особенно натуральных кож для снижения себестоимости обуви (стоимость материалов в себестоимости обуви составляет в среднем 65-70%) [3].

На сегодняшний день кожевенная промышленность, которая охватывает кожевенно-обувное, кожгалантерейное, меховое и частично швейное производство, остается одной из наиболее трудоемких и слабо автоматизированных сфер легкой промышленности. Основной причиной высокой степени ручного труда является необходимость учитывать индивидуальные характеристики кожаных фрагментов, которые по своей природе отличаются разнообразием [4, 5].

Натуральная кожа, в отличие от других анизотропных материалов, имеет сложную конфигурацию ограниченной площади. Толщина кожи, ее деформационные свойства и другие параметры варьируются не только по величине, но и в зависимости от направления и особенностей топографии. Каждая кожа уникальна по своей форме и возможным дефектам, что усложняет процесс автоматизации раскроя. Эти и другие факторы значительно затрудняют оптимизацию технологических процессов кожевенно-обувной промышленности [5].

Производители до сих пор сталкиваются с проблемами определения дефектов материала, оптимизации раскроя и минимизации его отходов. На этом фоне диссертационное исследование «Разработка интеллектуальной автоматизированной системы определения контуров и дефектов кож при раскрое» представляется актуальным.

Степень научной проработанности проблемы. Задачи автоматизации операций подготовительно-раскройного производства, распознавания изображений изделий из ткани, кожи и меха, а также выявления дефектов материалов и технологии их производства, получили подробное освещение в научных работах отечественных исследователей Гусева А.О., Дремлюги О.А., Железнякова А.С., Завзятого В.И., Замышляевой В.В., Ивановского В.А., Калинина Е.Н., Кирсановой Е.А., Козлова А.В., Костылевой В.В., Копылова А.А., Курбатова Е.В., Лапшина В.В., Муртазиной А.Р., Казначеевой А.А., Рыжковой Е.А., Масанова Д.В., Павлова М.А., Петросовой И.А., Подрядчикова В.А., Разина И.Б., Романовского Р.С., Садовского В.В., Смирнова Е.Е., Смирновой Н.А., Соколовского А.Р., Старковой Г.П., Ревякиной О.В., Харахнина К.А., Шеромовой И.А., Ясинского И.Ф. и др. Эти вопросы рассмотрены не только с теоретической точки зрения, но и возможностей практической реализации для повышения качества продукции. Научным сообществом уделяется особое внимание алгоритмам и методам, которые предполагают автоматизацию процесса выявления дефектов, что положительно отражается на уровне контроля качества в производственной сфере.

Положительный опыт внедрения нейросетевых технологий подтверждает реальную возможность и актуальность применения этих технологий для оценки качества натуральных кож, а машинное зрение и искусственный интеллект открывают новые перспективы для оценки качества и оптимизации процессов его контроля, что отвечает Указу Президента РФ от 18.06.2024 N 529 «Об утверждении приоритетных направлений научно-технологического развития и перечня важнейших наукоемких технологий», в частности п. 13. Технологии создания доверенного и защищенного системного и прикладного программного обеспечения, в том числе для управления социальными и экономически значимыми системами и п. 25. Технологии искусственного интеллекта в отраслях экономики, социальной сферы (включая сферу общественной безопасности) и в органах публичной власти [6].

Практическая реализация цифровых технологий в отношении оценки качества натуральных кож органично дополняет общую цифровую трансформацию предприятий легкой промышленности, включая обувные, как основные потребители кожевенного сырья, где в ключевые процессы производства уже сегодня глубоко интегрированы системы автоматизированного проектирования, автоматические раскройные комплексы, швейные автоматы, литьевые роботизированные агрегаты, аддитивное оборудование и др.

На предприятиях России используются зарубежные раскройные комплексы, которые не учитывают автоматическое определение дефектов и раскладок шаблонов в соответствии с оптимальным размещением и направлением тягучести материала. Согласно задачам, поставленным Президентом Российской Федерации, необходимо осуществлять не только импортозамещение, но и обеспечить технологический суверенитет в легкой промышленности.

Объект исследования: подготовительно-раскройное производство в обувной промышленности, инструменты нейросетевых технологий, машинного зрения и искусственного интеллекта.

Предмет исследования: теория и практика процессов раскроя кож на детали обуви, ассортимент видов кож, дефекты кож, схемы раскроя кож на детали обуви.

Цель диссертации - разработка интеллектуальной системы автоматизированного определения контуров и дефектов натуральных кож при раскрое с использованием нейросетевых технологий и машинного обучения.

В соответствии с поставленной целью в диссертации:

выполнена

• систематизация и классификация дефектов кожи применительно к автоматизированным методам обучения нейросетей;

разработаны:

• методика определения границ «кожа - подложка»;

• математические модели для распознания контуров;

• алгоритмы и программы нахождения контуров кожи и ее пороков;

• методика автоматической раскладки шаблонов на коже с учетом ее топографии и дефектов;

• разработана нейронная сеть, обученная распознаванию пороков и контуров кож.

Методы исследования и технические средства решения задач.

Исследования базировались на комплексном системном подходе к решению задач технологической подготовки производства обуви с использованием возможностей современных средств компьютерной техники и информационных технологий. В ходе выполнения работы использованы теоретические основы и современные научные исследования в области технологии обуви, разработки систем автоматизированного раскроя. Информационно-теоретической базой работы послужили труды отечественных и зарубежных ученых в исследуемой и смежных областях, научно-техническая и справочная литература.

Научную новизну работы составляют:

- систематизация и разработанная классификация дефектов натуральной кожи, включая природу и причину их возникновения, предназначенные для обучения нейронной сети;

- разработанные математические модели распознания контуров и дефектов натуральных кож для определения конструкторско-технологических параметров и реализации операций подготовительно-раскройного производства;

- алгоритмы нахождения контуров кожи с использованием оптических методов и нечеткой логики, компьютерного зрения и искусственного интеллекта (нейросети);

- концепция, методика и алгоритм формирования раскладок шаблонов деталей обуви с учетом топографии кожи и наличия дефектов.

Теоретическая значимость работы.

Разработана интеллектуальная система автоматизированного определения контуров и дефектов при раскрое натуральных кож на детали обуви с использованием машинного зрения и нейросетевых технологий, внедрение

которой вносит вклад в общую цифровую трансформацию предприятий по производству обуви.

Практическую значимость работы имеют:

• программы определения контуров натуральных кож в автоматическом режиме;

• нейронная сеть для распознавания пороков и контуров кож;

• автоматизированная система раскладки шаблонов деталей обуви.

