DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS

Transcrição

1 DEFEITOS EM IMAGENS RADIOGRÁFICAS DE JUNTAS SOLDADAS EM TUBULAÇÕES: SEGMENTAÇÃO E EXTRAÇÃO DE DEFEITOS * Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR jvrsschaid@gmail.com ** Aluno do curso Tecnologia em Sistemas de Telecomunicações da UTFPR francisco2032@gmail.com RESUMO Nas tubulações de gás e petróleo é utilizada a solda para a junção dos tubos metálicos. Para verificação da qualidade da solda é usada a radiografia das juntas soldadas. Analisar uma série de radiografias é uma tarefa cansativa, repetitiva e sujeita a erros de interpretação para o ser humano. Este trabalho demonstra que é possível a análise automática de defeitos aplicando técnicas de processamento digital de imagens nas radiografias digitalizadas. Utilizando o software Matlab foi implementado um algoritmo que permite a automatização da segmentação dos defeitos, permitindo extrair características que possibilitam o reconhecimento destes defeitos. O trabalho apresenta a aplicação do método proposto para a análise automática em três imagens. PALAVRAS-CHAVE: segmentação de defeitos, Matlab, análise automática. 1. INTRODUÇÃO Para assegurar a qualidade das soldas em tubulações utilizadas na indústria, seja ela petroquímica, siderúrgica, petróleo entre outras, é necessário o uso de algumas técnicas. Segundo Andreucci (2012), um dos avanços tecnológicos mais importantes da engenharia são os Ensaios Não Destrutivos (END s). Através dos END s é possível a verificar a qualidade e a integridade dos materiais sem alterar as suas características e sem destruí-los. Outra vantagem é a possibilidade de monitorar a qualidade dos materiais sem provocar a parada do sistema. De acordo com Schneider (2005), a indústria de petróleo utiliza uma rede de tubulação para transporte de fluídos. A rede de tubos é construída pela junção dos tubos com o uso

2 de solda. Os defeitos podem aparecer sob a forma de descontinuidades na solda. Segundo Schneider a descontinuidade é um ou violação ou da estrutura de uma junta soldada. Um dos tipos de descontinuidade é a descontinuidade estrutural, a qual se manifesta nos seguintes defeitos na solda: porosidades, inclusão de escória, falta de fusão, falta de penetração e trincas. Os defeitos internos da junta soldada podem ser investigados utilizando Radiografia ou Ultrassom, sendo que a Radiografia oferece a vantagem do registro permanente da imagem em filmes radiográficos.. 2. BASE TEÓRICA No presente trabalho foram usadas radiografias digitalizadas. As imagens radiográficas digitalizadas foram tratadas com técnicas de processamento digital de imagens. 2.1 SEGMENTAÇÃO Segundo Schneider (2005), com base em duas propriedades apresentadas por imagens em tons de cinza, é feito o isolamento dos objetos de interesse na imagem, ou seja, é extraída da imagem regiões de possíveis defeitos. As propriedades são a descontinuidade e a similaridade. São necessárias três etapas para a segmentação: pré-processamento, realce dos defeitos e limiarização Pré-processamento A imagem radiográfica geralmente apresenta baixo contraste e níveis de ruído. É necessário que se faça a expansão linear do histograma, ou seja, o aumento do contraste entre os pixels de maior e menor magnitude da imagem original. Quanto aos ruídos é feito o uso de filtro para a eliminação.

3 2.1.2 Realce dos defeitos Consiste no realce de defeitos na imagem com a finalidade de segmenta-los pela utilização de filtros Limiarização A limiarização é uma das técnicas mais simples de segmentação e consiste na separação dos níveis de cinza em dois grupos: objeto e fundo da imagem. Esta separação é obtida utilizando um nível de cinza que faz a diferenciação dos pixels do objeto dos pixels do fundo da imagem. Este nível de cinza a partir do qual é feita a separação é chamado de limiar. 2.2 MORFOLOGIA MATEMÁTICA É utilizada como uma opção de ferramenta para processamento e extração de informações de imagens. Matta afirma que a chave da morfologia matemática é o elemento estruturante. O formato e o tamanho do elemento são conhecidos e comparados, através de uma transformação, ao conjunto desconhecido da imagem. Permite testar a imagem e mostrar de que maneira o elemento estruturante está ou não contido na imagem (Matta, 2013). A morfologia matemática, segundo Alencar (2013), pode ser usada para filtragem, segmentação, detecção de formas e reconhecimento de formas em imagens (ALENCAR,2013) Filtro Bottom- hat É um filtro morfológico que processa a imagem com o objetivo de realçar, segmentar, detectar bordas, afinar, entre outros objetivos. Ao receber uma imagem em tons de cinza ou binária na sua entrada apresenta com resposta na saída uma imagem filtrada com o contraste alterado e mais granulada. Imagem filtrada = imbothat (Imagem original, se) O efeito na imagem filtrada é definido pelo elemento estruturante se. No Matlab é usada a função strel para a geração de se.

4 strel = (forma, parâmetros) O tipo do elemento estruturante gerado é especificado pela forma. Como exemplo de formas que podem ser usadas temos: square, ball, disk, rectangle entre outras opções. Os parâmetros dependem da forma escolhida. No caso do presente trabalho foi usada a forma disco (disk) e como parâmetro o tamanho do raio deste disco (MATHWORKS, 2013). 3. IMPLEMENTAÇÃO DO ALGORITMO Para teste do algoritmo implementado para uso no software Matlab foram usadas três imagens. Estas imagens foram retiradas da página pessoal do Professor Lucas da UTFPR e são mostradas na figuras 1, figura 2 e figura 3. As imagens originais são escuras e para possibilitar a visualização no trabalho sofreram um processo de ajuste de contraste, através da utilização da função imtool do Matlab. Figura 1: CP1-1A_Seifert-_kV_mA_3.0min Imagem Original Fonte: Luis Alberto Lucas página pessoal UTFPR

5 Figura 2: CP2-2B_Seifert-_kV_mA_3.5min Imagem Original Fonte: Luis Alberto Lucas página pessoal UTFPR Figura 3: CP3-1C_Seifert-_kV_mA_2.0min Imagem Original Fonte: Luis Alberto Lucas página pessoal UTFPR 3.1 SEGMENTAÇÃO DO CORDÃO DE SOLDA A imagem radiográfica apresenta várias informações que podem interferir na análise da solda. Para aplicar as técnicas de processamento digital de imagens é necessária a segmentação do cordão de solda. As imagens segmentadas são apresentadas na figura 4, figura 5 e na figura 6. A função imtool do Matlab foi usada para identificar a área de interesse, permitindo assim a segmentação manual do cordão de solda.

6 Figura 4: CP1-1A_Seifert-_kV_mA_3.0min - Cordão de solda segmentado Figura 5: CP2-2B_Seifert-_kV_mA_3.5min Cordão de solda segmentado

7 Figura 6: CP3-1C_Seifert-_kV_mA_2.0min Cordão de solda segmentado Usando as imagens dos cordões de solda segmentadas manualmente, foi aplicado o algoritmo desenvolvido para três imagens. Como resultado foram segmentados os defeitos. O resultado é apresentado na figura 7, figura 8 e figura 9.

8 Figura 7: CP1-1A_Seifert-_kV_mA_3.0min - Defeito segmentado Figura 8: CP2-2B_Seifert-_kV_mA_3.5min - Defeitos segmentados

9 Figura 9: CP2-2B_Seifert-_kV_mA_3.5min - Defeito segmentado 4. CONCLUSÃO Pode- se concluir por este trabalho que: - Através da aplicação de técnicas de PDI, desenvolvidas em sala de aula, é possível por meio da digitalização e tratamento de imagens, evidenciar falhas nas estruturas físicas amostradas. - O tratamento da imagem inclui a separação da área de interesse, no caso, o cordão de solda, a transformação da imagem em uma matriz de valores 0 e 1 e o realce do intervalo de interesse com os comando bottom hat. - A limiarização permite o efeito de destaque das imperfeições da imagem e demonstrou-se satisfatório para as imagens selecionadas. A apresentação dos defeitos segmentados com o uso do algoritmo desenvolvido atingiu o objetivo do trabalho. Foi comprovado que o uso das técnicas de processamento digital de imagens pode ser usado para a automatização de segmentação de defeitos, auxiliando em qualquer situação que tenha a necessidade segmentar alguma informação da imagem.

10 Foi constatado que existe um campo muito amplo e que através de pesquisas e testes podem ser exploradas as funções do software Matlab e a combinação de outros tipos de filtros para a obtenção de um algoritmo mais eficiente. 5. TRABALHOS FUTUROS O trabalho pode ter continuidade no aprimoramento do algoritmo utilizado para que seja possível o seu uso para um número maior de imagens. O Matlab permitiu o tratamento adequado, porém é nítido que não esta limitado nem as técnicas utilizadas nem as imagens selecionadas por este trabalho.e permite a implementação do código final deste trabalho a outras imagens, respeitando antes a adequação da área de interesse seguida de alterações nos valores filtrados.

11 REFERÊNCIAS ALENCAR, Maycol de. Morfologia Matemática. Disponível em < Acesso em 28 mar ANDREUCCI, Ricardo. Radiologia Industrial. Ed. Ago Disponível em < Acesso em 5 mar LUCAS, Luis Alberto. Imagens APS. Disponível em: <paginapessoal. utfpr.edu.br/lalucas/disciplinas/pdi/aps-nova/imagens.zip/view>. Acesso em 5 mar MATHWORKS. Disponível em:< Acesso em 27 mar MATTA, Wanessa Nascimento. Metodologia para detecção de máculas em micrografias utilizando morfologia matemática f. Dissertação (Mestrado em Ciência da Computação) UFMG, Disponível em: < >. Acesso em 27 mar SCHNEIDER, Guilherme Alceu. Segmentação e extração das características de defeitos em imagens radiográficas de juntas soldadas e tubulações f. Dissertação (Mestrado em Ciências) CEFET-PR, Curitiba, 2005.