5th Pan American Conference for NDT

2-6 October 2011, Cancun, Mexico

Caracterizacin de Defectos en Soldaduras en Imgenes Radiogrficas Mediante un Sistema Neuro-Difuso

Belzyt GONZLEZ 1, Demian PEREIRA 2, Carlos SERRANO 2
1Emerging Computer Department, Faculty of Engineering, Central University of Venezuela. Caracas Venezuela. Telf: +58 212 6050270; email: belzyt.gonzalez@ucv.ve 2Instrumental Support Lab, Non-Destructive Testing, Faculty of Engineering, Central University of Venezuela. Caracas Venezuela email: demien.pereira@ucv.ve; carserrat@gmail.com Abstract En esta publicacin se presenta un sistema de caracterizacin de discontinuidades en soldaduras en acero utilizando para ello un Sistema en dos etapas principales. En la primera etapa realizamos el procesamiento de la imagen mediante un mapa autorganizativo de Kohonnen (SOM) obteniendo el patrn de entrada que, una vez filtrado y segmentada la regin de inters, alimenta la siguiente etapa. La segunda etapa consiste en una red Neuro-Difusa para la clasificacin de al menos 5 tipos de defectos en soldadura. En esta etapa se eligi un conjunto de imgenes para el entrenamiento de la red y otro conjunto de imgenes radiogrficas para la experimentacin. Los resultados fueron comparados con la aplicacin de otras redes generales. Keywords: Non-destructive testing, neuro-fuzzy systems, radiography image, welding, neural networks.

1. Introduccin
En las ltimos cinco dcadas, los Ensayos No Destructivos (NDT) han pasado a ser una herramienta esencial para inspeccin en la industria. Con el considerable aumento de la competencia entre las industrias, el control de calidad de equipos y materiales se ha convertido en un requisito bsico para seguir siendo competitivos en los mercados nacionales e internacionales. A pesar de ser una de las ms antiguas tcnicas de inspeccin no destructiva, la radiografa industrial sigue siendo esencial para la inspeccin y control de juntas de soldadura en muchas industrias, como la petrolera, qumica, marina, o aeronutica. Es particularmente importante para aplicaciones en las que una soldadura defectuosa puede tener consecuencias catastrficas, como en recipientes a presin, carga de una estructura, fuselaje de un avin y las plantas termoelctricas[1]. Para la correcta interpretacin de una imagen radiogrfica, debido a la gran heterogeneidad, es necesario realizar el reconocimiento de las caractersticas comunes de la soldadura, de las heterogeneidades potenciales y de los tipos de defectos, que pueden ser detectados mediante la inspeccin radiogrfica de la junta de soldadura. Las caractersticas de las distintas heterogeneidades impuestas por la naturaleza del defecto (discontinuidades e impurezas), morfologa (forma esfrica, cilndrica o normal), posicin (ubicacin superficial o interno), la orientacin y el tamao, hacen de la interpretacin radiogrfica de una junta de soldadura, un problema complejo que requiere conocimientos especializados en la materia. En nuestra opinin, un sistema de inspeccin automtica de imgenes radiogrficas de las juntas de soldadura deben tener las siguientes etapas: la digitalizacin de las pelculas, pre-procesamiento de la imagen, que busca principalmente la atenuacin del ruido, mejorar el contraste y la deteccin de las heterogeneidades y, por ltimo, la clasificacin de los defectos en trminos de sus caractersticas globales. En los ltimos 30 aos, ha habido acuerdos en muchas investigaciones que intentan desarrollar un sistema automtico (o semiautomatico) para la deteccin y clasificacin de defectos de soldadura en soldaduras continuas examinado la radiografa [2,3].

