ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2016 г.)
2-летний импакт-фактор РИНЦ: 0,493
2-летний импакт-фактор РИНЦ без самоцитирования: 0,389
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,732
5-летний импакт-фактор РИНЦ: 0,364
5-летний импакт-фактор РИНЦ без самоцитирования: 0,303
Суммарное число цитирований журнала в РИНЦ: 5022
Пятилетний индекс Херфиндаля по цитирующим журналам: 355
Индекс Херфиндаля по организациям авторов: 499
Десятилетний индекс Хирша: 11
Место в общем рейтинге SCIENCE INDEX за 2016 год: 304
Место в рейтинге SCIENCE INDEX за 2016 год по тематике "Автоматика. Вычислительная техника": 11

Больше данных по публикационной активности нашего журнале за 2008-2016 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

4
Ожидается:
16 Декабря 2017

Автоматизированная система кратномасштабной обработки и анализа рентгенографических снимков

Статья опубликована в выпуске журнала № 3 за 2007 год.[ 22.09.2007 ]
Аннотация:
Abstract:
Авторы: Жизняков А.Л. () - , ,
Ключевое слово:
Ключевое слово:
Количество просмотров: 6630
Версия для печати
Выпуск в формате PDF (2.31Мб)

Размер шрифта:       Шрифт:

Одно из ведущих мест при обеспечении надежности и безопасности эксплуатации трубопроводов занимает проблема недопущения снижения прочности стыковых сварных соединений до некоторого критического уровня, определяющего работоспособность конструкции. При определении работоспособности соединений и оценке вероятности аварийной ситуации основной является информация о наличии в сварных соединениях дефектов, об их количестве, о типе и геометрических характеристиках. Для получения подобной информации чаще всего используются методы неразрушающего контроля сварных соединений, в частности, методы рентгенографического контроля. Сегодня расшифровка снимков часто осуществляется операторами-дефектоскопистами с использованием негатоскопов, денситометров, специализированных луп и линеек. При этом скорость расшифровки остается относительно низкой, точность расшифровки ограничена погрешностями средств измерения, а качество подвержено влиянию человеческого фактора.

В условиях современного развития компьютерных технологий и методов цифровой обработки изображений очевидным путем решения задачи повышения качества, точности и скорости проведения контроля сварных соединений является создание автоматизированных систем расшифровки рентгенографических снимков.

Наиболее важным элементом системы автоматизированного контроля сварных соединений является подсистема обнаружения дефектов. При обнаружении дефектов необходимо выполнение ряда дополнительных операций. Во-первых, проведение предобработки рентгенографических снимков для повышения их качества, так как на точность обнаружения дефектов существенное влияние оказывает низкое качество рентгенограмм (низкие яркость и контрастность, наличие шумов). Во-вторых, необходимо обеспечить представление результата обнаружения дефектов в виде, удобном для решения задач дефектометрии.

Как показал анализ, подсистема обнаружения дефектов сварных соединений должна выполнять следующие операции: повышение яркости и контрастности снимков, оценку и подавление шумов, обнаружение дефектов, выделение и обработку контуров объектов.

Рентгенограммы являются двухмерными нестационарными стохастическими сигналами конечных размеров. Среди многочисленных методов обработки подобных сигналов перспективным подходом является использование вейвлет-пре­Подпись:  
Рис. 1. Схема подсистемы регистрации
и оцифровки снимков
образования.

Выбор вейвлет-преобразования в качестве основы алгоритмов обработки рентгенограмм обусловлен рядом причин. Во-первых, переход к частотному представлению изображений исключает влияние низкой яркости и контрастности на процедуру обнаружения дефектов. Во-вторых, применение вейвлет-преобразования для фильтрации изображений привело к появлению эффективных алгоритмов подавления шумов. В-третьих, эквивалентность вейвлет-преобразования свертке сигнала с фильтром позволяет обнаруживать объекты изображений по максимальным откликам используемых вейвлетов. В-четвертых, некоторые вейвлеты (например производные функции Гаусса) являются аналогами дифференцирующих масок (Собела, Превитт и др.) и могут быть использованы для выделения контуров объектов изображений. Другими словами, весь спектр задач по обнаружению дефектов сварных соединений может быть решен с использованием единого математического аппарата, что очень удобно с точки зрения разработки алгоритмов.

Обычно масштабирующий коэффициент вейвлет-преобразования кратен двум, то есть на каждом шаге вейвлет-разложения полоса пропускания фильтра уменьшается вдвое. Это упрощает программную реализацию, но в то же время снижает точность проводимых вычислений. В этой связи интерес представляют алгоритмы вейвлет-обработки изображений, использующие произвольный масштабирующий коэффициент (см.: А.Л. Жизняков, Н.В. Вакунов. Вейвлет-преобразование в анализе и обработке изображений. М. 2004).

Подпись:  
Рис. 2. Схема подсистемы работы со снимками
В предлагаемой системе алгоритмы обнаружения дефектов построены на основе адаптивного к характеристикам изображения выбора масштабирующего коэффициента вейвлет-преобразова­ния. При фильтрации шума это позволило повысить точность определения характеристик шума на 10–15 %, что привело к повышению качества подавления помех. Более существенным является то, что применение адаптивного вейвлет-преобра­зования позволяет сохранить практически без изменений размеры и форму обнаруживаемых дефектов (отклонение от реальных характеристик дефектов не превышает 5 %).

Решение задач дефектометрии в предлагаемой системе осуществляется на основе традиционного подхода, основанного на определении характеристик площадных объектов (длины, ширины, центра тяжести и др.).

Предлагаемая система (рис. 1) выполняет ряд сервисных функций по визуализации анализируемых данных и результатов проведения экспертизы, генерации протоколов экспертизы и предварительных заключений о пригодности изделий к эксплуатации, взаимодействию с другими системами посредством функций импорта и экспор- та (рис. 1–3).

Система состоит из трех подсистем. Основное назначение подсистемы регистрации и оцифровки снимков заключается в преобразовании рентгенограмм в цифровую форму и ввод их в систему. Подсистема обработки снимков выполняет функции оценки и фильтрации шумов рентгенограмм, обнаружения дефектов, выделения и сглаживания контуров обнаруженных дефектов, а также функции определения параметров дефектов по полученным контурным представлениям. Функции классификации дефектов, генерации актов экспертизы, архивирования, импорта-экспорта данных и выдачи рекомендаций и справочной информации выполняет подсистема работы со снимками.

Подпись:  
Рис. 3. Схема подсистемы кратномасштабной
обработки рентгенограмм
Работа каждой подсистемы полностью контролируется пользователем. Основным назначением системы автоматизированной обработки и анализа рентгенограмм является помощь оператору-дефектоскописту в принятии решений о наличии дефектов в сварных соединениях и пригодности изделий к эксплуатации на основе данных, получаемых в результате работы системы.

Таким образом, предлагаемая автоматизированная система кратномасштабной обработки и анализа рентгенографических снимков сварных соединений относится к классу систем поддержки принятия решений.

Разработанная система зарегистрирована в реестре программ для ЭВМ (А.Л. Жизняков, А.А. Фомин. Автоматизированная система кратномасштабной обработки и анализа рентгенографических снимков сварных соединений. // ФИПС. 2007. № 2007611686). Система может быть использована на предприятиях, занимающихся прокладкой, эксплуатацией и обслуживанием водо-, нефте- и газопроводов для своевременного выявления дефектов сварки и обеспечения надежности и безопасности использования.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=365
Версия для печати
Выпуск в формате PDF (2.31Мб)
Статья опубликована в выпуске журнала № 3 за 2007 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: