ПРИМЕНЕНИЕ МЕТОДОВ ОБРАБОТКИ ЦИФРОВЫХ ИЗОБРАЖЕНИЙ ДЛЯ АНАЛИЗА ДЕФЕКТОВ ПОВЕРХНОСТЕЙ

SING OF DIGITAL IMAGES PROCESSING FOR ANALYSIS OF DEFECTS IN SURFACE

Galina Melnik

Senior developer “Tinkoff Bank” company,

Russia, Moscow

АННОТАЦИЯ

Целью работы является обзор основных методов анализа цифровых изображений, позволяющих выявлять и оценивать неоднородности поверхностей различных объектов. Рассмотрены наиболее удобные и простые подходы, позволяющие оценивать и контролировать качество поверхностей изделий в различных отраслях промышленности.

ABSTRACT

A review of main methods of analysis of digital images is a goal of this paper, which allow to reveal and evaluate surface irregularities of different objects. The most convenient and simple approaches are considered, which allow to evaluate and check quality of surface of products in different industry segments.

Ключевые слова: цифровая обработка изображений; пиксель; поверхность.

Keywords: digital image processing, pixel, surface.

В настоящее время ряд проблем, связанных с анализом дефектов поверхностей изделий, изготавливаемых на промышленных предприятиях, эффективно решается путем применения цифровых изображений исследуемых объектов. Число публикаций, как зарубежных, так и отечественных, связано с совершенствованием подходов обработки цифровых изображений. Широко используется метод дискретного вейвлет-анализа. Его применяют для быстрого поиска дефектов, имеющих различную физико-химическую природу [1, с. 3]. Значительное внимание уделяется методу сегментации изображений. Поскольку особенности формируемого изображения связаны с источниками получения изображений, ряд работ направлен на исследования, связанные с поиском алгоритмов унификации режимов по типам источников. Однако значительная часть работ касается источников, применяемых в медицине для формирования изображений – инфракрасные, тепловые, рентгеновские [2, c. 564; 3, c. 202; 4, c. 197]. Хорошо зарекомендовал себя пиксельный подход. Его часто сочетают с использованием нейронных сетей [5, с. 567]. Следует отметить, что применение нейронных сетей, в свою очередь, порождает ряд трудностей: расширение сетей требует оптимизировать их рост, однако в настоящее время универсальных решений по оптимизации не существует [6, c. 20]. В целом указанные выше работы исследуют общие закономерности обработки информации. Значительно меньше работ посвящено решению практических задач в различных отраслях промышленности. Они связаны с контролем качества изделий по цифровым изображениям [7, c. 53; 8, c. 173; 9, c. 222; 10, с. 022043]. Возникающие на практике задачи требуют оценки: площади дефектов на поверхностях изделий; площади отслоений покрытий на защищаемых изделиях [11, с. 88; 12, с. 125]; площади зон разрушения на изделиях при приложенных нагрузках [13, с. 42]. Поэтому предлагаемые решения ориентированы на оценку дефектных зон изделий [14, с. 51], адгезии и отслоения покрытий [15, c. 50]. Пиксельный подход успешно сочетают с использованием библиотек компьютерного зрения. Применение стандартных библиотек позволяет снизить время обработки изображения поверхности изделия с дефектом до 1-2 секунд [15, c. 50; 10, с. 022043].

Таким образом, на практике все более широко используются методы цифровых технологий для оценки площади дефектов, зон структурных неоднородностей, включений на поверхности изделий с целью повышения качества изделий

Список литературы:

