Повышение эффективности идентификации изображений дефектов при компьютерной расшифровке цифровых радиографических изображений сварных соединений опасных производственных объектов

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Повышению эффективности идентификации изображений дефектов при компьютерной расшифровке радиографических изображений посвящена эта статья. В работе рассматривается задача сегментации изображений дефектов, а также модели сегментации изображений дефектов на радиографическом снимке как при ручной, так и компьютерной расшифровке. Показано отличие алгоритмов поиска и идентификации групп, скоплений, цепочек пор, шлаковых и металлических включений от ручной расшифровки снимков.

Разработаны и экспериментально проверены на АПК КАРС алгоритмы поиска и идентификации дефектов для применения в комплексах цифровой радиографии. Сходимость результатов компьютерной и ручной расшифровки составила 0,85.

Полный текст

Доступ закрыт

Об авторах

С. А. Григорченко

Коломенский институт (филиал) Московского политехнического университета

Автор, ответственный за переписку.
Email: rent_sig@mail.ru
Россия, Коломна

В. И. Капустин

АО «НИЦ «ТЕХНОПРОГРЕСС»»

Email: kapustin@tpcorp.ru
Россия, Москва

Список литературы

  1. О промышленной безопасности опасных производственных объектов: Федеральный закон № 116 — ФЗ от 21.07.97 г. Принят Государственной Думой 20 июня 1997 г. [сайт]. 1997. URL: http://www.kremlin.ru/acts/bank/11232 (дата обращения: 08.10.2024).
  2. Приказ Федеральной службы по экологическому, технологическому и атомному надзору от 20 октября 2020 г. N 420 «Об утверждении федеральных норм и правил в области промышленной безопасности «Правила проведения экспертизы промышленной безопасности» (с изменениями и дополнениями) [Электронный ресурс] / Информационно-правовой портал «Гарант.ру»: https://base.garant.ru/75039846/#friends (дата обращения: 08.10.2024).
  3. X-Vizor — ПО для цифровой и компьютерной радиографии. Общество с ограниченной ответственностью «Ньюком-НДТ» [сайт]. 2024. URL: https://newcom-ndt.ru/x-vizor (дата обращения: 08.10.2024).
  4. Система улучшения и архивирования изображений “СОВА+” / Ассоциация научно-технического сотрудничества «ТЕСТРОН» [сайт]. 2024. URL: http://www.testron.ru/ru/view/38 (дата обращения: 08.10.2024).
  5. ПО Дисофт // Общество с ограниченной ответственностью «Центр Цифра» [сайт]. 2024. URL: https://digital-xray.ru/product/po-disoft/#desc (дата обращения: 08.10.2024).
  6. Грудский А.Я., Величко В.Я. Оцифровка радиографических снимков — это не очень просто // В мире НК. 2011. № 4 (54). С. 74—76.
  7. Грудский А.Я., Величко В.Я., Деч А.В. Как гарантировать достоверность и качество цифрового архива рентгеновских снимков кольцевых сварных соединений магистрального трубопровода? // В мире НК. 2012. № 4 (58). С. 34—40.
  8. Багаев К.А., Козловский С.С. Оцифровка рентгеновских пленок. Что следует учесть при разработке и внедрении российских стандартов // В мире НК. 2013. № 3 (61). С. 30—35.
  9. Деч А.В. Требования к программным комплексам улучшения и архивирования рентгеновских изображений // В мире НК. 2003. № 3 (21). С. 66—68.
  10. Косарина Е.И., Крупнина О.А., Демидов А.А., Михайлова Н.А. Цифровое оптическое изображение и его зависимость от радиационного изображения при неразрушающем контроле методом цифровой рентгенографии // Авиационные материалы и технологии. 2019. № 1 (54). С. 37—42. doi: 10.18577/2071-9140-2019-0-1-37-42
  11. Назаренко С.Ю., Удод В.А. Применение искусственных нейронных сетей в радиационном неразрушающем контроле // Дефектоскопия. 2019. № 6. С. 53—64.
  12. Воробейчиков С.Э., Фокин В.А., Удод В.А., Темник А.К. Оценка эффективности двух алгоритмов сегментации цифрового радиационного изображения объекта контроля // Дефектоскопия. 2017. № 2. С. 60—67.
  13. Liu T., Zheng P., Bao J., Chen H. A state-of-the-art survey of welding radiographic image analysis: Challenges, technologies and applications // Measurement. 2023. V. 214. P. 112821. doi: 10.1016/j.measurement.2023.112821
  14. Block S. B., Da Silva R. D., Lazzaretti A. E., Minetto R. LoHi-WELD: A Novel Industrial Dataset for Weld Defect Detection and Classification, a Deep Learning Study, and Future Perspectives // IEEE Access. 2024. V. 12. P. 77442—77453. doi: 10.1109/ACCESS.2024.3407019
  15. Say D., Zidi S., Qaisar S.M., Krichen M. Automated Categorization of Multiclass Welding Defects Using the X-ray Image Augmentation and Convolutional Neural Network // Sensors. 2023. V. 23. P. 6422. https://doi.org/10.3390/s23146422
  16. Zhao S., Long L., An D., Wang Y, Zhang H., Liang H., Jin S. Design and Realization of Nondestructive Testing Information Management System for Shell Electron Beam Welds // Software Engineering and Applications. 2022. V. 11. No. 5. P. 1005—1016. doi: 10.12677/SEA.2022.115103. https://doi.org/10.12677/sea.2022.115103
  17. Harrouche S., Nacereddine N., Goumeidane A.B. A Comparative Study of Different CNN Models using Transfer Learning for Weld Defect Classification in Radiographic Testing // Proc. of the 4th International Conference on Electrical, Communication and Computer Engineering (ICECCE). 30—31 December 2023, Dubai, UAE. doi: 10.1109/ICECCE61019.2023.10442057
  18. Григорченко С.А., Ефименко Л.А. Автоматизация компьютерной расшифровки радиационных изображений сварных соединений // Дефектоскопия. 2015. № 1. С. 21—27.
  19. Григорченко С.А., Капустин В.И. Классификация дефектов при автоматизированном радиографическом контроле сварных соединений // Дефектоскопия. 2009. Т. 45. № 9. С. 73—87.
  20. Капустин В.И., Зуев В.М., Иванов В.И., Дуб А.В. Радиографический контроль. Информационные аспекты. Москва: ООО Издательство «НАУЧТЕХЛИТИЗДАТ», 2010. 368 с.
  21. НП-105-18. Правила контроля металла оборудования и трубопроводов атомных энергетических установок при изготовлении и монтаже.
  22. ГОСТ 23055—78. Контроль неразрушающий. Сварка металлов плавлением. Классификация сварных соединении по результатам радиографического контроля.
  23. СТО Газпром 2-2.4-917-2014. Инструкция по радиографическому контролю качества сварных соединений при строительстве и ремонте промысловых и магистральных трубопроводов.
  24. Григорченко С.А. Автоматизированная оценка качества сварных соединений по параметрам радиографических изображений дефектов // Контроль. Диагностика. 2009. № 10. С. 30—36.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Обобщенная схема определения расстояний между дефектами: L12min, L13min, L23min, L24min, L34min — минимальные расстояния между дефектами

Скачать (116KB)
3. Рис. 2. Пример объединения двух включений в скопление по НД НП-105-18

Скачать (86KB)
4. Рис. 3. Упрощенная блок-схема алгоритма поиска ОИД

Скачать (778KB)
5. Рис. 4. Иллюстрация применения операции поиска СИД

Скачать (633KB)

© Российская академия наук, 2024