Improving the Efficiency of Defect Image Identification During Computer Decoding of Digital Radiographic Images of Welded Joints of Hazardous Production Facilities

Texto integral

ВВЕДЕНИЕ

Радиографический метод является одним из основных методов неразрушающего контроля сварных соединений, литья, литых лопаток и других объектов контроля (ОК) различных технических устройств на опасных производственных объектах [1, 2]. В настоящее время в Российской Федерации и за рубежом продолжает развиваться цифровая радиография. Разработаны зарубежные и отечественные цифровые комплексы, в состав которых входит соответствующее программное обеспечение (ПО): ПО для цифровой и компьютерной радиографии «X-Vizor» [3], система улучшения и архивирования изображений “СОВА+” [4], ПО Дисофт [5] и др., которые на данный момент не обладают полной функциональностью, необходимой для автоматизации процесса расшифровки радиационных изображений, а также не всегда учитывают специфику контроля технических устройств на опасных производственных объектах [1, 2]. Поэтому в настоявшей статье рассматривается контроль сварных соединений технических устройств на опасных производственных объектах с учетом требований НТД.

Компьютерная расшифровка цифровых радиографических изображений металлических сварных соединений (далее объектов контроля) в целях неразрушающего контроля может быть разделена на несколько операций: формирование, визуализация и архивация изображений; их сегментация и др. Вопросам формирования, визуализации и оценки качества цифровых радиационных изображений посвящено большое количество работ, например, [6—10]. Соответственно сегментация может быть разделена на два этапа. На первом этапе осуществляется обнаружение изображений дефектов (ИД) и их классификация. При этом используются различные методы распознавания образов (посредством нейронных сетей, вейвлет-анализа и др.) [11—19]. На втором этапе решается задача объединения обнаруженных ИД в группы изображений дефектов (ГИД) и/или скопления ИД (СИД). В дальнейшем для ГИД и СИД используется общий термин — объединение ИД (ОИД). После обнаружения ОИД необходимо определить их размеры и произвести оценку допустимости с учетом требований соответствующих нормативных документов (НД).

В качестве примера на рис. 1 представлена группа из четырех дефектов (1—4) [20, рис. 9.3]. Исходные данные: толщина ОК S = 20 мм. Категория II по НД НП-105-18 [21].

Рис. 1. Обобщенная схема определения расстояний между дефектами: L_12min, L_13min, L_23min, L_24min, L_34min — минимальные расстояния между дефектами

Необходимо рассмотреть группу дефектов, классифицировать ее согласно НД НП-105-18 и определить допустимость дефектов по приведенному выше НД.

Для групповой классификации дефектов необходимо определить размеры дефектов и минимальные расстояния между дефектами 1—4, входящими в рассматриваемую группу дефектов, и установить их групповую принадлежность в соответствии с НД НП-105-18 [21].

Далее предполагается, что максимальные размеры дефектов, а также расстояния между ними указаны в мм. В случае компьютерной обработки линейные размеры определяются в пикселях, а затем пересчитываются в мм с учетом масштаба цифрового радиографического изображения. В свою очередь масштаб изображения в мм/пиксель вычисляется на основе разрешающей способности изображения и используемой схемы просвечивания или определяется по изображению объекта с известными геометрическими размерами, например, изображению канавочного эталона чувствительности контроля. Максимальные размеры дефектов указываются в формате a×b, где a — максимальный размер дефекта или его длина; b — максимальный размер дефекта в направлении, перпендикулярном отрезку максимального размера, или максимальная ширина. Если a = b, то указывается диаметр дефекта, т.е. ∅.

Максимальные размеры дефектов: № 1 — ∅ 4,0; № 2 — 15×3; № 3 — ∅ 4,0; № 4 — 9×4.

Минимальные расстояния между дефектами: L_12min = 40; L_13min = 17; L_23min = 24; L_24min = 18; L_34min = 11.

