автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Распознавание дефектов сварных соединений методами, основанными на стохастической геометрии

Актуальность проблемы. При выполнении сварочных работ, согласно действующим нормативным документам, обязательным является проведение радиографического контроля сварных соединений. Заключение о качестве испытуемого соединения делает технолог-дефектоскопист по результатам расшифровки рентгеновских снимков. Большинство допускаемых в ходе такого контроля ошибок совершается по причине утомляемости людей, занятых на повторяющейся визуальной проверке. Исследования по автоматическому распознаванию дефектов сварных соединений ведутся с целью устранения указанной причины ошибок и получения более высоких результатов контроля, что в конечном итоге ведет к повышению темпа производства, улучшению качества выпускаемой продукции. В связи с этим тема диссертационной работы является актуальной.

Для задач дефектоскопии сварных соединений характерна значительная вариабельность формы дефектов и уровня их яркости, наличие фоновых шумов, обусловленных разбросом качества рентгеновской пленки. В этих условиях придать большую устойчивость и надежность автоматической дефектоскопии позволяет опора на большое количество признаков распознавания. Применение теории распознавания образов, основанной на стохастической геометрии, позволяет осуществить генерацию признаков распознавания, инвариантных по отношению к перемещениям и линейным деформациям объектов.

Цель диссертационной работы. Разработка методов распознавания дефектов сварных соединений по результатам радиографического контроля, их алгоритмическая и программная реализация.

Поставленная цель достигается решением следующих задач:

- исследование применения Ггасе-преобразования для предварительной обработки изображений;

- поиск функционалов, обеспечивающих получение признаков распознавания изображений, и формирование признаков;

- определение решающего правила;

- разработка алгоритма распознавания дефектов сварных соединений;

- разработка программной системы для анализа изображений сварных соединений;

- экспериментальная проверка эффективности алгоритма распознавания дефектов сварных соединений по рентгенограммам.

Методы исследования. При решении поставленных задач применена теория распознавания образов, базирующаяся на стохастической геометрии и функциональном анализе, методы теории вероятностей, математической статистики, цифровой обработки изображений.

Проверка эффективности предложений, исследованных в диссертации, проводилась на разработанных математических моделях и по результатам работы программной системы, созданной в соответствии с моделями.

Научная новизна работы.

1. Впервые предложены методы предварительной обработки изображений, основанные на Тгасе-преобразовании изображений.

2. Выявлены функционалы, предназначенные для генерации признаков исследуемых изображений. На основе функционалов получены признаки, описывающие особенности дефектов сварных соединений.

3. Разработан алгоритм, предназначенный для решения задачи распознавания дефектов сварных соединений по результатам анализа рентгеновских снимков.

4. Создана система распознавания, позволяющая автоматически определять наличие дефектов в сварных соединениях, а также их геометрические параметры.

Практическая ценность. Предложенные в диссертации методы и программная система позволяют автоматизировать процесс технической диагностики сварных соединений по результатам радиографического контроля - рентгенограммам. Разработанный алгоритм, базирующийся на методах стохастической геометрии, позволяет осуществить распознавание дефектов сварных соединений с опорой на большое количество инвариантных признаков, что повышает гибкость и надежность диагностики.

Реализация и внедрение результатов. Диссертационные исследования были выполнены в рамках программы Российского фонда фундаментальных исследований (проект № 00-01-00421) «Теория распознавания образов, основанная на стохастической геометрии», по программе Министерства образования России в области кибернетики, автоматики и ВТ «Новая теория и система генерации признаков распознавания изображений с позиции стохастической геометрии».

Результаты исследований внедрены на ФГУП завод «Автомедтехника» (г. Пенза), ОАО «Пензтяжпромарматура», ОАО «Пензхиммаш».

Основные положения, выносимые на защиту:

1. Обоснование целесообразности применения математического аппарата стохастической геометрии для распознавания дефектов сварных соединений.

2. Методы предварительной обработки изображений, основанные на Ггасе-преобразовании изображений.

