Documentos de Académico
Documentos de Profesional
Documentos de Cultura
C ABLEADO ELÉCTRICO
POR
TONANTZINTLA PUEBLA
1998
Análisis de Imágenes Infrarrojas: Inspección de
Cableado Eléctrico
RESUMEN
i
Infrared Images Analysis: Inspection of Electrical
Wiring
ABSTRACT
ii
CONTENIDO
Resumen i
Introducción v
Capítulo 1.
Termografía.
1.1.Termografía 1
1.2. Características de los sistemas termográficos 6
1.3. Areas de aplicación 7
1.4. La termografía en la inspección de sistemas eléctricos 8
Capítulo 2.
2.1. Introducción 9
2.2. Leyes de radiación de un cuerpo negro 10
Ley de la radiación de Planck 10
Ley de desplazamiento de Wien 13
Ley de Stephan-Boltzman 14
2.3. Desviaciones de las condiciones de cuerpo negro 15
Ley de Kirchhoff de la óptica 15
Emitancia y emisividad 16
2.4. Transmisión atmosférica 18
Capítulo 3.
iii
3.3. Modelo térmico de un conductor eléctrico 25
3.4. Detección de fallas en conductores a partir de un modelo 28
de transferencia de calor
Capítulo 4.
4.1. Introducción 31
4.2. Análisis de imágenes infrarrojas de conductores eléctricos 32
4.3. Obtención de la temperatura del conductor a partir de la imagen infrarroja 35
4.4. Segmentación de los conductores de la imagen infrarroja 38
4.5. Detección de regiones susceptibles a falla en el conductor 41
4.6. Defectos y fallas comunes en conductores eléctricos 42
Capítulo 5.
Resultados
5.1. Resultados 46
5.2. Ejemplo de aplicación I 47
5.3. Ejemplo de aplicación II 50
5.4. Ejemplo de aplicación III 54
Capítulo 6
Bibliografía y Referencias 61
Apéndice A 64
Apéndice B 65
Apéndice C 67
iv
INTRODUCCIÓN
Introducción.
Las anomalías o fallas que presenten los conductores deben ser analizadas
para establecer las razones por la que éstas se originaron, evaluar la severidad de las
mismas y establecer medidas correctivas y acciones preventivas de fallas futuras.
v
Las imágenes térmicas o infrarrojas se obtienen a partir de la medición de la
radiación térmica emitida en la porción infrarroja del espectro electromagnético. La
radiación medida es aquella que es emitida por los objetos como consecuencia de su
temperatura o es reflejada por éstos [3][4]. Los mecanismos que producen las
imágenes térmicas son diferentes de aquellos que producen las imágenes visuales.
vi
determinar si los conductores presentan defectos y la obtención de información para
evaluar su desempeño ó el de un proceso asociado a éste.
vii
En el primer capítulo se describen las características de un sistema de
termografía como base para la detección de problemas en conductores eléctricos,
destacando sus elementos más importantes. Se exponen las ventajas y desventajas de
un sistema de tales características y se describen algunas áreas de aplicación.
viii
CAPÍTULO 1
Termografía.
1.1 Termografía.
1
representará una temperatura dada de acuerdo a una escala predeterminada [7]. A
partir de estos patrones térmicos se pueden realizar estudios de los efectos estables y
transitorios de los cuerpos asociados a otros procesos dentro del cuerpo.
2
El infrarrojo en el espectro electromagnético.
La mayor parte del espectro de emisión infrarrojo no es útil para los sensores
debido a que la radiación es absorbida por agua y dióxido de carbono en la atmósfera.
Sin embargo existen tres bandas de longitudes de onda con buena transmisión:
3
Fig. 1.2. Bandas de transmisión atmosférica en el infrarrojo.
4
Los elementos básicos de un sistema de termografía son: una fuente de
radiación u objeto, una trayectoria de transmisión, un sensor y un subsistema de
procesamiento, almacenamiento y despliegue. Cada uno de estos elementos
desempeña un papel primordial en el proceso de sensado ya sea en el control o
limitación de la información adquirida.