Реализация предложенных в работе решений способствует повышению

качества, конкурентоспособности отечественной продукции и эффективности ее производства. Исследования проводились на кафедре информационных технологий в рамках научно-исследовательских работ РГУ им. А.Н. Косыгина на 2019-2023 гг., проблема 1.2 Развитие инновационного потенциала предприятий по производству изделий из кожи на основе современных цифровых технологий проектирования и быстрого прототипирования.

Достоверность проведенных исследований базируется на согласованности аналитических и экспериментальных результатов, использовании информационных технологий, современных методов и средств проведения исследований. Апробация основных положений диссертации производилась в научной периодической печати, конференциях, а также на АО «Егорьевск-обувь».

Личный вклад соискателя. Автором сформулированы цель и основные задачи исследования, проанализированы распространенные системы и комплексы автоматизированного раскроя кож на детали обуви, выявлены требования при создании таких комплексов и систем; рассмотрены перспективы применения сквозных цифровых технологий для устранения существующих препятствий при раскрое натуральных кож; предложены инструменты реализации задачи с использованием средств искусственного интеллекта.

Разработаны алгоритмы и программное обеспечение, проведены научные эксперименты, выполнены обработка и интерпретация экспериментальных данных.

Основные положения, выносимые на защиту:

• методика определения границ раздела двух сред «кожа-подложка»;

• методика распознавания контуров натуральных кож математическими методами с использованием возможностей современных средств технического зрения;

• методика выявления контуров натуральных кож с использованием инструментов машинного обучения и искусственного интеллекта;

• алгоритм обнаружения дефектов натуральных кож;

• методика и алгоритм раскладки шаблонов деталей обуви с учетом топографии кожи и ее дефектов.

Соответствие паспорту специальности 2.6.16: Положения, выносимые на защиту, соответствуют п. 7 «Цифровое прогнозирование, математические методы, информационные технологии моделирования технологических процессов первичной обработки сырья, организации производства и изготовления волокон, нитей, материалов и изделий текстильной и легкой промышленности», п.17 «Разработка методов автоматизации и оптимизации производств материалов и ИТЛП на основе научного прогнозирования, применения математических методов, нейронных сетей, искусственного интеллекта».

Апробация и реализация результатов. Основные результаты научных исследований докладывались и получили положительную оценку на: заседаниях кафедры автоматики и промышленной электроники ФГБОУ ВО «РГУ им. А.Н. Косыгина»; всероссийской научной конференции молодых исследователей с международным участием «Инновационное развитие техники и технологий в промышленности» (ИНТЕКС-2021), ФГБОУ ВО «РГУ им. А.Н. Косыгина», Москва, апрель, 2021 г.; всероссийской научной конференции молодых исследователей с международным участием «Инновационное развитие техники и технологий в промышленности» (ИНТЕКС-2022), ФГБОУ ВО «РГУ им. А.Н. Косыгина», Москва, апрель, 2022 г.; всероссийской научной конференции молодых исследователей с международным участием «Инновационное развитие техники и

технологий в промышленности» (ИНТЕКС-2025), ФГБОУ ВО «РГУ им. А.Н. Косыгина», Москва, апрель, 2025 г.; всероссийской научно-практической конференции им. Я.В. Мильмана, ФГБОУ ВО «РГУ им. А.Н. Косыгина», Москва, декабрь, 2025 г. Отдельные результаты работы переданы АО «Егорьевск-обувь», о чем свидетельствуют имеющиеся в приложении к диссертации акты.

Публикации. Теоретические положения, практические рекомендации и выводы диссертационной работы опубликованы в 12 печатных работах, 3 из которых - в рецензируемых научных журналах, рекомендованных ВАК.

Структура и объем работы. По своей структуре научно-квалификационная работа (диссертация) состоит из введения, пяти глав, выводов по каждой главе, общих выводов по работе, списка литературы, приложений. Работа изложена на 202 страницах машинописного текста, содержит 118 рисунков, 10 таблиц. Список литературы включает 135 библиографических и электронных источников.

1 АНАЛИЗ ПРОЦЕССОВ ПОДГОТОВИТЕЛЬНО-РАСКРОЙНОГО ПРОИЗВОДСТВА ИЗДЕЛИЙ ИЗ НАТУРАЛЬНОЙ КОЖИ

1.1 Основные характеристики натуральных кож

Как и любой другой материал, натуральная кожа обладает уникальными характеристиками, которые отличают ее от остальных [5].

Основные свойства кожи [1,2]:

- имеет мягкую текстуру;

- обладает прочной и стойкой к повреждениям структурой;

- характеризуется высокой эластичностью, позволяя обуви удобно адаптироваться к форме ноги;

- наличие пор на поверхности обеспечивает отличную вентиляцию;

- отличается способностью впитывать влагу.

Преимущества натуральной кожи заключаются в следующем [1,2]:

- обеспечивает комфорт и предотвращает потливость благодаря своей пористой структуре;

- при должном уходе изделия из этого материала будут служить продолжительное время;

- уменьшает риск появления неприятного запаха и бактерий;

- обладает полезными для здоровья свойствами благодаря своим природным качествам;

- кожа способна растягиваться, что позволяет обуви принимать форму стопы, а одежде идеально облегать тело.

Разные виды натуральной кожи находят свое применение в самых разнообразных областях. Некоторые из них особенно подходят для создания сумок, в то время как другие лучше всего используются для пошива одежды или обуви [7].

Начальная толщина дубленой кожи варьируется от 4 до 5 миллиметров, после чего ее разрезают на два или три слоя для дальнейшей обработки [8].

Существует множество разновидностей кожи, среди которых можно выделить [9]:

1. Гладкая кожа - это, безусловно, самый популярный тип натурального материала. Для ее создания используется только самое качественное сырье, с поверхности которого тщательно удаляется весь ворс.

2. Нубук - этот красивый, но достаточно деликатный материал изготавливается из шкур свиней или крупного рогатого скота с использованием хромового дубления.

3. Велюр - имеет схожую структуру с нубуком, но отличается способом обработки: велюр шлифуется с внешней стороны, тогда как нубук обрабатывается с внутренней [8].

4. Замша - одна из распространенных видов кожи, отличается мягкостью, пористостью и высокой прочностью и ворсистой текстурой.

5. Анилиновая кожа - это высококачественная кожа. Она окрашивается с помощью органических красителей и обрабатывается минимально. Это позволяет сохранить ее натуральные следы и небольшие царапины, и рубцы.

6. Наппа - вид кожи для создания аксессуаров. Имеет матовую или блестящую поверхность, может быть гладкой или перфорированной.

