- Độ đen phim nằm trong giới hạn cho phép theo tiêu chuẩn ASME Code Section V T-282 - 2015 Edition [9].
- Độ nhạy (Image Quality Indicator – IQI) đạt được chất lượng theo tiêu chuẩn ASME Code Section V Table T-276 - 2015 Edition [9].
b) Giải đốn ảnh
Kỹ thuật viên sẽ tiến hành kiểm tra bằng mắt các hiển thị trên phim (sử dụng đèn đọc phim). Nếu nhận thấy các bất liên tục thì sử dụng các dụng cụ đo để kiểm tra hình dạng, kích thước dựa trên các tiêu chuẩn đánh giá (chuẩn ASME). Nếu vượt quá tiêu chuẩn cho phép thì sẽ đánh giá là khuyết tật. Các tiêu chuẩn đánh giá cho các sản phẩm khác nhau được sử dụng trong ngành dầu khí như sau:
- Bồn áp lực: ASME Boiler & Pressure Vessel Code [10]
- Đường ống ngầm: API 1104 Welding for Pipelines and Related Falcilities [13].
Hình 1.43: Kỹ thuật viên sử dụng đèn đọc phim để giải đốn ảnh chụp bức xạ 1.3.3.3 Hạn chế của phương pháp chụp ảnh bức xạ
Việc giải đốn ảnh chụp bức xạ bằng phương pháp RT bởi các kỹ thuật viên cịn tồn tại các hạn chế sau:
- Tốc độ xử lý chậm.
- Chất lượng đánh giá hồn tồn phụ thuộc vào kỹ năng, kinh nghiệm và trình độ của kỹ thuật viên.
1.4 Thực trạng kiểm tra phát hiện khuyết tật hàn qua ảnh bức xạ
Ở Việt Nam, khảo sát thực tế với các cơng ty trong nước chuyên thực hiện dịch vụ kiểm tra khơng phá hủy như cơng ty Alpha NDT, cơng ty QIS, cơng ty CA NDT, cơng ty TTA, cơng ty APAVE, Ban chánh hàn VietsovPetro thì cơng việc giải đốn ảnh chụp bức xạ vẫn được thực hiện thủ cơng bởi các kỹ thuật viên.
Ở nước ngồi, qua khảo sát sau khi làm việc với các nhà thầu nước ngồi như HSCP, Castoro Osto, JR Mac Demott, Hyundai, … thì việc giải đốn ảnh chụp bức xạ cũng vẫn được thực hiện thủ cơng bởi các kỹ thuật viên.
(Cơng tác khảo sát dựa trên việc liên hệ trực tiếp với các cơng ty và quy trình thực hiện RT của các cơng ty này).
1.5 Các nghiên cứu trong và ngoài nước 1.5.1 Các nghiên cứu trong nước
Cơng việc xử lý ảnh trong nước chưa được áp dụng trong việc giải đốn ảnh chụp bức xạ mà chỉ được nghiên cứu, ứng dụng trong các ngành cơng nghiệp như:
- Cơng nghiệp đĩng gĩi để kiểm tra xem các sản phẩm đã được dán nhãn chưa hoặc kiểm tra nhãn hiệu bao bì cĩ đúng với thành phần chuẩn bị được đĩng gĩi khơng [15].
- Cơng nghiệp dược phẩm để kiểm tra số lượng viên thuốc cĩ trong vỉ thuốc [15].
- Lĩnh vực điện, điện tử để phát hiện sự thiếu sĩt các mối hàn sau khi hàn các chân linh kiện vào board mạch [1].