5
La señal básica producida por una cámara de infrarrojo es una imagen en
blanco y negro, en donde las partes con una temperatura mayor aparecen mas claras
que las partes con meno r temperatura. Muchas cámaras proporcionan una imagen en
color, pero éstas usan procesos de colorización de una imagen por medio de software
interno en la cámara, a través del cual se asignan diferentes paletas de color a las
temperaturas medidas.
6
• Identificación de problemas potenciales asociados a procesos térmicos.
• Reducción de fallas inesperadas y como consecuencia una disminución de
reparaciones.
• Extensión del tiempo de vida del equipo.
• Habilidad para planear reparaciones.
• Determinación de la confiabilidad y eficiencia de un sistema.
• Análisis de tendencias en el desarrollo de problemas.
• Mejorar la producción e incrementar la satisfacción del cliente.
• Aseguramiento de calidad de reparaciones y nuevas instalaciones.
• Prevención de accidentes.
7
Estas aplicaciones son diferentes pero todas ellas comparten una cosa en
común, usan la transferencia de calor como un elemento del proceso, el cual puede
ser parte del problema o parte de un proceso secundario que nos interesa observar.
8
CAPÍTULO 2
Fundamentos de la teoría de
radiación térmica.
2.1 Introducción.
9
propiedades universales de radiación emitida por esta clase de cuerpos los hacen
objeto de un interés teórico especial.
10
energía emitida en forma de radiación térmica con frecuencias en el intervalo de v y
v+dv de una área unitaria de superficie, a una temperat ura T y por unidad de tiempo.
R = ∫ Rν (v) dv (2.1)
0
La gran contribución de Planck surgió cuando se dio cuenta que podría lograr
el corte requerido si modificaba el cálculo de la energía promedio de las partículas
proveniente de la teoría clásica, tratando a la energía como si esta fuera una variable
discreta en lugar de una variable continua. Planck pensó que, dadas las circunstancias
que prevalecen en el caso de la radiación de un cuerpo negro, la energía promedio de
una onda estacionaria es función de la frecuencia.
11
Después de un gran trabajo numérico y estadístico llegó a la expresión para la
energía promedio de las partículas dada por:
hv
E ( v, T ) = λh / kT
(2.2)
e −1
2hc 2 1
E( λ, T ) = hc / λKT
(2.3)
λ e
5
−1
λ2
1 1
E (T ) = 2hc ∫λ dλ
2
hc / λKT
(2.4)
λ1
5
e −1
12
La figura 2.1 muestra la densidad de flujo radiante para tres temperaturas
diferentes para el ancho de banda infinito. Se puede observar que, la energía radiante
se distribuye de una manera altamente no uniforme sobre el rango espectral, con un
máximo claramente pronunciado, tal como lo predice la Ley de Wien.
Fig. 2.1. Distribución espectral del flujo radiante para tres cuerpos a
temperaturas diferentes
13
2829
λ max = (2.5)
T
Ley de Stefan-Boltzmann.
E (T ) = σT 4 (2.6)
Esta última ecuación, (2.6), se aplica sólo si todas las longitudes de onda son
captadas por el instrumento de medición, sin embargo, los instrumentos usan una
14
banda muy estrecha de longitudes de onda debido a que estos poseen lentes o espejos
que no aceptan todas las longitudes de onda, por lo cual se hace necesaria la
aplicación de la ley de Planck. De esta manera, se necesita conocer que la intensidad
integrada dependerá de que región se esté considerando en el espectro. Esto requiere,
como ya se mencionó, de una integración sobre ciertas longitudes de onda.
Los cuerpos reales no son cuerpos negros, sólo bajo ciertas condiciones
especiales se puede aproximar sus características a propiedades de un cuerpo negro.
Por tal motivo, en la mayoría de las mediciones de temperatura que se realicen a
través de radiación térmica, se deben tener en cuenta estas desviaciones para obtener
resultados correctos. Para ello se definirán algunos términos que tomen en cuenta
estas condiciones.
Io = I r + It + Ia (2.7)
15
Si dividimos a la ecuación anterior por Io obtenemos:
Ir It Ia
1= + + (2.8)
Io I o I o
1= r + t +a (2.9)
1= r + a (2.10)
Emisividad y emitancia.
Jp
ε= (2.11)
J BB
16
donde Jp es la densidad de flujo radiante saliendo de una superficie dada del cuerpo
perfecto y JBB es la densidad de flujo radiante saliendo de un cuerpo negro bajo las
mismas condiciones [10].
17
De lo anterior se observa que es necesario modificar las leyes de radiación de
un cuerpo negro para que éstas puedan aplicarse a cuerpos reales los cuales presentan
una emitancia distinta a la unidad. De hecho, sólo se debe multiplicar a la expresión
de radiación de cuerpo negro de Planck por la emitancia, ε, del cuerpo bajo
consideración:
2hc 2 1
E( λ, T ) = ε × 5 hc / λKT
(2.12)
λ e −1
A partir de esta ecuación es posible obtener las expresiones para las otras
leyes de radiación, ya sea por medio de integración o diferenciación.
18
Ozono 4.8, 9.6, 14.2 µm.
Oxido Nítrico 4.7, 7.8 µm.
Metano 3.2, 7.8 µm.
19
CAPÍTULO 3
Calentamiento de Joule.
20
Mantener una corriente en un conductor requiere de un gasto de energía. En
un conductor debido a la interacción entre los electrones y los iones positivos de la
red cristalina, la energía de los electrones se transfiere a la red, aumentando su
energía vibracional [14]. Esto conduce a un aumento en la temperatura del material y
constituye el bien conocido efecto calorífico de la corriente llamado Calentamiento de
Joule.
donde i(t) es la corriente instantánea circulante a través del material y v(t) la caída de
tensión en el material en el tiempo t.
21
Pav = I rms R
2
(3.3)
1
1 T
2
= ∫0 i ( t ) dt
2
I rms (3.4)
T
Relación resistencia-temperatura.
22
una situación incontrolable y en el peor de los casos en una falla en el sistema. El
monitoreo de la temperatura de un circuito eléctrico proporciona una idea del
funcionamiento y eficacia de este circuito. Así, es importante modelar a un conductor
para hacer un análisis del estado térmico de él y del circuito asociado, para determinar
de esta manera si existe un problema eléctrico o de otro tipo en ellos.
dQ
= Pin + Pgen − Pout − Pabs (3.6)
dT
23
dT
C = P − G (T − TAmb ) (3.7)
dt
G
P
TRef
24
disipada en el conductor debido al calentamiento de Joule, G la conductancia térmica
efectiva del aislamiento que rodea al conductor y del medio ambiente, C la
capacitancia térmica del material que conforma el cuerpo del conductor. Por supuesto
este es un modelo generalizado que permite modelar a la mayoría de los conductores
eléctricos, pero las expresiones exactas para cada uno de ellos dependerá del material
del cual están hechos, de su aislamiento, forma y tamaño, etc.
25
aislamiento de los conductores se han realizado pruebas de envejecimiento y
elongación en hornos ambientales, con la finalidad de simular condiciones extremas
[1].
26
La ecuación de transferencia de calor para los conductores eléctricos,
utilizando un modelo de un solo elemento o de parámetros concentrados, en estado
estable, es:
TC − TA = I rms R × RTH
2
(3.8)
TC − TA
I rms = (3.9)
R × RTH
TC
RTH
P=I2 R TA – TA =P×RTH
TA
27
máxima temperatura de aislamiento para los conductores se determina por pruebas de
envejecimiento por conducción y por pruebas de elongación en cápsulas ambientales.
28
Al realizar la medic ión de temperatura superficial del conductor por medio de
su radiación emitida, como se explicó en el capítulo anterior, se obtendrá un patrón de
distribución de temperatura uniforme, esto es, no existirán gradientes de temperatura
que indiquen regiones co n temperaturas diferentes.
29
La conducción es el modo de transferencia de calor en medios estacionarios.
Este es el único modo de transferencia de energía en sólidos y ocurre debido a
vibraciones atómicas o mediante transporte de electrones. Este efecto ya ha sido
considerado a través del estudio del calentamiento de Joule en conductores.
30
CAPÍTULO 4
31
4.2 Análisis de imágenes infrarrojas de conductores eléctricos.
32
en este aspecto cuando se estudie la correlación entre patrones térmicos y defectos
y fallas en conductores eléctricos.
6. La verificación de las conclusiones usando mediciones adicionales si cierto grado
de incertidumbre persiste como la causa de las irregularidades térmicas.
7. La realización de un reporte que indique la severidad de la falla o defecto
detectado y acciones a realizar para su corrección y prevención de fallas futuras.
Correlación y clasificación
de los posibles tipos de falla
33
El proceso anterior aparenta ser bastante complejo, sin embargo, una persona
o un sistema de imágenes calificados pueden hacer una análisis correcto de las
imágenes infrarrojas obtenidas, determinar zonas de los conductores que no se están
desempeñando correctamente y usualmente determinar la naturaleza de la causa del
defecto detectado.
34
Puesto que los tonos en la imagen son relativos, es necesario adoptar ciertas
indicaciones en la interpretación de termogramas. El analista debe conocer lo
siguiente:
1. Las condiciones espaciales bajo las cuales se adquirió la imagen, puesto que la
resolución óptica es función de las coordenadas espaciales con respecto al objeto
de interés.
2. Las condiciones ambientales en el momento de adquirir los datos, esto es,
temperatura ambiente, humedad relativa, viento, etc.
3. Tiempo durante el cual fueron realizadas las mediciones.
4. Condiciones de operación relacionadas al sistema.
5. La estructura particular que esta siendo evaluada.
35
cuerpo, de la radiación producida por el medio que rodea al cuerpo de interés y por la
atenuación o absorción debido a la atmósfera.
T − TMIN
T = MAX ⋅ I [i ][ j ] + TMIN
(4.1)
I −
MAX MIN
I
asumiendo una relación lineal entre los niveles de gris de la escala y los valores de
temperatura en la imagen infrarroja. TMAX y TMIN son los valores máximo y mínimo
de temperatura indicados en la escala nivel de gris-temperatura asociada a la imagen.
IMAX -IMIN es el número de niveles de gris presentes en la imagen.
36
El parámetro más importante del objeto, involucrado en la medición de la
temperatura, es la emisividad. Al adquirir una imagen térmica generalmente se asume
que el valor de la emisividad del cuerpo bajo observación es unitario. Este valor se
utiliza para convertir la radiación térmica medida a un valor correspondiente de
temperatura. La compensación por efectos de emisividad, esto es, la conversión de un
valor de temperatura medida con un valor de emisividad ε 1 a un nuevo valor de
temperatura con valor de emisividad ε 2 , es un proceso que involucra esencialmente
dos operaciones:
1. Dada la emisividad ε 1 y el correspondiente valor de temperatura se calcula la
densidad de potencia térmica medida por la cámara.
2. El valor de la densidad de potencia obtenido se utiliza para obtener el nuevo valor
de temperatura usando ahora el nuevo valor de emisividad ε2 especificado.
Para establecer una formula matemática que permita hacer esta compensación
se empleara la ecuación de Stefan–Boltzmann que proporciona la densidad de
potencia térmica emitida por un cuerpo. De acuerdo a esta ecuación la densidad de
potencia esta dada por:
E = ε1σT1
4
(4.2)
37
E Amb = σTAmb
4
(4.3)
1/4
ε 4
T 2 = 1 (T1 − T Amb ) + T Amb
4 4
(4.6)
ε 2
38
sus elementos constitutivos u objetos [18][23]. El nivel al cual se lleva a cabo la
segmentación depende de la aplicación en particular.
Sea F[i][j] la imagen infrarroja bajo consideración. Si se sabe que los valores
de intensidad de los pixeles pertenecientes al conductor se encuentran en el rango [T 1 ,
T2 ], entonces la imagen umbralizada, FT [i][j] se obtiene de la forma siguiente:
39
1 Si T1 ≤ F[i][j] ≤ T2
FT [i ][ j ] =
0 en otro caso
40
P2
≥ 4π
A
41
1 Si T + M ≤ C[i][j]
R[i ][ j ] =
0 en otro caso
Una vez que se han detectado las regiones del conductor con comportamiento
discrepante al esperado, se procede a establecer el tipo, la severidad y la posible causa
del mismo. Esta es una tarea complicada para efectuarse automáticamente. La idea
básica de la clasificación de defectos y fallas en conductores es el reconocimiento de
fallas especificas basadas en un conjunto de características establecidas previamente a
través de un modelo [29][30].
