بخشی از مقاله
خلاصه
کیفیت سطح نهایی بتن همواره به عنوان یک عامل اصلی مناقشه میان گروه مشاور و طراحی، کارفرما و پیمانکار بوده است. علاوه بر آن اگرچه حضور حفرات سطحی بتن، به صورت مستقیم بر مقاومت سازه ای اجزاء بتنی تاثیری ندارد، اما معایب بسیار دیگری به همراه دارد که در دراز مدت به صورت غیر مستقیم بر عملکرد اجزاء بتنی تاثیر منفی می گذارد. بازرسی چشمی وضعیت سطحی بتن با وجود نیاز به نیروی متخصص و هزینه های زمانی و مالی ناشی از آن، همواره قابل اعتماد نبوده و تاثیر سلیقه شخصی افراد در تعیین وضعیت ظاهری سطوح بتنی، اهمیت استفاده از اتوماسیون وابزارهای نوین را آشکار میسازد.
بنابراین در این پژوهش با استفاده از ابزار پردازش تصویر و منطق فازی به تدوین یک سیستم هوشمند برای ارزیابی کمی و خودکار وضعیت حفرات سطحی بتن، بر مبنای راهنمای ارائه شده توسط انسیتو بتن آمریکا پزداختهشدهاست. ابتدا روشی سیستماتیک بر مبنای پردازش و آنالیز تصویر برای شناسایی اتوماتیک حفرات و استخراج مشخصات آن ها پیاده سازی شد. سپس بر مبنای قواعد فازی یک سیستم خبره طراحی شده که از مشخصات استخراج شده در بخش قبل به عنوان ورودی استفاده میکند و بر اساس آنها به نمرهدهی سطح بتنی می پردازد. نهایتا با استفاده از تصاویر واقعی سطوح بتنی به اعتبارسنجی سیستم طراحی شده پرداخته شد.
1. مقدمه
حضور حفرات سطحی بتن، اگرچه بر مقاومت سازهای به صورت مستقیم تاثیری ندارد، اما همراه با معایب بسیار دیگری نظیر موارد آورده شده در زیر میباشد. حفرات سطحی بتن منجر به کاهش پوشش روی میلگردها در قطعات بتن آرمه میشود. به علاوه جمع شدن نمکها در حفرات میتواند فرآیندهای گوناگون تخریب بتن یا خوردگی فولاد را سرعت بخشد. حتی مطالعات اخیر نشان میدهد که حضور حفرات در بتنهای فوق توانمند نیز میتواند منجر به تسریع خرابی گردد
درصورتی که سازه نهایی نیاز به نقاشی و رنگ کردن داشته باشد، حضور حفرات علاوه بر کاهش سرعت رنگ زدن، هزینه اضافی را جهت فرآیندهای آمادهسازی سطح برای رفع حفرات به همراه دارد. از دیگر معایب حضور حفرات کاهش چسبندگی بین بتن و FRP4 میباشد
علاوه بر موارد فوق کیفیت سطح نهایی بتن همواره به عنوان یک عامل اصلی مناقشه میان گروه مشاور و طراحی، کارفرما و پیمانکار میباشد. در راستای بررسی وضعیت حفرات سطحی بتن تا کنون راهنماهایی ارائه شده است که بسیاری از روشهای ارائه شده توسط آنها به صورت کیفی در مورد وضعیت ظاهری سطوح بتنی بحث میکنند و اساس آنها بازرسی چشمی توسط فرد خبره است. اما در سال 5ACI 2014 با رویکرد بررسی معیارهای کمی به ارائه یک راهنما طبقهبندی سطوح بتنی پرداخت. اما همچنان اساس آن بازرسی چشمی توسط فرد خبره میباشد.
درحالیکه بازرسی چشمی سطوح بتنی با وجود نیاز به نیروی متخصص و هزینههای زمانی و مالی ناشی از آن، همواره قابل اعتماد نمیباشد. بنابراین در این پژوهش برای رفع مشکلات و محدودیتهای فوق و با توجه به پیشرفت تکنولوژی، استفاده از ابزار پردازش تصویر1 را جهت بازرسی کمی و خودکار سطوح بتنی مورد توجه قرار میدهیم. شناسایی اتوماتیک نارساییها، تحلیل کمی و کیفی و ارزیابی آنها از جمله مشخصات ابعادی، شناسایی الگو و دیگر انواع نارساییها، ابزاری اساسی جهت تخمین وضعیت سلامت سازههای بتنی خواهد بود.
