Стародубов Дмитрий Николаевич. Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков

Короткий опис

Стародубов Дмитрий Николаевич. Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков : диссертация ... кандидата технических наук : 05.13.01 / Стародубов Дмитрий Николаевич; [Место защиты: Владимир. гос. ун-т].- Владимир, 2008.- 183 с.: ил. РГБ ОД, 61 09-5/706

ВЛАДИМИРСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
На правах рукописи

СТАРОДУБОВ ДМИТРИЙ НИКОЛАЕВИЧ
Ю4.20 0.9 02480"
МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ И АНАЛИЗА ДЕФЕКТОСКОПИЧЕСКИХ И МЕТАЛЛОГРАФИЧЕСКИХ СНИМКОВ
Специальность 05.13.01 — Системный анализ, управление и обработка
информации (промышленность)
ДИССЕРТАЦИЯ
на соискание ученой степени кандидата технических наук
Научный руководитель: доктор технических наук, профессор Садыков С. С.
Владимир 2008
Содержание
Введение 4
Глава 1 Анализ методов и средств контроля качества объектов 9
1.1 Виды контроля качества и их особенности 9
1.2 Основные методы неразрушающего контроля 10
1.3 Металлографические исследования снимков микроструктур 22
1.4 Состояние задачи автоматизации визуального контроля 26
1.5 Общая структура и основные компоненты СТЗ визуального контроля ...32
! '
Выводы по главе 1 43
Постановка задачи исследования 44
Глава 2 Разработка методов и алгоритмов выделения базовых и производных признаков плоских объектов и предварительной обработки изображения 46
2.1 Необходимость вычисления дополнительных базовых и производных признаков объектов 46
2.2 Выбор и обоснование тестовых изображений 47
2.3 Алгоритмы вычисления признаков плоских объектов 49
2.3.1 Площадные признаки 50
2.3.2 Линейные характеристики 55
2.3.3 Моментные характеристики 61
2.3.4 Способ формирования наборов производных признаков объектов, инвариантных к повороту, переносу и изменению масштаба объектов 64
2.4 Алгоритмы предварительной обработки изображения 67
Выводы по главе 2 74
Глава 3 Исследование стабильности и информативности базовых и производных признаков объектов 76
3.1 Методика исследования стабильности признаков объектов 76
3.2 Исследование стабильности площадных характеристик объектов 79
3.3 Исследование стабильности линейных характеристик объектов 89
3.4 Исследование стабильности моментных характеристик объектов 99
3.5 Методика исследования информативности признаков объектов 101
3.6 Исследование информативности признаков объектов 105
Выводы по главе 3 112
Глава 4 Решение практических задач автоматического анализа и распознавания металлографических и дефектоскопических снимков. 115
4.1 Структура экспериментальной системы автоматического анализа и распознавания микроструктуры 115
4.2 Алгоритмы работы блоков системы 116
I 4
4.3 Решение задачи определения процентного соотношения феррита и перлита в стали 121
4.4 Решение задачи анализа неметаллических включений в стали 128
4.5 Решение задачи анализа структуры отливок из чугуна 131
4.6 Решение задачи анализа дефектов сварных швов 138
4.7 Решение задачи анализа дефектов на снимках теплового контроля 141
Заключение 146
Литература 150
Приложение А Примеры результатов различных методов контроля 163
Приложение Б Тестовые объекты 165
Приложение В Патентные документы 180

Список літератури

В зависимости от типа и размера имеющихся дефектов принимается ре¬шение о качестве сварного соединения и о возможности его дальнейшего ис¬пользования. При этом достаточно визуально оценить тип дефекта, но для точного определения его размеров требуются дополнительные измерения.
Радиографический метод позволяет получить изображения сварных швов и их дефектов, примеры которых приведены на рисунке А.2 приложе¬ния А.
Для автоматизации задачи анализа дефектов сварных швов используется следующая последовательность действий:
1. Устранение с изображения помех с использованием медианной фильтрации;
2. Выделение на изображении дефектных участков - сегментация;
3. Удаление с изображения малоразмерных объектов, образовавшихся после сегментации;
4. Определение геометрических параметров каждого дефектного участ¬ка на изображении;
5. Подсчет количества дефектов и их средних и суммарных геометриче¬ских параметров.
На этапе предварительной обработки полученное дефектоскопическое изображение улучшается посредством удаления шумовой составляющей, для чего используется стандартный алгоритм медианной фильтрации с квадрат¬ной маской размером 3 х3 (размер маски может увеличиваться для изображе¬ний большого размера).