Por la complejidad que involucra esta tarea, aquí sólo se proponen algunas de
las características y elementos más importantes que faciliten la valoración y
clasificación de una falla o defecto detectado en el conductor. A continuación se
establecerán algunas de las características de los patrones térmicos de los principales
42
problemas que se encuentran en los sistemas de cableado eléctrico de mediana y alta
potencia detectables a través de la termo grafía.
Conexiones deficientes.
43
implica problemas en un sistema de cableado eléctrico, siendo el principal la descarga
corona.
Puesto que los materiales con los que se fabrican los conductores eléctricos
poseen características de radiación diferentes a los empleados en la fabricación de
aislamientos, cada uno de ellos producirá regiones de temperatura diferentes en el
termograma. La relación entre las magnitudes de las temperaturas características
dependerá de la relación entre las emitancias de los materiales. La ausencia o
presencia de aislamiento influye de manera significativa en el circuito térmico entre
conductor y medio que lo rodea.
44
No es recomendable que estos estándares se consideren como absolutos.
Existen demasiados parámetros involucrados para establecer estándares firmes. Las
consideraciones más importantes son únicas para cada aplicación. Algunos de los
factores que se necesitan considerar son:
• Seguridad.
• Producción.
• Funcionalidad del sistema.
• Economía.
• Correlación con otros datos y observaciones.
• Cargas eléctricas.
• Existencia de partes de repuesto.
• Programas de supervisión.
• Historia térmica del equipo.
• Temperatura real de operación del equipo.
45
CAPÍTULO 5
Resultados
5.1 Resultados.
46
5.2 Ejemplo de aplicación I.
47
Resistencia Eléctrica (Ohms/m) 5.2×10-3
Resistencia Térmica (°Cm/W) 1.164
Corriente Eléctrica (A) 90, aproximadamente
Temperatura Ambiente (°C) 10 °C
48
El resultado de la segmentación de los conductores de la imagen infrarroja, se
muestra en la figura 5.3. En este procedimiento se emplearon las operaciones
morfológicas de apertura y cierre para eliminar la región correspondiente al poste que
sostiene a los conductores.
49
Figura 5.4. Detección de una región que presenta calentamiento
excesivo entre los conductores eléctricos
50
en esta zona existe un gradiente de temperatura, cuya magnitud es menor en puntos
mas alejados del punto de conexión del conductor al panel.
51
En la figura 5.6 se muestran los valores de temperatura que posee cada
conductor. Se observa que dos de los conductores presentan una temperatura
aproximadamente de 55 °C, en promedio. El tercer conductor presenta un
calentamiento excesivo, su valor de temperatura excede aproximadamente en 60 °C la
temperatura ambiente.
52
Figura 5.8. Detección de regiones susceptibles a falla en el
conductor eléctrico.
53
5.3 Ejemplo de aplicación III.
54
55
La figura 5.13 muestra las regiones susceptibles a falla dentro de la imagen.
Estas se obtuvieron al buscar en la imagen pixeles cuyo valor de temperatura
excediera la temperatura ambiente al menos en 10 °C. En este caso no se calculó una
temperatura teórica, ya que se desconocen las características de los conductores y sus
condiciones de carga.
56
Figura 5.14. Identificación de una conexión deficiente en la
imagen infrarroja de una línea de distribución aérea.
57
CAPÍTULO 6
58
zonas o regiones que no se encuentren operando bajo las condiciones previstas para el
conductor. Dado que una imagen infrarroja sólo mide una cantidad física, es
necesario contar con medios de recuperación y análisis de esta información.
59
Los resultados obtenidos indican que la aplicación de técnicas de análisis de
imágenes produce buenos resultados en la evaluación del desempeño de conductores
eléctricos a partir de la información presente en su correspondiente imagen infrarroja.
Los resultados distan de lograr una inspección automática, sin embargo si se facilita
el proceso de inspección. Específicamente el problema de segmentación automática
de imágenes infrarrojas requiere un mayor trabajo de investigación.