به علاوه کاربرد سیستمهای خبره جهت طبقهبندی سطوح بسیار مورد توجه قرار گرفته-است. در نهایت به ارائه سیستمی هوشمند متشکل از بخش پردازش و آنالیز تصویر به همراه سیستم خبرهای برای تحلیل دادههای بخش پردازش تصویر میپردازیم که وضعیت ظاهری سطوح بتنی را از طریق نمره دادن به آن سطح تعیین میکند.
2. ادبیات و پیشینه پژوهش
سیستمهای خبره برنامههای کامپیوتری هوشمندی هستند که دانش و روشهای استنباط و استنتاج را به کار میگیرند تا مسائلی را حل کنند که برای حل آنها به مهارت انسانی نیاز است .
امروزه با گسترش روز افزون روشهای مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربینهای دیجیتالی، پردازش تصویر کاربرد فراوانی یافتهاست. تصاویر حاصل از این اطلاعات همواره کم و بیش همراه مقداری نویز بوده و در مواردی نیز دارای مشکل محوشدگی مرزهای نمونههای داخل تصویر میباشند که موجب کاهش وضوح تصویر دریافتی میگردند. مجموعه عملیات و روشهایی که به منظور کاهش عیوب و افزایش کیفیت ظاهری تصویر مورد استفاده قرار میگیرد، پردازش تصویر نامیده میشود
در سال 1965 دکتر لطفیزاده، معروف به زاده، نظریه سیستمهای فازی را معرفی کرد. در فضایی که دانشمندان علوم مهندسی به دنبال روشهای ریاضی برای شکست دادن مسایل دشوارتر بودند، نظریه فازی به گونهای دیگر از مدلسازی اقدام کرد.منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریبها را دقیقتر کرد تا بهرهوری افزایش یابد، پروفسور لطفیزاده معتقد است که باید به دنبال ساختن مدلهایی بود که ابهام را به عنوان بخشی از سیستم مدل کند
در سال 2002 ایتو و همکاران[ 6] 2 به اندازه گیری و آنالیز ترک بر روی سازه های بتنی مسلح به عنوان ابزاری کلیدی برای ارزیابی عملکرد در برابر زلزله و بررسی خستگی مصالح پرداختند. در سال 2003 عبدالقادر و همکاران[ 7] 3 برای شناسایی ترک در تصاویر، به مطالعه مقایسه ای گستردهای برای بررسی کارآمدی چهار روش شناسایی لبه مطرح در علوم پردازش تصویر پرداختند.آنها با بررسی روش های شناسایی لبه کنی4، تبدیل فوریه5، شناسایی لبه سبل6 و تبدیل ویولت - FHT - 7 پرداختند.
در سال 2008 یاماگوچی و همکاران[ 8] 8 روشی جدید بر مبنای مدل تراوش9 را برای شناسایی ترک مطرح کردند تا بر مشکلات مرسوم در روش های متداول به علت نویزهای فراوان در تصاویر مانند برآمدگیهای بتن، لکه ها، کنتراست پایین و سایه در تصاویر بر مشکلات غلبه کند. درسال 2010 فوجیتا و هاماموتو[9] 10 روشی بسیار کارآمد برای تشخیص ترک روی سطوح بتنی پر نویز مطرح کردند.در این راستا با استفاده از دو مرحله پیش پردازش حذف پیش زمینه و فیلتر خط در مقیاسهای مختلف بر اساس آنالیز مقادیر ویژه ماتریس هیزین تصویر، استفاده از آزادسازی احتمالاتی و پس پردازش با آستانه سازی تطبیق پذیر11 به استخراج ترک و تعیین تقریبی عرض ترک پرداختند.