7. Лаковая кожа - получается после окрашивания и нанесения лакового покрытия под воздействием высокой температуры. Она эстетична, но не устойчива к температуре. При температурах ниже -10 и выше +25 °С трескаться.

8. Наппалан - разновидность замши. Замша обрабатывается специальным раствором, который содержит резиновую массу. Это покрытие защищает от дождя и снега, но со временем может потрескаться. Поврежденные участки восстановить практически невозможно.

9. Лайка - мягкая и эластичная кожа, изготовленная из шкур ягнят и козлят, обработанных хромо-жировым или хромовым дублением. Чаще всего этот материал используют для производства перчаток [10].

10. Шлифованная и тисненная кожа - создается после устранения дефектов на этапе производства с помощью шлифовки. Для получения ровной поверхности

на такую кожу наносят специальное покрытие, что достигается путем нагрева и прессования материала с помощью крупных плит.

Каждый из этих видов кожи обладает своими уникальными свойствами и используется в зависимости от целей и требований производства [9].

Номенклатура качественных характеристик кож, используемых для пошива одежды и изготовления головных уборов, упорядочена в ГОСТ 4.11 -2021 «Система показателей качества продукции. Кожа. Номенклатура показателей» [11]. Согласно нормативам, для одежды применяются кожи толщиной от 0,6 до 1,2 мм, где особо выделяются две категории: тонкие кожи (0,6-0,9 мм) и кожи средней толщины (0,91-1,2 мм), общая площадь которых должна составлять не менее 60 дм2 [11].

Качество кожевенного сырья, как и большинства природных материалов, обусловлено совокупностью объективных и технологических факторов. Главный фактор, влияющий на ключевые характеристики и дальнейшее применение кожи, - это вид животного. Кроме того, на состояние кожи серьёзно влияют такие аспекты, как возраст, пол, условия окружающей среды, а также полноценность и сбалансированность кормления животного. Среди технологических причин необходимо отметить процессы заготовки, вычинки и финальной обработки кожи. [1,2,8]

При оценке качества кожевенного материала первостепенная роль отводится внешнему виду поверхности. Основная часть параметров носит визуальный характер, и именно они определяют как будущее назначение кожи, так и тонкости её производственной обработки [5]. Например, кожа для пошива одежды и изготовления обуви тщательно оценивается по таким признакам, как однородность поверхности, отсутствие видимых дефектов, высокая пластичность и устойчивость к внешним воздействиям [10, 12].

Анализируя качественные характеристики кожевенного сырья, можно выделить общий алгоритм оценки, подходящий для любой категории материалов. Чем лучше определённые свойства кожи отвечают конкретным задачам её применения, тем выше её качество. Считается, что наиболее высококлассная кожа получается из шкур крупного рогатого скота, таких как коровы, быки или телята.

Этот материал широко используется для пошива обуви, одежды, обивки мебели и других элементов интерьера. Кожа овец или коз чаще сохраняет свой волосяной покров и применяется как материал для меховой продукции. Свинина отличается эластичностью, но из-за специфического, устойчивого запаха ценится на порядок ниже. Экзотическая кожа - крокодиловая или из шкуры питона, страуса и ската, используется для изготовления аксессуаров, одежды класса люкс и предметов бизнеса [13].

Существует важное правило, которое определяет связь между качеством сырья и объёмом обработки: чем выше начальное качество шкуры, тем меньше этапов технологической подготовки потребуется для достижения состояния готового материала. Задача переработки высококачественной шкуры заключается в максимальном сохранении и даже акцентировании природных характеристик её лицевой стороны (верхнего слоя). На изделия из такой кожи часто оставляют естественный рисунок поверхности - характерные складки и поры, придающие натуральности и уникальности готовому продукту [14].

Одним из обязательных технологических этапов обработки является деление выделанной шкуры на отдельные топографические зоны. Особенно важен этот этап для крупного сырья, где разные участки шкуры отличаются по толщине и микроструктуре [5]. Разделённые участки могут быть классифицированы как целая кожа, полукожа, кулат, полукулат, вороток или чепрак в зависимости от их формы, размера и назначения.

Таким образом, качество натуральной кожи - это результат совокупного влияния природных факторов и правильно организованных технологических процессов, где каждый этап нацелен на выявление и сохранение сильных сторон уникального природного материала [5,10,15,16].

1.2 Особенности раскроя натуральных кож

В технологии производства изделий из кожи раскрой занимает центральное место как наиболее ответственный и затратный по ресурсам этап [5,6,12]. На протяжении многих лет этот этап выполнялся исключительно вручную с использованием ножей или резаков и вырубочных прессов. Этот метод требовал высокой концентрации и мастерства, так как даже малейшая ошибка могла привести к частичной или полной порче кожи. Сегодня раскрой совершенствуется благодаря применению технологий компьютерного зрения, которое становится все более востребованным в кожевенной отрасли. Благодаря компьютерному зрению стало возможным не только анализировать контуры кожи, но и автоматически выявлять дефекты на ее поверхности, повышая эффективность и точность работы [5].

Кожа, как материал, обладает рядом уникальных свойств, таких как эластичность, износостойкость и способность пропускать воздух. Ее такие характеристики, как влагостойкость, мягкость и пластичность, делают кожу незаменимой в производстве одежды и обуви [1,11]. Интересно, что параметры кожаного материала можно настроить в процессе выделки, который включает более двадцати технологических операций. Среди этапов можно выделить: сортировку, промывку, отмоку, мездрение, обезволашивание, золение, дубление, пикелевание, окрашивание, жирование, а также последующее нанесение аппретуры и маркировки [17]. Каждая операция играет ключевую роль в формировании качества и характеристик конечного продукта. Например, правильно высушенная кожа сохраняет свои свойства дольше, а изделия из нее служат значительно больше времени [2, 18].

Когда процесс выделки закончен, кожа поступает на этап раскроя. Здесь основное значение имеет выбор типа используемого материала, ведь шкура крупного рогатого скота, овчины, свиньи, козы или лошади отличается по своей топологии (табл. 1.1). Это различие становится решающим при определении метода раскроя. Для шкур крупного рогатого скота подход зависит от

предназначения конечного изделия. Например, для обивки автомобильных сидений нужен целый и ровный кусок кожи, а для подошв обуви, лучше использовать чепрак (рис. 1.1,1.2).

Интеграция современных технологий в кожевенно-обувное производство не только упрощает раскрой, но и позволяет добиться нового уровня точности, снижения человеческого фактора и минимизируя потери материала [12-14]. Таблица 1.1 - Топология шкуры

Название шкуры Описание шкур

Пашина Шкура, расположенная на конечностях со стороны брюшины

Пола Участок, покрывающий брюшину

Лапы Шкура с лап коров и быков

Чепрак Кожа со стороны спины без воротка и пол

Огузок Бедренная часть, расположенная около хвоста

Крупон Чепрак, имеющий прямоугольную форму

Вороток Участки кожи с шейного отдела

Кулат Кожа без воротка

Половина целой кожи Целую кожу делят на две части при помощи резания по линии хребта

Целая кожа Самый большой по площади раскрой, который получают после обработки

Рисунок 1.1 - Топографические участки шкур крупного рогатого скота (КРС)

полы

Рисунок 1.2 - Раскрой шкуры крупного рогатого скота

Шкуры крупного рогатого скота (КРС) отличаются индивидуальными особенностями каждого животного. Были разработаны и установлены основные точки и линии раскроя. Данные ориентиры позволяют учесть природные вариации в структуре кожного покрова. Они обеспечивают максимально рациональное и эффективное использование материала в процессе обработки. Этот подход оптимизирует технологический процесс и повышает качество конечного результата (рис. 1.3).

огузок

Рисунок 1.3 - Линии и точки раскроя шкур крупного рогатого скота

Отрезки АБ и ДС, ЖМБ и ЗНС представляют собой линии, соединяющие впадины передних и задних конечностей животного. Область шкуры, ограниченная данными линиями, называется полы. Линия БС, которая проходит через впадины задних конечностей, образует участок шкуры - огузок. Линия БМНС определяет границы крупона - прямоугольного чепрака, из которого удален участок огузка. Линия АМНД - это зона шкуры, между головной частью и чепраком. Эти линии и сегментация шкуры имеют важное значение в научно обоснованной технологии разделки и применения кожи. Каждая из выделенных областей обладает определенными физико-механическими свойствами и учитывается при их дальнейшей обработке и использовании.

Список литературы диссертационного исследования кандидат наук Казанцева Анастасия Михайловна, 2026 год

СПИСОК ЛИТЕРАТУРЫ

1. Дубиновская, М.З. Технология кожи / М. З. Дубиновская, Н. В. Чистякова. — М. : Легпромбытиздат, 1991. — 286 с.

2. Бузов, Б. А. Материаловедение в производстве изделий легкой промышленности (швейное производство): учебник / Б. А. Бузов, Н. Д. Алыменкова. - 4-е изд., стер. - М. : Академия, 2010 (Саратов). - 443 с. : ил. - (Высшее профессиональное образование. Легкая промышленность). - Библиогр.: с. 439-440. - 1000 экз. - ISBN 978-5-7695-6171-9.

3. Об утверждении Сводной стратегии развития обрабатывающей промышленности Российской Федерации до 2030 года и на период до 2035 года : распоряжение Правительства РФ от 06.06.2020 № 1512-р (ред. от 26.02.2026). — Текст : электронный // Собрание законодательства РФ. — 2020. — № 24. — Ст. 3819. — URL: http://www.consultant.ru (дата обращения: 28.02.2026).

4. Разин, И.Б. Программное управление процессом раскроя рулонных и листовых материалов в кожгалантерейном производстве: диссертация ... кандидата технических наук: 05.19.06. - Москва, 1985. - 210 с. : ил.

5. Фукин, В. А. Технология изделий из кожи. Ч. 1 : учебник для вузов / В. А. Фукин, А. Н. Калита. — М. : Легпромбытиздат, 1988. — 272 с.

6. Об утверждении приоритетных направлений научно-технологического развития и перечня важнейших наукоемких технологий: указ Президента Российской Федерации от 18.06.2024 № 529. — Текст: электронный // Официальный интернет-портал правовой информации. — URL: http://publication.pravo.gov.ru/document/0001202406180018 (дата обращения: 23.03.2026).

7. Зурабян, К. М. Материаловедение изделий из кожи: учебник для вузов / К. М. Зурабян, Б. Я. Краснов, М. М. Бернштейн. — М. : Легпромбытиздат, 1988. -415 с.

8. Рыжкова, Е. А. Глава 5. Необходимость классификации кожи и ее пороков при создании автоматизированной системы контроля качества

натуральных кож / Е. А. Рыжкова, А. М. Казанцева, А. И. Воронцов // Робототехника, автоматизация и управление техническими системами: Монография. - Санкт-Петербург: Гуманитарный национальный исследовательский институт НАЦРАЗВИТИЕ, 2024. - С. 36-42. - EDN QKKVKT.

9. Бесшапошникова, В.И. Управление качеством продукции, оценка качества материалов и швейных изделий: учебное пособие / В. И. Бесшапошникова, М. В. Загоруйко. — М. : РГУ им. А.Н. Косыгина, 2016. — 152 с.

10. Белицкая, О.А. Современные представления о материалах, конструкциях и технологиях изготовления специальной обуви различного назначения: учебное пособие / О. А. Белицкая, О. В. Сироткина. — Москва: РГУ им. А.Н. Косыгина, 2020. — ISBN 978-5-87055-877-6. — Текст : электронный // Лань: электронно-библиотечная система. — URL: https://e.lanbook.com/book/174039 (дата обращения: 17.02.2025).

11. ГОСТ 4.11-2021. Система показателей качества продукции. Кожа. Номенклатура показателей. — Москва : Издательство стандартов, 1982. — 18 с.

12. Шалмина, И.И. Конструирование швейных изделий из различных материалов: учебное пособие / И.И. Шалмина, Ж.А. Фот. — Омск: ОмГТУ, 2022.

— 120 с. — ISBN 978-5-8149-3534-2. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://elanbook.com/book/343781 (дата обращения: 17.02.2025).

13. Вебер, П. История обувного дела / П. Вебер; пер. А. Верлак. — Швеция, 1998. — 212 с.

14. Окутин, А.С. Товароведение и экспертиза кожевенного и мехового сырья: учебное пособие / А. С. Окутин. — Москва: РГУ им. А.Н. Косыгина, 2023.

— ISBN 978-5-00181-334-7. — Текст: электронный // Лань: электронно-библиотечная система. — URL: https://e.lanbook.com/book/458183 (дата обращения: 17.02.2025).

15. Костылева, В. В. Конструирование изделий из кожи / В. В. Костылева, В. М. Ключникова. — М. : ИНФРА-М, 2022.

16. Чурсин, В. И. Применение релаксационной спектроскопии при оценке технологических процессов и качества продукции в производстве кожи и меха : монография / В. И. Чурсин. — М.: РГУ им. А.Н. Косыгина, 2016. — 161 с. — ISBN 978-5-87055-307-8.