Дефект № 1:

$L_{п12}^{с}$ = 3 · max[max(b₁, b₂), min(a₁, a₂)] = 3 · max[max(4, 3), min(4, 15)] = 3 · 4 = 12 — пороговое значение расстояния между дефектами № 1 и № 2 для скопления дефектов согласно НД НП-105-18;

$L_{п13}^{с}$ = 3 · max[max(b₁, b₂), min(a₁, a₂)] = 3 · max[max(4, 4), min(4, 4)] = 3 · 4 = 12 — пороговое значение расстояния между дефектами № 1 и № 3 для скопления дефектов.

Критерий включения дефектов в скопление по НД НП-105-18: L_ijmin < L^с_пij, где L_ijmin , L^с_пij — соответственно минимальное расстояние и пороговое расстояние для скопления между i-м и j-м дефектами. Тогда

$\left.\begin{array}{r}{L}_{12min}=40>L_{п12}^{с}\\ L_{13min}=17>L_{п13}^{с}\end{array}\right\}\Rightarrow$ дефект № 1 является одиночным.

Дефекты № 2 и № 4:

_{$L_{п24}^{г}$} = max(b₂, b₄) = max(3, 4) = 4 — пороговое значение расстояния между дефектами № 2 и № 4 для объединения в группу согласно НД НП-105-18;

_{$L_{п24}^{с}$} = 3 · max[max(b₂, b₄), min(a₂, a₄)] = 3 · max[max(3, 4), min(15, 9)] = 3 · 9 = 27 — пороговое значение расстояния между дефектами № 2 и № 4 для скопления дефектов.

Критерий включения дефектов в группу по НД НП-105-18: L_ijmin < L^г_пij, где L_ijmin, L^г_пij — соответственно минимальное расстояние и пороговое расстояние для объединения в группу между i-м и j-м дефектами. Тогда

$\left.\begin{array}{r}{L}_{24min}=18>L_{п24}^{г}=4\\ L_{24min}=18<L_{п24}^{с}=27\end{array}\right\}\Rightarrow$ дефекты № 2 и № 4 образуют скопление.

Дефекты № 3 и № 4:

_{$L_{п34}^{г}$} = max(b₃, b₄) = max(4, 4) = 4 — пороговое значение расстояния между дефектами № 3 и № 4 для объединения в группу;

_{$L_{п34}^{с}$} = 3 · max[max(b₃, b₄), min(a₃, a₄)] = 3 · max[max(4, 4), min(4, 9)] = 3 · 4 = 12 — пороговое значение расстояния между дефектами № 3 и № 4 для скопления дефектов.

$\left.\begin{array}{r}{L}_{34min}=11>L_{п34}^{г}=4\\ L_{34min}=11<L_{п34}^{с}=12\end{array}\right\}\Rightarrow$ дефекты № 3 и № 4 образуют скопление.

Таким образом, дефект № 1 — одиночный, а дефекты № 2, № 3 и № 4 образуют скопление размером 25×24.

Дефекты превышают допустимые размеры, так как по табл. 4.8 НД НП-105-18 допускается скопление с максимальным размером (длиной) 3,5 и одиночные крупные включения с максимальным размером и максимальной шириной 6×2,5.

В настоящее время расшифровка радиографических снимков ОК в основном выполняется вручную. Данная процедура расшифровки сложна и трудоемка. В случае компьютерной расшифровки ПО реализует ограниченный набор ручных операций: формирование изображений, отображение изображений на экране и их визуализация, измерение расстояния между пикселями, измерение яркости пикселя и др. Ручная компьютерная обработка обладает двумя существенными недостатками: высокая трудоемкость и субъективность. Оба недостатка в полной мере проявляются в процессе обнаружения и оценки как отдельных ИД, так и ОИД. В частности, в сложных с точки зрения количества, формы и взаимного расположения ИД случаях дефектоскопист должен выполнить с достаточной точностью необходимое количество измерений расстояния, на основании которых (измерений) принять решение о включении ИД в ОИД. Субъективность выполнения таких измерений может, с одной стороны, привести к перебраковке, с другой стороны, к недооценке совместного влияния близко расположенных дефектов на ОК. Оба варианта могут повлечь за собой существенные затраты на ремонт ОК.

В работе рассматривается программное решение задачи сегментации (поиска и оценивания) ОИД (групп, скоплений, цепочек) для применения в комплексах цифровой радиографии.

МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ И АЛГОРИТМ ПОИСКА ОИД

В данной работе предполагается, что ИД обнаружены, т.е. изображение каждого дефекта характеризуется:

1) массивом пикселей P_кi, образующих контур ИД,

$Pкi=\left\{p_{кi}\left[j\right]=(x_{ij},y_{ij}),i=0,1,\dots ,Nд;j=0,1,\dots ,N_{кi}–1\right\}$, (1)

где i — номер ИД; N_д — количество ИД; p_кi[j] — j-й элемент массива P_кi; x_j, y_j, N_кi — соответственно координаты j-го пикселя и количество пикселей, принадлежащих контуру i-го ИД. Контур ИД, в свою очередь, представляет собой замкнутую линию шириной в один пиксель, в которой отсутствуют петли. Элементы массива, описывающего контур ИД, упорядочены таким образом, что соседним элементам массива соответствуют расположенные рядом пиксели контура;

2) следующими параметрами: a_i — максимальный размер (наибольшее расстояние между двумя пикселями контура i-го ИД [21, 22]); b_i — максимальная ширина (наибольшее расстояние между двумя пикселями контура, измеренное в направлении, перпендикулярном отрезку максимального размера i-го ИД [21, 22]); a_il — максимальный размер i-го ИД вдоль шва [23]; a_it — максимальный размер i-го ИД поперек шва [23]; h_i — оценка максимального размера в направлении просвечивания (высоты) i-го дефекта [23];

3) тип и оценка допустимости дефекта.

Используя перечисленные выше данные, нужно определить контуры ОИД и вычислить параметры, необходимые соответственно для оценки их (ОИД) допустимости и качества ОК. При этом также предполагается, что процедура поиска ОИД является частью программного обеспечения информационной системы, в состав которой входит реляционная база данных (БД).

Известно ([21—23]), что объекты, относящиеся к изделиям разного типа, контролируются по различным методикам, которые изложены в соответствующих НД. Анализ НД показывает, что, с одной стороны, общим признаком для формирования ОИД является минимальное расстояние между ИД, которое на радиографическом изображении оценивается как минимальное расстояние между контурами ИД. С другой стороны, имеются некоторые отличия в критериях включения ИД в ОИД.

В табл. 1 приведены критерии формирования ОИД, соответствующие трем НД: НП-105-18 [21] определяет правила контроля объектов атомных энергетических установок; ГОСТ 23055—78 [22] используется при проведении радиографического контроля объектов газоснабжения и других объектов; СТО Газпром 2-2.4-917-2014 [23] содержит инструкцию по радиографическому контролю качества сварных соединений промысловых и магистральных трубопроводов.

Таблица 1

В табл. 1 приняты следующие обозначения: L_ijmin — минимальное расстояние между i-м и j-м изображениями дефектов: включений, групп включений, скоплений или цепочек включений; $L_{пij}^{г}$ — пороговое значение L_ijmin для группы включений; $L_{пij}^c$ — пороговое значение L_ijmin для скопления и цепочки включений; N_{д min} — минимальное количество включений в группе, скоплении или цепочке; b_k — максимальная ширина k-го изображения включения; aA_k — максимальный размер k-го изображения включения (группы включений) a_k или скопления (цепочки) включений A_k; bB_k — максимальная ширина изображения k-го включения (группы включений) b_k или скопления (цепочки) включений B_k.

Следует отметить, что НД НП-105-18 определяет два вида объединений дефектов: группу включений и скопление включений, где под включениями понимаются дефекты типа пора, шлаковое или вольфрамовое включение. При этом группу образуют два и более включений, минимальное расстояние между которыми меньше $L_{пij}^{г}$ = max(b_i, b_j) (см. табл. 1). Скопление образуют также два и более мелких (допустимых) включений, минимальное расстояние между которыми меньше $L_{пij}^c$ = 3 · max[max(bB_i, bB_j), min(aA_i, aA_j)].

ГОСТ 23055—78 аналогично НП-105-18 определяет группу включений. В свою очередь, скопление образуют три и более любых включений, минимальное расстояние между которыми меньше $L_{пij}^c$ = 3 · max(bB_i, bB_j), т.е. критерий для скопления отличается от критерия, изложенного в НП-105-18.

