تشخیص عیوب سطح لوله های پلی اتیلن در خط تولید با استفاده از آنالیز بافت و مرز در بعد مکان

علیرضا اسدی کاریزکی : استادیار، گروه برق، دانشگاه آزاد اسلامی واحد تهران شرق، تهران – a_asadi@iust.ac.ir 1

محمد سازگار : دانشگاه آزاد اسلامی واحد تهران شرق – sazegarm102@gmail.com

مقاله تشخیص عیوب سطح لوله های پلی اتیلن در خط تولید با استفاده از آنالیز بافت و مرز در بعد مکان در دومین کنفرانس ملی پژوهش‌های نوین در مهندسی برق ارائه شده است.
چکیده : امروزه در صنایع مختلف، تشخیص عیوب در تولیدات از اهمیت بالایی برخوردار است . در گذشته تشخیص عیوب بر روی سطوح توسط روش های دستی انجام می شد که محدودیت های فراوانی از جمله زمان بر بودن و خطای کاربر انسانی داشته اند. امروزه با استفاده از روش‌های خودکار مبتنی بر بینایی ماشین می توان در تشخیص و طبقه بندی عیوب بهبود قابل توجهی را ایجاد نمود. در این پژوهش یک روش جدید جهت تشخیص عیوب سطح لوله های پلی اتیلن در خط تولید به کمک آنالیز بافت و مرز در بعد مکان ارائه شده است. برای توصیف انواع و اقسام ضایعه بر روی سطوح لوله , دیتابیسی به تعداد 100 تصویر تهیه و نقشه صحیح ضایعه به صورت دستی مشخص گردید تا امکان ارزیابی کمی الگوریتم فراهم شود. در روش پیشنهادی ابتدا لوله با استفاده از تشخیص مرز از بک گراند جداسازی می شود. بخش جداسازی شده بعد از پیش پردازش با فیلتر های مختلف تشخیص مرز پردازش می شود نتیجه تشخیص مرز با آستانه گذاری تطبیقی به فضای باینری رفته و با اعمال دستورات شکل شناسی تشخیص عیوب تکمیل می گردد. نتایج بدست آمده دقت تشخیص صحیح 82 درصد را نشان می‌دهد. 
کلمات کلیدی: تشخیص خودکار، ضایعه سطحی، آنالیز بافت، آستانه گذاری تطبیقی , لوله پلی اتیلن

این مقاله به صورت خلاصه در سایت قرار گرفته است و برای دریافت آن به صورت کامل شامل فرمول‌ها و نتایج به سایت سیویلیکا مراجعه نماید

مقدمه
رشد سریع تکنولولوژی جهت اجرای عملیات تکراری و سرعت زیاد عملیات موجب گردیده پردازش تصاویر در دنیای کنونی به ابزاری جهت تشخیص موارد متعدد تبدیل شود از تشخیص خودرو در بزرگراها تا تشخیص ضایعات در خط تولید پردازش و آنالیز تصویر ، هسته سیستم های بینایی ماشین می‌باشد. پردازش تصویر مستلزم انجام دادن مجموعه‌ای از عملیات بر تصویر است که کیفیت تصویر را به منظور خذف عیوبی نظیر اعوجاج هندسی ، فوکوس نامناسب ، اغتشاش ، نور پردازی غیر یکنواخت و حرکت دوربین افزایش می‌دهد. آنالیز تصویر عبارت است از فرایند تشخیص اشیا یا نواحی مود نظر از زمینه تصویر. آنالیز تصویر همچنین می‌تواند اطلاعات عددی را ارایه دهد که در سیستم‌های کنترلی برای تصمیم گیری استفاده می‌شود .بینایی ماشین به روش‌هایی می پردازد که به کمک آن می توان معنی و محتوای تصاویر را درک کرد. مهندسی به کار گیری قابلیتهای علوم مکانیک ، اپتیک ، الکترونیک و نرم افزار برای بازرسی مواد و اشیاء طبیعی ، محصولات تولیدی انسان و فرایند‌های تولید به منظور تشخیص عیوب و بهبود کیفیت و ایمنی محصولات و فرآیندها را بینایی ماشین گویند. منظور از ضایعه وجود هر نقص از قبیل برآمدگی – فرورفتگی- کندگی- تورم و ترک ناشی از عوامل ساخت در حین تولید می‌باشد که هر یک از این نقایص خصوصیات متفاوتی نسبت به انواع دیگر دارد.