17. Материаловедение (дизайн костюма) : учебник / Е. А. Кирсанова [и др.]. — М. : Вузовский учебник : ИНФРА-М, 2025. — 395 с. — ISBN 978-5-95580665-5. — URL: https://znanium.ru/catalog/product/2188273 (дата обращения: 21.10.2025).

18. Клетте Р. Компьютерное зрение. Теория и алгоритмы / Р. Клетте. - М.: ДМК-Пресс, 2019.

19. Nafstad, O. Variation in the Level of Grain Defect Light Flecks and Spots on Cattle Hides / O. Nafstad, H. Gronstol // Acta Veterinaria Scandinavica. — 2001. — Vol. 42. — P. 91-98.

20. Mwondu, J. Training manual on improved production and preservation techniques of hides and skins [Электронный ресурс]. — URL: https://www.researchgate.net/publication/324844427 (дата обращения: 17.02.2025).

21. Овчинно-шубное сырье, меховые шкурки телят и жеребят [Электронный ресурс]. — URL: http://furlib.ru/books/item/f00/s00/z0000007/st057.shtml (дата обращения: 17.02.2025).

22. NIIR Board of Consultants & Engineers. Leather Processing & Tanning Technology Handbook / National Institute of Industrial Research. — 2017. — 580 p. — ISBN 978-819056859.

23. Steger, C. Machine Vision Algorithms and Applications / C. Steger, M. Ulrich, C. Wiedemann. — Weinheim : Wiley-VCH, 2018.

24. Способы соединения и закрепления кожи [Электронный ресурс]. — URL: https://studopedia.ru/3_116214_vidi-opletki.html (дата обращения: 21.10.2025).

25. Как выполнить раскрой кожи [Электронный ресурс]. — URL: https://texnorezka.ru/stati/raskroj-kozhi (дата обращения: 21.10.2025).

26. Рубка кожи: технологии и методы раскроя [Электронный ресурс]. — URL: https://korsaj.ru/stati-pro-tekstil/rubka-kozhi-tochnost-i-akkuratnost-v-detalyax.html (дата обращения: 21.10.2025).

27. Автоматизация систем управления предприятий кожевенно-обувной промышленности : монография. — М. : РГУ им. А. Н. Косыгина, 2022. — ISBN 978-5-00181-271-5. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://elanbook.com/book/365264 (дата обращения: 17.02.2025).

28. Прижизненные, посмертные и технологические пороки и дефекты кожевенно-мехового сырья : учебное пособие / И. Ш. Абдуллин [и др.]. — Казань : КНИТУ, 2013. — 84 с. — ISBN 978-5-7882-1489-4. — URL: https://e.lanbook.com/book/73373 (дата обращения: 17.02.2025).

29. Есина, Г.Ф. Материаловедение в производстве кожи и меха : учебное пособие / Г. Ф. Есина. — М. : РГУ им. А. Н. Косыгина. — 96 с. — URL: https://znanium.com/catalog/product/961633 (дата обращения: 17.02.2025).

30. Справочник кожевника. Сырье и материалы / Р. Я. Афанасьева [и др.]. — М. : Легкая и пищевая промышленность, 1991. — 365 с.

31. Кулевцов, Г.Н. Повышение эффективности использования низкосортного сырья в кожевенно-меховом производстве с применением высокочастотной плазмы: научные основы и технологии: : дис. ... д-ра техн. наук : 05.19.05 / Г. Н. Кулевцов. — Казань, 2009. — 383 с.

32. Казанцева А.М., Рыжкова Е.А., Воронцов А.И. Необходимость классификации кожи и ее пороков при создании автоматизированной системы контроля качества натуральных кож // Вектор научной мысли: научный журнал. Апрель 2024. - СПб., Изд. МИПИ им. Ломоносова - 2024. №4(9). С. 184-190.

33. ГОСТ 3123-78. Производство кожевенное. Термины и определения -Москва: Издательство стандартов, 1995. - 40 с.

34. ГОСТ 26343-84. Кожа. Метод определения полезной площади. — Москва : Издательство стандартов, 1985. — 4 с.

35. ГОСТ 4.11-81 Система показателей качества продукции. Кожа. Номенклатура показателей. — Москва : Изд-во стандартов, 1982. — 12 с.

36. ГОСТ 337-84 Юфть для верха обуви. Определение сорта. - Взамен ГОСТ 337-74 ; введ. 01.01.86. - М. : Изд-во стандартов, 1985. - 4 с.

37. ГОСТ 338-81. Кожа хромовая для верха обуви. Определение сорта -Москва: ИПК Издательство стандартов, 2002. - 7 с.

38. Кожевенное производство - от сырья до готовой кожи [Электронный ресурс] // RusKo : [сайт]. - URL: https://rusko.ru/news/kojevennoe-proizvodstvo-ot-syrja-do-gotovoj-kozhi/ (дата обращения: 10.05.2024).

39. Борисов, Ю. Инфракрасные излучения / Ю. Борисов. — М. : Энергия, 1976. — 56 с.

40. Инфракрасная спектроскопия [Электронный ресурс] // Большая Российская Энциклопедия URL: https://bigenc.ra/c/mfrakrasnaia-spektroskopiia-39ae5f (дата обращения: 20.01.2024).

41. Versalis Automotive [Электронный ресурс] // Lectra URL: https://www.lectra.com/en/products/versalis-auto#benefits- (дата обращения: 20.04.2024).

42. Видимое излучение [Электронный ресурс] // gymnasium441 URL: https://gymnasium441.ru/files/predmet/informatika/sites/Rusanov_11/vidim.htm (дата обращения: 20.04.2024).

43. Раскройный Комплекс для Натуральной Кожи GERBER Taurus II [Электронный ресурс] / URL: https://gerbertechnology.ru/catalog/raskroynye-kompleksy/raskroynyy-kompleks-dlya-naturalnoy-kozhi-gerber-taurus-ii/gerbercutter-taurus-ii.html?ysclid=mlqsm9lq5y925584755 (дата обращения: 20.04.2024).

44. Vision-Based Optical 3D Reconstruction and the Application in Crop Information Perception [Электронный ресурс]. — URL: https://www.ap.researching.cn/articles/0J8b49db90a654774c/figureandtable (дата обращения: 20.04.2024).

45. Щербаков, В.В. Лазерное сканирование : учебно-методическое пособие / В. В. Щербаков. — Новосибирск : СГУПС, 2022. — 46 с. — ISBN 978-5-00148301-4. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/356249 (дата обращения: 25.02.2025).

46. Низкоуровневая обработка изображений в компьютерном зрении // Researchgate [Электронный ресурс]. URL :https://www.researchgate.net/publication/352933826/ (дата обращения: 20.04.2024).

