Individuazione automatica di difetti presenti in lastre radiografiche digitalizzate

Transcript

1 Individuazione automatica di difetti presenti in lastre radiografiche digitalizzate G. Augugliaro*, M.E. Biancolini**, D. Di Fonzo***, D. Lazzaro*, S. Porziani** * ISPESL Laboratorio CND DTS Centro Ricerche Monte Porzio Catone Via Fontana Candida Monte Porzio Catone (RM) tel giuseppe.augugliaro@ispesl.it; daniele.lazzaro@ispesl.it **Dipartimento Ingegneria Meccanica, Università di Roma Tor Vergata. Via Politecnico Roma tel: biancolini@ing.uniroma2.it; porziani@ing.uniroma2.it *** Dipartimento di Palermo ISPESL Via F. Crispi, Palermo - tel. 091/ Domenico.difonzo@ispesl.it Attualmente le tecniche radiografiche congiuntamente ai controlli ultrasonori sono il metodo più utilizzato nell abito delle PND orientato alle attrezzature a pressione. Sebbene tali metodi siano ampiamente utilizzati e forniscano risultati apprezzabili, si registrano limitazioni di carattere pratico nella loro applicabilità su scala estensiva compatibilmente ad una buona affidabilità dei risultati. Uno dei limiti maggiori connessi al Metodo Radiografico è la soggettività del giudizio valutativo dell operatore; a ciò si aggiunga che l Esame Visivo svolto in ambito produttivo a carattere intensivo può richiedere tempi lunghi di ispezione e, quindi rallentamenti del processo, oltre che possibili riduzioni del livello di qualità dovute a condizioni di saturazioni o degrado delle capacità analitiche dell operatore impegnato al controllo.per tali ragioni è recentemente cresciuto l interesse alla realizzazione e sviluppo di un sistema strumentale dedicato al rilevamento e riconoscimento automatico delle tipologie di difetti presenti in immagini radiografiche. Il riconoscimento automatico di difetti su lastre radiografiche digitalizzate si svolge in tre fasi distinte. La prima fase consiste nell estrazione della porzione di immagine da analizzare e nell isolamento dei difetti [1], la seconda fase consiste nella valutazione di un certo numero di caratteristiche per ogni difetto isolato (dimensioni, luminosità, forma, ) [2][3], la terza consiste nella classificazione del difetto in base alle caratteristiche osservate. Lo studio presentato si propone di selezionare un set minimo di caratteristiche sufficiente a discriminare tutti i tipi di difetti osservati. In base ai risultati ottenuti sarà possibile realizzare un algoritmo che possa discriminare le saldature in cui vengono individuate delle indicazioni da quelle esenti da indicazioni. Parole chiave: analisi immagine, saldatura, metodo radiografico. Key words: image analysis, weld, radiographic method. 1. Metodologia In figura 1 è mostrato il processo completo di un sistema di classificazione dei difetti di saldatura. Questo sistema è realizzato, come già evidenziato, utilizzando tre tecniche: il processamento delle immagini, l estrazione delle caratteristiche e il pattern recognition. Il fine del processamento delle immagini è di estrarre i principali oggetti, che sono nel nostro caso i difetti delle saldature, dalle immagini radiografiche. Normalmente i difetti

