Máy đo cường độ sáng

Một phần của tài liệu Nghiên cứu đề xuất giải pháp và công cụ phát hiện tự động khuyết tật hàn qua phim chụp ảnh bức xạ (Trang 62)

- 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 trưng bởi một trọng số của riêng nĩ. Tức là một tín hiệu xj tại đầu vào của weights j nối với nơ-ron k sẽ được nhân với trọng số weights wkj. Ở đĩ k là chỉ số của nơ-ron tại đầu ra của weights đang xét, cịn j chỉ điểm đầu vào của weights. Các trọng số weights cuả một nơ-ron nhân tạo cĩ thể nhận cả các giá trị âm và các giá trị dương.

- Một bộ cộng để tính tổng các tín hiệu đầu vào của nơ-ron, đã được nhân với các trọng số weights tương ứng, phép tốn được mơ tả ở đây tạo nên một bộ tổ hợp tuyến tính.

- Một hàm kích hoạt (activation function) để giới hạn biên độ đầu ra của nơ- ron. Hàm kích hoạt cũng được xem xét như là một hàm nén. Nĩ nén (giới hạn) phạm vi biên độ cho phép của tín hiệu đầu ra trong một khoảng giá trị hữu hạn. Mơ hình một nơ-ron trong hình 3.2 cịn bao gồm một hệ số hiệu chỉnh tác động từ bên ngồi,

bk. Hệ số hiệu chỉnh bk cĩ tác dụng tăng lên hoặc giảm đi đầu vào thực của hàm kích

hoạt, tuỳ theo nĩ dương hay âm. Cĩ nhiều loại hàm kích hoạt.

Dưới dạng cơng thức tốn học, chúng ta cĩ thể mơ tả một nơ-ron k bằng cặp cơng thức sau:

uk =∑m wkjxj

j=0 (3-1)

yk = f(uk+bk) (3-2)

trong đĩ x1, x2, ..., xm là các tín hiệu đầu vào; wk1, wk2, ..., wkm là các trọng số weights của nơ-ron k; uk là đầu ra bộ tổ hợp tuyến tính tương ứng; bk là hệ số hiệu chỉnh. Hệ số hiệu chỉnh bk là một tham số ngồi của nơ-ron nhân tạo k. Chúng ta cĩ thể thấy được sự cĩ mặt của nĩ trong cơng thức (3-2). Một cách tương đương, chúng ta cĩ thể tổ hợp các cơng thức (3-1) và (3-2) như sau:

ek =∑m wkjxj

j=0 (3-3)

yk = f(vk) (3-4)

Trong cơng thức (3-3), chúng ta đã thêm một weights mới, đầu vào của nĩ là:

x0 = +1 (3-5)

và trọng số là:

wk0 = bk (3-6)

Như vậy chúng ta vẽ lại mơ hình của nơ-ron k như trong hình 3.2. Trong hình này, nhiệm vụ của hệ số hiệu chỉnh là thực hiện hai việc: (1) thêm một tín hiệu đầu vào cố định là 1, và (2) thêm một trọng số weights mới bằng giá trị của hệ số bk. Mặc dầu các mơ hình trong hình 3.1 và 3.2 là khác nhau về hình thức nhưng tương tự về bản chất tốn học.

3.1.2 Hàm kích hoạt trong mạng neural nhân tạo

Hàm kích hoạt, ký hiệu bởi f(v), xác định đầu ra của nơ-ron. Dưới đây là các kiểu hàm kích hoạt cơ bản:

a. Hàm ngưỡng

Đối với loại hàm này, chúng ta cĩ: f(v) ={1 nếu vk≥0

0 nếu vk<0 (3-7) ở đĩ vk là đầu ra của bộ tổ hợp tuyến tính, cĩ nghĩa là

vk = ∑mj=1wkjxj + bk (3-8) Một nơ-ron như vậy thường được gọi là mơ hình McCulloch-Pitts.

b. Hàm vùng tuyến tính

Đối với loại hàm này, chúng ta cĩ:

𝑓(𝑣) = { 1, 𝑣 ≥12 𝑣, 1 2 < 𝑣 <1 2 0, 𝑣 ≤1 2 (3-9)