47. Системы компьютерного зрения: современные задачи и методы [Электронный ресурс] // CONTROL ENGINEERING URL: https://controleng.ru/wp-content/uploads/CE_149_sistemy_kompyuternogo_zreniya.pdf

48. Шапиро Л. Компьютерное зрение / Шапиро Л., Стокман Дж.: пер. с англ. - М.: БИНОМ. Лаборатория знаний, 2006. - 752 с.

49. OpenCV [Электронный ресурс]. — URL: https://docs.opencv.org/4.8.0/ (дата обращения: 20.04.2024).

50. Point Cloud Library [Электронный ресурс]. — URL: https://pointclouds.org/ (дата обращения: 20.04.2024).

51. Pillow: обработка изображений в Python на примерах [Электронный ресурс]. — URL: https://python-scripts.com/pillow (дата обращения: 20.04.2024).

52. Кислых, Л. В. Материаловедение и конфекционирование швейного производства : учебно-методическое пособие / Л. В. Кислых. — Елец : Елецкий государственный университет им. И. А. Бунина, 2019. — 82 с.

53. Оганезов, К. В. Моделирование контуров кож при решении задач компьютерного размещения деталей / К. В. Оганезов, И. Б. Разин // Символ науки. — 2015. — № 6. — С. 51-55.

54. Фисенко, В. Т. Компьютерная обработка и распознавание изображений : учебное пособие / В. Т. Фисенко, Т. Ю. Фисенко. — СПб. : СПбГУ ИТМО, 2008. — 192 с.

55. Казанцева А.М. Анализ методов определения контура кожи при автоматическом раскрое / А.М. Казанцева, Е.А. Рыжкова // Инновационное развитие техники и технологий в промышленности (ИНТЕКС-2021): сборник материалов Всероссийской научной конференции молодых исследователей с международным участием, Москва, 12-15 апреля 2021 года. Том Часть 4. - Москва: Федеральное государственное бюджетное образовательное учреждение высшего

образования "Российский государственный университет имени А.Н. Косыгина (Технологии. Дизайн. Искусство)", 2021. - С. 201-205. - EDN RRUBKW.

56. Грузман, И. С. Цифровая обработка изображений в информационных системах : учебное пособие / И. С. Грузман. — Новосибирск, 2000. — 166 с.

57. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс ; пер. с англ. — 3-е изд. — М. : Техносфера, 2012. — 1104 с. — ISBN 978-5-94836331-8.

58. Cao, C. Research and Application of 3D Clothing Design Based on Deep Learning / C. Cao // Advances in Multimedia. — 2022. — Vol. 2.

59. Liu, X. Fast 3D Surface Measurement with Wrapped Phase and Pseudorandom Image / X. Liu [et al.] // Sensors. — 2019. — Vol. 19.

60. Xhimitiku, I. 3D shape measurement techniques for human body reconstruction / I. Xhimitiku [et al.] // Acta IMEKO. — 2022. — Vol. 11, No. 2.

61. Андреева, Е. Г. Методология оценки качества проектных решений одежды в виртуальной трехмерной среде : монография / Е. Г. Андреева, И. А. Петросова. — М. : РГУ им. А. Н. Косыгина, 2015. — ISBN 978-5-87055-224-8. — Текст : электронный // Лань. — URL: https://elanbook.com/book/128216 (дата обращения: 18.02.2026).

62. Казанцева А.М. Поиск контуров заготовки из натуральной кожи в процессе раскроя методом кадровой разницы / А. М. Казанцева, Е. А. Рыжкова // Инновационное развитие техники и технологий в промышленности (ИНТЕКС-2022): сборник материалов Всероссийской научной конференции молодых исследователей с международным участием, Москва, 18-20 апреля 2022 года. Том 4. - Москва: Федеральное государственное бюджетное образовательное учреждение высшего образования "Российский государственный университет имени А.Н. Косыгина (Технологии. Дизайн. Искусство)", 2022. - С. 52-55. - EDN XEILHS.

63. Казанцева, А.М. К вопросу о распознавании контуров / А. М. Казанцева, Е. А. Рыжкова, Д. В. Масанов // Инженерный вестник Дона. - 2023. - №2 3(99). - С. 114-123. - EDN JAPEZN.

64. Жиляков, Е. Г. Вариационные методы анализа и построения функций по эмпирическим данным / Е. Г. Жиляков. — Белгород : БелГУ, 2007. — 160 с.

65. Кудрявцев, Л. В. Краткий курс математического анализа / Л. В. Кудрявцев. — М. : Наука, 1989. — 736 с.

66. Казанцева А.М. Анализ способов идентификации при определении контуров кож по фотоснимкам / А. М. Казанцева, Е. А. Рыжкова, Д. В. Масанов // Инженерный вестник Дона. - 2023. - № 6(102). - С. 274-283. - EDN HCWILU.

67. Казанцева А.М., Рыжкова Е.А., Казначеева А.А. Нейросетевые решения на основе архитектуры U-net для автоматического определения контуров натуральных кож // Инженерный вестник Дона. - 2024. - № 12(120). - С. 666-677.

— EDN ZUTZSJ.

68. Уржумов, Д. В. Системы распознавания образов. Компьютерное зрение : практикум / Д. В. Уржумов, А. В. Кревецкий. — Йошкар-Ола : ПГТУ, 2024.

— 36 с.

69. Емалетдинова, Л. Ю. Особенности поиска и нейросетевого распознавания эталонного контура объекта / Л. Ю. Емалетдинова, М. А. Назаров.

— DOI: 10.55421/1998-7072_2022_25_3_62.

70. Muthukrishnan, R. Edge Detection Algorithms for Image Segmentation / R. Muthukrishnan, M. Radha // International Journal of Computer Science & Information Technology. — Vol. 3, No. 6. — P. 259-267.

71. Пролубников А. В. Математические методы распознавания образов: учебное пособие / А. В. Пролубников. — Омск : ОмГУ, 2020. — 110 с. — ISBN 9785-7779-2461-2.

72. Мартышкин, А. И. Модификация метода выделения контуров объекта / А. И. Мартышкин [и др.] // Труды ИСП РАН. — 2022. — Т. 34, № 6. — С. 127136.

73. Титов, А.И. Разбиение контура изображения графического объекта на фрагменты в задачах классификации / А.И. Титов, Н.И. Корсунов, Н.В. Щербинина // Научный результат. Сер. Информационные технологии. — 2025. — Т. 10, № 1.

— С. 16-23.

74. Обработка изображений в системах обнаружения и сопровождения объектов : учебное пособие / П. В. Бабаян [и др.]. — Рязань : РГРТУ, 2024. — 168 с. — ISBN 978-5-9912-1098-0.

