Повышение точности количественных оценок поверхностных дефектов и структур металлов по их цифровым изображениям в оптическом неразрушающем контроле тема диссертации и автореферата по ВАК РФ 05.11.13, доктор технических наук Филинов, Михаил Владимирович

• Филинов, Михаил Владимирович
• доктор технических наук
• 2007

Оглавление диссертации доктор технических наук Филинов, Михаил Владимирович

Введение

Глава 1. Методы оптического НК для количественных оценок поверхностных дефектов и структур металлов.

1.1. Оптические системы

1.2. Погрешности измерений

1.3. Погрешности изображения (аберрации) в ОС и их влияние на точность измерений

1.4. Качество изображения в ОС

1.5. Эталонное и метрологическое обеспечение контроля оптических систем и преобразователей оптического изображения.

1.6. Оптическая дефектоскопия и дефектометрия

1.7. Оптическая структуроскопия

1.8. Оптический контроль структуры металла

Глава 2. Преобразование и обработка информации в оптическом неразрушающем контроле

2.1. Преобразователи оптического изображения (ПОИ)

2.2. Преобразование изображений в цифровую форму.

2.3. Предварительная обработка изображений

2.4. Количественная оценка параметров объектов и структур по цифровым изображениям

2.5. Программное обеспечение систем анализа изображений

Глава 3. Подходы к повышению точности измерений в оптическом неразрушающем контроле

3.1. Совершенствование оптических и оптико-электронных компонент систем измерительного оптического контроля для повышения точности измерений

3.2. Алгоритмы повышения точности измерений и оценки количественных характеристик в компьютерных системах ОНК.

3.3. Метрологическое обеспечение средств ОНК.

Глава 4. Проблема распознавания и повышение надежности контроля в структуроскопии

4.1. Выделение признаков изображения

4.2. Автоматическая классификация структур.

4.3. Практические результаты построения автоматических классификаторов.

Глава 5. Практическое применение разработанных методов повышения точности измерений.

5.1. Применение портативных компьютерных систем в металлографии.

5.2. Портативные микроскопы

5.3. Программный пакет анализа металлографических изображений SPECTR МЕТ.

Глава 6. Компьютерные телевизионные системы для контроля внутренних поверхностей и метрологическое обеспечение

6.1. Компьютерные телевизионные системы для контроля внутренних поверхностей.

6.2. Метрологическое обеспечение.

6.3. Программное обеспечение

Глава 7. Применение разработанных аппаратно-программных средств для повышения точности количественных оценок в других методах НК с оптическим наблюдением.

7.1. Оптические методы и средства в радиографии.

7.2. Применение компьютерных систем в радиографии.

7.3. Оптические методы и средства в магнитопорошковом и капиллярном контроле.

7.4. Применение компьютерных систем в магнитопорошковом и капиллярном контроле.

Глава 8. Оценка остаточного ресурса как задача распознавания состояния объекта.

8.1. Структура автоматической системы оценки остаточного ресурса.

8.2. Пример оценки остаточного ресурса трубопровода питательной воды (реакторное отделение) барабан-сепаратора энергоблока РБМК-1000 с использованием модели пространства состояний объекта с древовидной структурой.

Введение диссертации (часть автореферата) на тему «Повышение точности количественных оценок поверхностных дефектов и структур металлов по их цифровым изображениям в оптическом неразрушающем контроле»

Определение остаточного ресурса, диагностика состояния и продление сроков эксплуатации объектов - важные современные задачи в энергетике, химической промышленности, добыче и переработке нефти и газа, а также других отраслях промышленности РФ и стран СНГ, в которых применяются техногенно-опасные производства. В этих отраслях наблюдается значительный износ оборудования в совокупности с неточными и неполными данными по истории нагрузок, а возможно и перегрузок.

В электроэнергетике износ основных фондов самый большой и приближается к 60%, а на отдельных ТЭС, ГЭС и АЭС, по данным комитета Госдумы по энергетике, износ оборудования приближается к 70%, что соответствует стадии закритического старения. Это недопустимо с точки зрения безопасности эксплуатации и требует масштабных инвестиций для проведения необходимого технического перевооружения и ремонта.

В нефтегазовом комплексе степень износа составляет около 50%; фактическое время эксплуатации отдельных его видов значительно превышает нормативные показатели. В такой ситуации высока вероятность техногенных катастроф.

Степень износа отдельных видов бурового оборудования нефтегазового комплекса достигает 72%, что вызвало, например, снижение на 38% объема буровых работ в России в 2002 года по сравнению с 2001 г. (данные Министерства промышленности, науки и технологий РФ).

Модернизация оборудования протекает довольно медленно. Вместе с тем количество потенциально опасных промышленных объектов постоянно увеличивается, возрастают требования к точности и оперативности прогнозов и оценок состояния.

Важными характеристиками, влияющими на остаточный ресурс, являются параметры структуры металла (например, балл зерна), из которого изготовлен объект. В ходе эксплуатации в металле происходят изменения, связанные с процессами старения, межкристаллитной коррозии, обезуглероживания, с ростом зерна, фазовым наклепом, сфероидизацией перлита и т.п. Эти изменения влияют на эксплуатационную надежность оборудования и могут быть оценены с помощью металлографического анализа, твердометрии, ко-эрцитиметрии.

Технология мониторинга структуры металла включает в себя: определение мест контроля, подготовку шлифов, металлографический анализ средствами микроскопии с записью и компьютерной обработкой изображений микроструктур, наполнение базы данных по микроструктурам металла образцов (электронный атлас) и работу с этой базой.

Обычно анализ микроструктуры проводят в лаборатории на взятых из объекта образцах. В этом случае микрообразцы в зонах элементов контролируемого оборудования (паропроводов, роторов турбин и др.) получают методом электроэрозионной вырезки. Микрообразцы берут из регламентируемых зон оборудования, определенных с учетом расчета напряженного состояния, результатов неразрушающего контроля и опыта контроля повреждений стареющего оборудования.

Классическая технология металлографического анализа с вырезом образца трудоемка, требует больших затрат времени и главное - сама по себе снижает остаточный ресурс объекта, так как фактически вводится лишний дефект. Альтернативный метод реплик является неразрушающим и не снижает остаточный ресурс, но дает малоконтрастное изображение, не позволяющее проводить измерения с высокой точностью из-за трудности выделения объектов.

В связи с этим целесообразно проводить анализ структуры металла непосредственно на поверхности контролируемого объекта с помощью мобильного комплекса для оперативной металлографии. В состав такого комплекса должен входить крепящийся на поверхность объекта контроля переносной микроскоп, оснащенный цифровым фотоаппаратом или видеокамерой, соединенной с переносным компьютером, а также портативное оборудование для подготовки микрошлифов.

Таким образом, назрела объективная необходимость разработки и внедрения современных систем оперативной компьютерной металлографии на базе портативных микроскопов, отвечающих всем требованиям эксплуатации в полевых условиях, позволяющих диагностировать состояние металла с частичным выводом или вообще без вывода объекта контроля (ОК) из эксплуатации. Портативность оборудования и необходимость контроля в полевых условиях требуют применения специальных алгоритмических средств для получения изображений качества, необходимого для достижения высокой точности измерений. Высокая точность получаемых количественных оценок необходима для достижения приемлемой точности прогноза остаточного ресурса. В свою очередь, точное прогнозирование остаточного ресурса промышленного оборудования существенно снижает риск техногенных катастроф.

Проблема обеспечения техногенно-опасных отраслей современными средствами оперативной компьютерной металлографии потребовала решения самостоятельной научно-технической задачи по созданию портативных аппаратно-программных комплексов (АПК) металлографического контроля, созданию методического обеспечения оперативной количественной металлографии и дефектометрии, а также разработки и реализации алгоритмов, повышающих точность измерений. При этом появляется необходимость разработки нового метрологического обеспечения для цифровых систем оптического контроля, учитывающего специфику применения алгоритмов, повышающих точность измерений.

Контроль состояния структуры металла объекта с помощью методов оптической металлографии при определении остаточного ресурса объекта должен использоваться совместно с другими методами НК - рентгенографическим, капиллярным, магнитопорошковым и акустическим. Результаты, полученные разными методами, должны нормироваться (что облегчается применением цифрового представления данных) и затем совместно обрабатываться и интерпретироваться системами оценки остаточного ресурса.