3. Алгоритм формирования триплетных признаков распознавания дефектов сварных соединений.

4. Алгоритм определения геометрических параметров дефектов сварных соединений на основе вычисления триплетного признака.

5. Решающая процедура, применяемая для распознавания дефектов сварных соединений на основе методов стохастической геометрии.

6. Программная реализация распознавания дефектов сварных соединений на основе методов стохастической геометрии.

Апробация работы. Основные положения диссертации докладывались на 6-й Международной конференции «Распознавание образов и анализ изображений: новые информационные технологии» РОАИ-6-2002 (г. Великий Новгород, 2002), Международной конференции по мягким вычислениям и измерениям БСМ' 2002 (г. Санкт-Петербург, 2002), Международном симпозиуме «Надежность и качество» (г. Пенза, 2002), ежегодных Международных научно-технических конференциях «Математические методы и информационные технологии в экономике, социологии и образовании» (г. Пенза, 2001 - 2002).

Публикации. По теме диссертационной работы опубликовано 12 печатных работ, включая 6 статей, 6 тезисов докладов.

Благодарности. Автор благодарит научного руководителя д.т.н., профессора Федотова Н.Г. за оказанное внимание и научное руководство.

Содержание работы. Диссертация состоит из введения, трех глав, заключения, списка литературы из 85 наименований и приложения, содержащего акты о внедрении. Общий объем диссертации 116 е., в том числе 107 с. основного текста, 6 с. списка литературы, 3 с. приложений, 10 таблиц, 27 рисунков.

3.6. ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Сформирован массив конструктивных признаков, достаточный для решения задачи распознавания дефектов сварных соединений.

2. Обосновано применение решающей процедуры, позволяющей относить исследуемое изображение к одному из классов.

3. Возможность осуществлять нелинейную фильтрацию изображений с помощью Тгасе-преобразования оказывает влияние на структуру распознающего алгоритма. Результаты проведенного исследования подтверждают, что при решении задачи распознавания дефектов применение методов предварительной обработки изображений на основе Тгасе-преобразования позволяет упростить алгоритм распознавания в целом: исключить процедуру минимизации признакового пространства, упростить процесс генерации признаков.

4. Подход с позиции стохастической геометрии к формированию признаков распознавания дефектов позволяет упростить решающие процедуры и применить простые логические решающие правила без ущерба для эффективности распознавания.

5. Разработана программная система, реализующая алгоритм распознавания дефектов сварных соединений по результатам радиограмм.

6. Экспериментальное исследование разработанной системы автоматизированного распознавания дефектов сварных соединений по реальным изображениям сварных швов по рентгенограммам свидетельствует об эффективности использования подобных систем при проведении радиографического контроля.

106

ЗАКЛЮЧЕНИЕ

1. Результаты проведенного исследования подтвердили высокую эффективность применения методов стохастической геометрии при распознавании дефектов сварных соединений, для которых характерна значительная вариабельность формы, размеров, уровня яркости, степени зашумленности.

2. Предложены методы предварительной обработки изображений на основе Тгасе-преобразования, которые позволяют упростить алгоритм распознавания: исключить процедуру минимизации признакового пространства, упростить процедуру генерации признаков.

3. Разработан алгоритм формирования триплетных признаков дефектов сварных соединений, обладающих свойством инвариантности по отношению к перемещениям и линейным деформациям изображений дефектов. Практическое применение алгоритма формирования таких признаков ведет к повышению надежности дефектоскопии.

4. Предложенные алгоритмы определения геометрических параметров дефектов сварных соединений реализуются в той же технике, что и вычисление триплетных признаков, что свидетельствует о высокой степени унификации разработанного алгоритма в целом.

5. Подход с позиции стохастической геометрии к формированию признаков распознавания дефектов позволяет упростить решающие процедуры и применить простые логические решающие правила без ущерба для эффективности распознавания.

6. Экспериментальные исследования разработанной системы показали эффективность ее использования для обнаружения дефектов сварных соединений.

