Pаспознaвание сварных точечных соединений по рентгеновским снимкам деталей
Окончательный контроль сваренного узла или изделия выполняется способами, установленными технологией и техническими требованиями, предъявляемыми к этим изделиям. Контроль может осуществляться с разрушением или без разрушения.
Применение рентгеновских пленок лежит в основе радиографического метода дефектоскопии, который занимает наибольший объем из всех известных методов радиационного контроля. Данным методом выявляются такие дефекты, как трещины, непровары, несплавления кромок. Наилучшая выявляемость наблюдается при прохождении излучения вдоль плоскостных дефектов (под углом 0°). Для получения и использования рентгеновского метода и гамма-излучений применяют разную радиационную технику: рентгеновские аппараты, гамма-аппараты, линейные ускорители и бетатроны.
При этом в сварных точках контролируют их форму и диаметр, глубину отпечатка и расстояние между точками.
На рис. 1 представлен принцип контроля точечных сварных соединений на детали типа «полый трехслойный цилиндр».
Недостатком метода радиационного контроля является то, что рассеянное излучение в зависимости от энергии первичного излучения изменяет качество снимка, снижает контрастность и четкость изображения, а, следовательно, и чувствительность самого метода. Вследствие этого явления дефекты малого размера тяжело различить (рис. 2). В то же время монотонность и характерное для ряда деталей большое количество областей, необходимых для визуального распознавания, способствует быстрому уставанию оператора и приводит к большому количеству ошибок, обусловленных «человеческим фактором» (усталость, рассеянность внимания при длительной монотонной работе).
Таким образом, необходимость разработки практических решений для автоматизации процесса контроля качества точечных сварных соединений путем распознавания и анализа рентгеновских снимков точечных сварных соединений определила актуальность данной темы.
Поскольку изначально работа с оцифрованными снимками затруднительна в связи с большим количеством шумов на снимке и недостаточной для работы оператора контрастности изображения (рис. 2), был реализован алгоритм изменения яркости и контрастности изображения (алгоритм выполняется автоматически при открытии изображения при включении соответствующих настроек).
Все операции совершаются путем работы с матрицей изображения.
Изменение яркости выполняется путем сложения каждого значения матрицы с коэффициентом яркости:
A′ = A + x,
где A′ – результирующее значение, А – исходное значение, x – коэффициент изменения яркости.
Контрастность достигается путем изменения отношения яркостей (рис. 3).
Для уменьшения зернистости и шумов применяем алгоритм уменьшения глубины цвета изображения, путем удаления из матрицы сведений об оттенках цветов (рис. 4). Был применен модифицированный автором алгоритм пастеризации изображений. Операция производится применительно к каждому значению матрицы
A′=A div x *y,
где x, y – коэффициенты изменения глубины цвета.
Далее необходимо сгладить до более плавных получившиеся границы переходов между цветами и убрать шум в виде рассеянных, не связанных точек, мешающих четкому выделению границ.
Были протестированы наиболее применяемые и известные из фильтров изображения – «простое сглаживание» и «медианный фильтр» и, по результатам тестирования, отдано предпочтение медианному, как более соответствующему поставленной задаче.
Медианный фильтр основывается на нахождении медианы – среднего элемента последовательности в результате её упорядочения по возрастанию/убыванию и присваиванию найденного значения только среднему элементу (речь снова о нечётной апертуре). Например, для апертуры 3 и двумерного фильтра (как в примере выше) необходимо упорядочить 9 точек (например, по возрастанию), после чего значение пятой точки упорядоченной последовательности отправить в центр окна фильтра (3×3).
Пример действия медианного фильтра представлен в таблице 1.
Для определения центра внутренней окружности был применен следующий алгоритм:
- Выявление самого темного цвета на данном фрагменте изображении (что соответствует сварному соединению);
- Построчный анализ сумм точек найденной яркости по столбцам и строкам снимка;
- На основании анализа полученной столбчатой диаграммы происходит автоматическое определение осей точечного соединения как центра наиболее темной области.
Действия алгоритма представлено на рис. 5.
Следующая задача – нахождение границ изображения.
Были изучены и протестированы следующие методы: Робертса, Лапласа, Уоллеса, Собела, Кирша, статистический метод и выявлено, что относительно поставленной задачи, к результат, наиболее полно приближенному к требуемому приводит метод Лапласа.
Метод Лапласа осуществляет домножение каждого элемента двумерной апертуры 3х3 на соответствующий элемент матрицы Лапласа:
Для решения задачи анализа соединения необходимо определить границы посадочного места для каждого соединения.
Был разработан собственный алгоритм поиска по образцу, включающий в себя формирование шаблонов (с настраиваемыми параметрами) и сравнение сегмента изображения с данным шаблоном. За итоговое принимается значение, имеющее максимальную схожесть с шаблоном(сравнение производится в виде поэлементного сравнения матриц изображений сформированного шаблона и сегмента).
Описание алгоритма представлено в таблице 2.
Разработаный алгоритм распознавания позволяет выявлять радиус и геометрическое местоположение точечных сварных соединений на рентгеновских снимках деталей.