<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE root>
<article xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ali="http://www.niso.org/schemas/ali/1.0/" article-type="research-article" dtd-version="1.2" xml:lang="en"><front><journal-meta><journal-id journal-id-type="publisher-id">Trudy NGTU im. R.E. Alekseeva</journal-id><journal-title-group><journal-title xml:lang="en">Trudy NGTU im. R.E. Alekseeva</journal-title><trans-title-group xml:lang="ru"><trans-title>Труды НГТУ им. Р.Е. Алексеева</trans-title></trans-title-group></journal-title-group><issn publication-format="print">1816-210X</issn><publisher><publisher-name xml:lang="en">Nizhny Novgorod State Technical University n.a. R.E. Alekseev</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="publisher-id">680784</article-id><article-id pub-id-type="edn">HMPBDM</article-id><article-categories><subj-group subj-group-type="toc-heading" xml:lang="en"><subject>COMPUTER SCIENCE, MANAGEMENT AND SYSTEM ANALYSIS</subject></subj-group><subj-group subj-group-type="toc-heading" xml:lang="ru"><subject>Информатика, управление и системный анализ</subject></subj-group><subj-group subj-group-type="article-type"><subject>Research Article</subject></subj-group></article-categories><title-group><article-title xml:lang="en">Image morphological analysis methods for detecting defects in coatings</article-title><trans-title-group xml:lang="ru"><trans-title>Методы морфологического анализа изображений для выявления дефектов на покрытиях</trans-title></trans-title-group></title-group><contrib-group><contrib contrib-type="author"><contrib-id contrib-id-type="orcid">https://orcid.org/0000-0001-9710-2860</contrib-id><name-alternatives><name xml:lang="en"><surname>Kiyashchenko</surname><given-names>V. V.</given-names></name><name xml:lang="ru"><surname>Киященко</surname><given-names>В. В.</given-names></name></name-alternatives><address><country country="RU">Russian Federation</country></address><email>vv.kiyashchenko@gmail.com</email><xref ref-type="aff" rid="aff1"/></contrib></contrib-group><aff-alternatives id="aff1"><aff><institution xml:lang="en">Samara State Technical University</institution></aff><aff><institution xml:lang="ru">Самарский государственный технический университет</institution></aff></aff-alternatives><pub-date date-type="pub" iso-8601-date="2025-01-30" publication-format="electronic"><day>30</day><month>01</month><year>2025</year></pub-date><issue>1</issue><issue-title xml:lang="en"/><issue-title xml:lang="ru"/><fpage>26</fpage><lpage>36</lpage><history><date date-type="received" iso-8601-date="2025-05-27"><day>27</day><month>05</month><year>2025</year></date></history><permissions><copyright-statement xml:lang="en">Copyright ©; 2025, Kiyashchenko V.V.</copyright-statement><copyright-statement xml:lang="ru">Copyright ©; 2025, Киященко В.В.</copyright-statement><copyright-year>2025</copyright-year><copyright-holder xml:lang="en">Kiyashchenko V.V.</copyright-holder><copyright-holder xml:lang="ru">Киященко В.В.</copyright-holder><ali:free_to_read xmlns:ali="http://www.niso.org/schemas/ali/1.0/"/><license><ali:license_ref xmlns:ali="http://www.niso.org/schemas/ali/1.0/">https://creativecommons.org/licenses/by/4.0</ali:license_ref></license></permissions><self-uri xlink:href="https://journals.eco-vector.com/1816-210X/article/view/680784">https://journals.eco-vector.com/1816-210X/article/view/680784</self-uri><abstract xml:lang="en"><p>The article discusses image morphological analysis methods for detecting defects in coatings. The application of morphological operations such as erosion, dilation, closing and gradient effectively highlights object boundaries in images. An approach to automated coating image analysis is proposed. This approach allows determining the defect coordinates, area, perimeter, and eccentricity. The results demonstrate the high efficiency of morphological processing methods in enhancing the accuracy and completeness of surface structure analysis. A table documenting defect characteristics has been developed, serving as a foundation for further classification and quality assessment of coatings. The proposed methods improve defect detection accuracy and have potential applications in industrial and scientific research.</p></abstract><trans-abstract xml:lang="ru"><p>Рассматриваются методы морфологического анализа изображений для выявления дефектов на покрытиях. Применение морфологических операций, таких как эрозия, дилатация, замыкание и градиент, позволяет эффективно выделять границы объектов на изображениях. В ходе исследования предложен подход к автоматизированному анализу изображений покрытий, позволяющий определять координаты, площадь, периметр и эксцентриситет дефектов. Представленные результаты демонстрируют высокую эффективность методов морфологической обработки в улучшении точности и полноты анализа структуры поверхности. Для документирования характеристик дефектов сформирована таблица, которая может быть использована в качестве основы для дальнейшей классификации и оценки качества покрытий. Применение предложенных методов позволяет повысить точность дефектоскопии и может найти применение в промышленности и научных исследованиях.