Segmentação de Cordões de Solda por meio do Perfil em Imagens Radiográficas

SEGMENTAÇÃO DE CORDÕES DE SOLDA POR MEIO DO PERFIL EM IMAGENS RADIOGRÁFICAS GUILHERME A. SCHNEIDER, MARCELO K. FELISBERTO, LUCIA V. R. ARRUDA, TANIA M . CENTENO

LASCA - Laboratório de Automação e Sistemas de Controle Avançado CPGEI - Programa de Pós Graduação em Engenharia Elétrica e Informática Industrial CEFET-PR - CentroFederal de Educação Tecnológica do Paraná Av. Sete de Setembro, 3165, 80230-901, Curitiba, PR, BRASIL E-mails: [email protected], [email protected], [email protected], [email protected]

Abstract This work approaches some techniques for automatic segmentation of welded joints. Specially, a new method to implement this segmentation is proposed . This new method is based on projection analysis of radiographic image. Some results obtained with this method are illustrated and compared with others from the application of traditional techniques. Keywords  welded joints, radiographic images, segmentation. Resumo Este trabalho apresenta um a técnica de segmentação automática de cordões de solda baseado na análise da projeção de imagens radiográficas. Em especial é proposto um novo método para realizar esta segmentação. Os resultados obtidos são comparados com aqueles obtidos com as técnicas existentes, comprovando as vantagens do uso de tal técnica. Palavras-chave  cordões de solda, imagens radiográficas, segmentação.

1 Introdução As tubulações são consideradas o mais seguro e mais econômico meio para os transportes de líquidos ou gás através de longas distâncias (Shafeek et-al, 2003a). As inspeções sobre as tubulações de óleo e gás, em especial as inspeções de cordão de solda, são essenciais para garantir a qualidade das soldas, aumentando a segurança do uso de tais tubulações (Wang & Liao, 2002). No entanto, a maior parte das vezes estas inspeções de cordões de solda são executadas totalmente ou quase totalmente no visual, o que exige a experiência do operador (Wang & Liao, 2002). A inspeção visual das soldas é uma difícil tarefa, principalmente quando um grande número de soldas são inspecionadas (Shaffek et-al, 2003b), isto pode ser observado através de estudos que relatam um aproveitamento de 60-75% na captação de defeitos pela inspeção humana (Chan & Pang, 2000). Como foi mencionado, a necessidade da inspeção do cordão de solda nas tubulações de óleo e gás é relevante e consiste em uma das áreas mais importantes dos métodos de ensaios não-destrutivos (END´s). Neste caminho o uso de filmes radiográficos é o método fundamental há mais de 50 anos, sendo a detecção de defeitos em cordões de solda utilizando imagens radiográficas um dos mais importantes métodos de END´s (Shafeek et-al, 2003b). A inspeção radiográfica é amplamente utilizada na indústria para o

exame não destrutivo de todos os tipos de cordões de solda. Estas inspeções possibilitam a identificação de defeitos como: trinca, porosidade, falta de fusão e inclusões sólidas (Lawson & Parker, 1994). O limite que existe na capacidade humana de inspecionar defeitos, principalmente em tarefas repetitivas, gera erros no processo. E objetivando uma diminuição nos custos do processo de inspeção, e um aumento na confiabilidade da inspeção torna-se necessária uma inspeção automática (Chan & Pang, 2000). Para a execução desta inspeção automática, a radiografia digital ou radioscopia (radiografia em tempo real) é uma das formas usada. A imagens de alta resolução são adquiridas em tempo real por um computador, eliminado a necessidade da manipulação de filmes radiográficos e proporcionando uma melhor qualidade (Andreucci, 2002). Existem várias metodologias para a inspeção automática em END´s. Se o objetivo da inspeção é a deteção de falhas, estas metodologias baseiam-se em técnicas de visão computacional (Shafeek et-al, 2003a; Shafeek et-al, 2003b; Wang & Liao, 2002; Sezgin e Sankur, 2003), algoritmos fuzzy (Lashkia, 2000), redes neurais (Lawson & Parker, 1994; Rao et-al, 2002) e análise do perfil da tubulação (Zscherpel et-al, 2000). Neste contexto, este artigo propõe um método de segmentação de cordões de solda através da análise da projeção em imagens radiográficas a ser integrado em um software de inspeção automática.