1. Ткаль, В.А. Цифровые методы обработки рентгенотопографических и поляризационно-оптических изображений дефектов структуры монокристаллических полупроводников: специальность 01.04.01 «Приборы и методы экспериментальной физики»: автореферат диссертации на соискание ученой степени доктора физико-математических наук / Ткаль Валерий Алексеевич; ФТИ им. А.Ф. Иоффе РАН. - Ижевск, 2007. - 48 с. Библиогр.: с. 3 – 4. - Место защиты: Удмуртский государственный университет. – Текст: непосредственный.
2. Fast computational depth segmentation using orthogonal fringe patterns without pattern sequence changing / Y. Xiao, W. Han, X. Zhang [ и др.] // Journal of the Optical Society of America A: Optics and Image Science, and Vision. - 2021. - № 38(4). - P. 564–572. DOI: org/10.1364/JOSAA.414326.
3. Multi-modal semantic image segmentation / A. Pemasiri, K. Nguyen, S. Sridharan, C. Fookes // Computer Vision and Image Understanding. - 2021. - № 202, 103085. DOI: org/10.1016/j.cviu.2020.103085.
4. Ma, J. Infrared and visible image fusion via gradientlet filter / J. Ma, Y. Zhou // Computer Vision and Image Understanding. - 2020. - № 103016. Р. 197-198. DOI 10.1016/j.cviu.2020.103016.
5. Neural Image Compression for Gigapixel Histopathology Image Analysis / D. Tellez, G. Litjens, Van Der Laak J. F. Ciompi. // IEEE Transactions on Pattern Analysis and Machine Intelligence. - 2021. - № 43(2), 8809829. - Р. 567 – 578. DOI:  10.1109/TPAMI.2019.2936841.
6. Wu, H.  A pruning method based on the measurement of feature extraction ability / H. Wu, Y. Tang, X.  Zhang // Machine Vision and Applications. - 2021. - № 32(1), 20. DOI: 10.1007/s00138-020-01148-4.
7. Высокопроизводительный оптико-электронный контроль боковой поверхности топливных таблеток с определением глубины дефектов / Л.В. Финогенов, П.С. Завьялов, В.Э. Карлин, Д.Р. Хакимов. // Датчики и системы. - 2016. - № 7(205). - С. 53-59.
8. Экспресс-оценка дефектов поверхности покрытий путем анализа цифровых изображений / Н. М. Антонова, Е. Ю. Хаустова, А. А. Небрат, А. С. Пузанова // Порошковая металлургия: инженерия поверхности, новые порошковые композиционные материалы. Сварка : Сборник докладов 12-го Международного симпозиума. В 2-х частях, Минск, 07–09 апреля 2021 года / Редколлегия: А.Ф. Ильющенко (гл. ред.) [и др.]. – Минск: Республиканское унитарное предприятие "Издательский дом "Белорусская наука", 2021. – С. 173-181.
9. Применение анализа цифрового изображения поверхности покрытия для оценки адгезии / Н. М. Антонова, Е. Ю. Хаустова, А. С. Пузанова, А. А. Небрат // Перспективные направления развития отделочно-упрочняющей обработки и виброволновых технологий : Сборник трудов научного семинара, посвященного памяти заслуженного деятеля науки и техники РФ, доктора технических наук, почётного профессора ДГТУ А.П. Бабичева. Электронный ресурс, Ростов-на-Дону, 28 февраля 2020 года / Министерство науки и высшего образования Российской Федерации, Донской государственный технический университет. – Ростов-на-Дону: Донской государственный технический университет, 2020. – С. 222-227.
10. Rapid assessment of adhesion of paint coatings by digital image analysis / N. M. Antonova, E. Y. Khaustova, A. A. Nebrat, A. S. Puzanova // IOP Conference Series: Materials Science and Engineering, Sevastopol, 07–11 сентября 2020 года. – Sevastopol, 2020. – P. 022043. – DOI 10.1088/1757-899X/971/2/022043.
11. Антонова, Н. М. Адгезия механохимического покрытия MoS2 в процессе трения / Н. М. Антонова // Порошковая металлургия: инженерия поверхности, новые порошковые композиционные материалы. Сварка : Сборник докладов 11-го Международного симпозиума. В 2-х частях, Минск, 10–12 апреля 2019 года. – Минск: Республиканское унитарное предприятие "Издательский дом "Белорусская наука", 2019. – С. 88-97.
12. Адгезия вибрационного механохимического покрытия MoS2 к стальной подложке / Н. М. Антонова, В. С. Шоркин, С. Н. Ромашин, А. П. Бабичев // Перспективные направления развития отделочно-упрочняющей технологии и виброволновых технологий : сборник трудов международной научно-технической конференции, посвященной 90-летию заслуженного деятеля науки и техники РФ, д.т.н., почётного профессора ДГТУ А.П. Бабичева, Ростов-на-Дону, 27–28 февраля 2018 года. – Ростов-на-Дону: Донской государственный технический университет, 2018. – С. 125-127.
13. Антонова, Н. М. Взаимосвязь микроструктуры и физико-механических свойств металлоорганических полимерных плёнок / Н. М. Антонова, В. И. Кулинич // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2004. – № 3. – С. 42-44.
14. Research on defect detection method of powder metallurgy gear based on machine vision / M. Xiao, W. Wang, X. Shen [и др.] // Machine Vision and Applications. -2021. - № 32(2). 51. DOI 10.1007/s00138-021-01177-7.
15. Определение адгезии путем цифровой обработки изображений поверхности покрытий / Н. М. Антонова, И. А. Зиновьев, Е. Ю. Хаустова [и др.] // Инженерный вестник Дона. – 2019. – № 1(52). – С. 50.