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)
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 cho hình ảnh rõ ràng hơn để các thao tác khác nhau cĩ thể được thực hiện dễ dàng trên hình ảnh. Đối với điều này, đầu tiên, hình ảnh màu sẽ được chuyển đổi sang hình ảnh mức xám. Độ tương phản kéo dài (thường được gọi là chuẩn hĩa) là một kỹ thuật nâng cao hình ảnh đơn giản cải thiện độ tương phản trong một hình ảnh. Quá trình tổng quát của hoạt động kéo dài tương phản trên hình ảnh màu xám là áp dụng phương trình sau cho mỗi điểm ảnh trong hình ảnh đầu vào để tạo hình ảnh đầu ra tương ứng với điểm ảnh: ( , ) ( ( , ) min)( ) max min i n O x y I x y i (4-1)
Trong đĩ, O (x, y) đại diện cho hình ảnh đầu ra, I (x, y) đại diện cho pixel thứ x trong cột y của hình ảnh đầu vào. Trong phương trình này, ni thể hiện số mức độ cường độ, i đại diện cho mức cường độ ban đầu, "min" và "max" đại diện cho giá trị cường độ tối thiểu và giá trị cường độ lớn nhất trong hình ảnh tương ứng.
- Giảm nhiễu (Noise Reduction): một quá trình loại bỏ nhiễu từ một hình ảnh chụp. Để loại bỏ nhiễu, một số kỹ thuật lọc cĩ thể được đề xuất như phương pháp mặt nạ Gaussian xác định bởi một hàm Gaussian để loại bỏ nhiễu là bằng cách trộn các hình ảnh ban đầu với một mặt nạ đại diện qua một bộ lọc thấp hoặc làm mịn.
Hình 4.9: Xử lý ảnh sơ bộ được thực hiện bằng tay thơng qua phần mềm xử lý ảnh
4.4 Xây dựng cơ sở dữ liệu
Sau khi xử lý ảnh sơ bộ, các hình ảnh của khuyết tật mối hàn được cắt theo
kích thước tiêu chuẩn là 8x32 (pixel), sau đĩ được phân nhĩm dựa theo loại khuyết tật
và đưa vào cơ sở dữ liệu. Mẫu tin của một khuyết tật (tên file ảnh) được đặt theo nguyên tắc sau:
AAAA BBBB 1234
Trong đĩ:
AAAA: Tên các khuyết tật, dài 4 vị trí BBBB: Phân loại khuyết tật, dài 4 vị trí 1234: Số thứ tự phim chụp ảnh bức xạ
Chi tiết ký hiệu các loại khuyết tật trong cơ sở dữ liệu được quy định như bảng sau:
Bảng 4.1: Quy định ký hiệu cho các khuyết tật
Stt AAAA BBBB Mơ tả
0 CRAC TRANS Nứt ngang (Transverse Crack) 1 CRAC LONG Nứt dọc (Longitudinal Crack) 2 PORO SCAT Rỗ khí rải rác (Scattered Porosity) 3 CONC ROOT Hàn lõm chân (Root Concavity) 4 UNDE FILL Hàn thiếu chiều dày (Under Fill) 5 INCL SLAG Ngậm sỉ (Slag Inclusion)
6 PENE LACK Khơng thấu chân (Lack of Root Penetration) 7 FUSI ROOT Khơng ngấu chân (Lack of root fusion)
8 PENE EXCE Hàn dư chân (quá thấu) (Excessive Root Penetration)
9 BURN THRO Cháy thủng (Burn Through) 10 UNDE ROOT Cháy chân (Root Undercut) 11 UNDE CAP Cháy cạnh (Root Undercut) 12 EXCE CAP Lổi mặt (Excess cap reinforcement)
4.5 Đề xuất giải thuật, xây dựng phần mềm thực hiện giải đoán 4.5.1 Giải thuật thực hiện giải đoán ảnh
4.5.1.1 Yêu cầu
Yêu cầu nhận dạng khuyết tật hàn cĩ thể được giải bằng cách dùng bài tốn Classification trong Machine Learning, cụ thể yêu cầu là phân loại các lỗi khuyết tật của mẫu hàn thành 13 loại khác nhau như đã đề cập trong cơ sở dữ liệu, số lượng mẫu để học 1000 hình ảnh. Xét một hình ảnh được chụp từ phim chụp ảnh bức xạ như hình dưới.
Hình 4.10: Phim chụp ảnh bức xạ của khuyết tật cháy thủng
Một ảnh là một hình xám cĩ kích thước 8x32 (pixel), cần 256 pixel để thể hiện ảnh. Để thuận tiện tính tốn, 256 pixel này sẽ được lưu vào một vecto 256 chiều. Vậy đầu vào của bài tốn này là ma trận X cĩ kích thước 1000x256 (tức là một 1000 hình ảnh, mỗi ảnh bao gồm 256 pixel).