O artigo está organizado como segue: na seção 2 faz-se uma breve descrição do problema de segmentação em imagens radiográficas, na seção 3 apresentase o método proposto, na seção 4 são apresentados os teste executados e os resultados obtidos e por fim as conclusões e os trabalhos futuros são apresentados na seção 5. 2 Descrição do Problema O objetivo do método proposto neste trabalho é separar o cordão de solda do resto da imagem, ou seja, segmentar o cordão de solda. Segundo (Gonzales & Woods, 1992) em geral a segmentação é uma das tarefas mais difíceis em processamento de imagem, sendo que uma segmentação efetiva quase sempre garante sucesso no reconhecimento. De acordo com (Wang & Liao, 2002; Felisberto et-al, 2003) inspeções radiográficas automáticas devem passar por três fases: segmentar a região do cordão de solda do fundo da imagem, identificar as propriedades da solda, classificar a solda ou a imagem. Em (Lashkia, 2000) é feita a segmentação do defeito na imagem radiográfica utilizando parâmetros de variância e contraste da imagem, sendo empregada em seguida o raciocínio fuzzy para a detecção de defeitos nos cordões de solda. Em (Wang e Liao, 2002) é utilizada uma técnica de processamento digital de imagem para a extração do defeito da solda. Nesta técnica é estimado um modelo de fundo do defeito através da suavização da imagem do cordão de solda, e então é feita a subtração entre esse modelo de fundo e a imagem original, obtendo um maior realce do defeito e classificando-o de forma eficiente. Os trabalhos dos autores citados anteriormente segmentam os defeitos do cordão da solda e utilizam apenas a imagem do cordão. Porém a imagem radiográfica não apresenta somente o cordão, a figura 1 mostra a imagem de uma junta soldada onde nota-se outros detalhes além do cordão de solda. Tais detalhes são irrelevantes para a análise de defeitos na solda, pois as técnicas de identificação de defeitos encontradas em (Wang & Liao, 2002; Lashkia, 2000; Shafeek et-al, 2003a; Shafeek et-al, 2003b) são aplicadas somente no cordão. Portanto torna-se interessante uma segmentação que diferencie o cordão de solda do metal de base, diminuindo o esforço comp utacional para identificar o defeito na solda. Em (Shafeek et-al, 2003a) essa separação entre o cordão de solda e o metal de base é feita de forma manual. O usuário gera uma janela ao redor do cordão de solda para posteriormente serem aplicadas as técnicas de processamento de imagem dentro dessa janela. Com o cordão de solda isolado, (Shafeek et-al, 2003b) conseguem realçar os defeitos da solda, possibilitando o levantamento de parâmetros e a identificação. Os autores citados destacam também a importância da localização do defeito em relação à solda

para efeitos de classificação, por isso descrevem como é fundamental a separação da imagem em quatro partes: interior da solda, centro da solda, borda da solda e metal de base. Desta forma para uma completa automatização do sistema de identificação de defeitos primeiramente torna-se importante uma eficiente separação entre o cordão de solda e o metal de base, o qual é objetivo do método proposto neste trabalho. 3 Método Proposto Os algoritmos de segmentação baseiam-se em uma das seguintes propriedades: descontinuidade ou similaridade (Da Silva, 1999). Para buscar a descontinuidade, a imagem é particionada na ocorrência de mudanças bruscas da tonalidade, por outro lado, para executar a busca pela similaridade utilizam-se técnicas de limiarização, crescimento de regiões e divisão e fusão de regiões (Go nzales & Woods, 1992).