Dạng hàm này cĩ thể được xem như mơt xấp xỷ của một bộ khuếch đại phi tuyến.

c. Hàm sigma

Hàm sigma là dạng chung nhất của hàm kích hoạt được sử dụng trong cấu trúc mạng nơ-ron nhân tạo. Nĩ là một hàm tăng và nĩ thể hiện một sự trung gian giữa tuyến tính và phi tuyến. Một ví dụ của hàm này là hàm logistics, xác định như sau:

f(v) = 1 + e1-av (3-10)

Ở đĩ a là tham số độ dốc của hàm sigma. Bằng việc biến đổi tham số a, chúng ta thu được các hàm sigma với các độ dốc khác nhau, như được minh hoạ trong hình 3.1. Thực tế, hệ số gĩc tại v = 0 là a/4. Khi tham số hệ số gĩc tiến tới khơng xác định, hàm sigma trở thành một hàm ngưỡng đơn giản. Trong khi một hàm ngưỡng chỉ cĩ giá trị là 0 hoặc 1, thì một hàm sigma nhận các giá trị từ 0 tới 1. Cũng phải ghi nhận

rằng hàm sigma là hàm phân biệt, trong khi hàm ngưỡng thì khơng (tính phân biệt của hàm là một đặc tính quan trọng trong lý thuyết mạng nơ-ron).

Các hàm kích hoạt được định nghĩa trong các cơng thức (3-7), (3-9), (3-10) đều trong phạm vi từ 0 đến 1. Đơi khi cĩ những yêu cầu xây dựng hàm kích hoạt trong phạm vi từ -1 đến 1, trong trường hợp này hàm kích hoạt được giả định cĩ dạng đối xứng qua gốc toạ độ (hay cĩ thể gọi là dạng phản đối xứng); nghĩa là hàm kích hoạt là một hàm lẻ. Ví dụ, hàm ngưỡng trong cơng thức (7) bây giờ được xác định như sau 𝑓(𝑣) = { 1, 𝑣 > 0 0, 𝑣 = 0 −1, 𝑣 > 0 (3-11) Hàm này thường được gọi là hàm signum.

CHƯƠNG 4

KẾT QUẢ NGHIÊN CỨU

4.1 Giải pháp tự động đánh giá khuyết tật hàn qua phim chụp ảnh bức xạ

Giải pháp tự động đánh giá khuyết tật hàn qua phim chụp ảnh bức xạ được đề xuất như sau:

Hình 4.1: Giải pháp giải đốn ảnh chụp bức xạ khuyết tật hàn trên PC 4.1.1 Bước 1:

Thực hiện số hố phim chụp ảnh bức xạ sử dụng hệ thống chụp ảnh kỹ thuật số, sau đĩ tiến hành xử lý ảnh sơ bộ để chuyển sang hình ảnh đen trắng và khoanh vùng giới hạn vùng đường hàn. Sau đĩ chuyển hình ảnh vào cơ sở dữ liệu.

a. Phương pháp số hố

Số hố các phim chụp ảnh bức xạ được thực hiện theo sơ đồ như sau:

- Hệ thống đèn chiếu: dùng để tăng cường ánh sáng nhằm hiển thị hình ảnh trên phim. Ánh sáng của đèn chiếu được khuếch tán qua hệ thống gương cầu để đảm bảo chất lượng hiển thị tại mọi điểm như nhau.

- Camera: sử dụng loại Canon DSLR EOS 700D 18.1MP. - Chỉnh sửa ảnh:

+ Thu nhận ảnh ban đầu bằng cách sử dụng ảnh màu RGB được chụp từ camera. Ảnh nhận được từ camera là một chuỗi các điểm ảnh (pixel). Các pixel này được mã hố thành 3 giá trị màu cơ bản Red, Green, Blue theo lý thuyết màu Thomson đưa ra năm 1802.

+ Hiệu chỉnh các thơng số Contrast stretching, Histogram equalization, Contouring, Brightness…. để khử nhiễu và điều chỉnh độ sáng và chuyển sang ảnh nhị phân (B&W).

