بهیـنه‌سازی تفسیر تصاویر پرتونگاری صنعتی جهت تشـخیص عیب‌های لوله‌های نفت و گاز در نواحـی جوش با استفاده از پردازش تصویر

محورهای موضوعی : انرژی های تجدیدپذیر

علیرضا کریمیان ¹ (استادیار /دانشگاه اصفهان)
منیر ترابیان ² (کارشناس ارشد/دانشگاه آزاد اسلامی واحد نجف آباد و شرکت گاز استان اصفهان)
محمدرضا یزدچی ³ (استایار /دانشگاه اصفهان)

تاریخ دریافت : 1387/09/03 تاریخ پذیرش : 1388/08/07 تاریخ انتشار : 1389/05/10

کلید واژه: پردازش تصویر, آزمونهای غیرمخرب, پرتونگاری صنعتی, عیب‌های جوش,

چکیده مقاله :

آزمون پرتونگاری از مجموعه آزمون‌های غیر‌مخرب، یکی از پرکاربردترین و قدیمی‌ترین روش‌ها، جهت تشخیص عیب‌های نواحی جوش خطوط انتقال نفت و گاز می‌باشد. به‌منظور افزایش دقت شناسایی و آشکارسازی عیب‌های نواحی جوش در فیلم پرتونگاری و کاهش خطای شخص مفسر جوش، نیاز به سیستمی برای افزایش کیفیت تصاویر پرتونگاری، ضروری به نظر می‌رسد. در این تحقیق، روشی که شامل چندین مرحله می‌باشد جهت بهبود کیفیت تصاویر پرتونگاری نواحی جوش به منظور آشکارسازی عیب‌های جوش موجود در این تصاویر پیشنهاد گردیده است. در این کار، به منظور آنالیز فیلم‌های پرتونگاری از روشهای پردازش تصاویر دیجیتال استفاده شده است. نتایج به دست آمده از اجرای روش پیشنهادی بر روی 60 قطعه فیلم پرتونگاری ناحیه جوش با کیفیت‌های متفاوت، حاکی از آن است که این روش، قابلیت آشکارسازی عیب‌های جوش در فیلم‌های با کیفیت بالا و متوسط را با دقت %100 و در فیلم‌های با کیفیت پایین و بسیار پایین را به ترتیب با دقت تقریبی %87 و %47 دارا می‌باشد.

چکیده انگلیسی:

Industrial Radiography is one of the oldest and most usable of non-destructive methods for studying the defects inside the weld regions of pipelines. It sounds, to increase the quality of radiographic images inside the film and to decrease the weld commentary errors. It is necessary to have a system or method to improve the accuracy of recognition and detection of defects in the weld regions. In this research work, by using digital image processing methods, a new method has been proposed to improve the quality of the images on radiographic films of weld regions. The proposed method has been tested by 60 pieces of radiographic films of weld regions with different quality.  The results showed the proposed algorithm and method has the ability to detect the defects inside the weld regions with 100% precision for the films with high and normal quality and with 87% and 47% precisions for the films with low and very low qualities respectively.