در سال 2006 شاه حسینی [10] به ارائه سیستم خبره Bridge Slab-Expert، برای ارزیابی خرابی دالهای بتنی پرداخت. این سیستم شامل مفسر، روش استنباط دانش محور و پایگاه داده میباشد. در سال 2012 گجانان و همکاران[11] 12 برای شناسایی ترک در سطح بتن به استفاده از ابزار پردازش تصویر، منطق فازی و شبکههای عصبی پرداختند. در این تحقیق به جای استفاده از فرآیند تفریقگیری و فیلترگوسین13 ، از تکنیک تشخیص لبه استفاده شده است. در نهایت نتایج حاصل از شبکه عصبی از اعتبار بیشتری نسبت به نتایج حاصل از منطق فازی برخوردار بود.
اما هیچکدام از تحقیقات و پژوهشهای گذشته یک سیستم اتوماتیک یکپارچه را جهت ارزیابی وضعیت ظاهری سطوح بتنی ارائه نکردند. سیستمی یکپارچه که از ابزار پردازش تصویر برای استخراج مشخصات سطحی بتن استفاده کرده و سپس مشخصات استخراج شده را به عنوان ورودی یک سیستم خبره مد نظر قرار داده تا در نهایت به صورت کاملا اتوماتیک نمرهدهی سطوح بتن انجام پذیرد. همچنین در بسیاری از پژوهشهای انجام شده معیار مشخصی برای تدوین قواعد سیستم خبره و واحد تصمیمگیری وجود ندارد.
3. روش تحقیق و پژوهش
بهطور کلی استخراج و آنالیز حفرات سطحی بتن شامل مراحل اکتساب تصویر، تبدیل تصویر رنگی به تصویر طیف خاکستری، پیشپردازش و پردازش تصویر برای استخراج حفرات و حذف دیگر نویزهای سطحی و در نهایت استخراج مشخصات حفرات بر حسب واحد پیکسل میباشد. همچنین برای تبدیل مقیاس از پیکسل به میلیمتر، روشی مبتنی بر استفاده از یک قاب انعطافپدیر مطرح میشود.
دقت شناسایی حفرات در تصاویر تا حد زیادی بستگی به میزان وضوح و شفافیت تصاویر ورودی به سیستم دارد. با توجه به این مهم مدل دوربینی که برای تهیه تصاویر مورد استفاده قرار گرفت، Canon Power Shot sx210 IS است.
با توجه به رنگ سفید تا خاکستری سطح بتن و رنگ تیره حفرات، پردازش تصویر بر روی عکسهای طیف خاکستری انجام شده و چنانچه تصاویر رنگی باشند، قبل از پردازش به حالت طیف خاکستری تبدیل میشوند. برای تبدیل تصویر رنگی به طیف خاکستری از رابطه زیر استفاده شده است:
به عنوان اولین گام از مراحل تشخیص حفرات و حبابها، پیشپردازش تصویر با دو هدف اصلی زیر انجام میپذیرد :
· حذف گرادیان ملایم روشنایی تصویر ناشی از اثر سایه و اثر لکه
· برجسته کردن مرز حفرات نسبت به سطح بتن به منظور سهولت در تشخیص
در روش پیشنهادی برای حذف اثر سایه و لکه، در ابتدا میانگین شدت روشنایی تمامی پیکسلهای تصویر را بهدست میآوریم. پس از آن تصویر را به چند همسایگی، متناسب با ابعاد تصویر تقسیم کرده و میانگین شدت روشنایی پیکسلهای هر همسایگی را بهدست میآوریم. حال میبینیم که بین میانگین شدت روشنایی هر همسایگی از تصویر با شدت روشنایی کل، اختلاف وجود دارد.
پس شدت روشنایی تمامی پیکسلهای هر همسایگی را به اندازه اختلاف میانگین شدت روشنایی آن قسمت با شدت روشنایی کل تغییر میدهیم تا به این ترتیب تمامی همسایگیهای تصویر به یک میانگین واحد برسند و اگر در قسمتی اثری از سایه، لکه و یا تغییر رنگ وجود دارد، حذف شود. در شکل 1 و شکل 2 عملکرد این روش را در حذف اثر تغییر رنگ و سایه در تصاویر سطح بتن میبینیم.
شکل - 1 حذف اثر تغییر رنگ در تصویر سطح بتن