Публикации автора по теме диссертации

1. Никифорова Т. В. Алгоритм построения сканирующих линий при распознавании изображений методами стохастической геометрии // Сборник материалов VI МНТК «Математические методы и инновационные технологии в экономике». - Пенза, 2001- С. 58 - 62.

2. Никифорова Т. В. Компьютерная диагностика сварных соединений // Сборник докладов МНТК «Математические методы и информационные технологии в экономике, социологии и образовании». - Пенза, 2001. -С. 97-99.

3. Никифорова Т. В. Применение методов стохастической геометрии при разработке системы дефектоскопии // Сборник докладов МНТК «Математические методы и информационные технологии в экономике, социологии и образовании». - Пенза, 2002. - С. 155 - 157.

4. Никифорова Т. В. Применение методов стохастической геометрии для анализа изображений // Сборник трудов IV Международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии». - Санкт-Петербург, 2002. - С. 137-138.

5. Никифорова Т. В. Получение признаков изображений при решении задачи распознавания образов // Сборник трудов IV Международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии»-Санкт-Петербург, 2002. - С. 138-139.

6. Никифорова Т. В. Методы стохастической геометрии в технической дефектоскопии / Федотов Н.Г., Никифорова Т.В. // Сборник докладов Международной конференции по мягким вычислениям и измерениям 8СМ' 2002. - Санкт-Петербург, 2002. - С. 167 - 170.

7. Никифорова Т.В. Техническая диагностика на основе новой теории признаков распознавания образов / Федотов Н.Г., Никифорова Т.В. // Труды VI Международной конференции «Распознавание образов и

108 анализ изображений: новые информационные технологии» (РОАИ-6-2002).-Великий Новгород, 2002.- С. 569 - 573.

8. Никифорова Т.В. Методы стохастической геометрии в диагностике сварных соединений / Федотов Н.Г., Никифорова Т.В. II Книга докладов Международного симпозиума «Надежность и качество - 2002». - Пенза, 2002.- С. 249-251.

9. Никифорова Т.В. Применение методов стохастической геометрии при разработке системы дефектоскопии // Сборник докладов МНТК «Математические методы в экономике». - Пенза, 2002. - С. 155-157.

10. Никифорова Т.В. Приложение теории распознавания образов, основанной на стохастической геометрии, для технической дефектоскопии / Федотов Н.Г., Никифорова Т.В. // Вычислительные системы и технологии обработки информации: Межвуз. сб. науч. тр. - Пенза: Изд-во Пенз. гос. унта, 2003. - С. 5 - 8.

11. Никифорова Т.В. Дефектоскопия сварных соединений на основе методов стохастической геометрии / Федотов Н.Г., Никифорова Т.В. // Машиностроение. Контроль. Диагностика. - 2002. - № 12. - С. 65 - 68.

12. Никифорова Т.В. Техническая дефектоскопия на основе новой теории распознавания образов / Федотов Н.Г., Никифорова Т.В. // Измерительная техника. - 2002. - № 12. - С. 27 - 31.

109

1. Абламейко C.B., Лагуновский Д.М. Обработка изображений: технология, методы, применение. - Минск: Амалфея, 2000

2. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука, 1970

3. Анисимов Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983

4. Аркадьев А.Г., Браверман Э.М. Обучение машины распознаванию образов. М.: Наука, 1964

5. Баландин Р.К. Распознавание в природе и природа распознавания. -Минск: Университетское, 1988

6. Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983

7. Батоврин В.К., Сандлер Е.А. Обработка экспериментальных данных. -М. : МИРЭА, 1992

8. Вапник В.Н. Восстановление зависимостей по эмпирическим данным. -М.: Наука, 1979

9. Вапник В.Н. Задача обучения распознаванию образов. М.: Знание, 1970

10. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974

11. П.Васильев В.И. Распознающие системы: Справочник. Киев: Наукова думка, 1983

12. Верхаген К., Дейн Р. и др. Распознавание образов: состояние и перспективы. -М.: Радио и связь, 1985