Обеспечение соответствия цены средств контроля российским реалиям - еще одна актуальная задача, решаемая при разработке портативных систем технической диагностики.

В диссертации обобщены результаты теоретических и экспериментальных исследований автора по перечисленным проблемам, выполненных в Отделе оптических и телевизионных систем диагностики ЗАО «НИИИН МНПО «СПЕКТР».

Цель работы - создание портативных АПК для оперативной металлографии непосредственно на объекте без снижения его остаточного ресурса, и по возможности без вывода объекта из эксплуатации; повышение точности измерений геометрических параметров поверхностных дефектов и определения численных характеристик структур металлов для повышения точности определения остаточного ресурса.

Для достижения поставленной цели решены следующие задачи: 1. Разработаны портативные средства металлографической микроскопии для оперативных исследований непосредственно на ОК и на их основе

- портативный аппаратно-программный комплекс, позволяющий оперативно проводить полный цикл металлографического контроля.

2. Разработаны автоматизированные процедуры анализа изображений для повышения производительности контроля в полевых условиях.

3. Разработан математический аппарат компенсации искажений изображения для повышения точности измерений. Для решения этой задачи потребовалось построить обобщенную математическую модель цифровой оптико-электронной регистрирующей системы с учетом неоднородности искажений в поле зрения оптического тракта и особенностей металлографических изображений.

4. Создан интерактивный алгоритм классификации изображений структур металлов для оценки количественных параметров структуры методом сравнения со шкалами ГОСТ.

5. Разработаны портативные средства дефектометрии микродефектов поверхности.

6. Внедрен в практику ряд новых портативных цифровых измерительных металлографических систем полного цикла исследований с обеспечением оценки количественных параметров структуры металла и микродефектов в соответствии с ГОСТ.

Научная новизна работы состоит в следующем.

1. Исследовано и проанализировано влияние ЧКХ оптико-электронных трактов на погрешность измерения размеров поверхностных дефектов.

2. Разработаны и реализованы алгоритмы компенсации искажений с учетом их неоднородности в поле зрения оптико-электронных систем цифровой металлографии на основе обобщенной математической модели цифрового оптико-электронного тракта и метода регуляризации Тихонова с автоматизацией выбора параметра регуляризации по минимуму артефактов на динамически синтезируемом тест-объекте.

3. Разработан и реализован интерактивный алгоритм классификации изображений структур металлов для повышения объективности и производительности контроля.

4. Разработана технология автоматизированной оперативной качественной и количественной оценки состояния структуры металла с помощью АПК SPECTR МЕТ с подготовкой данных для дальнейшего анализа при определении остаточного ресурса промышленных объектов.

Диссертационная работа состоит из 8 глав, введения и заключения.

В 1-й главе дан обзор состояния проблемы повышения точности измерений. Дана общая характеристика методов оптического НК для количественных оценок поверхностных дефектов и структур металлов. Выполнен обзор оптических характеристик и особенностей изображений структур и характерных поверхностных дефектов металлов. Представлен обзор приборов оптического контроля, методов измерений размеров поверхностных дефектов и определения количественных характеристик структур металлов. На основании сделанного обзора определяется цель работы, задачи исследований и пути их выполнения. Решению поставленных задач посвящены последующие главы диссертации.

Во 2-й главе рассмотрена общая структура АПК для получения, обработки, анализа и документирования цифровых изображений в оптической дефектометрии и металлографии. Проанализированы искажения, вносимые цифровой частью аппаратно-программных комплексов и приводящие к снижению точности измерений.

Сделан подробный анализ влияния характерных искажений оптических систем, преобразователей оптического изображения в электрический сигнал на точность измерений размеров объекта по его изображению.

Рассмотрены методы количественной оценки параметров структур по цифровым изображениям. Отдельно проанализированы и систематизированы количественные параметры дефектов, определяемые по металлографическим и радиографическим изображениям, а также по изображениям индикаций дефектов в магнитопорошковом и капиллярном контроле.

