به کارگیری روش استخراج شکل از سایه برای بهبود عیب یابی در پرتونگاره های جوش

یاحقی, عفت; موافقی, امیر; محمدزاده, نورالدین

به کارگیری روش استخراج شکل از سایه برای بهبود عیب یابی در پرتونگاره های جوش

نوع مقاله : مقاله پژوهشی

نویسندگان

عفت یاحقی ¹

امیر موافقی ²

نورالدین محمدزاده ²

¹ گروه فیزیک، دانشگاه بین المللی امام خمینی، صندوق پستی: 5599-34149، قزوین ـ ایران

² گروه پژوهشی ایمنی هسته ای و حفاظت پرتوی، پژوهشگاه علوم و فنون هسته ای، سازمان انرژی اتمی، صندوق پستی: 836-14395، تهران ـ ایران

چکیده

پرتونگاری صنعتی یکی از مهم‌ترین روش‌های تشخیص عیب‌های جوشکاری است. در این روش عیب‌هایی چون تخلخل، سرباره و ترک با تفسیر فیلم پرتونگاری مشخص می‌شوند. عیب‌یابی از روی فیلم پرتونگاری به دقت و مهارت شخص پرتونگار مفسر فیلم و کیفیت فیلم‌های پرتونگاری بستگی دارد. اگر پرتونگاره‌های تهیه شده با روش پرتونگاری صنعتی وضوح مطلوبی نداشته باشند، تشخیص دقیق عیب‌های آن‌ها مشکل خواهد بود و در برخی مواقع معمولاً این تصویرها کیفیت لازم را نداشته، دارای نوفه‌ی زیاد و تضاد پایینی هستند. در نتیجه روش‌هایی
مورد نیاز است که بتوان این عیب‌ها را دقیق‌تر بررسی و مشخص کرد. استفاده از روش‌های پردازش تصویر برای دست‌یابی به این امر بسیار مناسب است؛ به ویژه روش‌های مبتنی بر استخراج بعد سوم تصویرها می‌تواند برای این منظور به کار رود. با توجه به این‌که چشم انسان به دیدن اجسام سه‌بعدی عادت دارد و می‌تواند عمق را نیز تشخیص دهد استخراج بعد سوم روش مؤثری در ارزیابی و تشخیص عیب‌ها است. در این پژوهش با استفاده از روش استخراج شکل از روی سایه که بر مبنای سه‌بعدی‌سازی تصویر است عیب‌ها در پرتونگاره‌ها برجسته شدند تا به سهولت به وسیله‌ی مغز انسان قابل تشخیص و تفسیر باشند. این روش بر تصویرهای دوبعدی حاصل از پرتونگاری اعمال و تصویرهای سه‌بعدی آن ساخته شد. برای ارزیابی روش از نظرهای مفسرهای فیلم‌های پرتونگاری صنعتی استفاده شد. نتیجه‌های حاصل از نظرسنجی آن‌ها نشان داد که استفاده از این روش در تشخیص عیب‌های مختلف جوشکاری مفید است و تشخیص نواحی عیب‌ها با استفاده از این روش تا حد زیادی بهبود یافته است.

کلیدواژه‌ها

استخراج شکل از سایه

پردازش تصویر

پرتونگاری صنعتی

عیب های جوش

عنوان مقاله English

Implement of shade from shading method for improvement of weld defect detection in radiographic images

نویسندگان English

Efat Yahaghi ¹

Amir Movafeghi ²

Nourodin Mohammadzadeh ²

چکیده English

Industrial Radiography is one of the most important methods to detect weld defects such as porosity, slag and crack. The interpretation of radiographic films characterizes the weld defects. The defect detection depends on radiographic film quality and the expert of interpreter. If the provided images of the industrial radiography are not clear, the detection of the defect can be difficult. But the radiographic image is usually noisy and has low quality. Thus, it is requred to use methods that can detect the defect accurately. The use of image processing techniques is available to achieve this aim. It is noticed that human eye is used to see objects in three dimensions and can also detect the depth. Thus, in this research, the shape from the shading (SFS) method is applied for two-dimensional radiographic images to extract three-dimensional ones. For the evaluation, the experts’ opinions in radiography have also been considered. The results of comments indicate that using the SFS method is valuable to improve the defects detection in weld radiography.

کلیدواژه‌ها English

Shape from shading

Image processing

Industrial radiography

Defect of weld

[1] T.J. Tarn, Sh.B. Chen, C. Zhou, (Eds) Robotic Welding, Intelligence and Automation, Springer-Verlag Berlin Heidelberg (2007).

[2] Zh Guangjun, Y. Zhihong, W. Lin, Reconstructing a three-dimensional P-GMAW weld pool shape from a two-dimensional visual image, Measurement Science and Technology, 17(7) (2006) 1877, DOI:10.1088/0957-0233/17/7/028.

[3] K. Edalati, N. Rastkhah, A. Kermani, M. Seiedi, A. Movafeghi, The use of radiography for thickness measurement and corrosion monitoring in pipes, International Journal of Pressure Vessels and Piping, Elsevier Pub., 83 (2006) 736-741.

[4] A. Movafeghi, M.H. Kargarnovin, H. Soltanian-Zadeh, M. Taheri, F. Ghasemi, B. Rokrok, K. Edaalati, N. Rastkhah, Flaw detection improvement of digitized radiographs by morphological transformations, Insight-Non-Destructive Testing and Condition Monitoring, 47 (10) (2005) 625-630.

[5] S.S Lee, Thickness evaluation of pipes using density profile on radiographs, in 10th Asia-Pacific Conference on Non-Destructive Testing, Brisbane, Australia (2001) 17-21.

[6] ASME, Digital image acquisition, display, interpretation and storage of radiographs for nuclear applications, ASME Boiler and pressure vessel code and standard, Section 5, Article 2, Appendix 6, American Society of Mechanical Engineering (2004).

[7] EN 14096-1, Non-destructive testing– Qualification of radiographic film digitization systems–part 1: Definitions, qualitative measurements of image quality parameters, standard reference film and qualitative control, European Norm (2004).

[8] EN 14096-2, Non-destructive testing– Qualification of radiographic film digitization systems–part 2: Minimum requirement, European Norm (2004).

[9] Microtek, Operation Manual of Scanmaker-1000 Scanner, Microtek Co. (2005).

[10] Imperial College London MEng Individual Report A: A Study Of Statistical Methods For Facial Shape-from-shading, June 18 (2012).

[11] A. Ahmed, A. Farag, A new statistical model combining shape and spherical harmonics illumination for face reconstruction, in Advances in Visual Computing, Lecture Notes in Computer Science, 4841 (2007) 531-541.

[12] S. Barsky, M. Petrou, The 4-source photometric stereo technique for three-dimensional surfaces in the presence of highlights and shadows, Pattern Analysis and Machine Intelligence, IEEE Trans-actions on, 25(10) (2003) 1239-1252 doi:10.1109/TPAMI.2003.1233898.

[13] S.Y. Yuen, Y.Y. Tsui, C.K. Chow, A fast marching formulation of perspective shape from shading under frontal illumination, Pattern Recog. Letters, 28(7) (2007) 806–824.

[14] R. Huang, W. Smith, A shape-from-shading framework for satisfying data-closeness and structure-preserving smoothness constraints, In Proc. BMVC’09 (2009).

[15] P. Fletcher, C. Lu, S. Pizer, S. Joshi, Principal geodesic analysis for the study of nonlinear statistics of shape, Medical Imag-ing, IEEE Transactions on, 23(8) (2004) 995-1005, doi:10.1109/TMI.2004. 831793.