1.5.2 Các nghiên cứu ngồi nước
Trong những năm trước đây, một vài phương pháp nhận diện khuyết tật qua hình ảnh bức xạ đã được nghiên cứu. Việc phân tích hình ảnh từ thủ cơng chuyển sang nhận diện, đánh giá bằng hệ thống máy tính đã được áp dụng. Một số về các giải pháp đã được áp dụng trên thế giới như sau:
- Năm 2008, Reza Nejatpour, Ali Asmari Sadabad thuộc Ferdowsi University of Mashhad đã cơng bố phương pháp tự động nhận diện khuyết tật mối hàn bằng xử lý ảnh và phương pháp CAD [3]. Qua đĩ cơng tác đánh giá khuyết tật trên bề mặt mối hàn được thực hiện bằng cách kết hợp xử lý ảnh và thuật tốn CAD để đánh giá, phân tích và giải đốn. Hình ảnh sau khi được thu thập sẽ được xử lý bằng phương pháp ma trận nhị phân (binary matrix). Sau đĩ sẽ mơ phỏng trên CAD và nhận diện khuyết tật thơng qua hình ảnh 3D trên CAD bằng việc so sánh mơ phỏng mối hàn thực tế với mơ phỏng mối hàn khơng cĩ khuyết tật. Do đĩ chỉ áp dụng cho việc đánh giá ngoại quan mối hàn cho sản phẩm giống nhau trong sản xuất hàng loạt. Nếu thay đổi kích thước và hình dạng mối hàn thì phải tính tốn, mơ phỏng lại. Việc này sẽ làm tăng thời gian phân tích giải đốn khi thay đổi liên tục kích thước và biên
Hình 1.44: Sơ đồ nguyên lý thực hiện thu thập ảnh trên bề mặt mối hàn [3]
Hình 1.45: Mơ phỏng mối hàn cĩ khuyết tật khơng đạt yêu cầu [3]
- Năm 2005, N. Nacereddine, M. Zelmat, S. S. Belạfa và M. Tridi đã trình bày những khuyến nghị cho việc xử lý ảnh chụp bức xạ kỹ thuật số với các phương pháp ngưỡng Otsu, Niblack và Sauvola Thresholding [4]. Tuy nhiên, hệ thống phát hiện để xác định các khuyết tật hàn đã khơng được phát triển.
Hình 1.46: Xử lý ảnh chụp bức xạ kỹ thuật số với các phương pháp ngưỡng Otsu,
Niblack và Sauvola Thresholding [4]
- Năm 2015, Saba Madani, Mortaza Azizi đề xuất phương pháp xử lý hình ảnh phim chụp ảnh bức xạ bằng cách sử dụng thuật tốn K-Means để đưa các màu tương tự của hình ảnh đến một khoảng cách nhất định [5]. Kết quả cơ bản chỉ dừng lại ở phương pháp xử lý ảnh để hiện rõ chỉ thị khuyết tật hàn, qua đĩ hỗ trợ cho phân tích viên đánh giá kết quả cho chính xác đĩ chỉ sử dụng cho nghiên cứu và phát triển.
Hình 1.47: Xử lý hình ảnh phim chụp ảnh bức xạ bằng cách sử dụng thuật tốn K-
Means [5]
- Năm 2010, H. Kasban, O.Zahran, H.Arafa, M.El-Kordy, S.M.S.Elaraby, F.E. Abd El-Samie đã cơng bố phương pháp nhận diện khuyết tật hàn trên ảnh chụp bức xạ bằng cách tiếp cận Cepstral [6]. Các hình ảnh được xử lý, trích xuất đặc trưng và sau đĩ sử dụng hệ thống mạng nơ-ron tế bào nhân tạo (artificial neural networks) để phân tích, xử lý và phân loại khuyết tật. Phương pháp này chia làm 2 giai đoạn: huấn luyện và kiểm tra.
+ Ở giai đoạn huấn luyện: hệ thống cơ sở dữ liệu hình ảnh được sử dụng để trích xuất đặc trưng của mỗi hình ảnh từ các tín hiệu DWT, DCT và DST. Các
+ Ở giai đoạn kiểm tra: đặc trưng được trích xuất từ mỗi hình ảnh cần kiểm tra qua các tín hiệu DWT, DCT, DST và so sánh với các đặc trưng trong hệ thống dữ liệu để đánh giá và ra quyết định.