В 3-й главе рассматриваются подходы к повышению точности измерений в оптическом НК. Выделяются два подхода к решению задачи снижения погрешности измерений в оптическом неразрушающем контроле (ОНК): (1) - совершенствование аппаратной части приборов ОНК и (2) - разработка алгоритмов обработки и восстановления изображений для компенсации искажений, вносимых аппаратной частью. Показано, что именно второй подход приемлем для повышения точности измерений по изображению в системах с портативными оптическими средствами, так как улучшение оптической и оптико-электронной части неизбежно усложняет конструкцию, что снижает надежность и увеличивает габариты оптической части.

Далее рассматривается и анализируется метрологическое обеспечение измерительных систем оптического контроля, соответствующее первому и второму подходам.

Построены и исследованы математические модели реальной и идеальной цифровых изображающих систем, на основе которых с использованием метода регуляризации Тихонова разработаны и реализованы алгоритмы компенсации искажений с учетом их неоднородности в поле зрения оптико-электронных систем цифровой металлографии. Для повышения производительности работы созданных алгоритмов и повышения объективности результатов восстановления изображения разработан метод автоматического выбора параметра регуляризации по минимуму артефактов на динамически синтезируемом тест-объекте, что представляет научную новизну работы. Был успешно решен ряд задач, связанных с применением метода регуляризации Тихонова к восстановлению дискретных изображений, с учетом особенностей изображений металлографии, что также представляет научную новизну в работе. Практическая ценность полученных результатов состоит в снижении погрешности измерений по изображениям, полученным с помощью портативных средств оперативной металлографии, на 6,5%, что приближает портативные средства по возможностям к стационарным.

В 4-й главе рассматривается задача распознавания и повышения надежности контроля в структуроскопии. Проанализированы основные алгоритмы распознавания. Рассмотрены алгоритмы выделения признаков изображения и основные методы идентификации и классификации изображений. Описаны основные шаги разработанного алгоритма построения автоматического классификатора и автоматического распознавания в программе SPECTR МЕТ. Приведены примеры построения и результаты работы автоматических классификаторов.

Разработанный алгоритм распознавания и классификации металлографических структур позволяет повысить надежность контроля, снизив значение субъективного фактора при анализе изображений.

В 5-й главе рассматривается практическое применение разработанных методов повышения точности измерений при количественной оценке структур металлов, в частности, при определении остаточного ресурса промышленных объектов.

Приведено описание созданного при участии автора ряда портативных металлографических микроскопов МПМ, аппаратно-программных комплексов оперативной металлографии - стационарного SPECTR МЕТ и мобильного SPECTR МЕТ М и одноименного программного пакета анализа металлографических изображений и показан опыт их применения. Приводится описание разработанных алгоритмов автоматизированной обработки изображений в SPECTR МЕТ: автоматическое выделение информативных частей изображения, алгоритм коррекции пятна повышенной яркости в центре изображения, алгоритм сегментации изображения при измерении размеров объектов хордовым методом, алгоритм прецизионного морфометрического анализа (ПМА) для сегментации изображения.

6-я глава посвящена практическому применению разработанных методов повышения точности измерений в оптико-телевизионных дефекто-метрических системах. Описаны разработанные автором измерительные ви-деоскопические системы DX 3 для оперативного контроля поверхностей различных объектов, обнаружения поверхностных дефектов и измерения их геометрических параметров.

7-я глава посвящена практическому применению разработанных алгоритмов обработки и анализа изображений в радиографии, капиллярном и магнитопорошковом контроле, для расшифровки радиографических снимков и анализа индикаций дефектов соответственно. Рассмотрены особенности наблюдения индикаций люминесцентного капиллярного и магнитопорошко-вого контроля в ультрафиолетовом освещении; яркостные, контрастные и геометрические характеристики и особенности индикаций контрастного и люминесцентного капиллярного и магнитопорошкового контроля. Описываются перспективные разработки Отдела оптических и телевизионных систем диагностики (НИО-7) ЗАО «НИИИН МНПО «СПЕКТР» в данной области: программный инструмент для выделения и оценки размеров индикаций, а также методика сравнительной оценки чувствительности и поведения различных наборов средств капиллярной дефектоскопии на тест-объектах JIS Z 2343-3. Описана перспектива расширения методики на сравнительную оценку чувствительности поведения магнитопорошковых средств на тест-объекте MTU№3.