2 nell immagine a raggi X originale sono in numero molto piccolo, rispetto alle informazioni dello sfondo, ed inoltre sono uniti ai disturbi che provengono dall intero processo di formazione dell immagine radiografica. Le tecniche di processamento delle immagini [1] sono utilizzate per diminuire gli effetti del rumore e per migliorare il contrasto, in modo che gli oggetti fondamentali dell immagine siano in evidenza rispetto allo sfondo. L estrazione delle caratteristiche è necessario per poter descrivere il singolo difetto individuato con dei parametri appositamente scelti, in modo che siano piccoli di numero e grandi in potere discriminante. Il riconoscimento del campione ( pattern recognition ) è necessario per analizzare le caratteristiche individuate e catalogare i difetti in classi. Gli algoritmi utilizzabili per questa fase sono molteplici, e possono differire in efficienza ed accuratezza; da questo si deduce la necessità di confrontare i risultati che si otterranno con diversi algoritmi prima di scegliere quello più efficace. Infine si devono confrontare i risultati ottenuti con le prescrizioni della normativa di settore che permette di discriminare una saldatura accettabile da una non accettabile. Si ricorda che in questo lavoro viene presentata la fase di ricerca, relativa all individuazione e all estrazione delle caratteristiche. Immagine radiografica Processamento delle immagini digitali Riduzione del rumore Miglioramento del contrasto Sottrazione dello sfondo Estrazione delle caratteristiche Accettabilità dei difetti END Figura 1: procedura per il riconoscimento e la classificazione automatica dei difetti 1.1 Immagini di riferimento Come riferimento, per stabilire quali siano le caratteristiche peculiari di ogni tipologia di difetto, sono state utilizzate delle immagini classificate dall Istituto Italiano per le Saldature (IIS). Le lastre digitalizzate riportavano esempi di saldature aventi livello di qualità D, ossia con difetti di dimensioni rilevanti. I difetti analizzati sono i seguenti: Cavità allungate Inclusioni solide Mancanza di fusione

3 Wormholes Porosità 2. Processamento delle immagini 2.1 Riduzione del rumore I valori del livello di grigio dei pixel corrispondenti al rumore sono più alti rispetto ai pixel adiacenti. Dal momento che il rumore è caratterizzato da valori di alta frequenza, un metodo di filtraggio passa-basso, come un filtro mediano, può essere usato per rimuovere con efficacia i pixel con rumore. Il filtro mediano utilizza una piccola maschera, di 3 X 3 o 5 X 5 elementi che scorre su tutta l immagine, il livello di grigio del pixel centrale della maschera viene rimpiazzato dal valore medio dei suoi vicini. L algoritmo utilizzato è il seguente: g '( x, y) = median{ g( x1, y1) ( x1, y1 ) N( x, y) } (1) dove N(x,y) sono i vicini del pixel (x,y). 2.2 Miglioramento del contrasto Le immagini radiografiche hanno solitamente un basso contrasto ed una perdita di dettagli. Il miglioramento del contrasto serve a aumentare la qualità dell immagine radiografica evidenziando le informazioni utili, lasciando intatte le informazioni poco importanti. Una ragione tipica del basso contrasto nelle immagini radiografiche è il limitato range di intensità presente nell immagine, dovuto alle caratteristiche del sistema di cattura delle immagini. Nelle immagini radiografiche la distribuzione dei livelli di grigio è fortemente traslata verso le zone scure. Quindi è opportuno dilatare l istogramma della distribuzione per trasformarlo in uno più regolare. L algoritmo di equalizzazione proporzionale dell istogramma modifica gli originali valori di grigio in un range che può essere scelto, e che nel nostro caso sarà da 0 a 255. In questo modo si distribuiscono i livelli di grigio in un ampio spettro, così che i dettagli vengono mostrati in un area ad alto gradiente di luminosità. 2.3 Metodo di sottrazione dello sfondo Il metodo di sottrazione dello sfondo (background subtraction method, BSM) è uno degli algoritmi comunemente utilizzati per la segmentazione dell immagine. Lo sfondo è definito come le regioni di un immagine non significativa per l analisi [1]. Infatti i difetti sono sovrapposti ad altre strutture nell immagine, come la sede del cordone; i difetti in un immagine possono individuati sottraendo lo sfondo dall immagine originale. Wang & Liao [2] hanno notato che le indicazioni dei difetti in un immagine sono caratterizzati da elevata frequenza spaziale, mentre il normale cordone di saldatura con il suo rinforzo causa solo un graduale cambiamento di livello di grigio (bassa frequenza spaziale). Si può, quindi, simulare un graduale cambiamento di livello di grigio tramite un modello di fondo bi-dimensionale, f B (x,y), e sottrarlo all immagine originale f(x,y). Questo metodo può essere applicato a tutti i tipi di difetti, e la figura 2 mostra come lavora teoricamente il metodo di sottrazione dello sfondo. In particolare il modello dello sfondo viene generato perpendicolarmente alla saldatura, analizzando colonna per colonna l immagine, tramite una funzione polinomiale del secondo ordine, Z = a + bx + cx 2. Un esempio di applicazione viene riportato in figura 3.

