بخشی از مقاله
چکیده
در این مقاله به معرفی یک روش برای تشخیص ترک در رویههای بتنی بر اساس پردازش تصویر دیجیتال پرداخته شده است. در این تحقیق بر اساس عملیات مورفولوژی، روشنایی سطحی بتن که معمولا بر اثر عوامل محیطی و اجرایی بهرهبرداری دارای تغییرات زیادی میباشد، یکسان سازی میگردد.
سپس با استفاده از روشهای روشنایی پیکسلها و ترسیم پروفیل روشنایی سطوح مقایسههایی با حالت اولیه تصاویر سطوح بتنی صورت میگیرد. در ادامه به پردازش تصویر بر مبنای ویولتهای مختلف و مقایسه حساسیت آنها پرداخته شده است . همچنین با استفاده از روش تشخیص لبه کنی ترک استخراج و مورد بررسی قرار میگیرد. با استفاده از برنامه نوشته شده در نرمافزار متلب دقت این روش مورد بررسی قرار گرفته و نتایج حاصل نشاندهنده افزایش دقت و سرعت محاسبه میباشد.
.1 مقدمه
بتن که میزان تولید آن در جهان بالغ بر 8 . 3 بیلیون مترمکعب در سال تخمین زده میشود. به علت دارا بودن خواص و ویژگیهای ممتاز و نیز در دسترس بودن مصالح آن، پس از آب، پرمصرفترین ماده عمرانی روی کره زمین به شمار میآید در ایران به دلیل دارا بودن منابع نفتی زیاد، بیشتر از روسازیهای آسفالتی استفاده گردیده است؛ حال آنکه این روسازیها تعمیر و نگهداری زیادی را میطلبند و کمتر از روسازیهای بتنی استفاده شده است؛ با اینکه عمر بیشتر و هزینه نگهداری بسیار پایینتری دارند
افزایش دور از انتظار قیمت نفت در بازارهای جهانی و قیمت قیر در داخل کشور در اثر حذف یارانهها و کیفیت بسیار پایین قیر تولیدی در ایران به واسطه فرسوده بودن و کالیبره نبودن تجهیزات پالایشگاهی و عدم امکان اصلاح، این روند زمینه تولید روسازیهای بتنی را در ایران فراهم نمود. اما در دهه اخیر اقتصاد دنیا دستخوش تغییرات گوناگونی شده است؛ همچنین پیشرفتهای حاصله در صنعت سیمان و سرمایهگذاریهای انجام شده نیز بسیار زیاد بوده به طوری که هم اکنون تولید سیمان به عنوان ماده اصلی تولید بتن افزایش یافته و کشور ایران با تولید بیش از 80 میلیون تن در سال، جایگاه سوم را در جهان کسب کرده است
یکی از زمینههای کاربرد سیمان، که در کشور ما به آن توجه مناسبی نشده است، کاربرد سیمان در احداث روسازیهای بتنی در راهها میباشد. لذا ارزانی و فراوانی سیمان، همراه با گران شدن قیر این فرصت را بوجود آورده است تا بتوان بتن را جایگزین آسفالت نمود. اما با توجه به رفتار ترد و مقاومت کم بتن در کشش امکان ترک خوردگی در آن ایجاد میشود. از آنجا که ترک خوردگی های سطحی موجب ایجاد خرابیهای رفتاری مکانیکی و دوام بتن میباشد، بازرسی و عیب یابی و نگهداری و تعمیر سازههای بتنی مورد توجه قرار میگیرد که از روشهای مهم برای بازرسی چشمی در زمینههای مختلف، پردازش تصویر توسط محققان بسیاری توصیه شده است
.2 پردازش تصویر دیجیتال
یک تصویر میتواند با یک تابع دو بعدی به صورت f - x,y - که در آن x و y مختصات نقاط در تصویر میباشند، تعریف شود. مقدار تابع f در مختصات Intensity - x,y - یا سطح Gray آن نقطه در تصویر میباشد. زمانی که x و y مقدار تابع f همگی دارای مقادیر محدود و گسسته باشند، از تصویر تحت یک تصویر دیجیتال یاد میشود. یک تصویر دیجیتال مرکب از تعداد محدودی از نقاط که هرکدام از آنها دارای مکان و مقدار مشخصی هستند تشکیل شده است. از این نقاط تحت عنوان x و y اجزاء یا عناصر تصویر یا پیکسل نام برده میشود. از واژه پیکسل به صورت گستردهای برای ارجاع به عناصر یک تصویر استفاده میشود
حس بینایی یکی از پیچیدهترین حسهای پنجگانه میباشد و به همین علت تصاویر نقش مهمی در درک انسان از محیط اطرافش دارند. برخلاف انسان که در درک طیفهای الکترومغناطیس دارای محدودیت میباشد، ماشینهای تصویربرداری کلیه باندهای این طیف را پوشش می دهند. در بین محققان پردازش تصویر هیچ توافقی درباره نقطه پایان پردازش تصویر دیجیتال و شروع تحلیل تصاویر و بینایی وجود ندارد. به عبارت دیگر بینایی ماشین شاخهای از هوش مصنوعی1 میباشد که هدف آن شبیهسازی هوش انسان است که باعث استفاده از ماشین یا کامپیوتر برای شبیهسازی بینایی انسان میشود
الگوی مناسب در این راستا توجه به سه فرآیند محاسباتی زیر است :
الف- فرآیند سطح پایین: پردازش تصویر برای کاهش نویز، تغییر کنتراست و برجستهسازی تصویر.
ب - فرآیند سطح متوسط: پردازش تصویر برای قطعهبندی تصویر، توصیف و اشیا در راستای تسهیل پردازش و تشخیص اشیا.
ج- فرآیند سطح بالا: پردازش تصویر برای ایجاد حس از شی تشخیص داده شده - تحلیل تصاویر - .
.3 تشخیص رنگ پیکسل و هیستوگرام در تصویر اولیه
.1-3 تشخیص رنگ پیکسل
هر پیکسل از تصویر دارای سه مقدار می باشد که این این مقادیر از سه رنگ اصلی قرمز، سبز و آبی به دست میآید که شمارههای رنگ مربوط به خود را نیز دارند. خواندن رنگهای یک پیکسل RGB یا قرمز، سبز و آبی میباشد که اگر از میانگین عددی این سه مقدار استفاده کنیم به یک عدد معرف رنگ خاکستری پیکسل یا gray دست پیدا میکنیم. حال در شکل 1 مقدارRGB پیکسلهای ترک و محدوده اطراف ترک را مشاهده میکنیم. همانطور که مشاهده می شود مقادیر رنگها ترکیبی قرمز، سبز و آبی در این پیکسل ها متفاوت میباشد
شکل -1 مقدار%5* پیکسلهای ترک و محدوده اطراف ترک
همانطورکه مشاهده میشود در قسمت ترک رنج رنگها بسیار پایین میباشد و اطراف ترک، پیکسلها دارای عددهای بزرگتری از این رنج هستند.
:2-3 هیستوگرام تصویر
هیستوگرام نموداری است که محتوا و وضعیت نور تصویر را نشان میدهد و در روشهای بهبود تصاویر بسیار مورد استفاده قرار میگیرد. این نمودار بر اساس فراوانی مقادیر پیکسلهای یک تصویر به دست میآید. در تصویر سطح خاکستری محور افقی نمودار دارای دامنه بین 0 تا 255 و محور عمودی نشاندهنده تعداد تکرار هر کدام از این اعداد در تصویر میباشد. در شکل 2 هیستوگرام تصویر اولیه شده است
شکل -2 هیستوگرام تصویر اولیه