+ Tìm contour của đối tượng: để tách biệt các đối tượng cần kiểm tra trong khung hình và loại bỏ các đối tượng cần thiết.

+ Các cơng việc chỉnh sửa ảnh cĩ thể được thực hiện thủ cơng nhờ phần mềm Adobe Photoshop hoặc tương đương.

- File ảnh: sau khi xử lý ảnh cho các phim sẽ tổng hợp thành những file ảnh đen trắng và đưa vào cơ sở dữ liệu.

b. Thực hiện xử lý ảnh

Cơng việc xử lý ảnh sơ bộ được thực hiện bằng tay thơng qua phần mềm xử lý ảnh Adobe Photoshop Verson 12.0. Việc hiệu chỉnh các thơng số được thực hiện qua các hạng mục sau:

- Thu nhận ảnh (Image Acquisition). - Nâng cao hình ảnh (Image enhancement). - Giảm nhiễu (Noise Reduction).

c. Tạo cơ sở dữ liệu

Sau khi xử lý ảnh sơ bộ như các bước trên, ta đưa các file ảnh vào cơ sở dữ liệu để làm cơ sở thực hiện cho các bước tiếp theo.

4.1.2 Bước 2: Nhận diện khuyết tật hàn dựa trên cơ sở dữ liệu và phần mềm.

a. Cấu trúc của hệ thống nhận dạng

Cấu trúc của hệ thống xử lý ảnh và nhận dạng khuyết tật hàn qua phim chụp ảnh bức xạ dựa trên cơ sở dữ liệu và phần mềm thể hiện như hình bên dưới:

Hình 4.3: Cấu trúc hệ thống xử lý ảnh và nhận dạng khuyết tật hàn qua phim chụp

ảnh bức xạ

b. Giải thuật chương trình xử lý ảnh và nhận dạng khuyết tật hàn

Hình 4.4: Giải thuật chương trình xử lý ảnh và nhận dạng khuyết tật hàn

Chi tiết giải thuật chương trình xử lý ảnh bao gồm như sau:

- File của phim ảnh cần kiểm tra được xử lý ảnh để chuyển sang ảnh đen trắng và hiệu chỉnh (Image Acquisition, Image Enhancement, Noise Reduction, …. ) đảm bảo hiển thị hình ảnh mối hàn rõ ràng.Sau đĩ đưa file ảnh sau khi xử lý vào phần mềm để tiến hành nhận diện hình ảnh.

- Nhận diện hình ảnh bằng cách ứng dụng phần mềm nhận diện ảnh để phân tích ảnh cần kiểm tra.

- So sánh với cơ sở dữ liệu. - Phân loại khuyết tật. - Đánh giá.

- Thơng báo kết quả.

c. Áp dụng quy trình nhận diện khuyết tật

Tất cả các hoạt động tiền xử lý được áp dụng cho hình ảnh tham chiếu, lưu trữ trong cơ sở dữ liệu máy tính để so sánh với hình ảnh kiểm tra.

Cho hình ảnh kết quả là I2. Bây xem xét I1 là kết quả hình ảnh được tìm thấy từ các hình ảnh thử nghiệm sau khi áp dụng tất cả các hoạt động tiền xử lý. Phương pháp được đề xuất như sau:

Lưu I1 và I2 dưới dạng ma trận cho một tệp. Đặt tên hai ma trận này là m1 và m2. Sau đĩ, tính tổng số điểm ảnh màu đen (trong nhị phân, nĩ được đại diện là 1) trong m1 và trong m2.

Nếu số lượng các điểm ảnh màu đen trong m1 > số pixel đen trong m2 thì khuyết tật hàn được tìm thấy trong hình ảnh kiểm tra. Nếu khơng, khơng cĩ khiếm khuyết nào hiện diện với hình ảnh kiểm tra.

4.1.3 Bước 3: Phân loại khuyết tật và hiển thị kết quả

Sau khi hồn thành bước 1 và bước 2, áp dụng phần mềm giải đốn tự động chạy trên nền MATLAB để thực hiện phân loại khuyết tật và hiển thị kết quả tự động.