Phương pháp này đánh giá được chính xác các khuyết tật như: quá thấu, cháy chân, nứt dọc, ngậm tungsten, rỗ khí, cháy thủng, thiếu ngấu. Tuy nhiên cơng nghệ cao, phức tạp và hiện đại dẫn đến giá thành và chi phí sản xuất cao hơn so với phương pháp dùng con người. Do đĩ chưa được thương mại hố trong lĩnh vực kiểm tra khơng phá hủy.
Hình 1.48: Sơ đồ hệ thống nhận diện khuyết tật ở 2 giai đoạn: huấn luyện và kiểm
tra [6]
1.6 Ý kiến thảo luận và đề xuất nhiệm vụ của đề tài
1.6.1 Ý kiến thảo luận
Qua tổng quan các giải pháp nêu trên, việc thực hiện đánh giá khuyết tật hàn bằng phương pháp xử lý ảnh đang được quan tâm nghiên cứu nhiều ở nước ngồi, tuy nhiên các nghiên cứu chỉ thực hiện đánh giá dựa trên phân tích ngoại quan sản phẩm, xử lý ảnh nhằm hỗ trợ phân tích viên giải đốn ảnh hoặc ứng dụng cơng nghệ cao nên chưa áp dụng đại trà hoặc thương mại hố để thay thế cho các phân tích viên giải đốn ảnh. Các tồn tại và hạn chế cần được khắc phục như sau:
- Các phương pháp, hệ thống đánh giá khuyết tật hàn qua phim chụp ảnh bức xạ chưa được chú trọng phát triển mà chỉ đa phần dựa trên đánh giá ngoại quan sản phẩm (kích thước, hình dáng,…) [3].
- Các phương pháp xử lý ảnh chỉ dừng lại ở mức độ hỗ trợ phân tích viên giải đốn ảnh mà khơng phát triển cơng cụ nhận diện tự động [4], [5].
- Phương pháp đánh giá khuyết tật mối hàn qua phim chụp ảnh bức xạ được nghiên cứu ngồi nước dựa trên cơng nghệ cao địi hỏi các phần mềm phức tạp nên khĩ áp dụng vào thực tế để thay thế cho phân tích viên giải đốn ảnh [6].
- Trong nước vẫn chưa cĩ nghiên cứu nào cho hệ thống đánh giá khuyết tật mối hàn qua phim chụp ảnh bức xạ bằng phương pháp xử lý ảnh. Hiện tại, việc giải đốn bằng kỹ thuật viên sẽ tồn tại nhiều hạn chế: phân tích viên cĩ trình độ, kinh nghiệm địi hỏi phải đào tạo trong một thời gian dài, chi phí lớn; tốc độ xử lý đánh giá ảnh chậm, chi phí cao.
Từ các hạn chế và tồn tại trên, định hướng nghiên cứu về hệ thống và giải pháp tự động đánh giá khuyết tật hàn qua phim chụp ảnh bức xạ là cần thiết. Đặc biệt, khi khối lượng phim chụp ảnh bức xạ trong các cơng trình dầu khí rất lớn sẽ cĩ ý nghĩa quan trọng trong việc giúp đỡ và thay thế con người trong cơng tác giải đốn hình ảnh, đánh giá chính xác, nâng cao năng suất và đảm bảo tính khách quan trong cơng tác đánh giá chất lượng, đồng thời giúp giảm chi phí và tăng sức cạnh tranh cho doanh nghiệp.
1.6.2 Đề xuất nhiệm vụ của đề tài
Trên cơ sở các kết quả nghiên cứu trong và ngồi nước đã khảo sát, các định hướng nghiên cứu để thực hiện nhiệm vụ cĩ thể kể đến như sau:
- Đề xuất giải pháp tự động đánh giá khuyết tật mối hàn qua phim chụp ảnh bức xạ.
- Chế tạo thiết bị số hố các phim chụp ảnh bức xạ.