Figura 1. Imagem Radiográfica de Cordão de Solda.

Para segmentar o que é cordão de solda do que não é cordão de solda pode tamb ém ser utilizada a propriedade da similaridade, através da busca dos valores de pixels que sejam similares. Os tons de cinza dos pixels que correspondem à região do cordão de solda são similares entre si e diferentes dos pixels que correspondem ao metal de base, como é possível notar na figura 1. Sendo que esta propriedade é utilizada neste trabalho. Primeiramente, é utilizada uma técnica de limiarização global simples com o objetivo de separar a imagem em duas regiões. A limiarização global simples é baseada no particionamento do histograma em apenas um único limiar. Tal técnica resulta em sucesso apenas em ambientes controlados como é o caso, na maioria das vezes, das inspeções industriais (Go nzales & Woods, 1992). De acordo com (Sezgin & Sankur, 2001) foram distinguidos seis categorias de algoritmos de limiarização baseado no tipo de informação que eles usam. Das seis categorias apresentadas pelos autores a que melhor se adapta ao uso de limiarização global simples é a de agrupamento de informação do nível de cinza. Sendo que os autores citam o método de Otsu como representante desta categoria.

O primeiro passo do método proposto é aplicar o algoritmo de Otsu, (Parker, 1997), para executar a limiarização na imagem original (figura 1). O resultado desta limiarização é mostrado na figura 2, nota-se uma concentração maior de pixels brancos na região da solda do que nas outras, incluindo as outras regiões claras. As imagens utilizadas neste trabalho apresentam radiografias digitais de trechos dos cordões de solda, portanto a solda atravessa as imagens de um lado ao outro. Este fato permite a análise da concentração maior de pixels e também permite concluir que a projeção horizontal não apresenta característica relevante sobre a posição da solda na imagem, por outro lado, a projeção vertical apresenta informações significativas sobre a posição da solda, como mostra a figura 3. A projeção vertical (figura 3) apresenta o número de pixels brancos por linha da imagem limiarizada, ele é calculado através da equação 1. N

p (i ) = ∑ k j

(1)

j =1

Onde k j são os pixels brancos da linha i da imagem limiarizada, N é o número de colunas da imagem, e i pode assumir valores de 1 até M, sendo M o número de linhas da imagem.

Figura 2. Imagem Radiográfica de Cordão de Solda Limiariazada, pelo método de Otsu.

Figura 3. Imagem Radiográfica de Cordão de Solda Limiarizada sendo comparada com a projeção vertical.

A figura 4 destaca a projeção vertical que é ilustrado na figura 3. Observando a figura 4 é possível notar que a região da projeção que apresenta maior valor, ou seja, o seu pico, corresponde a região da solda na imagem. Ainda analisando a figura 4 é possível concluir que as mudanças mais abruptas no va-

lor da projeção estão à direita e à esquerda do maior valor, e confrontando com a figura 3 observa-se que tais mudanças correspondem às bordas da solda.

Figura 4. Projeção Vertical da Imagem Radiográfica.

As mudanças abruptas do valor da projeção podem ser destacadas utilizando o cálculo da derivada, semelhante ao que (Zscherpel et-al, 2000) executaram para localizar espessura de tubulações em imagens radiográficas digitais. O cálculo da derivada da projeção vertical da imagens é dado pela equação 2.

pd (i ) = p (i ) − p(i − K )

(2)