В 8-й главе рассмотрен подход к применению результатов количественного анализа поверхностных дефектов и структур металлов, полученных при помощи созданных аппаратно-программных комплексов, для решения задач определения остаточного ресурса. Предложена методика построения интерактивных автоматизированных систем оценки остаточного ресурса (АСООР) промышленных объектов.

Математический аппарат, реализованный для распознавания структур в металлографии, после соответствующей модификации и обобщения становится применимым для решения более глобальной задачи - построения АСООР промышленных объектов. При этом решение задачи оценки остаточного ресурса сводится к решению задачи распознавания текущего состояния объекта.

Основные результаты работы докладывались и обсуждались на российских и международных конференциях - с 1-й по 6-ю включительно Международных конференциях «Неразрушающий контроль и техническая диагностики в промышленности» (Москва, 2000-2006 г.г.), 3-й международной конференции "Компьютерные методы и обратные задачи в неразрушающем контроле и диагностике" (Москва, 2002 г.), 15-й Всемирной конференции по неразрушающему контролю (Рим, 2000 г.), 16-й Всемирной конференции по неразрушающему контролю (Монреаль, 2004 г.), 7-й, 8-й и 9-й Европейской конференциях по неразрушающему контролю.

Основные результаты работы опубликованы в журнале «Контроль. Диагностика», монографии и материалах российских и международных конференций.

Заключение диссертации по теме «Приборы и методы контроля природной среды, веществ, материалов и изделий», Филинов, Михаил Владимирович

Выводы. Результаты применения алгоритмов восстановления, рассмотренных в настоящей работе, к изображениям микроскопических шлифов, полученных с помощью оптико-электронной системы позволяет сделать следующие выводы. Во-первых, высокую эффективность показал алгоритм автоматического поиска оптимального значения параметра регуляризации при применении метода Тихонова; при этом хорошо зарекомендовала себя идея использования тестового изображения. Во-вторых, предложенные алгоритмы обработки фрагментированного изображения позволили получить хорошие результаты по "склейке" фрагментов, обработанных отдельно; при этом основная трудность состоит в подборе оптимальных значений параметров регуляризации для каждой части изображения, позволяющих свести к минимуму ошибки, возникающие по линиям "склейки". Необходимо отметить, что более эффективным оказывается алгоритм восстановления с пересекающимися фрагментами.

Использование указанных алгоритмов в программах по анализу металлографических изображений позволяет повышать точность измерений геометрических параметров объектов за счет улучшения качества визуального восприятия изображений.

3.3. Метрологическое обеспечение средств ОНК

Метрологическое обеспечение средств и систем оптического неразрушающего контроля должно включать аттестованные меры длины -линейки, объект-микрометры и др. В набор средств метрологического обеспечения, в зависимости от применяемого вида контроля (например, при использовании метода светового сечения) могут также применяться аттестованные концевые меры длины - т.н. плитки Иогансона.

Аттестованные меры длины типа линеек следует применять при использовании измерительных систем анализа изображения в капиллярном и магнитопорошковом контроле, а также при классической телевизионной дефектоскопии; объект-микрометры применяются при измерительных микроскопических исследованиях, например, микродефектов или структуры металла.

Рассмотрим метрологическое обеспечение измерительного телевизионного видеоскопа, измеряющего длину, ширину и глубину (высоту) неоднородностей внутренней поверхности объекта контроля на примере созданной НИО-7 ЗАО «НИИИН МНПО «СПЕКТР» при непосредственном участии автора системы DX3DC.

Калибровка и метрологическая аттестация системы DX3DC для измерения размеров дефектов на поверхности изделия производится с помощью образцов мерных шкал.

Процедуры калибровки и аттестации системы DX3DC при измерении глубины (высоты) дефектов методом светового сечения производились по специально разработанной методике. Методика основана на использовании эталонов типа ступеньки, формируемых из набора плиток Иогансона, т.е. набора концевых мер длины, изготавливаемых заводом "Калибр".

Меры различной длины образовывали ступеньки величиной от АН от 0,05 мм до 10 мм (рис. 3.43).

