بخشی از مقاله
خلاصه
یکی از مشکلات عمده درخطوط انتقال نفت و گاز، عیوب ایجاد شده در اتصال جوش لوله ها میباشد. در صورت عدم تشخیص به موقع این خرابیها، خسارات اقتصادی و زیست محیطی ناشی از آن پیامدهای ناگواری را خواهد داشت. بنابراین تشخیص دقیق و به موقع عیوب جوش از اهمیت بسیار بالایی برخوردار است. در دنیای بینایی ماشین، بسیاری از مسائل تشخیص و دسته بندی همانند تشخیص چهره، در حال حاضر بدون استفاده از سگمنت بندی1 تصویر حل میشود. در اینگونه موارد با استفاده از روش پنجره لغزان2 و ویژگی3 های جدید مانند الگوی باینری محلی4 که از نقشه برجسته5 ها استخراج میگردد، میتوان مسئله را حل نمود. دراین راستا، روش پیشنهادی مطرح شده در این مقاله برای تشخیص خودکار عیوب جوش، استفاده از روش پنجره لغزان است. ارزیابی انجام شده حاکی از صحت 94 درصدی تشخیص با استفاده از طبقه بندی کننده ماشین بردار پشتیبان - SVM - 6 و بهره گیری از 14 نوع ویژگی انتخابی، مییاشد. با توجه به کارایی موثر روش پیشنهادی، انتظار میرود این روش نگرش جدیدی در تحقیقات مربوط به تشخیص خودکار عیوب جوش ارائه دهد.
.1 مقدمه
گستردگی خطوط انتقال نفت و گاز در سراسر ایران، اهمیت مساله حفاظت از این خطوط را ضروری نموده است. یکی از مشکلات عمده درخطوط انتقال نفت و گاز، عیوب ایجاد شده در اتصال جوش این لوله ها میباشد. در صورت عدم تشخیص به موقع این خرابیها، خسارات اقتصادی و زیست محیطی ناشی از آن پیامدهای ناگواری را خواهد داشت. بنابراین تشخیص دقیق و به موقع عیوب جوش از اهمیت بسیار بالایی برخوردار است. در سه دهه اخیر تحقیقات گسترده ای به منظور خودکارسازی تشخیص و دسته بندی عیوب جوش در تصاویر رادیوگرافی، صورت پذیرفته است[1] عموماً. در روش های موجود قبلی، از یک الگوی کلی استفاده می شود که شامل این مراحل می باشد.اسکن تهیه شده و در کامپیوتر ذخیره می شود. - 2 پیش پردازش:1 تصویر دیجیتالی تهیه شده به منظور افزایش جزئیات با استفاده از روش های پردازش تصویر، بهبود داده می شود. - 3 بخش بندی:2 نواحی احتمالی عیب جوش مشخص شده و تفکیک می گردد. - 4 استخراج ویژگی ها:3 ویژگی های مورد نیاز جهت شناسایی عیوب جوش از نواحی دارای عیب احتمالی استخراج می گردد. - 5 دسته بندی : 4 ویژگی های استخراج شده که با استفاده از دانش قبلی تقسیر شده اند برای تفکیک تصاویر دارای عیب جوش از سالم به کار می روند .
1 .1 بینایی ماشین
در شکل 1 نمایی ساده از یک سیستم پردازش تصویر فیلم های رادیوگرافی نشان داده شده است. در حقیقت، بینایی ماشین، دانش و تکنولوژی بکارگیری سیستم های کامپیوتری به منظور »دیدن« و »درک کردن« تصاویر است که عموما توسط یک یا چند دوربین گرفته شده اند. هدف از بینایی ماشین، مطالعه و گسترش الگوریتم هایی برای تفسیر تصاویر و فیلم ها - ویدئوها - از دنیای واقعی در اطراف ماست. مباحث اصلی در بینایی ماشین عمدتا شامل این موارد می باشد: شناسایی و تشخیص، بازرسی خودکار بصری، پیوند دادن تصاویر، پردازش تصویر - بهبود، فیلترگذاری، سگمنت بندی، تشخیص لبه و ... - ، پردازش ویدئویی، تشخیص الگو، انتخاب و استخراج ویژگی، الکوریتم های طبقه بندی و در نهایت موضوعات مربوط به دید هندسی از جمله هندسه تصویری، شبیه سازی سه بعدی و ...
2 .1 پیشینه و سوابق
در بررسی سوابق و پیشینه مربوط به موضوع مقاله در پیش رو، در سال های اخیر، بعضی از روش های تشخیصی با بهره گیری از تکنیک اصل ردیابی 1، گسترش یافته اند .[21] روش های مورد استفاده در تحقیقات پیشین با توجه به توضیحات داده شده در بخش قبلی - شکل - 2، در جدول 1، مورد بررسی قرار گرفته اند. در بررسی کلی این جدول، مشاهده می گردد کارایی بدست آمده از روش های پیشین با موضوع خودکارسازی تشخیص عیوب جوش در سطح بالا و امیدوار کننده ای نبوده است. بنابراین جهت استفاده در یک سیستم بازرسی کاملا خودکار ، مناسب نمیباشد.
