В современной промышленности все острее встает вопрос надежности производимой продукции. Особенно это касается тех отраслей, продукция которых так или иначе связана с безопасностью человека и окружающей среды. Для оценки качества широко применяются методы НК, и одним из самых надежных в настоящее время является просвечивающий рентген с получением изображения на рентгеновской пленке. Однако у такого подхода есть несколько серьезных недостатков: крайне низкая скорость контроля, высокая стоимость расходных материалов, высокая стоимость хранения результатов, высокая вероятность ошибки дефектоскописта. Сегодня 100-процентный контроль качества с использованием рентгеновской пленки применяется только в самых ответственных и опасных отраслях промышленности, в частности в атомной энергетике, самолетостроении, строительстве газо- и нефтепроводов.
Однако многие желали бы, чтобы достоверный 100-процентный контроль качества проходили даже узлы обыкновенных автомобилей — ведь от их надежности часто зависит жизнь водителя и пассажиров. Но при этом стоимость автомобиля возросла бы настолько, что мало кто мог бы позволить себе его купить. В связи с этим появилась новая область неразрушающего рентгеновского контроля, называемая рентгенотелевидением. В основе данного метода лежит процесс преобразования рентгеновского изображения в оптическое на специальном устройстве. Исследуемая деталь помещается между источником непрерывного рентгеновского излучения и входным экраном рентгенооптического преобразователя.
Оптическое изображение с выходного экрана преобразователя считывается видеокамерой, преобразуется в стандартный видеосигнал и поступает на телевизор. Таким образом, мы непосредственно видим на экране изображение исследуемой детали при просвечивании ее рентгеновским излучением. Подобные системы обладают высокой степенью оперативности и намного удобнее, чем рентгеновская пленка. В металлургии ренгенотелевизионные системы используются в перровых камер прогрессивного сканирования с количеством пикселов до 2048х2048 и 12-битным АЦП позволило получать изображения с высоким разрешением, большим динамическим диапазоном и большим количеством градаций серого цвета. Следующим шагом развития рентгенотелевизионных систем стала компьютерная обработка. Она состоит из двух частей.
Первая — улучшение «читаемости» изображения человеческим глазом. Вторая — автоматическая разбраковка изделий по заранее введенным параметрам отбора. Процедура улучшения изображения сводится к выполнению комплекса операций с целью либо улучшения визуального восприятия изображения, либо преобразования его в форму, более удобную для визуального или машинного анализа. В системах улучшения изображения не делается попытки приблизить воспроизводимое изображение к оригиналу. Известны случаи, когда искаженное изображение субъективно воспринимается лучше, чем неискаженный оригинал. Примером может служить изображение с подчеркнутыми границами (контурами).
Слабый контраст — наиболее распространенный дефект рентгеновских изображений, обусловленный ограниченностью диапазона воспроизводимых яркостей, нередко в сочетании с нелинейной характеристикой передачи уровней. Методы преобразования гистограммы основаны на изменении яркости каждого элемента изображения и позволяют резко повысить контраст изображения. Как показали исследования, значительное улучшение субъективной оценки изображения происходит при использовании ложных цветов. Одна из возможных целей такого цветового преобразования — поместить обыкновенные объекты в мир необычных цветов, чтобы наблюдать за ними более внимательно, чем в случае их нормальной окраски. Изображение может искажаться шумами и помехами различного происхождения, например шумом видеодатчика или ошибками в канале передачи.
Ошибки изображения обычно проявляются как разрозненные изменения изолированных элементов, не обладающих пространственной корреляцией. Поскольку шум пространственно декоррелирован, в его спектре, как правило, содержатся более высокие пространственные частоты, чем в спектре обычного изображения. Для уменьшения шумов, улучшения контрастности изображения и видимости дефектов используются цифровые фильтры. Цифровые фильтры делятся на три смысловые группы: фильтры подавления шумов, фильтры вычисления градиентов и фильтры улучшения читаемости изображений. Современные системы работают в реальном времени, что позволяет проводить улучшение изображения без остановки исследуемой детали (конвейера).
Одной из актуальных задач в рассматриваемой области является автоматизация процессов расшифровки и вынесения решения о качестве контролируемого изделия. С одной стороны, преимущества машины перед человеком в скорости и точности расчетов, экономичности и работоспособности огромны. С другой стороны, способность машины воспринимать окружающий мир в настоящее время крайне ограничена, и это существенно сужает круг применимости машин даже в задачах рутинного и регламентированного характера. Та видимая легкость, с которой человек и даже животные справляются с задачами восприятия, одновременно и ободряет и обескураживает. Психологические и физиологические исследования дали ряд интересных результатов, касающихся процессов восприятия. Тем не менее этого пока недостаточно для воспроизведения процесса восприятия на компьютере.
Единой теории распознавания образов до сих пор нет, ибо каждой области применения свойственны одной ей присущие особенности, в расчете на которые и строится тот или иной подход. Попытки отыскать универсальные, независимые от области применения процедуры машинного описания, применения и распознавания образов не дали пока общих результатов. В современной системе детектирования дефектов роли машины и человека должны быть распределены так, чтобы каждый из них демонстрировал свои сильные стороны. Вся рутинная и однообразная работа лежит на машине, а человеку приходится следить за ее действиями и принимать решения о целесообразности того или иного метода представления и обработки информации.
Однако развитие систем автоматического поиска дефектов привело к тому, что для контроля изделий простой формы присутствие человека необязательно. Так, в системе SOVA+ поставленная задача решается применительно к дефектоскопии сварных и литых конструкций. Программа находит все локальные дефекты изображения, которые только можно найти без частных предположений о структуре объекта. Минимальный и максимальный размер дефекта, а также чувствительность контроля задаются вручную. После поиска дефектов осуществляется классификация с помощью анализа их фотометрических и геометрических свойств. Для вынесения решения о качестве контролируемого изделия используются ГОСТ 7512—82 «Соединения сварные» и ГОСТ 23055—78 «Классификация сварных соединений по результатам контроля». Применение подобных алгоритмов позволяет создавать полностью автоматические высокопроизводительные системы для контроля однотипных изделий.