عیوب موجود در خط لوله

قرشدگی , این عیوب شامل تاب برداشتن منظم و شکل‌دار چین خوردگی , چین وچروک , نقص چرخشی یا زاویه ای انبساط , انبساط لوله و نقص اتصال شامل جابجایی لبه و خطای زاویه می‌شود .
عیوبی که منجر به کاهش فلز میشود 
شکاف شامل (شکاف طولی , شکاف پیرامونی , شکاف موقعیت کلی ) , خوردگی موضعی شامل خوردگی موضعی موقعیت خوردگی پچشی , کلی , خوردگی طولی , خوردگی پیرامونی ,چاله شدن ترکیدگی و نشتی .خراشیدگی , ساییدگی ,پارگی 
ناپیوستگی (انفصال) صفحه‌ای 
ترک شامل ترک معمولی وترک خوردگی تنشی ورقه ورقه شدن ترک خستگی , سایش روی هم قرار گرفته
عیوبی که منجر به تغییر در ساختار ماده می شوند :
طراحی قوسی و کهنگی کرنش
در اکثر بازرسیها برای برقراری ایمنی مناسب در خط لوله و بکارگیری از حداکثر ظرفیت خط لوله معمولا بازرسی عیوب مهمی چون خوردگی، ترک، ترک خوردگی تنشی، و عیوب هندسی از اهمیت خاصی برخوردار است .یک خوردگی با نرخ رشد سریع میتواند باعث از بین رفتن فلز و نازکتر شدن دیواره لوله و کاهش مقاومت لوله در برابر فشارهای اعمالی به آن شود که در نهایت امر شکست لوله را در پی دارد که ضررهای اقتصادی، زیست محیطی و حتی فجایع انسانی و اجتماعی را در پی خواهدداشت .عیوب ترک نیز می توانند باعث نشت مواد انتقالی به محیط شده و باعث ایجاد افت فشار و اثرات محیطی مخرب شوند .پس برای داشتن خطوط لوله انتقال با کارآئی بالا همراه با سطح اطمینان مناسب بازرسی عیوب فوق امری حیاتی به نظر میرسد آشکار سازی عیوب سطح از طریق روش‌های تحلیل بافت که توصیف کننده ویژگی سطوح هستند امکان پذیر است
فرآیندهای زیر مراحل تشخیص ضایعه به صورت کلی می باشد:
تصویر برداری :

یک سیستم نوری اطلاعاتی از تصویر را جمع آورد می کند که این اطلاعات به یک فرمت دیجیتال تبدیل شده ودر حافظه کامپیوتر قرار می گیرد

 پردازش تصویر :

یک پردازشگر کامپیوتری از الگوریتم مختلف برای بهبود کیفیت المان تصویر که اهمیت ویژه ای برای پردازش خود دارند استفاده می کند .

استخراج مشخصه :

پردازشگر مشخص های بحرانی تصویر را از لحاظ تعداد و ویژگی مشخص کرده و داده ها را به برنامه کنترل می فرستد .

تصمیم گیری و کنترل :

و در آخر برنامه کنترل فرایند ، تصمیمات را بر اساس داده‌ها می‌گیرد

 انواع محصولات تولیدی بر اساس تشخیص نقص
محصولات یکنواخت : 

در تولید انبوه محصول ، تشخیص معایب بر اساس نوع محصول به دو دسته کلی تقسیم می شود . گروه اول دسته محصولات یکنواخت مانند کاغذ ، فلز وغیره است. تشخیص نقص در این محصولات عمدتا بر اساس تعیین ناحیه ای متفاوت از زمینه یکنواخت آن می باشد.

محصولات بافت دار :

گروه دوم مربوط به محصولات بافت دارمثل محصولات نساجی، سرامیک ، پلاستیک وغیره است تعیین معایب در این محصولات عمدتا به طور واضح تعریف نشده است و بنابراین تشخیص بر اساس درجه بندی مواد بر پایه طرح کلی آن است در تشخیص معایب با استفاده از روش های مبتنی بر بافت ، هدف اصلی فراهم کردن معیاری برای تشخیص خواص بافتی تصویر مانند زبری ، نرمی ، هم جنسی ، همواری و غیره است .

آنالیز بافت :

بافت به نوعی تکرار یکسری الگوی از پیش مرتب شده است.یک ناحیه از تصویر دارای بافت ثابتی است،اگر یکسری از خواص آماری آن ثابت و یا تغییرات کمی داشته باشد بافت تعریف می شود و به عنوان تصویری که در آن عناص اولیه قابل شمارش نباشد .به این ترتیب می توان گفت که تعریف بافت با توجه به نوع کاربرد متفاوت است ، بافت تصویری خصوصیت پراکندگی مکانی یک ناحیه را مشخص می سازد زیرا ممکن است یک عارضه دارای خصوصیات طیفی در باندهای مختلف باشد ، اما پراکندگی مکانی درجات خاکستری آن تقریبا ثابت باقی بماند .بنابر این آنالیز بافت بایستی در پنجره ای در همسایگی نقاط صورت پذیرد. پس آنالیز بافت از دو دیدگاه قابل برسی است : دید ماشینی و دید انسانی در دید انسانی به کمک فاکتور های مختلفی نظیر روشنایی ،رنگ و غیره شکل صورت می پذیرد .در آنالیز تصویر ، ویژگی بافت نشان دهنده چیدمان فضای سطوح خاکستری پیکسلها در یک ناحیه است . بافت یک مساحت تقطیع شده ویژگی مهمی برای توصیف مساحت است که برخی از خصوصیات تغییرات سطوح خاکستری درون شی را کمی می کند .آشکارسازی عیوب سطوح از طریق روش‌های تحلیل بافت که توصیف کننده ویژگی سطوح هستند امکا نپذیر است.ازظهور رهیافت های تحلیل بافت نزدیک به چهار دهه می‌گذرد.