СТО Газпром 2-2.4-917-2014 в части оценки качества сварных соединений строящихся трубопроводов определяет: скопления пор или шлаковых включений; цепочки пор или шлаковых включений. Такие объединения дефектов образуют не менее трех однотипных дефектов (пор или шлаковых включений), минимальное расстояние между которыми меньше $L_{пij}^c$ = 3 · max(aA_i, aA_j). В свою очередь, цепочки дефектов отличаются от скоплений дефектов тем, что дефекты в цепочке располагаются вдоль прямой.

Таким образом, анализ НД показывает, что объединения дефектов определяются по-разному в НП-105-18, ГОСТ 23055—78 и СТО Газпром 2-2.4-917-2014. Следовательно, универсальный алгоритм поиска ОИД должен обеспечивать вычисление различных критериев формирования групп, скоплений и цепочек ИД, а выбор используемого критерия должен соответствовать НД, на основе которого осуществляется контроль объекта изделия определенного типа.

Для примера на рис. 2 схематично изображен один из возможных вариантов взаимного расположения двух ИД с размерами aA_i = a_i, bB_i = b_i и aA_j = a_j, bB_j = b_j. Согласно НД НП-105-18 (см. табл. 1):

Рис. 2. Пример объединения двух включений в скопление по НД НП-105-18

$L_{пij}^c$ = 3 · max[max(bB_i, bB_j), min(aA_i, aA_j)] = 3 · max[max(b_i, b_j), min(a_i, a_j),] = 3 · max[b_i, a_j]= 3 · a_j.

На рис. 2 видно, что L_ijmin < L^с_пij = 3 · a_j, т.е. рассматриваемые ИД должны объединяться в СИД.

Краткое описание алгоритма поиска ОИД, упрощенная блок-схема которого изображена на рис. 3:

Рис. 3. Упрощенная блок-схема алгоритма поиска ОИД

1. Выбор критерия поиска и чтение из БД параметров критерия поиска ОИД.
2. Чтение необходимых параметров ИД, включая контур ИД, из БД в массив.
3. Формирование ГИД, если это предусмотрено выбранным критерием. При этом организуется два вложенных цикла, в которых перебираются все пары ИД. Для каждой пары ИД вычисляются L_ijmin, $L_{п}^{г}$ (см. табл. 1). Если L_ijmin < $L_{п}^{г}$, то создается или изменяется ранее созданная ГИД. ИД, образующие группу, помечаются как элементы ГИД и в дальнейшем не рассматриваются. После завершения циклов поиска для каждой ГИД: определяется ее контур и параметры, необходимые для дальнейшей обработки (максимальный размер, максимальная ширина и др.); вычисляются координаты прямоугольника, в который вписывается контур ГИД. В свою очередь, обнаруженная ГИД рассматривается как новое отдельное ИД.
4. Формирование СИД. При этом организуется три вложенных цикла. Два внутренних цикла обеспечивают перебор всех пар следующих объектов: отдельных ИД, ГИД и ранее сформированных, начиная со второго прохода внешнего цикла, потенциальных СИД. Для каждой пары таких объектов вычисляются L_ijmin, L^c_п (см. табл. 1). Если L_ijmin < L^c_п, то создается или изменяется ранее созданное потенциальное СИД. ИД, образующие потенциальное СИД, помечаются как элементы потенциального СИД и в дальнейшем не рассматриваются. Если в очередном проходе внешнего цикла не найдено ни одного потенциального СИД, то внешний цикл завершается. В противном случае определяется количество ИД в каждом потенциальном СИД N_д. Если для некоторого потенциального СИД N_д < N_{д min} (см. табл. 1), то с входящих в него ИД снимается соответствующая пометка, а в свою очередь это потенциальное СИД удаляется. Если все потенциальные скопления будут удалены, то внешний цикл завершается. В противном случае для каждого теперь уже обнаруженного СИД определяется его контур и параметры, необходимые для продолжения поиска более крупных СИД (максимальный размер, максимальная ширина), а это СИД рассматривается как новый отдельный дефект. В следующем проходе внешнего цикла (как отмечалось ранее) могут добавляться в уже сформированные СИД, отдельные ИД или ГИД, а также ранее обнаруженные СИД объединяться в новые более крупные СИД. В результате образуются СИД, которые являются изображениями одиночных скоплений дефектов, а также остаются одиночные ИД (изображения одиночных групп дефектов), не вошедшие в состав СИД.
5. После выполнения четвертого шага выполняется ряд дополнительных операций. Если критерий поиска предполагает деление СИД на скопления и цепочки, то вычисляется отношение максимального размера СИД к его максимальной ширине, по значению которого (по аналогии с разбиением одиночных дефектов на протяженные и компактные [19]) принимается решение о типе СИД (скопление или цепочка). Для каждого СИД: вычисляется сумма площадей, входящих в него ИД; определяется ИД с максимальной площадью и фиксируются основные параметры этого ИД; определяется дефект с максимальной высотой, которая принимается за высоту СИД; вычисляются координаты прямоугольника, в который вписывается контур СИД. Сформированные данные об отдельных ИД, ГИД и СИД используются: при автоматизированном определении качества ОК [24]; в процессе формирования заключения о качестве ОК; для их (ИД, ГИД и СИД) визуализации.
6. Запись в БД информации о найденных ОИД.