75. Брэдски, Г. Learning OpenCV : компьютерное зрение с библиотекой OpenCV / Г. Брэдски, А. Кэлер ; пер. с англ. — М. : ДМК Пресс, 2009. — 608 с.

76. Практикум по машинному обучению: классификация изображений (Сверточные нейронные сети) [Электронный ресурс] // Google for Developers : сайт. - 2023. - URL: https://developers.google.com/machine-learning/practica/image-classification/convolutional-neural-networks?hl=ru (дата обращения: 18.02.2025).

77. OpenCV шаг за шагом. Обработка изображения — свёртка [Электронный ресурс] // RoboCraft - URL: http://robocraft.ru/blog/computervision/420.html (дата обращения: 18.02.2025).

78. OpenCV: оператор Собеля [Электронный ресурс] // НОУ ИНТУИТ. — URL: https://intuit.ru (дата обращения: 18.02.2026).

79. Escriva D. M. OpenCV 4 Computer Vision Application Programming Cookbook / D. M. Escriva, R. Laganiere. - 4th ed. - Birmingham : Packt Publishing, 2019. - Ch. 2 «How it works...», Sec. «Sobel operator». - ISBN 978-1-78934-072-3.

80. Gonzalez R. C. Digital Image Processing / R. C. Gonzalez, R. E. Woods. -4th ed. - New York : Pearson, 2018.

81. Canny, J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. — 1986. — P. 679-698.

82. OpenCV: детектор границ Кэнни (Canny) [Электронный ресурс] // НОУ ИНТУИТ. — URL: https://intuit.ru (дата обращения: 18.02.2026).

83. Сойникова, Е.С. Высокопроизводительный метод обнаружения границ на медицинских изображениях / Е.С. Сойникова, М.С. Рябых, Д.С. Батищев [и др.] // Научный результат. Информационные технологии. - 2016. - Т.1, №3. - С. 4-10.

84. Новиков, А. И. Детектор границ градиентного типа для изображений подстилающей поверхности / А. И. Новиков, А. В. Пронькин // Вестник РГРТУ. -2019. - №68. - C. 68-76.

85. Маврин, Е.М. Сравнение алгоритмов выделения контуров на цифровом изображении и выбор наилучшего алгоритма для реализации на ПЛИС / Е. М. Маврин // Вопросы науки и образования. - 2019. - №14 (61). - С. 11-24.

86. Мартьянова, А. В. Анализ алгоритмов выделения контуров, основанных на градиентных и агрегационных операторах / А. В. Мартьянова, В. Э. Мухаматнуров // Компьютерный анализ изображений : материалы конференции. — Екатеринбург, 2016. — С. 78-84.

87. Soille P. Morphological Image Analysis: Principles and Applications / P. Soille. - 2nd ed. - Berlin : Springer-Verlag, 2003. - 391 p.

88. Журавлев А. А. Повышение качества изображений дорожного покрытия на основе подходов морфологической обработки / А. А. Журавлев, К. А. Аксенов // Инженерный вестник Дона. - 2023. - № 7.

89. Казанцева А.М., Анисимова А.А., Масанов Д.В. Обнаружение краев объекта на изображении // Сборник научных трудов кафедры автоматики и промышленной электроники Российского государственного университета им. А.Н. Косыгина: Сборник статей. - Москва : ФГБОУ ВО «РГУ им. А.Н. Косыгина», 2023. - С. 135-143.

90. Santry D. J. Demystifying deep learning : an introduction to the mathematics of neural networks / D. J. Santry. - Hoboken : Wiley, 2024. -246 p.

91. Zhang T. Neural networks / T. Zhang // An introduction to materials informatics : the elements of machine learning. - Singapore : Springer, 2025. - P. 245323.

92. Рашид, Т. Создаем нейронную сеть / Т. Рашид. — СПб. : Диалектика, 2019. — 272 с.

93. Барский, А. Б. Введение в нейронные сети : учебное пособие / А. Б. Барский. — 2-е изд. — Москва : ИНТУИТ, 2016. — 358 с. — Текст : электронный // Лань. — URL: https://e.lanbook.com/book/100684 (дата обращения: 11.02.2025).

94. Хайкин, С. Нейронные сети: полный курс / С. Хайкин ; пер. с англ. — М. : Вильямс, 2008. — 1103 с.

95. Галушкин, А. И. Нейронные сети: основы теории / А. И. Галушкин. — Москва : Горячая линия-Телеком, 2024. — 496 с. — ISBN 978-5-9912-0082-0.

96. Сверточные нейронные сети: различия между версиями [Электронный ресурс] // Университет ИТМО. — URL: https://nerc.itmo.ru (дата обращения: 18.02.2026).

97. Белозерова, Г. И. Нечеткая логика и нейронные сети : учебное пособие / Г. И. Белозерова, Д. М. Скуднев, З. А. Кононова. — Липецк : ЛГПУ, 2017. — 64 с.

98. Алексейчук, А. С. Введение в нейронные сети: модели, методы и программные средства : учебное пособие / А. С. Алексейчук. — Москва : МАИ, 2023. — 105 с. — ISBN 978-5-6049766-0-9.

99. Ростовцев В.С. Искусственные нейронные сети: учебник. - Киров: Изд-во ВятГУ, 2014. - 208 с.

100. Волков, В. А. Система распознавания знаков с использованием нейронных сетей / В. А. Волков, И. З. Пуримов, А. А. Фридлянд. — Томск : ТПУ, 1976. — С. 36.

101. Протодьяконов, А. В. Алгоритмы Data Science и их практическая реализация на Python : учебное пособие / А. В. Протодьяконов [и др.]. — М. : Инфра-Инженерия, 2022. — 392 с. — URL: https://www.studentlibrary.ru (дата обращения: 18.02.2026).

102. Соробин, А. Б. Сверточные нейронные сети: примеры реализаций: учебно-методическое пособие / А. Б. Соробин. — Москва : РТУ МИРЭА, 2020. — 159 с.

103. Boundary-Aware CNN for Semantic Segmentation / H. Wang [et al.] // IEEE Access. — 2019. — Vol. 7. — P. 114520-114528. — DOI: 10.1109/ACCESS.2019.2935746.

104. Картер, Дж. Сверточные нейросети / Дж. Картер. — М. : ЛитРес, 2024.

105. Сацюк А. В. Компьютерное зрение и нейронные сети: учебное пособие / А. В. Сацюк. - Москва; Вологда: Инфра-Инженерия, 2025. - 364 с. - ISBN 978-59729-2706-7.