- Xây dựng cơ sở dữ liệu ảnh số theo các nhĩm khuyết tật.
CHƯƠNG 2
NỢI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
2.1 Nội dung nghiên cứu
Các nội dung chính sau đây sẽ được tập trung nghiên cứu:
- Nghiên cứu tổng quan về khuyết tật hàn, phương pháp chụp ảnh bức xạ và cơng việc giải đốn ảnh.
- Đề xuất giải pháp tự động đánh giá khuyết tật mối hàn qua phim chụp ảnh bức xạ.
- Chế tạo thiết bị số hố các phim chụp ảnh bức xạ được thực hiện cho phim bức xạ tiêu chuẩn (10 x 20 cm).
- Xây dựng cơ sở dữ liệu ảnh số theo các nhĩm khuyết tật.
- Đề xuất giải thuật, xây dựng phần mềm thực hiện giải đốn và nhận diện tự động khuyết tật hình ảnh từ phim chụp ảnh bức xạ.
2.2 Phương pháp nghiên cứu
2.2.1 Phương pháp kế thừa
Kế thừa các cơng trình, kết quả nghiên cứu của các bài báo đã cơng bố của tác giả ngồi nước về giải pháp và cơng cụ phát hiện khuyết tật hàn qua phim chụp ảnh bức xạ theo yêu cầu đã đặt ra.
2.2.2 Phương pháp thu thập thơng tin
- Tiếp cận các tài liệu nghiên cứu, các thơng tin cần thiết cĩ liên quan đến đề tài cĩ trên các tạp chí khoa học, tài liệu chuyên ngành, qua các nguồn tin từ báo, đài, internet,...
- Tiếp cận thực tiễn, tìm hiểu tình trạng thực tế tại các cơng ty trong và ngồi nước đang thực hiện lĩnh vực NDT bao gồm: cơng ty Alpha NDT, cơng ty QIS, cơng ty CA NDT, cơng ty TTA, cơng ty APAVE, Ban chánh hàn VietsoPetro, HSCP.
2.2.3 Phương pháp thiết kế
- Bước 1: Đề xuất giải pháp tự động đánh giá khuyết tật mối hàn qua phim chụp ảnh bức xạ;
- Bước 2: Số hố các phim chụp ảnh bức xạ;
- Bước 3: Xây dựng cơ sở dữ liệu với các cơ sở dữ liệu thành phần được phân nhĩm theo loại khuyết tật;
- Bước 4: Xây dựng giải thuật xử lý ảnh và phát triển phần mềm;
- Bước 5: Thử nghiệm ứng dụng phần mềm để thực hiện giải đốn hình ảnh từ phim chụp ảnh bức xạ tự động.
2.2.4 Phương pháp nghiên cứu phục vụ thực nghiệm
Thực hiện tiến hành khảo nghiệm một cách chủ động, để cĩ thể đánh giá khả năng hoạt động của thiết bị.
2.2.4.1 Vật liệu và trang thiết bị thực nghiệm a) Vật liệu thực nghiệm a) Vật liệu thực nghiệm
- Vật liệu thực nghiệm: phim chụp ảnh bức xạ khuyết tật hàn của dự án đĩng giàn khai thác dầu khí do cơng ty dịch vụ Alpha NDT thực hiện.
- Địa điểm thực hiện: trường đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh.
- Mơ hình thiết bị số hố các phim chụp ảnh bức xạ được thực hiện cho phim cĩ kích thước tiêu chuẩn 10 x 20 cm đã được nghiên cứu, thiết kế và chế tạo.
b) Trang thiết bị phục vụ thực nghiệm
- Máy chụp ảnh kỹ thuật số Canon DSLR EOS 700D 18.1MP với cảm biến CMOS sensor cho loại ảnh .CR2 với dung lượng trung bình 20Mb mỗi ảnh.
Hình 2.1: Máy chụp ảnh kỹ thuật số Canon DSLR EOS 700D
xử lý ảnh.