Las técnicas de análisis presentadas pueden ser extendidas para llevar a cabo
la inspección de otros dispositivos eléctricos, los cuales en general involucran
disipación de calor. El análisis de la información presente en la imagen infrarroja
dependerá ahora del modelo térmico desarrollado para el nuevo dispositivo.
60
BIBLIOGRAFIA Y REFERENCIAS
[1] A.S. Gill, “Electrical Equipment Testing and Maintenance ”, Reston Publishing
Company A Prentice-Hall Company, 1982.
[3] Mike Lloyd, “Thermal Imaging Systems ”, Plenum Press, New York, 1975.
[4] Sol Nudelman, Dennis D. Patton, “Imaging for Medicine”, Volume 1, Plenum
Press, New York 1984.
[5] Ryan G. Rosandich, “Intelligent Vis ual Inspection Using Artificial Neural
Networks”, Chapman and Hall, 1997.
[6] Gary L. Orlove, “Infrared Imaging and Radiometry”, Optical Inspection and
Testing, Critical Reviews Vol. CR46.
[9] Jacob Fraden, “AIP Handbook of Modern Sensors, Physics, Designs and
Applications ”, AIP Press, New York 1993.
[12] Peter S. Kealy and Simon J. Hook, “Separating Temperature and Emissivity in
Thermal Infrared Multispectral Scanner Data: Implications for Recovering Land
Surface Temperatures”, IEEE Transactions on Geoscience and Remote Sensing,
Vol. 31, No. 6, November 1993.
61
[14] M. Hayashi, K. Fr. Eichhorn, et al., “Technical Papers: IEEE Transactions on
Power Delivery”, 1989.
[17] W.M. Kays and M.E Crawford, “Convective Heat and Mass Transfer ”,
McGraw-Hill, 1993.
[20] Leopoldo Altamirano Robles, Damián V. Tobón Montero y César Torres Huitzil,
“Failure Detection Thermographic System Applied on Power Distribution
Systems”, Memorias XX Congreso Internacional de Ingeniería Electrónica,
Instituto Tecnológico de Chihuahua, 1998.
[21] Dana H. Ballard and Christopher M. Brown, “Computer Vision”, Prentice Hall,
1982.M.A.
[24] Shi Kuo Chang, “Principles of Pictorial Information systems Design”, Prentice
Hall, 1989.
[25] Abhijit S. Pandya, Robert B. Macy, “Pattern Recognition with Neural Networks
in C++”, CRC Press, 1996.
62
[27] Joseph H. Kitrosser, “An evaluation of a Region-Growing Algorithm Performing
Detection for Automatic Target Recognition”, Journal of Imaging Science and
Technology, Vol. 38, Number 4,July/August 1984.
[28] Byron Dom, W. Ekkehard, Charles Cox, David Steele and Alan Dorundo, “The
Segmentation Engine: A real-time Image -Segmentation Subsystem”, SPIE
Machine Vision Applications in Industrial Inspection II Vol. 2183, February
1994.
[29] Carlos Fernández, Pascual Campoy, José M. Sebastian, Rafael Aracil, “O n- line
Inspection for Continuos Cast Aluminum Strip ”, SPIE Vol. 1989 Computer
Vision for Industry 1993.
[31] HALCON Version 5.0, HDevelop User’s Manual, MVTec Software GmbH,
November 1997.
[32] HALCON Version 5.0, Halcon/C++ User’s Manual, MVTec Software GmbH,
November 1997.