13. И.Генкин В.Л., Ерош И.Л., Москалев Э.С. Системы распознавания автоматизированных производств. Л.: Машиностроение, 1988

14. Горелик А.JI. и др. Современное состояние проблемы распознавания: Некоторые аспекты. М.: Радио и связь, 1985

15. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высшая школа, 1989

16. Горелик А.Л., Скрипкин В.А. Некоторые вопросы построения систем распознавания. -М.: Советское радио, 1974

17. Горелик А.Л., Скрипкин В.А. Построение систем распознавания. М.: Советское радио, 1974

18. Гренандер У. Лекции по теории образов. -М.: Мир, 1983

19. Гришин В.Г. Образный анализ экспериментальных данных. М.: Наука, 1982

20. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976

21. Иган, Джеймс П. Теория обнаружения сигналов и анализ рабочих характеристик./Пер. англ.; Под ред. Б.Ф. Ломова М.: Наука, 1983

22. Кадыров A.A., Федотов Н.Г. Новые признаки изображений, инвариантные относительно группы движений и аффинных преобразований // Автометрия. 1997. - №4. - С.65 - 79.

23. Калоша В.К., Лобко С.И., Чикова Т.С. Математическая обработка результатов эксперимента. Минск: Высшая школа, 1982

24. Касандрова О.Н. Обработка результатов наблюдений. М., 1970

25. Катыс Г. П. Визуальная информация и зрение роботов. М.: Энергия, 1979

26. Катыс Г. П. Восприятие и анализ оптической информации автоматической системой. -М.: Машиностроение, 1986

27. Кендалл М., Моран П. Геометрические вероятности М.: Наука, 1972

28. Контроль качества сварки. Под ред. В.Н. Волченко. М.: Машиностроение, 1975

29. Лбов Г.С., Старцева Н.Г. Логические решающие функции и вопросы статистической устойчивости решений. Новосибирск: Институт математики, 1999

30. Линдли К. Практическая обработка изображений на языке СИ. М.: Мир, 1996

31. Методы классификации и оптимизации в прикладных задачах./Сб. науч. трудов/ АН СССР, Урал, отделение; - Свердловск : УрО АН СССР, 1988

32. Методы компьютерной обработки изображений/ Под ред. В.А. Сойфера. М.: Физматлит, 2001. - 784 с.

33. Назаров С.Г. Методы контроля качества сварных соединений. М.: Машиностроение, 1964

34. Павлидис У. Алгоритмы машинной графики и обработки изображений./ Пер. с англ. М.: Радио и связь, 1986

35. Патрик Э.А. Основы теории распознавания образов./ Пер. с англ; Под ред. Б.Р. Левина-М.: Советское радио, 1980

36. Персептрон система распознавания образов./ Под ред. А.Г. Ивахненко - Киев: Наукова думка, 197543 .Психология машинного зрения. Под. ред. П. Уинстона М.: Мир, 1978

37. Прэтт У.К. Цифровая обработка изображений. М.: Мир, 1982

38. Пугачев B.C. Теория вероятностей и математическая статистика. М.: Наука, 1979

39. Путятин Е.П., Аверин С.И. Обработка изображений в робототехнике. -М.: Машиностроение, 1990

40. Пытьев Ю.П., Чуличков А.И. ЭВМ анализирует форму изображения. -М.: Знание, 1988

41. Рабинер Л., Гоулд Б. Теория и применение цифровой обработки сигналов: Пер. с англ. / Под ред. Ю.Н. Александрова М.: Мир, 1978

42. Рабинович С.Г. Погрешности измерений. Л.: Энергия, 1978

43. Распознавание. Классификация. Прогноз.Сб. ст./ АН СССР, ВЦ. Отв. ред. Ю.И. Журавлев. -М.: Наука, 1989

44. Распознавание образов при помощи цифровых вычислительных машин. Сборник обзоров. / Пер. с англ. Под ред. Л.Хармона-М.: Мир, 1974

45. Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознаваниями Энергоиздат, 1981

46. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин. M.: Мир, 1972

47. Русин Б.П. Структурно-лингвистические методы распознавания изображений в реальном времени. Киев: Наукова думка, 1986

48. Рушимский Л.З. Математическая обработка результатов эксперимента-М.-1971

49. Сантало Л.А. Интегральная геометрия и геометрические вероятности -М.: Наука, 1983

50. СБИС для распознавания образов и обработки изображений./ Пер. с англ. Под ред. В.А. Абрамова. М.: Мир, 1988

51. Себестиан Г.С. Процессы принятия решений при распознавании образов. / Пер. с англ. Киев: Техника, 1965

52. Сварка в машиностроении: Справочник в 4-х т. Под ред. Ольшанского H.A. М.: Машиностроение, 1978

53. Сварочные работы./ Пер. с нем. Под ред. Г. Гердена. М.: Машиностроение, 1988

54. Теоретические и прикладные вопросы распознавания изображений. Сб. научных трудов. Киев: Институт кибернетики, 1991

55. Техническое зрение роботов. /Пер. с англ.; Под ред. Г.П. Катыса. М.: Машиностроение, 1987

56. Ту Дж., Гонсалес Р. Принципы распознавания образов./ Пер. с англ.; Под ред. Журавлева Ю. И. М.: Мир, 1978

57. Тюхтин B.C. Теория автоматического опознавания и гносеология, М.: Наука, 1976

58. Файн B.C. Опознавание изображений, М.: Наука, 1970

59. Файн B.C. Распознавание образов и машинное понимание естественного языка. -М.: Наука, 1987

60. Федотов Н.Г. Методы стохастической геометрии в распознавании образов. М.: Радио и связь, 1990.

61. Федотов Н.Г., Кадыров A.A. Новые методы формирования признаков распознавания образов с позиций стохастической геометрии. //Автометрия. 1996. - №3. - С.88 - 92.

62. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986

63. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989.

64. Фу К. Последовательные методы в распознавании образов и обучении машин. / Пер с англ. М.: Мир, 1971

65. Фу К. Структурные методы в распознавании образов и обучении машин. / Пер с англ. М.: Мир, 1977

66. Фукунага К. Введение в статистическую теорию распознавания./ Пер с англ. -М.: Наука, 1979

67. Фурман Я.А. Основы теории обработки контуров изображений. Учебное пособие. Йошкар-Ола: МарГТУ, 1997

68. Введение в контурный анализ и его приложения к обработке изображений и сигналов. / Под ред. Я.А. Фурмана. М.: Физматлит, 2002

69. Хелгасон С. Преобразование Радона. -М.: Мир, 1983

70. Хорн, Бертольд К. П. Зрение роботов / Пер. с англ.; Под ред. Е.И. Кугушева М.: Мир, 1989

71. Хорн Ф. Атлас структур сварных соединений./ Пер. с нем. М.: Металлургия, 1977

72. Цыпник Я. 3. Основы теории обучающихся систем. М.: Наука, 1970

73. Шведов А.Н., Шмидт A.A., Якубович В.А. Инвариантные системы признаков в распознавании образов.// Автоматика и телемеханика -1973. -№1. -С. 109-122

74. Шибанов Г.П. Распознавание в системах автоконтроля. М.: Машиностроение, 1973

75. Шикин Е.В., Боресков A.B. Компьютерная графика. М.:Диалог-МИФИ, 1998

76. Шульга JI.A. Формирование : Автореф. дис. к.т.н. Пенза: ПТУ, 2001

77. Ярославский Л.П. Ведение в цифровую обработку изображений. М.: Советское радио, 1979

78. Ярославский Л.П. Цифровая обработка сигналов в оптике и голографии: Введение в цифровую оптику. -М.: Радио и связь, 1987

79. УТВЕРЖДАЮ , ический директор1. С /Зац Б. С./7 ~г^ 2002 г.1. АКТнаучно технической комиссии о реализации научных положений и выводов

80. Распознавание дефектов сварных соединений методами, основанными нл

81. УТВЕРЖДАЮ —- Генеральный директор