بخشی از مقاله
چکیده
بررسی و سنجش کیفیت لاستیک خودرو در هنگام تولید از اهمیت و ضرورت خاصی برخوردار میباشد، زیرا مهمترین قطعه در حفظ ایمنی خودروهاست. روند رایج برای سنجش کیفیت لاستیک تولید شده در صنعت لاستیک سازی ایران تست دینامیکی میباشد که بسیار مفید و کارآمد است اما روشهای کارآمدتر و بهینهتری وجود دارد که اغلب مبتنی برروشهای پردازش تصویر هستند، برای استفاده از این روشها باید تصویر خام از لاستیک تولید شود که تصاویر X-RAY برای این منظور بسیار مفید میباشند. ثابت شده است که مشخصه لبه در این تصاویر،جهت جداسازی لاستیک های سالم از معیوب بسیار مناسب میباشد.
روشهای تشخیص لبه در این تصاویر باید توانایی استخراج شبکههای سیمی از درون لاستیک را داشته باشند که در آنها یکی از بزرگترین مسائل پیش رو حذف آجهای درون تصاویر X-Ray است، بنابراین چنانچه الگوریتم انتخابی حساس به نویز باشد، آجها همانند نویز، لبهیابی شده و وارد عملیات پردازشی میشود و خطا ایجاد میکند. در این مقاله الگوریتمی کارآمد جهت حذف آج لاستیک در تصاویر X-RAY براساس روش مورفولوژی ریاضی ارائه شده است. مورفولوژی ریاضی یک ابزارریاضی برای استخراج اجزای تصویر است که برای محاسبهی نواحی اشکال از قبیل مرزها و فضاهای محدب موثر میباشد.
کلید واژه- پردازش تصویر، مورفولوژی ریاضی، آج لاستیک، تصویر. X-Ray
-1 مقدمه
لاستیک خودرو قسمت مهمی از نظر امنیت خودرو در حین حرکت میباشد، علاوه بر امنیت لاستیک، نقش مهمی را در کنترل خودرو بر عهده دارد بنابراین تولید مناسب لاستیک باید متناسب با وزن خودرو باشد تا کنترل را برای راننده آسان نماید .[1] اما چند پرسش مهم مطرح است:
·آیا تمامی لاستیکهای تولیدی که از یک تکنولوژی یکسان بهره میبرند و با یک کیفیت یکسان تولید میشوند؟
·آیا لاستیکهای با کیفیت کمتر، قابل شناساییاند؟
·آیا میتوان از تولید لاستیک معیوب اجتناب کرد؟
با پرسشهایی از این قبیل میتوان به وضوح مشاهده کرد که کنترل کیفی چه نقش مهمی را ایفا میکند. کنترل کیفی در بسیاری از محصولات امروزی با تست محصول تولیدی و مقایسه پارامترهای آن با استانداردهای تعریف شده هر کارخانه است، اما ضرورت ایمنی بالای لاستیک تولیدی، آن را به دقت بالاتری دعوت می کند و آن مطالعه جزء به جزء است .[2] با توجه به پیشرفت صنعت خودروسازی و افزایش روز افزون حجم تولید، نیاز به کنترل کیفی لاستیک با دقت و سرعت بالا بیشتر حس میشود. که این امر تنها با مکانیزه شدن و جایگزاری هوش مصنوعی به جای نیروی انسانی امکان پذیر است. دستگاههای کنترل کیفی لاستیک متنوعاند و اکثر کمپانیها از تستهای دینامیکی استفاده میکنند، اما کمپانیهای پیشتاز خود را به سرعت مجهز به انواع روشهای مبتنی به پردازش تصویر نموده-اند.