Hình 2.2: Máy tính laptop Dell Inspiron 14 để phục vụ xử lý ảnh
- Máy đo cường độ sáng tầm đo: 200, 2000, 20000, 200000 Lux, độ chính xác: ±3% để kiểm tra độ sáng cho hệ thống chiếu sáng
Hình 2.3: Máy đo cường độ sáng
- Thiết bị đo nhiệt độ hồng ngoại Fluke 62 Max sai số ±1.0° để kiểm tra nhiệt
- Đèn chiếu sáng.
- Thước đo chiều dài.
2.2.5 Phương pháp kiểm tra đánh giá
Để đánh giá khả năng hoạt động của thiết bị số hố và phần mềm nhận diện ảnh ta đánh giá dựa vào các tiêu chí sau:
- Đánh giá sự ổn định của thiết bị số hố: + Hình ảnh chụp rõ ràng, sắc nét; + Độ sáng đồng đều;
+ Chất lượng ảnh đồng đều với dung lượng 20Mb cho mỗi ảnh.
- Đánh giá hiệu suất hoạt động của phần mềm nhận diện ảnh tự động:
CHƯƠNG 3
CƠ SỞ LÝ THUYẾT
3.1 Giới thiệu giải thuật Neural Network
Mạng nơ-ron nhân tạo (Artificial Neural Networks - ANN) ra đời xuất phát từ ý tưởng mơ phỏng hoạt động của bộ não con người. Mạng nơ-ron nhân tạo là sự tái tạo bằng kỹ thuật những chức năng của hệ thần kinh con người với vơ số các nơ-ron được liên kết truyền thơng với nhau qua mạng. Giống như con người, ANN được học bởi kinh nghiệm, lưu những kinh nghiệm đĩ và sử dụng trong những tình huống phù hợp.
Mạng neural trong một vài năm trở lại đây đã được nhiều người quan tâm và đã áp dụng thành cơng trong nhiều lĩnh vực khác nhau, như tài chính, y tế, địa chất, vật lý và cơng nghệ thơng tin,…. Thật vậy, bất cứ ở đâu cĩ vấn đề về dự báo, phân loại và điều khiển, mạng nơ-ron đều cĩ thể ứng dụng được. Ví dụ như khả năng nhận dạng mặt người được ứng dụng trong các hệ thống quản lý nhân sự (các cơng sở, doanh nghiệp, các trường đại học và cao đẳng,…), tìm kiếm nhanh và chính xác đối tượng trong hệ thống lĩnh vực hình sự, tội phạm,… hoặc các trị chơi cũng như phát triển thế hệ robot thơng minh biết suy nghĩ như con người.
3.1.1 Cấu tạo của mạng nơ-ron nhân tạo
Để mơ phỏng các tế bào thần kinh và các khớp nối thần kinh của bộ não con người, trong mạng nơ-ron nhân tạo cũng cĩ các thành phần cĩ vai trị tương tự là các nơ-ron nhân tạo và kết nối giữa chúng (kết nối này gọi là weights). Nơ-ron là một đơn vị tính tốn cĩ nhiều đầu vào và một đầu ra, mỗi đầu vào đến từ một phần kết nốt (syanpse). Đặc trưng của nơ-ron là một hàm kích hoạt phi tuyến chuyển đổi một tổ hợp tuyến tính của tất cả các tín hiệu đầu vào thành tín hiệu đầu ra. Một nơ-ron nhân tạo là một đơn vị tính tốn hay đơn vị xử lý thơng tin cơ sở cho hoạt động của một mạng nơ-ron. Sơ đồ khối của một mơ hình nơ-ron nhân tạo được giới thiệu ở hình 3.1.
Hình 3.1: Mơ hình mạng nơ-ron nhân tạo
Một nơ-ron thường được xác định qua ba thành phần cơ bản:
- Một tập hợp các weights hay các kết nối, mà mỗi một trong chúng được đặc