Параметры алгоритмов поиска ОИД удобно хранить в БД. Перед расшифровкой изображений в БД заносится информация об объектах контроля, начиная с типа изделия. Типы изделий хранятся в предварительно сформированной справочной таблице. Выбирая тип изделия, дефектоскопист неявно выбирает алгоритм оценки качества объекта контроля, включая алгоритм поиска ОИД.

Данные, представленные в табл. 1, свидетельствует о том, что, во-первых, объединяться могут только ИД определенных типов, во-вторых, типы объединяемых дефектов зависят от критерия: любые мелкие включения, любые включения, только поры или только шлаковые включения. Информацию об объединяемых ИД в зависимости от критерия удобно хранить в БД. На основе этой информации перед циклом поиска ОИД формируется двумерный логический массив размерностью N на N, где N — количество типов классифицируемых дефектов, а в качестве индексов элементов массива используются идентификаторы (коды) типов дефектов. Элементы этого массива имеют истинные значения для пар потенциально объединяемых ИД, что, в свою очередь, обеспечивает универсальность и простоту операции проверки условия возможного объединения ИД.

ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ

Было разработано и протестировано ПО, реализующее рассмотренный алгоритм сегментации и оценивания ОИД. Рис. 4 является графической иллюстрацией реализации рассмотренного алгоритма сегментации ОИД: фрагменты на этом рисунке — это фрагменты обработанного цифрового радиографического изображения, полученного в результате применения разработанного ПО.

Рис. 4. Иллюстрация применения операции поиска СИД

На рис. 4а представлен фрагмент радиографического изображения сварного соединения с ИД, которые классифицированы как включения. На этом рисунке контуры ИД выделены желтым цветом, а зеленым цветом обозначены границы сварного соединения. На рис. 4б приведен тот же фрагмент, но после выполнения операции поиска ГИД. На этом рисунке контуры ИД, образующие ГИД, выделены синим цветом, а отдельные ИД и прямоугольники, описанные вокруг ГИД, — желтым цветом. Длины большей и меньшей сторон описанных прямоугольников являются соответственно максимальным размером и максимальной шириной ГИД. На рис. 4в приведен тот же фрагмент, но после последовательного выполнения операций поиска ГИД, а затем СИД. На этом рисунке: контуры ИД, образующие СИД, выделены синим цветом; прямоугольники, описанные вокруг ГИД, включенных в СИД, — сине-желтым пунктиром; прямоугольники, описанные вокруг СИД, — желтым цветом. Длины большей и меньшей сторон, описанных вокруг СИД прямоугольников являются соответственно максимальным размером и максимальной шириной СИД. В приведенном примере обнаруженные ГИД и СИД соответствуют определениям групп и скоплений включений, данным в НД НП-105-18 и ГОСТ 23055—78.