در دهه 1970 و اوایل دهه 1980 میلادی روش های ارائه در این زمینه، بر پایه آمارهای مرتبه اول و دوم سطوح خاکستری پیکسل‌های تصویر، مانند ماتریس هم رخدادی سطح خاکستری در حوزه مکان و ماتریس وابستگی همسایگی سطوح خاکستری بوده است. در اواسط دهه 1980 میلادی روش های مبتنی بر مدل ، مانند میدان‌های تصادفی مارکوف به عنوان روش های دیگری از تحلیل بافت ارائه شدند. از سوی دیگر در اواخر دهه 1980 میلادی ، موجک‌ها به حوزه پردازش و تحلیل بافت وارد شدند. با ورود روش هایی همچون تبدیل گابور و تبدیل موجک ، این روش ها جایگزین روش های آماری شدند.

روش‌های تحلیل بافت

در یک تقسیم بندی کلی می‌توان روش های تحلیل بافت را در چهار دسته دسته بندی نمود، هیچ کدام از این روش‌ها به تنهایی ضایعات را به صورت صحیح ناحیه بندی نمی‌کنند و معمولا به صورت مکمل از آن ها استفاده می‌شود :

الف – روش‌های آماری
ب – روش‌های هندسی
ج – روش‌های مبتنی بر مدل
د – روش‌های تبدیل حوزه

به طور کلی تحقیقات صورت گرفته در این زمینه را می توان به دو دسته کلی تلاش برای کلاسه‌بندی و تلاش برای بخش بندی (تقطیع) عیوب تقسیم بندی کرد. در کلاسه‌بندی تنها مشخص می شود عیبی در تصویر ثبت شده از سطح محصول وجود دارد و در صورت نیاز و با توجه به تعداد کلاس ها، آن تصویر در یک دسته از پیش تعیین شده قرار میگیرد.
اما در بخش بندی که موضوع این تحقیق است، معمولاً دو کلاس سالم و معیوب فرض میشوند و ناحیه معیوب که عمدتاً درصد کمی از تصویر را شامل می شود، مشخص شده و از ناحیه سالم متمایز می گردد. در این تحقیق بربخش بندی تصویر و جداسازی تاحیه معیوب تمرکز گردیده است .

نتایج و جمع بندی

در نهایت تصویر خروجی از نقص و عیب موجود بر روی سطح لوله پلی اتیلن تک جداره ، نشان میدهد که روش استفاده شده در این مقاله قابلیت تشخیص صحیح برابر با / 82.54 و حداکثر تشخیص اشتباه آن 25.14 درصد می باشد. با توجه به کیفیت پایین تصاویر، با استفاده از دوربینهای با کیفیت بالا قطعا امکان کاهش خطای تشخیص اشتباه وجود دارد. با توجه به سرعت بالا الگوریتم و زمان زنده بودن آن به خوبی امکان قرار دادن 3 دوربین حول لوله با زاویه های 120 درجه و پردازش زمان زنده لوله در حین تولید وجود خواهد داشت.
با توجه به اینکه هدف از این تحقیق بدست آوردن مقادیر درصد تشخیص صحیح و درصد خطای تشخیص اشتباه عیوب موجود  در روی سطح لوله های پلی اتیلن می باشد، هر چقدر مقدار تشخیص صحیح نسبت به مقدار تشخیص اشتباه بیشتر باشد دقت تشخیص خطای عیب مورد نظر هم بیشتر خواهد شد تصویر خروجی و جداول خروجی از نقص و عیب موجود بر روی سطح لوله نشان میدهد که روش استفاده شده دارای دقت قابل قبولی است. البته بایستی در نظر داشت که پاسخهای استخراج شده به شرایط و نحوه تصویر برداری مرتبط می باشد و همچنین به مقدار نور تابیده شده و نور منعکس شده از سطح لوله ها وابسته می باشد و می توان با ارتقا کیفیت تصویربرداری و بهبود شرایط محیطی درصد تشخیص اشتباه را به میزان قابل توجهی کاهش داد.

این مقاله به صورت خلاصه در سایت قرار گرفته است و برای دریافت آن به صورت کامل شامل فرمول‌ها و نتایج به سایت سیویلیکا مراجعه نماید