در مطالعات انجام شده به یک نمونه دستگاه کنترل کیفی مبتنی بر پردازش تصویر با استفاده از عکس X-Ray را بر میخوریم که در آخرین گام تولید، مورد استفاده قرار میگیرد که دقت این دستگاه وابستگی زیادی به الگوریتمهای پردازش تصویر دارد .[3]باتوجه به افزایش روز افزون سرعت وسایل نقلیه و اهمیت کیفیت لاستیک که در صورت عدم دقت در کنترل کیفی، منجر به خطرات جانی و مالی را برای سرنشینان خودرو را پی خواهد داشت، از این رو انتظار میرود که صنایع لاستیکسازی با جایگزینی دستگاههای کنترل کیفی دینامیکی با انواع هوشمندتر جهت افزایش کیفیت و کاهش نیروی انسانی که اکثرا مبتنی برپردازش تصویر و هوش مصنوعی هستند خود را مجهز کنند. درروشهای موجود که مبتنی بر پردازش تصویر میباشد میتوان به یک نمونه کارامد که با استفاده از عکسX-Ray جهت بهبود کنترل کیفی استفاده نمود اشاره کرد، همچنین باید ذکر کنیم که این دستگاه که ساخت شرکت Yxlon آلمان بوده و شامل اجزاء زیر میباشد .[4] اجزای اصلی یک سیستم بازرسی عبارتند از:
- 1 کابین سرب - 2 شاتل برای حمل چرخ در کابین برای انتقال چرخهایتک به داخل کابینDecollators - 3 لوله اشعه ایکس - 4 تشدیدکننده تصویر - 5 ژنراتور ولتاژ بالا، اشعه ایکس واحد کنترلهای صنعتی - 6 کابینه کنترل موقعیت مکانیکی و پارامترهای اشعه ایکس برای هر نوع چرخ PC و PLC - 7 کنترل چرخ - 8 چرخش و حرکت خطی چرخ - 9 تشدیدکننده تصویرX - کنترل - محور شیب، با لامپ اشعه X-Ray، سیستم بینایی برای شناختن نوع چرخ و رایانه - 10 واحد پردازش تصویر میزبان نوار نقاله خروجی است که به عنوان مثال با یک سوئیچ دگرشپذیر برای چرخ پذیرفته یا رد لاستیک میباشد .[5]پردازش تصاویر در دنیای کنونی به ابزاری جدید جهت تشخیص و طبقهبندی استفاده شود .[6] در کل پرداز تصویر به - منظور حذف عیوبی نظیر اعوجان هندسی، فوکوس نامناسب، اغتشا، نورپردازی غیریکنواخت از تصویر میباشد .[7]
در پردازش تصویر از اصطلاحاتی نظیر آنالیز تصویر استفاده میشود که بدین منظور است که " فرآیند تشخیص اشیا یا نواحی مورد نظر از زمینه تصویر است. پردازش و آنالیز تصویر شامل مجموعهای از مراحل است که میتوان آنها را به سه سطح پردازش سطح پایین، پردازش سطح متوسط، و پردازش سطح بالا تقسیم نمود. تشخیص شیء به شناسایی انواع اشیاء موجود در یک تصویر گفته میشود که خود دارای ویژگیهایی میباشد این ویژگیها مشخصات شیء مورد نظر را میگیرد و آن را با بانک دادههای تصویری مقایسه میکند. اگرچه مدلی برای تشخیص اشیا با دقت تشخیص انسان وجود ندارد، ولی نظریهها و مدلهای قابل قبولی بدین منظور پیشنهاد شده است که کارایی نسبتا بالایی دارند.[8]
در پردازش تصویر با استفاده از بعضی عملیات ریاضی مانند تشخیص لبه بوسیله گرادیان و یا اعمال فیلترهای مناسب ویژگیهای تصویر نظیر لبهها، خطوط، انحناها و مرزها را میتوان به نمایش در آورد. استخراج این ویژگیهای ذکر شده کار را برای ما راحتتر نموده و قدرت مانور خاصی به ما میدهد که در چند سال گذشته مقاله هایی در این زمینه کار شده است .[9-11]
در این بخش طبق منابع مورد مطالعه به تعریف جامعای ازتشخیص لبه خواهیم پرداخت. هدف از آشکارسازی لبه یافتن ویژگیهای است که راه را برای پردازش تصویر راحتتر میکند که اگر بخواهیم دقیقتر بحث کنیم، " آشکارسازی دقیق لبه یکی از وظایف اصلی پردازش سطح پایین تصویر میباشد که رابطه مستقیمی با قابلیت اجرا، دقت و سرعت اجرای پردازش-های سطح بالا برای تحلیل تصویر دارد. در در ابتدا برای تعریف لبه، از محل تغییرات در سطوح روشنایی تصویر و نقاط ناپیوستگی موجود در تصویر که حداقل میتواند شامل چند پیکسل باشد، استفاده میکنیم .[12]
امّا باید توجه کرد که ساختار مغز انسان در تشخیص لبه، لبه را مرز میان شیء و زمینه تعریف میکنیم، هرچند ممکن است قسمتی از تصویر موجود به لحاظ دید انسان لبه تشخیص داده شود،امّا ناپیوستگیها در آن قسمت وجود نداشته باشد و لبه مجازی درک شده، که حاصل از شناخت قبلی باشد. "با توجه به تعاریف گفته شده، نمیتوان گفت لبه یک ویژگی محلی از تصویر میباشد، بلکه به ساختار تصویر در اطراف آن قسمت نیز بستگی داشته همچنین باید توجه داشت که لبه تصویر به عنوان محل تغییرات سطوح روشنایی، بازهی این تغییرات باید مورد توجه قرار گرفته شود که بازهی کمتر تغییرات شدید - مانند لبهی پله - و بازهی بیشتر تغیرات نرم و آهسته - مانند لبه شیب - در سطوح روشنایی یک ناحیه از تصویر را آشکار خواهد کرد .