Курсор в

Рис. 3.43. Калибровочный эталон для системы DX3DC

Меры притирались к основанию (калиброванная плоская массивная пластина из кварца). Характерные размеры мер А = 1(Н40 мм; 5=10 мм.

Эталонный объект размещался перед блоком ТВ-камер таким образом, чтобы профиль светового сечения располагался по центру ступенек, а его ориентация была ортогональна плоскости (рис. 3.43 а).

Погрешность величины ступенек определялась погрешностью линейных мер (0,001 мм), т.е. соответствует относительной погрешности 1% для минимального размера Д#=0,1 мм.

Калибровка системы DX 3 заключалась в наведении курсора на верхнюю, и, соответственно, нижнюю ветви светового сечения и измерения их координат в значениях пикселов дисплея, т.е. Дх = х, - х2 (рис. 3.43 в). Затем определялся масштаб преобразования координат в действительное расстояние М = ДЯ/Дх , мкм/пиксел.

Масштаб Мопределяется как среднее из ряда измерений: ix

М=^п где п - число измерений, М t - /-е значение М.

Калибровка производилась для обоих каналов системы, при этом блок канавки мер поворачивали на 90° в плоскости основания.

Для исследования влияния поперечного размера (ширины) объемного дефекта на погрешность измерения его глубины (высоты) нами предложена специальная "вертикальная" мира.

Она, как и в первом случае, основана на применениии концевых мер, но располагаются меры не вплотную друг к другу, а с фиксированным зазором, определяемым толщиной прокладки At (рис. 3.43 б).

Варьируя толщину прокладки At, получаем возможность исследования метрологических характеристик системы в двухпараметровом пространстве (АН и А?), т.е. функции АН = f (А/).

Толщина прокладок изменялась от 0,1 до 5 мм.

Исследования проводились для характерных параметров дефектов изделий, на диагностику которых ориентирована система DX 3, т.е. А/^0,1-Ю,3 мм, АН ~0,5-И,0 мм, при оптическом увеличении объектива ТВ-камеры Д

0,Г ()то соответствует типовому расстоянию объектив-поверхность изделия I ~ 100 мм и типичному значению фокусного расстояния объектива /'=10 мм).

Установлено, что для этих условий ширина дефекта при At > 1 мм практически не влияет на погрешность измерения его глубины (высоты). При этом относительная погрешность измерения элементов профиля дефекта не АН превышает ——»1%. При уменьшении ширины раскрытия трещин (до Н

0,2-Ю,3 мм) происходит увеличение этой ошибки до значения АН ~ 1,0%.

Материал прокладок выбирался с учетом максимального приближения оптико-физических характеристик их поверхности (коэффициент отражения, индикатриса рассеяния, цветность и т.д.) к соответствующим характеристикам материала реального объекта для выполнения принятого в метрологии принципа подобия физических характеристик объекта и эталона. Для машиностроительных изделий из металла, диагностируемых системой DX3DC, наиболее пригодными оказались шлифованные пластины из стали с чистотой поверхности Rz = 0,5 мкм. Для изделий из диэлектриков использовались прокладки из оргстекла с различной шероховатостью рабочего торца.

Описанные выше эталоны, рекомендованные для метрологической аттестации систем типа DX3DC в процессе их эксплуатации, успешно прошли апробацию в производственных условиях и включены в комплект средств метрологического обеспечения этих систем.

Метрологическое обеспечение систем SPECTR МЕТ. Так как системы металлографической микроскопии SPECTR МЕТ предназначены для решения многих задач количественной металлографии - определение балла зерна, неметаллических включений и т.п., они также метрологически обеспечены. В качестве метрологического обеспечения выступает т.н. объект-микрометр JIOMO.

Объект-микрометр JIOMO представляет собой металлическую пластину с углублением в центре, в котором находится зеркальная шайба с нанесенными рисками; расстояние между рисками - 10 мкм.

Измерения на изображении металлической структуры выполняется после выполнения процедуры калибровки на объект-микрометре (рис. 3.44). В этом режиме задается масштаб изображения (коэффициент пересчета пикселов в абсолютные единицы длины). Л т ас»* -гос?