4 Alla fine di questa operazione otteniamo un immagine con i difetti ben evidenziati rispetto allo sfondo. A questo punto può cominciare il riconoscimento automatico dei difetti tramite appropriati algoritmi e si può passare alla seconda fase della procedura Risultati del processamento Come risultati vengono analizzate due differenti immagini radiografiche con due tipologie di difetti, ovvero delle soffiature e una cricca perpendicolare all asse della saldatura. Il processamento delle immagini, seguendo le varie fasi appena descritte, è riportato rispettivamente in figura 3 e 4. Sono stati scelti questi due casi in quanto nel primo il processamento dà esattamente il risultato desiderato, mentre nel secondo il risultato non è ottimale. a) immagine originale b) immagine dopo riduzione del rumore c) immagine dopo miglioramento del contrasto d1) polinomiale di simulazione dello sfondo d2) immagine dopo sottrazione dello sfondo Figura 2: risultati ottenuti con soffiature Infatti dalla figura 2, si nota chiaramente come i risultati ottenuti con il processamento danno luogo ad un immagine finale in cui le soffiature sono evidenziate nettamente rispetto allo sfondo. Si deve evidenziare come le immagini siano state trattate con le metodologie descritte in modo da ottenere una maschera della sola zona in cui sono presenti i difetti: 3. Features estratte Per ogni difetto sono stati estratti una serie di parametri caratteristici, in modo da ottenere un set di riferimento da usare come confronto per le analisi successive. Il software utilizzato per l analisi delle immagine e l estrazioni dei difetti, MATHCAD, ha implementato delle funzioni per l analisi delle immagini. Utilizzando queste funzioni è stato possibile ricavare agevolmente le seguenti caratteristiche:

5 Posizione del difetto: viene identificata la distanza tra il baricentro del difetto e la linea centrale del cordone di saldatura. Raggio medio, deviazione standard e circolarità: questi parametri vengono utilizzati per caratterizzare la forma del difetto, la circolarità è definita come rapporto tra la deviazione standard e il raggio medio: Compattezza: questo ulteriore parametro per definire la forma del difetto viene definito come rapporto tra il quadrato del perimetro e l area del difetto in esame: un difetto circolare ha un valore di compattezza inferiore rispetto ad un difetto allungato. Asse maggiore: viene calcolata l inclinazione dell asse maggiore del difetto rispetto all orizzontale e quindi può venire correlato alla direzione del difetto rispetto all asse del cordone di saldatura. Lunghezza e larghezza: nota la posizione del baricentro e la direzione dell asse maggiore è possibile ricavare la lunghezza e la larghezza massima del difetto, ossia la proiezione del difetto lungo l asse maggiore e l asse minore rispettivamente. Figura 3: asse maggiore, lunghezza e largezza di un difetto dovuto a mancanza di fusione. Elongazione: rapporto tra larghezza e lunghezza, valore compreso tra 0 e 1. Diametro equivalente: valore del diametro di un difetto perfettamente circolare avente la stessa area del difetto in esame. Intensità media: valore medio dell intensità dell immagine nella zona in cui viene localizzato il difetto. Trattandosi di immagini in scala di grigio a 8 bit il valore di questo parametro varia tra 0 e Risultati I valori ottenuti per i vari difetti analizzati sono i seguenti Mancanza di fusione: Figura 4: particolare dei difetti analizzati mancanza di fusione. Distanza dal centro [pixel] Raggio medio [pixel] Deviazione standard [pixel 2 ] Circolarità 0,42 0,38 Compattezza Asse Maggiore Lunghezza [pixel] Larghezza [pixel] Elongazione Diametro Equivalente [pixel] Intensità Media Tabella 1: parametri caratteristici estratti dalla mancanza di fusione