4.2 Chế tạo thiết bị số hoá các phim chụp ảnh bức xạ

4.2.1 Yêu cầu của thiết bị

- Thiết bị số hố thực hiện cho phim chụp ảnh bức xạ tiêu chuẩn kích thước 10 x 20 cm;

- Các cơ cấu di chuyển lên xuống, qua lại để điều chỉnh cao độ và vị trí máy ảnh kỹ thuật số (camera);

- Hệ thống đèn chiếu để hiển thị phim ảnh bức xạ đảm bảo độ sáng đồng đều;

- Hệ thống tản nhiệt cho đèn chiếu khi hoạt động liên tục để đảm bảo nhiệt độ khơng vượt quá 60oC;

- Hệ thống gương phản xạ đảm bảo ánh sáng đồng đều tại mọi điểm; - Hình ảnh chụp cho chất lượng rõ ràng và sắc nét;

- Dung lượng ảnh đồng đều, trung bình 20Mb cho mỗi ảnh.

4.2.2 Thiết kế

Hình 4.5: Mơ hình thiết kế cho thiết bị số hố 4.2.3 Chế tạo

Thiết bị số hố được chế tạo thành cơng như bên dưới.

1-Cơ cấu di chuyển camera; 2-Camera; 3-Khu vực để phim chụp ảnh bức xạ kích thước 10x20 cm; 4-Hệ thống đèn chiếu và tản nhiệt; 5-Máy tính

4.2.4 Thử nghiệm

Sau khi thiết bị được chế tạo hồn tất, cơng tác thử nghiệm cho việc số hố các phim chụp ảnh bức xạ được thực hiện và cải tiến như sau:

- Bằng việc thay đổi ánh sáng trong hệ thống đèn chiếu từ ánh sáng vàng sang dạng đèn led ánh sáng trắng cho chất lượng ảnh tốt hơn, nhiệt độ do đèn chiếu phát ra giảm hơn nhiều.

a) Ánh sáng vàng b) Ánh sáng trắng

Hình 4.6: Thay đởi ánh sáng vàng sang ánh sáng trắng cho chất lượng ảnh tốt hơn

và nhiệt độ giảm

- Thay đổi các camera từ dạng compact sang dạng DSLR để cĩ chất lượng ảnh tốt hơn.

Sau quá trình thử nghiệm, kết quả số hố phim chụp ảnh bức xạ đạt được như hình bên dưới.

Hình 4.8: Hình ảnh phim chụp ảnh bức xạ (khuyết tật rỗ khí) sau khi thực hiện số

hố

Cơng tác số hố cho tồn bộ phim chụp ảnh bức xạ được thực hiện để làm dữ liệu đầu vào cho việc xây dựng cơ sở dữ liệu.

4.3 Thực hiện cơng việc xử lý sơ bộ ảnh

Cơng việc xử lý ảnh sơ bộ được thực hiện bằng tay thơng qua phần mềm xử lý ảnh Adobe Photoshop Version 12. Việc hiệu chỉnh các thơng số được thực hiện qua các hạng mục sau:

- Thu nhận ảnh (Image Acquisition): Thu nhận hình ảnh là quá trình thu được hình ảnh được số hĩa từ nguồn thực. Mỗi bước trong quá trình thu nhận cĩ thể đưa ra các thay đổi ngẫu nhiên vào các giá trị của các điểm ảnh trong hình ảnh được gọi là nhiễu. Một hình ảnh phim chụp ảnh bức xạ được chụp và lưu trữ vào máy tính để tiếp tục xử lý. Điều này cĩ thể đạt được bằng cách chụp một bức ảnh với một máy ảnh thơng thường. Trong phương pháp này đã sử dụng máy ảnh số DSLR EOS 700D

18.1MP để chụp ảnh. Sau đĩ, hình ảnh này được cắt tỉa với m × n (chiều rộng và chiều cao) để làm cho tất cả các hình ảnh về cùng kích thước.

- Nâng cao hình ảnh (Image enhancement): kỹ thuật nâng cao hình ảnh là làm

Một phần của tài liệu Nghiên cứu đề xuất giải pháp và công cụ phát hiện tự động khuyết tật hàn qua phim chụp ảnh bức xạ (Trang 62)

Tải bản đầy đủ (PDF)

(104 trang)