وجود این دو عامل باعث یافتن دقیق لبه در هر نقطه از تصویر، پیرامون آن نقطه در جهتها و مقیاسهای مختلف نیز تحلیل شود تا در مورد وجود لبه و مکان دقیق آن تصمیمگیری شود. در این صورت اگر لبههای یک تصویر آشکار شوند، مکان تمام اشیاء برجسته و مات موجود در تصویر مشخص شده و خواص اساسی آنها مانند سطح، محیط، ساختار شکلی، نوع و موقعیت اشیاء و غیره، تنها با پردازش نقاط محدودی از تصویر که لبهها میباشند قابل اندازهگیری و تشخیص خواهد بود .[13]در کل میتوان نتیجه گرفت گه طراحی یک آشکارساز لبه دقیق، به افزایش نرخ بازشناسی ویژگیها و قابلیت ناحیهبندی دقیق تصویر، بهطور مستقیم کمک خواهد کرد .[14]
بافت سیم های درون لاستیک بسیار منظم می باشد که توسط فیزیک دانان محاسبه می شود. حال در صورت بروز هر گونه ایراد در وضعیت ظاهری لاستیک این شبکه ها نظم خود را از دست داده و دچار آشفتگی می شوند. بنابر این استخراج این شبکه به صورت خام اهمیت ویژه ای دارد تا بتوان مطالعات را بر روی آن انجام داد.در این مقاله با استفاده از مورفولوژی ریاضی، به حذف نویز وآج لاستیک در تصاویر X-Ray پرداخته میشود. این روش بسیار کارآمد بوده و در شرایط واقعی قابل پیاده سازی را نیز داراست. همچنین از نظر محاسبات، این روش کمترین پیچیدگی ریاضیاتی را دارد و به وسیله زمان واقعی، قابل استفاده است.
-2 مورفولوژی ریاضی
مورفولوژی ریاضی یک ابزار ریاضی برای استخراج اجزای تصویر است. این روش برای محاسبهی نواحی اشکال از قبیل مرزها و فضاهای محدب موثر است. علاوه بر این مورفولوژی برای عملیاتهای پیش و پس از محاسبات از قبیل فیلترها استفاده میشود. مجموعهها در مورفولوژی ریاضی بیانگر اشیا در تصویر هستند .[16]حال فرض میکنیم که عملیاتی را بر روی مجموعه A با استفاده از المان ساختاری B تعریف کنیم که B را بر روی A حرکت دهیم، به این شکل که مرکز المان ساختاری B تک تک المان های A را مشاهده کند. در هر موقعیت از شی A اگر پیکسلهای اطراف آن موقعیت کاملا مشابه المان ساختاری B باشد آنگاه این موقعیت را به عنوان یک نقطه در مجموعه ای جدید نشانه گذاری میکنیم. پس در نهایت با جابهجا نمودن المان ساختاری مذکور روی مجموعه A یک مجموعه جدید تولید میشود .[17]دو عملیات کاربردی مورفولوژی ریاضی که پایه های اساسی مورفولوژی هستند، در ادامه معرفی میشوند. قابل ذکر است که بسیاری از عملیاتهای دیگر مورفولوژی توسط این دو بازسازی میشوند. فرض کنیم که A یک مجموعه و بیانگر یک شی در تصویر باشد و B یک المان ساختاری فرضی باشد آنگاه عملیات فرسایش A توسط B به شکل A⊝B نوشته شده و به صورت رابطه زیر تعریف خواهد شد:
پس فرسایش A توسط B یک مجموعه از تمام نقاط یا پیکسلهایی است که انتقال یافته المان ساختاری B به آن نقاط زیر مجموعهای از A باشد. شکل - 1 - مفهوم عملیات فرسایش را بیان میکند.صفحه بندی در شکل - - 1 حاشورها بیانگر شی A میباشد. به عنوان یک نتیجه کلی در نظر داشته باشید که عملیات فرسایش باعث نازکتر شدن یا حذف حاشیههای ناخواستهای اطراف شی خواهد شد. عملیات دیگری که معرفی میشود به گونهای دوگان عملیات فرسایش میباشد. فرض میکنیم که مجموعه A و المان ساختاری B داده شده باشد آنگاه اتساع مجموعه A توسط B با A⊕B نشان داده شده و به صورت رابطه - - 2 تعریف میشود:
در واقع اتساع A توسط المان B برابر است با مجموعه نقاطی که اگر المان ساختاری B را بازتاب کرده و به آن نقاط انتقال دهیم اشتراک آن با شی A غیر تهی باشد.برخلاف فرسایش عملیات اتساع سبب رشد شی میشود، به عبارت دیگر این عملیات مطلوب زمانی است که شی دچار فرورفتگی یا خوردگی در سطح آن شده است.
در تعاریف ارائه شده در این قسمت همواره تصویر را به شکل باینری در نظر گرفته شده اما قابل ذکر است که در صورتی که تصویر RGB باشد ابتدا باید آن را به تصویر باینری تبدیل