6 Cavità allungate: Figura 5: particolare dei difetti analizzati cavità allungate. Distanza dal centro [pixel] 4,50 10,50 0,50 9,50 10,50 9,50 4,50 Raggio medio [pixel] 11,00 6,00 15,00 3,00 1,00 15,00 3,00 Deviazione standard [pixel 2 ] 10,50 0,41 44,35 0,29 0,17 53,78 0,80 Circolarità 0,29 0,11 0,44 0,18 0,41 0,49 0,30 Compattezza 41,91 12,03 52,74 14,77 12,00 50,27 9,30 Asse Maggiore 0,75-1,00 0,31 0,33 1,00-0,05-0,16 Lunghezza [pixel] 32,77 12,73 43,09 6,96 2,83 52,71 9,20 Larghezza [pixel] 17,42 10,61 33,39 6,33 2,28 16,88 6,02 Elongazione 0,53 0,83 0,78 0,91 1,00 0,32 0,65 Diametro Equivalente [pixel] 21,43 12,36 25,48 7,04 3,91 23,35 7,40 Intensità Media 132,31 131,28 129,82 135,03 130,17 141,35 137,79 Tabella 2 parametri caratteristici estratti dalle cavità allungate Inclusioni solide: Figura 6: particolare dei difetti analizzati inclusione solida. Distanza dal centro [pixel] 30,50 Raggio medio [pixel] 27,00 Deviazione standard [pixel 2 ] 115,93 Circolarità 0,40 Compattezza 50,89 Asse Maggiore -0,65 Lunghezza [pixel] 75,00 Larghezza [pixel] 69,80 Elongazione 0,93 Diametro Equivalente [pixel] 48,20 Intensità Media 122,86 Tabella 3: parametri caratteristici estratti dalle inclusioni solide Mancanza di fusione: Figura 7: particolare dei difetti analizzati mancanza di fusione.

7 Distanza dal centro [pixel] 10,50 7,50 Raggio medio [pixel] 13,05 20,75 Deviazione standard [pixel 2] 57,96 139,70 Circolarità 0,58 0,57 Compattezza 73,76 129,85 Asse Maggiore 0,02 0,03 Lunghezza [pixel] 49,93 77,84 Larghezza [pixel] 7,19 9,31 Elongazione 0,14 0,12 Diametro Equivalente [pixel] 15,64 17,63 Intensità Media 128,37 130,39 Tabella 4: parametri caratteristici estratti dalla mancanza di fusione Mancanza penetrazione: Figura 8: particolare dei difetti analizzati mancanza di penetrazione. Distanza dal centro [pixel] 41,00 Raggio medio [pixel] 30,45 Deviazione standard [pixel 2] 331,05 Circolarità 0,60 Compattezza 120,00 Asse Maggiore 0,01 Lunghezza [pixel] 120,00 Larghezza [pixel] 15,80 Elongazione 0,13 Diametro Equivalente [pixel] 30,90 Intensità Media 132,48 Tabella 5: parametri caratteristici estratti dalla mancanza di penetrazione Wormholes: Figura 9: particolare dei difetti analizzati wormholes.