0М0У4.2 N805227

Рис. 3.44. Объект-микрометр JIOMO

Для выполнения операции калибровки в программном пакете SPECTR МЕТ выбирают пункт Измерение > Калибровка из строки меню. После этого появляется диалоговое окно Условия ввода (рис. 3.45)

100* 0.28 микрон razmer 1 0mk.jp a

250* 0.34 микрон 11115г012.jpg

350* 3.27206 mm TESTJPG

500* :3.2720t> mm TEST JPG

600* 'о. 17 микрон measure01.jpg

Из манить., j Но«ый | Удалить j Сохранить | Отиенз

Рис. 3.45. Диалоговое окно «Условия ввода» пакета SPECTR МЕТ

Заключение

В результате выполненной работы решены следующие задачи.

Разработаны средства оперативной металлографии для исследований непосредственно на объекте - семейство портативных металлографических микроскопов МПМ и на их основе - портативный аппаратно-программный комплекс SPECTR МЕТ, позволяющий оперативно проводить полный цикл металлографического контроля в полевых условиях без снижения остаточного ресурса объекта. При этом обеспечивается оценка количественных параметров структуры металла и микродефектов в соответствии с ГОСТ.

Разработан математический аппарат компенсации искажений изображения для повышения точности измерений. Для решения этой задачи построена обобщенная математическая модель цифровой оптико-электронной регистрирующей системы с учетом неоднородности искажений в поле зрения оптического тракта и особенностей металлографических изображений. Разработанные алгоритмы, реализованные в программном пакете SPECTR МЕТ, позволили снизить погрешность при определении количественных характеристик структур металлов на 6,5%, а погрешность при измерении размеров поверхностных дефектов - на 8%, что близко к точности измерений, достижимой при использовании стационарного оборудования.

Решена задача повышения точности количественных оценок структуры металла за счет применения разработанных автоматизированных алгоритмов компенсации яркостных искажений, бинаризации с количественно-статистической оценкой геометрических параметров, определения фазового состава и балла зерна, уточнения границ зерна структуры металла, поиска пор и определения количественных характеристик пористости.

Разработаны автоматизированные процедуры анализа изображений для повышения производительности контроля в полевых условиях.

Создан интерактивный алгоритм классификации изображений структур металлов для оценки количественных параметров структуры методом сравнения со шкалами ГОСТ.

Разработаны портативные средства измерения микродефектов поверхности.

Практическую ценность выполненной работы подтверждает внедрение на объектах энергетики, нефтегазодобычи, предприятиях машиностроения, транспорта, химии и нефтехимии, в лабораториях Ж и в ремонтно-диагностических организациях 58 единиц портативных металлографических микроскопов ряда МПМ, 32 аппаратно-программных комплексов оперативной металлографии SPECTR МЕТ.

Автор выражает свою благодарность и признательность за полезные замечания и дискуссии, ценную помощь в процессе подготовки настоящей диссертационной работы: академику РАН В.В.Клюеву, члену-корреспонденту РАН А.С.Сигову, профессору Н.С.Данилину, профессору П.Н.Шкатову, д.т.н. Л.В.Владимирову, д.т.н. Ю.В.Ланге, профессору Г.С.Шелихову, д.т.н. М.В.Королёву, д.т.н. О.Н.Будадину, профессору Р.В.Гольдштейну, д.т.н. А.К.Денелю, профессору Б.И.Капранову, д.т.н. В.Н.Лозовскому, профессору В.В.Найханову, к.ф.-м.н А.С.Фурсову, профессору В.Г.Щербинскому.

Особую признательность автор выражает своему отцу, доктору технических наук, профессору Владимиру Николаевичу Филинову.

Список литературы диссертационного исследования доктор технических наук Филинов, Михаил Владимирович, 2007 год

1. Гвоздева Н.П., Коркина К.И. Теория оптических систем и оптические измерения М.: Машиностроение, 1981 - 384 с.

2. Скворцов Г.Е., Панов В.А., Поляков Н.И., Федин JI.A. Микроскопы JL: Машиностроение, 1969 - 512с.

3. Слюсарев Г.Г. Методы расчета оптических систем. JL: Машиностроение, 1969, 672 с.

4. Марешаль А., Франсон М. Структура оптического изображения. М.: Мир, 1964.

