Лабораторная работа №3 «Исследование сварных соединений с помощью программных средств»
Цель работы: исследовать сварное соединение с помощью графических средств обработки изображений и сопоставить полученные данные с результатами акта рентгенографического исследования.
Система для обработки двумерной информации
На рисунке 1 изображена блок схема для распознавания и анализа двумерных изображений.
Рисунок 1 Функциональная схема системы распознавания изображений
Система распознавания состоит из устройства восприятия, которое обеспечивает ввод информации в машину, устройства предварительной обработки, обеспечивающего частичное сжатие информации, анализирующего устройства, формирующего функционалы, классификатора или решающего устройства, обрабатывающего функционалы и выдающего решение. Анализирующее устройство и классификатор могут иметь отдельные блоки памяти. При иерархическом построении система может содержать несколько блоков анализа и классификации, используемых на различных этапах распознавания. Следует отметить, что “удельный вес” отдельных блоков системы может быть весьма разным. Последнее зависит от характера изображений, априорной информации, удачности выбора первичных параметров и класса решающих правил. Кроме того, возможно выполнение одними и теми же блоками нескольких функций.
Обработка изображения
На рисунке 2 приведено изображение сварного шва в первоначальном виде.
Рисунок 2 Снимок
Далее, с помощью программы Photoshop CS2, исходное изображение переводится изображение в оттенках серого (рисунок 3).
Рисунок 3 Снимок в оттенках серого
Наложим на изображение снимка сетку (рисунок 4), с шагом по вертикали и горизонтали 10 пикселей.
Рисунок 4 Наложение сетки
Далее производится анализ каждой ячейки сетки в отдельности. Каждая ячейка представляет собой квадрат 10x10 пикселей. Каждый пиксель несет в себе информацию о цвете в градациях серого. Ему соответствует определенный номер от 0 до 255, в зависимости от оттенка. Следовательно, можно создать матрицу 10x10, соответствующую каждой ячейке.
Каждый элемент матрицы будет соответствовать определенному пикселю из ячейки.
Далее рассмотрим пример перевода двух ячеек изображения (с дефектом и без) в матрицу чисел.
а) б)
Рисунок 5 Увеличенная ячейка сетки: а) без дефекта (10 столбец, 10 строка); б) непровар (6 столбец, 10 строка)
Любое изображение в цифровом формате представляет собой три двумерных массива по каналам RGB (где значения соответствуют яркости компоненты, R-red, G-green, B-blue) или может быть приведено к таковому.
С изображением будем работать как с одной 2-х мерной матрицей, где значения от 0 до 255 - яркость точки. Фактически это соответствует серому изображению с глубиной яркости 8 бит. Яркость точки находится по следующей формуле:
Y = 0,3*R+0,59*G+0,11*B
В таблице 1 приведены результаты расчетов яркости каждого пикселя ячейки изображения 10x10 Рисунка 5 а) без дефекта. Данная матрица составлена в программе Microsoft Office Excel 2003.
Таблица 1 Матрица чисел, соответствующих пикселям ячейки а)
196 |
197 |
198 |
197 |
196 |
195 |
195 |
194 |
196 |
196 |
200 |
201 |
200 |
199 |
200 |
198 |
199 |
197 |
201 |
203 |
189 |
188 |
191 |
191 |
190 |
192 |
191 |
194 |
200 |
196 |
153 |
156 |
152 |
145 |
148 |
157 |
159 |
170 |
183 |
173 |
128 |
132 |
125 |
111 |
119 |
130 |
142 |
151 |
158 |
150 |
142 |
143 |
147 |
149 |
152 |
154 |
160 |
158 |
153 |
160 |
184 |
183 |
184 |
193 |
193 |
190 |
194 |
193 |
189 |
188 |
207 |
211 |
211 |
211 |
212 |
213 |
215 |
212 |
214 |
216 |
211 |
210 |
212 |
213 |
214 |
214 |
215 |
216 |
215 |
217 |
212 |
212 |
214 |
213 |
212 |
213 |
215 |
216 |
217 |
217 |
В таблице 2 приведены результаты расчетов яркости каждого пикселя ячейки изображения 10x10 Рисунка 5 б) непровар.
Таблица 2 Матрица чисел, соответствующих пикселям ячейки б)
204 |
204 |
203 |
203 |
203 |
199 |
197 |
194 |
193 |
194 |
208 |
208 |
207 |
207 |
204 |
201 |
199 |
198 |
198 |
198 |
210 |
211 |
210 |
208 |
206 |
204 |
202 |
201 |
202 |
202 |
211 |
212 |
210 |
206 |
206 |
204 |
203 |
201 |
202 |
203 |
204 |
203 |
203 |
204 |
204 |
201 |
199 |
198 |
201 |
201 |
187 |
184 |
194 |
199 |
197 |
191 |
194 |
199 |
202 |
202 |
185 |
182 |
194 |
197 |
195 |
191 |
192 |
200 |
203 |
202 |
205 |
200 |
201 |
206 |
203 |
201 |
198 |
202 |
205 |
204 |
215 |
214 |
211 |
211 |
209 |
208 |
207 |
208 |
208 |
209 |
216 |
217 |
216 |
214 |
211 |
209 |
210 |
210 |
211 |
211 |
На рисунке 6 приведено соответствие градаций серого цвета числам.
Рисунок 6 Соответствие цвета и чисел
Производится анализ полученной матрицы чисел. В одной ячейке бездефектного сварного шва количество темных пикселей (яркость от 0 до 160) должно быть не менее 25%. Если это условие не выполняется, то такие ячейки будут относится к потенциально дефектным областям. Далее запрашиваются их координаты (столбец – X, строка – Y).
Таким образом производится анализ каждой ячейки сетки 10x10 пикселей.
После этого выдаются координаты всех забракованных ячеек и предоставляются оператору для окончательного решения отбраковки изделия со сварным швом.
На рисунке 7 приведена блок-схема проведения анализа изображения сварного шва.
Рисунок 7 Блок-схема анализа изображения
Данная система может применяться как для контроля всевозможных сварных соединений в месте эксплуатации, так и для выходного контроля качества сваренных деталей на больших производствах.