Hoy en da, la etapa correspondiente a la clasificacin de patrones ha sido uno de los ms estudiados en trminos de investigacin. Un mtodo para el reconocimiento automtico de defectos de soldadura se present por Sofa y Redouane [4], en la que sigue una metodologa de deteccin de reconocimiento de patrones. Vieira et al. [5] utilizan las herramientas de fractal en un paso de pre-procesamiento, la produccin de las curvas con un considerable menor nmero de puntos que en las curvas de las seales originales. Estos se utilizan en la etapa de clasificacin, que se realiza por la aplicacin de una extensin de la transformacin lineal Karhunen-Loeve. Silva et al. [6] propuso un mtodo para la deteccin de defectos de soldadura, en el que, en una primera fase, llamada de pre-procesamiento de imagen, se mejora la calidad de la imagen de rayos X al usar un filtro y una tcnica de mejoramiento del contraste. La deteccin de defectos se hace mediante un esquema de reconocimiento de patrones. En otro trabajo, Silva et al. [7] describen un estudio de un clasificador no-lineal mediante una simple red neuronal artificial para aumentar el porcentaje de xito obtenido de reconocimiento con el defecto usando clasificadores lineales. Ellos utilizan un nuevo enfoque para esta rea de investigacin, con el objetivo de demostrar que la calidad de las caractersticas es ms importante que la cantidad de las caractersticas utilizadas. En un trabajo reciente, Silva et al. [8] presentan las metodologas utilizadas para estimar la precisin del clasificador no lineal usando redes neuronales artificiales. Liao [9,10] desarrollaron un sistema experto-difuso basado en razonamiento para el reconocimiento de las soldaduras en las imgenes radiogrficas. En primer lugar, cada uno de los objetos en la imagen radiogrfica se identifican y describen con un vector con tres caractersticas. Las reglas difusas se extraen de las caractersticas de la data, de una caracterstica a la vez, basado en un algoritmo modificado Fuzzy C-means. Liao [11] investiga en la mejora de la exactitud de la funcin de seleccin. Con este fin, propone dos versiones de optimizacin de la colonia de hormigas (ACO) basado en algoritmos para la seleccin de caractersticas y demuestra su eficacia para mejorar la precisin en la deteccin de defectos de soldadura y la precisin en la clasificacin de tipos de defectos de soldadura. Shafeeketal. [12] propuso un sistema de visin de expertos para la identificacin automtica y la inspeccin de defectos de la soldadura en tuberas de gas. Soo et al. [13] en su investigacin, desarroll un eficaz algoritmo para segmentar automticamente los defectos de soldadura en radiografas con mala iluminacin con la sustraccin de fondo y la nivelacin del rango. Lim et al. [14] desarroll un sistema de clasificacin utilizando el nmero de alargue de imgenes simuladas de defectos de soldadura. Se defini un conjunto de descriptores de forma y optimiz el nmero de descriptores necesarios en la clasificacin con un enfoque estadstico. Un modelo perceptrn multicapa (MLP) con algoritmo de retro propagacin se utilizaron para el aprendizaje y la clasificacin de los defectos. Mery y Berti [15] presentan un nuevo enfoque para la deteccin de defectos de soldadura de las pelculas digitalizadas sobre la base de caractersticas de textura. El documento describe dos grupos de caractersticas de textura muy utilizado: (1) los basados en la matriz de co-ocurrencia, y (2) caractersticas basadas en funciones de Gabor 2D. Un enfoque que permite la deteccin automtica de defectos de soldadura y de clasificacin basado en el uso combinado de anlisis de componentes principales (PCA) y una red neuronal artificial (ANN) fue presentado por Mirapeix et al. [16]. Wang y Liao [17] describen el uso de 12 funciones numricas para representar cada instancia del defecto. Los valores de las caractersticas extraidas son utilizados subsiguientemente para clasificar los defectos de soldadura en diferentes tipos, mediante el uso de dos conocidos clasificadores: fuzzy-k vecino ms cercano y perceptrn multicapas. Hernndez et al. [18] presentan un mtodo neuro-difuso (ANFIS) para la deteccin automatizada de defectos en piezas de fundicin de aluminio. El sistema es capaz de detectar posibles defectos y las estructuras regulares o falsas alarmas.

Zapata, Vilar y Ruiz [&&] utilizan diferentes combinaciones de caractersticas con el objetivo de conocer la combinacin que mejora el rendimiento de la clasificacin y el mtodo de ANFIS para la clasificacin de defectos de soldadura. En la literatura hay una pobreza de los datos de la investigacin sobre mtodos neuro-fuzzy para la clasificacin de defectos de soldadura. La lgica difusa es flexible y tolerante de los datos imprecisos y se pueden construir en la parte superior de la experiencia de expertos en contraste directo con las redes neuronales, que tienen datos de entrenamiento y generan modelos impenetrables. La lgica difusa se basa en la experiencia de las personas que ya entienden el sistema. El objetivo de este enfoque es presentar la metodologa utilizada y los resultados obtenidos para estimar la exactitud de la clasificacin de las principales clases de defectos de soldadura. Esta metodologa utiliza diferentes combinaciones de caractersticas con el objetivo de conocer la combinacin que mejora el rendimiento de la clasificacin a fin de automatizar el proceso de clasificacin en: no defecto, escoria, porosidad, grietas longitudinales y grietas transversales.