Onde p d(i) e p(i) são o valor da derivada da projeção e o valor da projeção respectivamente, para o ponto em análise, p(i-K) é o valor da projeção distante de K amostras do ponto em análise, e i corresponde ao ponto em análise. Por exemplo, para K igual valor 1, o valor da derivada seria o valor atual subtraído do valor anterior. A figura 5.a mostra o efeito do cálculo da derivada na projeção vertical. É possível notar que para as regiões mais abruptas da projeção original, correspondentes às bordas da solda, o valor da derivada apresenta seus valores de máximo e mínimo. Porém testes mo straram que a utilização do valor de máximo como marca para segmentação da solda acarreta em perda de parte do cordão, devido a isto e para não perder os extremos do cordão de solda é utilizado como marca apenas o valor de mínimo da derivada, ou seja, o seu vale. Desta forma é possível marcar a linha onde se encontra uma das bordas da solda, figura 5a (segunda borda). Para a marcação da linha da primeira borda basta repetir o cálculo da derivada com o sentido de varredura contrário como mostra a figura 5.b. Ou seja, para o cálculo da derivada representada na figura 5.a utiliza-se a equação 2 com os valores de i variando de 1 até M, sendo M o número de linhas da imagem. Por outro lado para o cálculo da derivada no sentido de varredura inverso utiliza-se a equação 3.

p d (i ) = p (i ) − pl (i + K )

(3)

Onde p d(i) e p(i) são o valor da derivada da projeção e o valor da projeção respectivamente, para o ponto em análise, p(i+K) é o valor da projeção distante de K amostras do ponto em análise porém no sentido contrário, e i corresponde ao ponto em análise e neste caso varia de M até 1. Para as imagens utilizadas neste trabalho os testes mostraram que o melhor valor de K é 20. Os valores de i que correspondem aos mínimos das derivadas marcam as linhas onde começa e termina o cordão de solda, que são as bordas (figura 5.a e5.b)

O método proposto de segmentação pode ser dividido nas seguintes etapas: limiarização da imagem radiográfica utilizando o método de Otsu, cálculo da projeção vertical da imagem limiarizada por agregação de pixels brancos, identificação das linhas na imagem que correspondam às bordas por meio do cálculo da derivada da projeção, separação da região entre bordas e resto da imagem. 4 Testes e Resultados As figuras 6 e 7 mostram as imagens originais de duas radiografias digitais com os cordões de solda segmentados. É possível observar duas linhas brancas próximas as bordas, estas linhas são as janelas que segmentam os cordões de solda do restante da imagem. A obtenção destas janelas muitas vezes é feita de forma manual, mas neste caso é obtida a partir do método proposto.

Figura 5.a. Cálculo da Posição da Segunda Borda.

Figura 6. Imagem de Cordão de Solda segmentada por duas linhas brancas nas bordas.

Figura 5.b. Cálculo da Posição da Primeira Borda.

A partir da obtenção das duas bordas é feita a segmentação. Na segmentação é considerada parte interna da solda toda região da imagem cuja linha está localizada entre as linhas que correspondem a primeira e a segunda borda do cordão de solda. As linhas da imagem que estão localizadas acima ou abaixo das linhas das bordas são consideradas componentes das regiões que fazem parte do metal de base. Este método pode ser aplicado em cordões de solda que apareçam inclinados nas imagens. Para isto basta aplicar o método proposto em (Felisberto et-al, 2004) que encontra o ângulo entre o eixo x e o cordão de solda inclinado da imagem, executa a rotação colocando o cordão na posição horizontal e permite eficácia na aplicação do método proposto neste trabalho.

Figura 7. Imagem de Cordão de Solda segmentada por duas linhas brancas nas bordas.

Estas imagens segmentadas, das figuras 6 e 7, são as regiões a serem analisadas para identificação dos defeitos em cordões de solda, aplicando métodos de identificação de defeitos somente na solda, como é feito em (Shafeek et-al, 2003a; Shafeek et-al 2003b; Wang & Liao, 2002). A figura 8 mostra uma imagem de junta soldada com falta de penetração, trata-se de uma imagem com

apenas o cordão de solda e o metal de base, nestes casos o método proposto apresentou 100% de aproveitamento na segmentação para os testes realizados. A figura 9 mo stra apenas o cordão de solda da figura 8 segmentado, que foi obtido com a aplicação do método proposto. Essa imagem da figura 9 deve ser vista como entrada para uma técnica de segmentação e identificação de defeitos.