4.5.1.2 Giải thuật Neural Network cho CSDL
Hình 4.11: Sơ đồ của Neural Networks
Input layer: mỗi nơ-ron chứa 1 vector, 1 vector đại diện cho 1 ảnh (256 pixel).
Input là 1000 ảnh 256 pixel, nên input layer cĩ 256 units (nơ-ron)
Hidden layer: lấy tín hiệu từ input layer thơng qua liên kết θ(1), mỗi neural chứa hàm tổng ∑ni=1xi*𝜃𝑗(1), tạo ra tín hiệu input của layer kế tiếp. Để thuận tiện cho việc tính tốn, chọn số lượng unit là 37 units.
Output layer: lấy tín hiệu từ hidden layer thơng qua liên kết θ(2), tín hiệu sau khi qua hàm tổng, hàm truyền sẽ tạo ra output của neural networks. Output theo đề bài là 13 khuyết tật nên output layer cần cĩ 13 units.
θ(1) là ma trận trọng số liên kết giữa input layer và hidden layer, kích thước ma trận 37x256.
θ(2) là ma trận trọng số liên kết giữa input layer và hidden layer, kích thước ma trận 13x37.
𝑎𝑖(1) = 𝑥𝑖, i=1,...,400
a1(2)= g(𝑧1(2))= g(θ10(1)x0 +θ(1)11x1 + θ12(1)x2 +…+ θ1n(1)xn) a2(2)= g(𝑧2(2))= g(θ20(1)x0 +θ(1)21x1 + θ22(1)x2 +…+ θ2n(1)xn) ⋮ am(2)= g(𝑧𝑚(2))= g(θm0(1)x0 +θ(1)m1x1 + θm2(1)x2 +…+ θmn(1)xn) (4-2) Với m = 37, n = 256, g(z)= 1+ e1-z
Thêm 1 unit cĩ giá trị 𝑎0(2) = +1 và vector 𝑎(2) . Giá trị của từng unit trong output layer là : a1(3) =g(𝑧1(3))= g(θ10(2)𝑎0(2) +θ11(2)𝑎1(2)+ θ12(2)𝑎2(2) +…+ θ1m(2)𝑎𝑚(2)) a2(3) =g(𝑧2(3))= g(θ20(2)𝑎0(2) +θ21(2)𝑎1(2)+ θ22(2)𝑎2(2) +…+ θ2m(2)𝑎𝑚(2)) ⋮ ak(3) =g(𝑧𝑘(3))= g(θk0(2)𝑎0(2) +θk1(2)𝑎1(2)+ θk2(2)𝑎2(2) +…+ θkm(2)𝑎𝑚(2)) (4-3) Với m = 37, k = 13, g(z)= 1 1+ e-z
Sai lệch tại output layer:
𝛿1(3) = 𝑎1(3) − 𝑦1 𝛿2(3) = 𝑎2(3)− 𝑦2
⋮
𝛿𝑘(3) = 𝑎𝑘(3)− 𝑦𝑘
(4-4)
Với k = 13, yk đại diện cho một chữ số, y1 đại diện cho số 1, y2 đại diện cho số 2, ... y13 đại diện cho số 0. Giá trị của 𝑦𝑘 ∈ {0,1}, giá trị yk = 1 thì kết quả đang chỉ
đến chữ số mà yk đại diện, cịn các số cịn lại thì yk =0.
Sai lệch tại hidden layer:
𝛿1(2) = (𝜃1(2))𝑇𝛿1(3).∗ 𝑔′(𝑧1(2)) 𝛿2(2) = (𝜃2(2))𝑇𝛿1(3).∗ 𝑔′(𝑧2(2)) ⋮ 𝛿𝑘(2) = (𝜃𝑘(2))𝑇𝛿1(3).∗ 𝑔′(𝑧𝑘(2)) (4-5) Đạo hàm riêng: ∂θ∂ ij l = m1∆ijl ; ∆l = ∆l +δ(l+1)(al)T (4-6) l: số thứ tự của layer. 4.5.2 Xây dựng phần mềm
Ảnh sau khi được số hố từ phim chụp ảnh bức xạ qua xử lý thì kết quả thu được sẽ là ảnh kích thước 8x32 pixel. Những ảnh này là hình ảnh ghi lại những khuyết tật của mối hàn, cụ thể cĩ 13 khuyết tật như phân loại trong cơ sở dữ liệu. Sau khi