63
APÉNDICE A
Aluminio pulido .05 Cobre – muy oxidado .88 Pintura de aceite .94
Aluminio áspero .07 Esmalte .90 Papel – negro brillante .90
Aluminio oxidado .25 Esmalte – brillante .90 Papel – negro opaco .94
Barra de asbesto .96 Oro – pulido .02 Papel – blanco .90
Papel asbesto .94 Polvo de grafito .97 Platino – pulido .08
Pizarra – asbesto .96 Yeso .85 Porcelana – barnizada .92
Tela – asbesto .78 Piel humana .97 Cuarzo .93
Latón – opaco .22 Hielo .97 Caucho .95
Latón – pulido .03 Hierro – laminado .83 Resina – negra .91
Ladrillo - áspero .85 Hierro – oxidado .74 Resina – brillante en .82
vidrioso metal
Ladrillo – arcilla .85 Hierro – galvanizado .28 Nieve .80
Ladrillo – .94 Hierro – grabado brillante .16 Acero – galvanizado .28
mampostería
Ladrillo- áspero rojizo .90 Hierro – pulido grabado .28 Acero – muy oxidado .88
Bronce – pulido .10 Laca – coloreada .93 Acero – laminado .24
Bronce – poroso .55 Laca – negro mate .97 Acero – superficie .96
áspera
Carbón – puro .81 Laca – negro brillante .87 Acero – oxidado rojizo .69
Hierro moldeado - .81 Laca – blanca .87 Acero –hoja de níquel .11
áspero
Hierro moldeado - .21 Hollín .96 Acero – laminado .56
pulido
Concreto .54 Plomo – gris .28 Papel alquitrán .92
Carbón vegetal - polvo .96 Plomo – oxidado .63 Estaño – brillante .05
Cromo – pulido .10 Plomo – polvo rojo .93 Tungsteno .05
Arcilla .91 Plomo – brillante .08 Agua .98
Cobre – brillante .07 Mercurio – puro .10 Madera – suavizada .85
Cobre – pulido .02 Níquel - en hierro .05 Madera – rugosa .90
moldeado
Cobre – oxidado .65 Níquel puro – pulido .05 Hoja – zinc .20
1
Ver Fred P. Sutton: “Infrared Inspection Programs for Predictive Maintenance” [2]
64
APÉNDICE B
NA= No Aplicable.
65
Los estándares de la HSB además hacen recomendaciones especificas con
cada categoría. Las acciones son:
66
APÉNDICE C
PROGRAMAS DE ANÁLISIS DE IMÁGENES INFRARROJAS
Ejemplo de Aplicación I.
67
close_window (WindowHandle)
* stop ()
* SEGMENTACION DEL CABLE
*
rectangle1_domain (Gray_Connection, Connection_Red, 46, 133, 379, 459)
threshold (Connection_Red, Region, 95, 255)
connection (Region, CableRegion)
opening_circle (CableRegion, RegionOpening, 4)
select_shape (RegionOpening, Cable, 'area', 'and', 500, 10000)
closing_circle (Cable, RegionClosing, 4)
difference (CableRegion, RegionClosing, RegionDifference)
connection (RegionDifference, R)
select_shape (R, Cable, 'area', 'and', 20, 10000)
union1 (Cable, RegionUnion)
reduce_domain (Gray_Connection, RegionUnion, ImageReduced1)
*
* SEGMENTACION DE ZONAS SUSCEPTIBLES A FALLA
Margin := 10
Threshold := (Ambient_T+Margin- T_min)/Slope
Threshold := ceil(Threshold)
threshold (ImageReduced1, Thres_Image, Threshold, 255)
dev_set_colored (12)
connection (Thres_Image, ConnectedRegions)
* DETECCION DE ZONAS QUE INDICAN FALLA
*
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 50, 100)
* stop ()
open_textwindow (200, 200, 300, 100, 5, 'white', 'black', 0, 'visible', '',
WindowHandle)
write_string (WindowHandle, 'Boton Izq. para mover region')
new_line (WindowHandle)
write_string (WindowHandle, 'Boton Der. termina movimiento')
dev_clear_window ()
rectangle1_domain (Connection, Connection_Red, 46, 133, 379, 459)
dev_set_color ('green')
boundary (SelectedRegions, RegionBorder, 'inner')
dev_set_color ('red')
drag_region1 (SelectedRegions, DestinationRegion, WindowID)
close_window (WindowHandle)
dev_set_color ('green')
set_tposition (WindowID, 200, 135)
write_string (WindowID, 'Region con sobrecalentamiento')
intensity (SelectedRegions, Gray_Connection, Temp_Mean, Deviation)