2. Desarrollo
Se utilizaron tcnicas de procesamiento digital de imgenes para reducir los efectos del ruido y mejorar el contraste, as como, mtodos de seleccin de umbral para obtener algunas caractersticas discriminatorias que puedan facilitar tanto la regin de la soldadura y la segmentacin de los defectos. Las caractersticas obtenidas son el patrn de entrada del sistema clasificador neuro-fuzzy. A continuacin, el procedimiento de verificacin se utiliz para probar la capacidad de generalizacin del sistema clasificador difuso. Fig. 1 muestra las etapas principales de nuestro sistema de deteccin de defectos de soldadura. 2.1 Digitaliazacin de laPelcula Las Pelculas radiogrficas pueden ser digitalizadas por varios sistemas. Una visin general de la aplicabilidad de los sistemas de digitalizacin existentes de pelcula para ensayos no destructivos se pueden encontrar en [19,20]. La forma ms comn de la digitalizacin es a travs de escneres, que funcionan con la transmisin de luz. En el presente estudio, se utiliz un escner HP modelo Scanjet G2710 (TMA) (resolucin mxima de las pelculas: 2000 dpi) toscan theII Wfilms [21]. La resolucin espacial utilizada en el estudio fue de 500 ppp, por un total de un tamao promedio de imagen de 2400 x 4800 ppp. Dicha resolucin fue adoptada por la posibilidad de detectar y medir los defectos de centsimas de milmetros, lo que, en trminos prcticos de la inspeccin radiogrfica, es mucho mayor que los casos habituales. La resolucin adoptada en escala de grises es 8bits (256 niveles), ya que el modelo de uso del escner no arroja mejor resolucin. Sin embargo, se sabe que la forma visual, el ser humano no es capaz de reconocer la diferencia en escalas de grises ms de 128 imgenes de nivel de arena de 10 bits, 12 o 16 que ocupan una cantidad significativa de espacio de memoria. Con el fin de mejorar la fiabilidad de los resultados, fueron utilizados en un total de 86 pelculas. Estos patrones tienen indicaciones de las clases ms frecuentes de los defectos en las juntas de soldaduras, tales como la falta de penetracin, la porosidad, la inclusin de escoria, etc 2.2 Pre-procesamiento de la Imagen

Despus de la digitalizacin de las pelculas, es una prctica comn la etapa de preprocesamiento. En el Pre-procesamiento se tratan las imgenes con el propsito especfico de reducir el ruido y mejorar el contraste. Las pelculas radiogrficas suelen tener el ruido y el contraste deficiente debido a los factores intrnsecos del dispositivo de captura de imgenes. El ruido en las imgenes radiogrficas escaneadas se caracteriza generalmente como pixels difundidos aleatoriamente con valores de intensidad que son diferentes de los pxeles vecinos. Dos pasos de preprocesamiento se llevaron a cabo en este trabajo: en el primer paso, para reducir / eliminar el ruido de una adaptacin de 7 por 7 Wiener filtro [22] y de 3 por 3 gaussiano filtro de paso bajo se aplica, mientras que para el ajuste de la los valores de intensidad de la imagen a la gama como pecified a diferencia de la recta final, realce de contraste se aplic, la cartografa de los valores de la intensidad de la imagen de entrada a nuevos valores en la imagen de salida, de modo que los valores entre los que representan a la parte inferior al 1% (0,01) y el top 1% (0,99) de la gama se asignan a valores entre [01]. Los valores por debajo de 0,01 y por encima de 0,99 se recortan. Finalmente, la imagen se divide en cinco bandas de 640 _ 480 pxeles situados en el eje horizontal para el procesamiento de las siguientes etapas. De esta manera, tenemos una imagen dividida en tamaos de usuario ms amigable computacionalmente. de defectos en las uniones soldadas, tales como la falta de penetracin, la porosidad, la inclusin de escoria lineales y no lineales, la subvaloracin, etc 2.2.1 Title References 1. L Udpa and S S Udpa, 'Neural Networks for the Classification of Non-Destructive Evaluation Signals', IEE Proceedings-F, Vol 138, No 1, pp 201-205, February 1991.

The reference point in the text should be formatted thus [1].