В процессе тестирования ПО оценивалось время выполнения операции поиска ОИД. Измерение времени производилось на ноутбуке с 64-разрядным четырехядерным процессором с тактовой частотой 2,4 ГГц и оперативной памятью объемом 8 ГБ. При обработке сложных изображений с количеством включений около ста время выполнения этой операции не превышало 5 с.

Разработанное ПО предоставляет дефектоскописту некоторые дополнительные возможности: поиск только ГИД, если это предусмотрено используемым критерием формирования ОИД; поиск СИД с предварительным поиском ГИД или без него; поиск СИД за один или несколько проходов (второй вариант предполагает возможность объединения СИД в более крупные СИД); включение в ОИД изображения только допустимых дефектов; поиск ОИД в выбранной пользователем прямоугольной области изображения участка ОК.

Проверка алгоритмов поиска и идентификации групп, скоплений, цепочек пор и шлаковых включений проводилась на 120 радиографических снимках с применением разработанного ПО, который входил в состав ПО аппаратно-программного комплекса (АПК) «КАРС». Сходимость результатов компьютерной и ручной расшифровки составляло 0,85. Основная причина расхождения заключалась в погрешности измерения геометрических размеров ИД, расстояний между ИД, пропуск малоконтрастных изображений типа отдельных пор с контрастом менее 0,02 Б и субъективный фактор дефектоскопистов.

Поиск ОИД является относительно независимой операцией и может дополнять соответствующее программное обеспечение компьютерной и цифровой радиографии.

Разработанное ПО входит в состав ПО АПК «КАРС» (свидетельство о государственной регистрации программ для ЭВМ №2009610394), предназначенного для расшифровки и архивации радиографических изображений сварных соединений стальных газопроводов, технических устройств на опасных производственных объектах, который эксплуатируется в ряде лабораторий неразрушающего контроля РФ.

ЗАКЛЮЧЕНИЕ

1. Разработаны и экспериментально проверены на аппаратно-программном комплексе «КАРС» алгоритмы поиска и идентификации групп, скоплений, цепочек пор, шлаковых и металлических включений для применения в комплексах компьютерной и цифровой радиографии.
2. Алгоритмы поиска и идентификации групп, скоплений, цепочек пор, шлаковых и металлических включений отличаются от ручной расшифровки:

во-первых, объединяться могут только ИД определенных типов;

во-вторых, типы объединяемых дефектов зависят от критерия: любые мелкие включения, любые включения, только поры или только шлаковые включения.

в рассмотренном решении задачи объединения изображений дефектов реализована возможность проверки условия объединения изображений дефектов любых типов (не только включений) в различных сочетаниях, что в свою очередь обеспечивает универсальность предлагаемого подхода.

3. Разработанное ПО с применением алгоритмов поиска и идентификации групп, скоплений, цепочек пор, шлаковых и металлических включений может быть встроено в цифровые комплексы с последующей доработкой в части использования методов искусственного интеллекта для расшифровки радиографических изображений сварных соединений стальных газопроводов, технических устройств на опасных производственных объектах РФ.

Авторы статьи благодарят за оказанную помощь по оформлению и обсуждению материала статьи к.т.н., доцента, ректора АНО ДПО ИПК «ТЕХНОПРОГРЕСС» Шевченко Светлану Александровну.

Sobre autores

S. Grigorchenko

Autor responsável pela correspondência
Email: rent_sig@mail.ru
Rússia, Kolomna

V. Kapustin

Email: kapustin@tpcorp.ru
Rússia, Moscow

Bibliografia

Arquivos suplementares

Arquivos suplementares

Ação

1. JATS XML

Baixar

2. Fig. 1. Generalised scheme of defect spacing: L12min, L13min, L23min, L24min, L34min - minimum distances between defects

Baixar (116KB)

Metadados

3. Fig. 2. Example of combining two inclusions into a cluster according to NP NP-105-18

Baixar (86KB)

Metadados

4. Fig. 3. Simplified block diagram of the DIM search algorithm

Baixar (778KB)

Metadados

5. Fig. 4. Illustration of application of the DIC search operation

Baixar (633KB)

Metadados