8 Distanza dal centro [pixel] 21,50 24,50 2,50 17,50 21,50 Raggio medio [pixel] 16,61 11,82 23,12 13,44 14,63 Deviazione standard [pixel 2] 72,34 34,85 128,35 46,26 57,67 Circolarità 0,51 0,50 0,49 0,51 0,52 Compattezza 63,62 50,17 149,82 58,78 59,52 Asse Maggiore -0,74-0,47-0,15 0,50 0,47 Lunghezza [pixel] 59,29 34,80 88,01 40,62 43,13 Larghezza [pixel] 25,94 29,27 49,35 30,53 36,21 Elongazione 0,44 0,84 0,56 0,75 0,84 Diametro Equivalente [pixel] 25,18 19,12 37,98 20,31 21,94 Intensità Media 171,78 180,88 167,41 171,46 166,03 Tabella 6: parametri caratteristici estratti dai wormholes Porosità: Figura 10: particolare dei difetti analizzati porosità. Distanza dal centro [pixel] 77,88 71,08 77,40 75,05 72,89 71,00 Raggio medio [pixel] 3,69 7,58 4,00 5,98 5,88 2,77 Deviazione standard [pixel 2] 0,61 6,62 0,45 2,70 0,28 0,16 Circolarità 0,21 0,34 0,17 0,27 0,09 0,14 Compattezza 8,00 22,78 8,07 14,24 17,32 15,57 Asse Maggiore 0,00 0,94 0,00-0,52 0,51 1,00 Lunghezza [pixel] 9,00 22,62 9,00 15,30 12,56 5,66 Larghezza [pixel] 5,00 12,68 6,00 12,93 12,54 5,66 Elongazione 0,56 0,56 0,67 0,84 1,00 1,00 Diametro Equivalente [pixel] 7,98 16,31 8,74 13,16 13,01 6,86 Intensità Media 120,78 122,73 120,95 124,95 123,08 128,32 Distanza dal centro [pixel] 40,37 36,04 34,00 20,68 25,50 12,04 Raggio medio [pixel] 8,90 8,48 2,77 11,64 4,41 11,26 Deviazione standard [pixel 2] 1,17 15,77 0,16 27,98 0,14 10,03 Circolarità 0,12 0,47 0,14 0,45 0,09 0,28 Compattezza 17,56 36,28 15,57 43,92 16,20 32,35 Asse Maggiore 0,19-0,87 1,00 0,71 1,00 0,46 Lunghezza [pixel] 20,21 28,22 5,66 34,51 9,90 26,37 Larghezza [pixel] 16,82 13,83 5,66 26,07 9,90 27,96 Elongazione 0,83 0,49 1,00 0,76 1,00 0,94 Diametro Equivalente [pixel] 18,85 17,98 6,86 25,88 10,09 23,01 Intensità Media 132,75 127,31 142,51 129,50 138,11 141,03

9 Distanza dal centro [pixel] 24,00 20,74 10,77 12,00 10,20 5,63 Raggio medio [pixel] 2,77 6,39 6,72 2,77 1,24 1,69 Deviazione standard [pixel 2] 0,16 0,44 1,00 0,16 0,23 0,21 Circolarità 0,14 0,10 0,15 0,14 0,38 0,27 Compattezza 15,57 17,56 18,56 15,57 10,00 12,25 Asse Maggiore 1,00-0,06-0,37 1,00-0,74 0,56 Lunghezza [pixel] 5,66 14,21 15,11 5,66 3,60 4,47 Larghezza [pixel] 5,66 12,22 14,37 5,66 3,01 3,98 Elongazione 1,00 0,86 0,95 1,00 0,84 0,89 Diametro Equivalente [pixel] 6,86 14,00 14,67 6,86 3,57 4,51 Intensità Media 144,49 146,75 143,56 156,11 162,20 161,13 Tabella 7 (a-c) : parametri caratteristici estratti da alcune porosità 5. Conclusioni In questo lavoro è stata presentata la realizzazione di un sistema automatico per il riconoscimento e la classificazione di difetti di saldatura, ossia l identificazione dei parametri descrittivi per alcuni casi di riferimento. È stato definito un set di parametri descrittivi dei difetti e sono state processate le lastre di saldature con difetti già identificati. I parametri estratti verranno utilizzati per la classificazione della saldatura analizzata. Bibliografia [1] G. Augugliaro, L. Cerini, D. Di Fonzo, C. Mennuti, F.P.Sofia, Processamento delle immagini per il Riconoscimento Automatico di difetti presenti in lastre radiografiche digitalizzate ; negli Atti della Conferenza SAFAP 2006 [2] Chackalackal MS, Basart JP, NDE X ray image analysis using mathematical morphology. Quant. non destruct. Eval. 1990; 9:721-8 [3] Wang G., Liao T.W., Automatic identification of different types of welding defects in radiographic images, NDT&E International 35,