método proposto por (Sezgin & Sankur, 2003). Tratase de uma segmentação com múltiplos limiares e limiarização em dois níveis de cinza. O método é baseado no cálculo das médias e das variâncias do fundo da imagem e da região de interesse, sobre o histograma. A partir dos valores dos limiares selecionados é escolhido o limiar final, que vai depender se a região de interesse é clara ou escura. Segundo uma análise feita por (Sezgin & Sankur, 2003) que leva em consideração medidas de performance da segmentação, este método é o que apresenta menor erro, sendo inclusive um erro menor que o método de Otsu, que é a limiarização usada na geração da projeção vertical do método proposto neste trabalho.

Figura 8. Imagem Radiográfica de Junta Soldada com Falta de Penetração. FONTE: Manual da AGFA

Figura 10. Processamento para realce dos defeitos no cordão. (Shafeek et-al, 2003a)

Figura 9. Imagem Radiográfica do cordão de Solda.

As figura 10 e 11 são exemplos do resultado da aplicação de técnicas de segmentação de defeitos em cordões de solda produzidas por outros autores e que podem ser beneficiadas pelo método proposto neste trabalho. O cordão de solda antes selecionado manualmente, agora passa a ser selecionado automaticamente. A figura 10 ilustra o resultado do processamento proposto por (Shafeek et-al, 2003a) para realçar os defeitos no cordão aplicado na imagem segmentada da figura 9. As técnicas de processamento digital de imagem aplicadas na imagem foram as mesmas propostas por (Shafeek et-al, 2003a): expansão de histograma, equalização de histograma, aplicação do filtro da mediana e especificação de histograma. Da mesma forma a figura 11 ilustra o resultado do processamento proposto por (Wang & Liao, 2002) para realçar os defeitos no cordão aplicado na imagem segmentada da figura 9. Neste caso as técnicas aplicadas na imagem foram as mesmas propostas por (Wang & Liao, 2002) que consiste na análise de cada “fatia” transversal da imagem de forma gerar um fundo estimado e executar a subtração entre esse fundo estimado e a imagem original com a intenção de realçar os defeitos. Para o processo de limiarização, que ocorre antes da análise da derivada sobre a projeção, além do método de Otsu, foi analis ada tamb ém a aplicação do

Figura 11. Processamento para realce dos defeitos no cordão. (Wang & Liao, 2002)

Figura 12. Imagem Limiarizada pelo método dos múltiplos limiares. (Sezgin & Sankur, 2003)

Para efeito de comparação visual as figuras 2 e 12 mostram a imagem radiográfica da figura 1 limiarizada respectivamente pelo método de Otsu e pelo método dos múltiplos limiares proposto por (Sezgin & Sankur, 2003). Como pode ser visto na figura 12 este método não consegue ressaltar a projeção do cordão de solda, não sendo viável a aplicação essa aplicação no método proposto.