</p></trans-abstract><kwd-group xml:lang="en"><kwd>morphological analysis</kwd><kwd>coating defects</kwd><kwd>erosion</kwd><kwd>dilation</kwd><kwd>gradient</kwd><kwd>image processing</kwd><kwd>surface structure analysis</kwd><kwd>defect detection</kwd><kwd>analysis automation</kwd><kwd>coating quality</kwd></kwd-group><kwd-group xml:lang="ru"><kwd>морфологический анализ</kwd><kwd>дефекты покрытий</kwd><kwd>эрозия</kwd><kwd>дилатация</kwd><kwd>градиент</kwd><kwd>обработка изображений</kwd><kwd>анализ структуры поверхности</kwd><kwd>дефектоскопия</kwd><kwd>автоматизация анализа</kwd><kwd>качество покрытий</kwd></kwd-group><funding-group/></article-meta></front><body></body><back><ref-list><ref id="B1"><label>1.</label><mixed-citation>Бикмасов, Р.Г. Применение базальтоволоконных композитных труб в качестве метода по защите от коррозии промысловых трубопроводных систем // Научно-практические исследования. 2021. № 2-2(37). С. 4-6. – EDN IBVCCR.</mixed-citation></ref><ref id="B2"><label>2.</label><mixed-citation>Патент № 2436868 C2 Российская Федерация, МПК C23C 30/00, B32B 18/00, F01D 1/00. Защищенный против коррозии компонент из композитного материала с керамической матрицей, содержащей кремний: № 2008139139/02: заявл. 03.04.2007: опубл. 20.12.2011 / К. Луше-Пуилльери, Э. Буйон, А. Тавиль [и др.]. – EDN EDGNXO.</mixed-citation></ref><ref id="B3"><label>3.</label><mixed-citation>Чудакова, А.Ф. Современные композитные материалы, применяемые в нефтяной промышленности для защиты от сероводородной коррозии / А.Ф. Чудакова, С.А. Сырбу, А.С. Митрофанов // Естественные науки и пожаробезопасность: проблемы и перспективы исследований: Сборник материалов Всероссийской научно-практической конференции с международным участием. – Иваново: Ивановская пожарно-спасательная академия Государственной противопожарной службы МЧС РФ, 2024. С. 127-132. EDN SWOWAO.</mixed-citation></ref><ref id="B4"><label>4.</label><mixed-citation>05.07-19Б4.190 Синтез методом плазменного распыла и характеристика алюминиевого композита, усиленного углеродными нанотрубками // РЖ 19Б-4. Физическая химия (Кинетика. Катализ. Фотохимия. Радиационная химия. Плазмохимия). 2005. № 7. EDN HNBPZN.</mixed-citation></ref><ref id="B5"><label>5.</label><mixed-citation>Новиков, В.Ю. Микроструктура и высокотемпературное окисление покрытия ZrB2-MoSi2-Y2O3-Al на поверхности углерод-углеродных композитов / В.Ю. Новиков, М.Н. Япрынцев, И.А. Павленко // Школа молодых новаторов: Сборник научных статей 2-й Международной научной конференции перспективных разработок молодых ученых. Том 3. – Курск: Юго-Западный государственный университет, 2021. С. 150-153. EDN FTIYMW.</mixed-citation></ref><ref id="B6"><label>6.</label><mixed-citation>Филиппов, А.А. Исследование влияния нанодисперсных частиц на механические свойства гетерогенного материала / А.А. Филиппов, Т.А. Борисова // Вестник Нижегородского университета им. Н.И. Лобачевского. 2011. № 4-5. С. 2546-2547. EDN RUFMDH.</mixed-citation></ref><ref id="B7"><label>7.</label><mixed-citation>Поляков, В.В. О дефектоскопии многослойных металлополимерных слоистых композитов системы AL-(ПЭНД-AL)X-AL методом вихревых токов / В.В. Поляков, С.Ф. Дмитриев, А.В. Ишков [и др.] // Ползуновский вестник. 2013. № 2. С. 133-138. EDN RBPXXF.</mixed-citation></ref><ref id="B8"><label>8.</label><mixed-citation>Воропай, А.Н. Получение наноструктурированных композитов на основе высокопористых углеродных матриц, наполненных Ni или Ni(OH)2, и определение факторов, влияющих на их физико-химические свойства: специальность 02.00.04 «Физическая химия»: диссертация на соискание ученой степени кандидата химических наук. – Кемерово, 2015. – 133 с. EDN TNQPDD.</mixed-citation></ref><ref id="B9"><label>9.</label><mixed-citation>Андрианова, Н.Н. Исследование эмиссионных процессов и структуры поверхностного слоя материалов при высоких флюенсах облучения пучками атомарных и молекулярных ионов : специальность 01.04.08 «Физика плазмы»: автореферат диссертации на соискание ученой степени кандидата физико-математических наук. – М., 2008. – 22 с. – EDN MBNQHF</mixed-citation></ref><ref id="B10"><label>10.</label><mixed-citation>Визильтер, Ю.В. Обработка и анализ цифровых изображений с примерами на LabVIEW и IMAC Vision / Ю.В. Визильтер, С.Ю. Желтов, В.А. Князь [и др.]. – Москва: ООО ДМК-пресс «Электронные книги», 2007. – 464 с. EDN RAZBZV.</mixed-citation></ref><ref id="B11"><label>11.</label><mixed-citation>Bimrose. M.V. Automatic detection of hidden defects and qualification of additively manufactured parts using X-ray computed tomography and computer vision / Miles V. Bimrose, Tianxiang Hu, Davis J. McGregor, Jiongxin Wang, Sameh Tawfick, Chenhui Shao, Zuozhu Liu, William P. King // Manufacturing Letters, Volume 41, Supplement, 2024, pp. 1216-1224.</mixed-citation></ref><ref id="B12"><label>12.</label><mixed-citation>Baoya Wang. A defect detection method for Akidzuki pears based on computer vision and deep learning / Baoya Wang, Jin Hua, Lianming Xia, Fangyuan Lu, Xia Sun, Yemin Guo, Dianbin Su // Postharvest Biology and Technology, Volume 218, 2024, pp. 113157.</mixed-citation></ref><ref id="B13"><label>13.</label><mixed-citation>An Xinhao. Computer vision-based substructure isolation method for localized damage identification / Xinhao An, Jilin Hou, Dengzheng Xu, Guang Dong // Structures, Volume 70, 2024, pp. 107660.</mixed-citation></ref></ref-list></back></article>