106. Казанцева А.М., Рыжкова Е.А., Казначеева А.А. Особенности цифровой обработки объектов при определении контуров натуральных кож // Известия высших учебных заведений. Технология текстильной промышленности. - 2024. - № 5(413). - С. 197-204. - DOI 10.47367/0021-3497_2024_5_197. - EDN PZNOXB.

107. Солем, Я. Программирование компьютерного зрения на языке Python / Я. Солем. — М. : ДМК-Пресс, 2016.

108. Крейман, Г. Биологическое машинное зрение / Г. Крейман. — М. : ДМК-Пресс, 2022.

109. Вакуленко С.А. Практический курс по нейронным сетям / С. А. Вакуленко, А.А. Жихарева - СПб: Университет ИТМО, 2018. - 71 с.

110. Ивановский, С. А. Алгоритмы вычислительной геометрии / С. А. Ивановский, А. С. Преображенский, С. К. Симончик // Компьютерные инструменты в образовании. — 2007. — № 1. — С. 4-19.

111. Mount, David M. Computational Geometry // CMSC 754. - 2002. — 122 p.

112. Казанцева А.М., Парамонов Н.С. Современные способы обработки растровых графических изображений // Инновационное развитие техники и технологий в промышленности: Сборник материалов Всероссийской научной конференции молодых исследователей с международным участием, Москва, 16 апреля 2024 года. - Москва: Российский государственный университет имени А.Н. Косыгина (Технологии. Дизайн. Искусство), 2024. - С. 105-107. - EDN LPRJMO.

113. ГОСТ ISO 2419-2013. Кожа. Физические и механические испытания. Подготовка и кондиционирование проб - Москва: Стандартинформ, 2014. - 7 с.

114. ГОСТ 939-2021. Кожа для верха обуви. Технические условия - Москва: Российский институт стандартов, 2021. - 18 с.

115. Янгирова, Р.Г. Особенности обработки изделий из натуральной кожи: учебное пособие / Р.Г. Янгирова; под редакцией А.Ю. Персидской - Челябинск: Издательский центр ЮУрГУ, 2011. - 37 с.

116. Казанцева А.М., Рыжкова Е.А., Казначеева А.А. Измерение толщины кожи и его значение при раскладке лекал // Дизайн и технологии. - 2024. - № 101(143). - С. 85-93. - EDN ZSQVNN.

117. Казанцева А.М., Трифонова В.Ю. Программные комплексы размещения деталей на натуральной коже // Инновационное развитие техники и технологий в промышленности: Сборник материалов Всероссийской научной конференции молодых исследователей с международным участием, Москва, 17 апреля 2025 года. - Москва: Российский государственный университет им. А.Н. Косыгина (Технологии. Дизайн. Искусство), 2025. - С. 150-152. - EDN SPAIWD.

118. Милюшкова, Ю.В. Конструктивная характеристика изделий из кожи: курс лекций / Ю. В. Милюшкова, Т. М. Борисова, А. Л. Ковалев. - Витебск: УО «ВГТУ», 2018. - 95 с.

119. Узакова, Л. П. Современные требования к деталям верха обуви / Л. П. Узакова [и др.] // Техника. Технологии. Инженерия. — 2019. — № 2. — С. 30-33.

120. Кащенко, Е. Г. Товароведение и экспертиза обувных товаров : учебное пособие / Е. Г. Кащенко [и др.]. — Оренбург : ОГУ, 2008. — 187 с.

121. Пименов, В. И. Справочник обувщика. Т. 2 / В. И. Пименов [и др.]. — М. : Легкая индустрия, 1971. — 392 с.

122. Щербина, О. А. Метаэвристические алгоритмы для задач комбинаторной оптимизации / О. А. Щербина // Таврический вестник информатики и математики. — 2014. — № 1. — С. 56-72.

123. Скобцов Ю. А. Метаэвристики : монография / Ю. А. Скобцов, Е. Е. Федоров. - Донецк, 2019. - 409 с.

124. Родзин С. И. Машинное обучение: метаэвристики дифференциально -векторного движения: учебное пособие / С. И. Родзин, О. Н. Родзина. - Чебоксары: Среда, 2024. - 140 с. - ISBN 978-5-907830-17-2.

125. Демидова, Л. А. Популяционные алгоритмы оптимизации: монография / Л. А. Демидова. — Москва: РТУ МИРЭА, 2025 — Часть 1 — 2025. — ISBN 9785-7339-2643-8.

126. Северцев, Н. А. Основные методы повышения качества работы генетического алгоритма для решения многокритериальной задачи коммивояжера / Н. А. Северцев, А. И. Дивеев, А. В. Киселев // Труды Международного симпозиума «Надежность и качество». - 2008. - №. - С. 1- 4.

127. Глебов, А. В. Влияние размера популяции на скорость сходимости генетического алгоритма при древовидном представлении хромосом / А. В. Глебов, Д. А. Стрикелев // Информационные технологии, электронные приборы исистемы (ITEDS'2010): Материалы Международной научно-практической конференции, 67 апреля 2010 г. - Минск: Белорусский государственный университет, 2010. - №3.

- С. 314-316.

128. Головистиков, А.В. Задача двумерной прямоугольной упаковки и раскроя: обзор. // Информатика. - 2008. - №4. - С. 18-33.

129. Efficient Algorithms for 2-D Rectangle Packing [Электронный ресурс]. — URL: https://www.csc.liv.ac.uk (дата обращения: 10.06.2024).

130. Казанцева А.М., Рыжкова Е.А., Разин И.Б. Геометрическое моделирование оптимального размещения шаблонов на коже // Дизайн и технологии. - 2025. - № 109(151). - С. 62-67.

131. Burke, E. K. No-fit polygon generation / E. K. Burke [et al.] // European Journal of Operational Research. — 2007. — Vol. 179. — P. 27-49.

132. Adamowicz, M. Rectangular Cutting-Stock Problem / M. Adamowicz, A. Albano // IEEE Transactions. — 1976. — P. 302-310.

133. SVGNest [Электронный ресурс] // GitHub. — URL: https://github.com/Jack000/SVGnest (дата обращения: 19.04.2025).

134. Яремко, М. О. Эффективный алгоритм размещения деталей произвольной формы на листовом материале // Программные продукты и системы.

- 2007. - №3. - С. 89-90.

135. Fit: Irregular bin packing library [Электронный ресурс] // GitHub. — URL: https://github.com/mattatz/fit (дата обращения: 19.02.2026).

ПРИЛОЖЕНИЯ

АКТЫ АПРОБАЦИИ

р/с 40702 8102.40120100100 БИК 044525225 «/с 30101 8104.00000000225 Среднейусского блика ПАО «Сбербанк России»