5 Conclusão Na literatura muito foi encontrado sobre segmentação e classificação dos defeitos internos ou centrais da solda, sendo que alguns destes métodos executam a segmentação do cordão de solda de forma manual, permitindo o erro humano. Neste sentido o objetivo deste trabalho é mostrar os resultados de um novo método de segmentação de cordões de solda em imagens radiográficas de forma automática e que se mo strou bastante eficiente apresentando um alto índice de aproveitamento. O uso do método de Otsu na etapa de limiarização apresentou resultados compatíveis com o esperado, pois as imagens são de inspeção industrial, e nesses ambientes limiarizações globais simples devem apresentar bons resultados. Por outro lado, o método com múltiplos limiares proposto por (Sezgin & Sankur, 2003) mostrou ser bastante seletivo em comp aração com o de Otsu, porém de acordo com os testes realizados nas imagens deste trabalho o método de Otsu apresentou mais eficácia (figura 2 e 12). O método de segmentação da região da solda proposto neste trabalho será associado a métodos de identificação de falhas na região da solda e de classificação dos tipos de defeitos, integrando-os em uma metodologia robusta para ensaios não-destrutivos (END´s). Agradecimentos Este trabalho foi realizado com o apoio financeiro da Agência Nacional do Petróleo – ANP – a da Financiadora de Estudos e Projetos – FINEP- por meio do Programa de Recursos Humanos da ANP para o setor Petróleo e Gás – PRH-ANP/MCT (PRH10 – CEFETPR). Também agradecemos a empresa ARCtest – Serviços Técnicos de Inspeção e Manutenção Industrial pelo fornecimento de imagens de juntas de soldas para a realização de testes. Referências Bibliográficas AGFA. Radiographer´s weld interpretation reference, Published by Agfa-Gevaert N. V., B-2640 Mortsel-Bélgica. Andreucci, R. (2002). A Radiologia Industrial, ABENDE, Ed. 5a , São Paulo. Chan, C., Pang, G. K. H. (2000). Fabric Defect Detection by Fourier Analysis, IEEE, 36(5): 12671276. Da Silva, R. R. (1999). Processamento de Imagens Radiográficas e Análise de Defeitos em Cordões de Solda, Dissertação de Mestrado, UFRJ, Rio de Janeiro. Felisberto, M. K., Centeno, T. M., Arruda, L. V. R. (2003). Revisão de Técnicas para Análise

Automática de Imagens Radiográficas Aplicadas à Inspeção Não-Destrutiva em Instalações de Petróleo e Gás, PRH10 –Planejamento e Otimização de Processos de Petróleo e Gás Natural. Felisberto, M. K., Centeno, T. M., Arruda, L. V. R., Lopes, H. S. (2004). Automatic Analysis of Radiographic Images for Non Destructive Test Applications. Anais do 10th Society For Experimental Mechanics International Congress, Costa Mesa, CA, USA. Gonzales, R. C., Woods, R. E. (1992). Digital Image Processing, Addison-Wesley Publishing Company, pp 295-341. Lashkia, V. (2001). Defect detection in X-ray images using fuzzy reasoning, Image and Vision Computing, New York, Elsevier, (19, pp 261-269. Lawson, S. W., Parker, G. A. (1994). Intelligent segmentation of industrial radiographic images using neural networks, Machine Vision Applications, Architectures and Systems Integration III, Proc of SPIE, Vol. 2347, pp. 245−255. Parker, J. R. (1997). Algorithms for image Processing ans Computer Vision, USA, pp. 119−120. Rao, B. P. C., Jayakumar B. R. T., Kalyanasundaram, P. (2002). An artificial neural for eddy current testing of austenitic stainless steel welds, NDT&E International, 35: 393-398. Sezgin, M., Sankur, B. (2001). Selection of Thresholding Metholds for Non-Destructive Testing Application, ICIP, Thessaloniki. Sezgin, M., Sankur, B. (2003). Image MultiThresholding Based on Sample Moment Function, ICIP, Barcelona. Shafeek, H. I., Gadelmawla, E. S., Abdel-Shafy, A. A., Elewa, I. M.(2003)a. Assessment of welding defects for gas pipeline radiographs using computer vision, NDT&E International, Elsevier. Shafeek, H. I., Gadelmawla, E. S., Abdel-Shafy, A. A., Elewa, I. M.(2003)b. Automatic inspection of gas pipeline welding defetcs using na expert vision system, NDT&E International, Elsevier. Wang, G., Liao, T. W. (2002). Automatic identification of different types of welding defects in radiographic images, NDT&E International, Elsevier, 35: 519−528. Zscherpel, U., Onel, Y., Ewert, U. (2000). New concepts for corrosion Inspection of Pipelines by Digital Industrial Radiology (DIR), 15th World Conference on Non-Destructive Testing, 15-21 October 2000, Rome.