Методы и алгоритмы распознавания изображений для обнаружения дефектов внутренней поверхности труб с целью автоматизации визуального контроля

• Автор: Цапаев, Алексей Петрович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Нижний Новгород
• Количество страниц: 118 с. : ил.

Содержание
ВВЕДЕНИЕ

1. ОБЪЕКТ ИССЛЕДОВАНИЯ. ПОДХОДЫ К АВТОМАТИЗАЦИИ

ВИЗУАЛЬНОГО КОНТРОЛЯ ПОВЕРХНОСТЕЙ

1.1. Особенности визуально-оптического контроля

1.2. Анализ объекта контроля

1.3. Обзор методов визуального контроля внутренней поверхности труб

1.4 Опыт создания автоматизнрованых систем визуального контроля поверхности.

1.5 Цели и задачи

2. СУЩЕСТВУЮЩИЕ МЕТОДЫ ОБНАРУЖЕНИЯ ДЕФЕКТОВ

2.1 Методы сегментации изображений

2.1.1 Общая классификация
2.1.2 Методы сегментации, основанные на выделении границ
2.1.3 Методы, основанные на преобразовании водораздела
2.1.4 Методы теории графов
2.2 Экспериментальное исследование существующих методов сегментации
2.3. Методы обнаружения дефектов текстуры
2.4 Выводы к главе
3. МЕТОДЫ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ
ВНУТРЕННЕЙ ПОВЕРХНОСТИ ТРУБ
3.1 Анализ схем осмотра внутренней поверхности труб
3.2 Алгоритмы выделения заданной области при прямом осмотре
3.3 Алгоритм развертки изображения при боковом осмотре
3.4 Алгоритм «сшивки» изображений
3.5 Выводы к главе
4. ПРЕДЛОЖЕННЫЕ МЕТОДЫ ОБНАРУЖЕНИЯ ДЕФЕКТОВ И ИХ
ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ
4.1 Определение размера базового элемента текстуры
4.2 Метод оценки изменения формы спектра
4.3 Определение ограничений методов обнаружения дефектов поверхности
4.4 Исследование методов обнаружения на изображениях внутренней поверхности труб.
4.5 Практическая реализация
4.6 Выводы к главе
5. КЛАССИФИКАЦИЯ ДЕФЕКТОВ ВНУТРЕННЕЙ ПОВЕРХНОСТИ ТРУБ.
5.1. Признаки для распознавания объектов исследования
5.1.1 Геометрические признаки
5.1.2 Текстурные признаки
5.2 Методы распознавания образов
5.2.1 Обзор методов
5.2.2 Нейросетевой метод классификации
5.2.3 Метод главных компонент
5.3 Исследование признаков
5.4 Исследование методов классификации
5.5 Выводы к главе
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ 1. ФОРМУЛЫ ДЛЯ ВЫЧИСЛЕНИЯ УГЛА ПОВОРОТА ТРУБЫ ПРИ БОКОВОМ ОСМОТРЕ
ПРИЛОЖЕНИЕ 2. АЛГОРИТМЫ, ПРЕДЛОЖЕННЫЕ В РАБОТЕ
ПРИЛОЖЕНИЕ 3. ЛИСТИНГ ПРОГРАММ. КОД МАТЬАВ
ПРИЛОЖЕНИЕ 4. АКТ ВНЕДРЕНИЯ

Областью данного исследования являются методы обработки изображений при автоматизации визуального контроля внутренней поверхности труб. Инспекция внутренней поверхности осуществляется на предприятиях изготовителях и потребителях труб, в частности при входном контроле, в организациях производителях парогенераторов. Требования к контролю указаны в технических условиях на соответствующие трубы и не допускают наличие дефектов, таких как плены, трещины, задиры и др. Оператор, проводящий визуальный осмотр, подвержен физическому и эмоциональному утомлению, его работа зависит от опыта, поэтому автоматизация визуального контроля, как средство исключения субъективности, является актуальной задачей.
В соответствии с маршрутом производства труб операция визуального контроля внутренней поверхности присутствует до 5 раз за технологический цикл. Следовательно, для повышения производительности изготовления труб необходимо автоматизировать данную операцию. Кроме того, автоматизация визуального контроля откроет возможность для включения данной операции в ЛСУ ТП, что позволит повысить качество и сократить брак.
Развитие атомной промышленности в нашей стране идет высокими темпами. В планах госкорпорации «Росатом» строительство Нижегородской АЭС, Балтийской АЭС, реакторов БН 1200 для Белоярской АЭС, плавучих АТЭС, атомных ледоколов нового поколения, зарубежные проекты и др. Высокая трудоемкость визуального контроля доказывает важность его автоматизации, особенно в условиях увеличивающихся объемов производства.
В то же время, первостепенной задачей при строительстве атомных станций является безопасность. Аварии на АЭС Три-Майл-Айленд, Чернобыльской АЭС и АЭС Фукусима подтверждают этот факт. В условиях субъективности визуального контроля, в качестве фактора риска выступает человеческий фактор, исключить который, тем самым повысив качество и безопасность АЭС, позволит автоматизация операции контроля.
Ранее, согласно техническим условиям на трубы, инспекция внутренней поверхности проводилась вручную контролером, с помощью смотрового прибора РВП-469 (перископа) или приборов подобных ему. Качество получаемой картинки было не высоким. Следующим этапом в развитии стало появление цифрового эндоскопа, которое многократно повысило качество получаемой картинки и открыло возможность автоматизации визуального контроля посредством анализа и обработки цифровых изображений.
В настоящее время созданы методы обработки изображений, которые решают задачи в конкретных областях. Таким образом, встает проблема адаптации или разработки новых алгоритмов обеспечивающих обнаружение и классификацию дефектов внутренней поверхности труб.

Рисунок 2.13. Изображения внутренней поверхности трубы с дефектом
пятно
а) исходное изображение; б) сегментация методом водораздела; в) сегментация модифицированным методом водораздела; г) сегментация методом нормальных разрезов; д) сегментация методом Саппу;
Оценка качества сегментации проводилась исследователем визуально. Критериями качества служили следующие параметры:
- пропуск дефекта;
- локализация не дефектной области;
- соответствие формы локализованных областей форме дефекта
На рисунках 2.11 б, 2.12 б, 2.13 б представлен результат сегментации методом водораздела. Белым цветом показана граница «водораздела», т.е. граница между отдельными сегментами. Из рисунков видно, что метод не обеспечивает локализацию дефектов.
На рисунках 2.11 в, 2.12 в, 2.13 в представлен результат сегментации модифицированным методом водораздела. Белым цветом показана граница «водораздела», т.е. граница между отдельными сегментами. Из рисунков видно, что метод не обеспечивает локализацию дефектов.
На рисунках 2.11 г, 2.12 г, 2.13 г представлен результат сегментации методом нормальных разрезов. Оттенками серого закрашены различные сегменты. Из рисунков видно, что метод не выделяет дефекты в отдельные сегменты.