Temp_Mean := Slope*Temp_Mean+T_min
set_tposition (WindowID, 230, 135)
68
write_string (WindowID, 'Temperatura Media= '+Temp_Mean+' C')
* dump_window (WindowID, 'tiff_rgb', 'Connection_Pro')
69
close_window (WindowHandle)
* stop ()
* SEGMENTACION DEL CABLE
*
rectangle1_domain (Gray_Connection, Connection_Red, 0, 0, 386, 520)
threshold (Connection_Red, Region, 65, 255)
connection (Region, CableRegion)
select_shape (CableRegion, Cable, 'compactness', 'and', 15, 25)
reduce_domain (Gray_Connection, Cable, ImageReduced1)
* SEGMENTACION DE ZONAS SUSCEPTIBLES A FALLA
*
Margin := 30
Threshold := (Ambient_T+Margin- T_min)/Slope
Threshold := ceil(Threshold)
threshold (ImageReduced1, Thres_Image, Threshold, 255)
dev_set_colored (12)
connection (Thres_Image, ConnectedRegions)
* DETECCION DE ZONAS QUE INDICAN FALLA
*
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 1000, 20000)
* stop ()
open_textwindow (200, 200, 300, 100, 5, 'white', 'black', 0, 'visible', '',
WindowHandle)
write_string (WindowHandle, 'Boton Izq. para mover region')
new_line (WindowHandle)
write_string (WindowHandle, 'Boton Der. termina movimiento ')
dev_clear_window ()
rectangle1_domain (Connection, Connection_Red, 0, 0, 386, 520)
dev_set_color ('green')
boundary (SelectedRegions, RegionBorder, 'inner')
dev_set_color ('red')
drag_region1 (SelectedRegions, DestinationRegion, WindowID)
close_window (WindowHandle)
dev_set_color ('green')
set_tposition (WindowID, 300, 290)
write_string (WindowID, 'Region con sobrecalentamiento')
intensity (SelectedRegions, Gray_Connection, Temp_Mean, Deviation)
Temp_Mean := Slope*Temp_Mean+T_min
set_tposition (WindowID, 320, 310)
write_string (WindowID, 'Temperatura media= '+Temp_Mean+' C')
* dump_window (WindowID, 'tiff_rgb', 'Connection_Pro')
*
stop ()
70
Ejemplo de Aplicación III.
71
rectangle1_domain (Gray_Connection, Connection_Red, 0, 0, 386, 520)
threshold (Connection_Red, Region, 40, 255)
connection (Region, CableRegion)
select_shape (CableRegion, Cable, 'compactness', 'and', 15, 25)
reduce_domain (Gray_Connection, Cable, ImageReduced1)
*
* SEGMENTACION DE ZONAS SUSCEPTIBLES A FALLA
Margin := 10
Threshold := (Ambient_T+Margin- T_min)/Slope
Threshold := ceil(Threshold)
threshold (ImageReduced1, Thres_Image, Threshold, 255)
dev_set_colored (12)
connection (Thres_Image, ConnectedRegions)
*
* DETECCION DE ZONAS QUE INDICAN FALLA
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 1000, 20000)
* stop ()
open_textwindow (200, 200, 300, 100, 5, 'white', 'black', 0, 'visible', '',
WindowHandle)
write_string (WindowHandle, 'Boton Izq. para mover region')
new_line (WindowHandle)
write_string (WindowHandle, 'Boton Der. termina movimiento ')
dev_clear_window ()
rectangle1_domain (Connection, Connection_Red, 0, 0, 386, 520)
dev_set_color ('green')
boundary (SelectedRegions, RegionBorder, 'inner')
dev_set_color ('red')
drag_region1 (SelectedRegions, DestinationRegion, WindowID)
close_window (WindowHandle)
dev_set_color ('green')
set_tposition (WindowID, 300, 290)
write_string (WindowID, 'Region con sobrecalentamiento')
intensity (SelectedRegions, Gray_Connection, Temp_Mean, Deviation)
Temp_Mean := Slope*Temp_Mean+T_min
set_tposition (WindowID, 320, 310)
write_string (WindowID, 'Temperatura media= '+Temp_Mean+' C')
* dump_window (WindowID, 'tiff_rgb', 'Connection_Pro')
*
stop ()
72
Para tener una mejor comprensión de las tareas ejecutadas por los
procedimientos en el programa a continuación se hace una breve descripción de los
procedimientos involucrados directamente en el análisis de la imagen:
73