5. Мандельштам Л.И. О применении интегральных уравнений к теории оптического изображения. Полн. собр. трудов. T.l. М.: АН СССР, 1948.

6. Шредер Г., Трайбер X. Техническая оптика М.: Техносфера, 2006 - 424 с.

7. Лопухин В.А., Гурылев А.С. Автоматизация визуального технологического контроля в электронном приборостроении.- Л.: Машиностроение, 1987 -287с.

8. Гейхман И.Л., Волков В.Г. Основы улучшения видимости в сложных условиях. М.: ООО «Недра-Бизнесцентр», 1992 286 с.

9. Ермаков О.Н. Прикладная оптоэлектроника М.: Техносфера, 2004 - 416 с.

10. Ю.Пресс Ф.П. Фоточувствительные приборы с зарядовой связью. М.: Радио и связь, 1991.-264 с.

11. Williams G.M., Blouke М.М. How to capture low-light-level images without intensifiers. Laser Focus World, 1995, Vol.31, №9, pp/129 138.

12. Прэтт. У. Цифровая обработка изображений. Т. 1,2. М.: Мир, 1982.

13. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин: Пер. с англ. М.: Мир, 1972.

14. Астапов Ю.М., Васильев Д.В., Заложнев Ю.И. Теория оптико-электронных следящих систем. М.: Наука, 1988.

15. П.Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986.

16. Василенко Г.И. Теория восстановления сигналов. -М.: Изд-во Сов. Радио, 1979.

17. Филинов М.В., Фурсов А.С. Идентификация цифровой оптико-электронной системы формирования изображений // Контроль. Диагностика, 2003, N11. С. 24-30.

18. Цифровое восстановление изображений в оптической микроскопии для повышения точности измерений. // Контроль. Диагностика, 2004, N 1. С. 44-49.

19. Носов Ю.Р. Оптоэлектроника. М.: "Радио и связь" 1989.

20. Р.Е. Быков и др. Телевидение. М.: "Высшая Школа" 1988.

21. Зубарев Ю.Б., Глориозов Г.Л. Передача изображений. М.: "Радио и связь" 1982.

22. Колтовой Н.А. Системы обработки изображений. /Итоги науки и техники. Серия "Промышленные роботы и манипуляторы", т.З., 1995.

23. Неразрушающий контроль и диагностика./Под ред. В.В. Клюева. Справочник. М.: "Машиностроение", 2003.

24. Неразрушающий контроль: Справочник в 7 т., под ред. В.В.Клюева, т.1. М.: "Машино-строение", 2003.

25. Неразрушающий контроль: Справочник в 7 т., под ред. В.В.Клюева, т.4. М.: "Машино-строение", 2003.

26. Неразрушающий контроль: Справочник в 7 т., под ред. В.В.Клюева, т.6. М.: "Машино-строение", 2003.

27. Технические средства диагностирования. /Под ред. В.В. Клюева. М.: "Машино-строение", 1989.

28. Неразрушающий контроль. Практ. пособиеУПод ред. В.В. Сухорукова. М.: "Высшая Школа" 1992.

29. Webster, G. A browser system for hierarhically structured image data./ Insight, pp Vol.37, №7, July 1995.

30. Szaby D., Palasti J. Non-Destructive Testing at the reactor vessels of Paks Nuclear Plant./ Insight, pp 187-189, Vol.38, Nr 3, March 1996

31. Product spotlight: Visual Testing Methods/Materials Evaluation, pp 575-586, Vol.54.Nr5, May 1996.

32. Шелест Д.К. Методы аппаратной обработки изображений в автоматических системах контроля./Дефектоскопия 15, 1995, стр. 25-34.

33. Лопухин В.А., Салмин П.Н. Анализ методов сжатия видеоинформации в реальном масштабе времени./Дефектоскопия *5, 1995, стр. 3541.

34. Зб.Чен Ш.-К. Принципы проектирования систем визуальной информации. М.: "Мир" 1994.

35. Г.М. Мослягин и др. Теория оптико-электронных систем. М.: "Машиностроение" 1990.

36. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов. М.: "Мир" 1989.39.0сновы оптоэлектроники. Пер. с японского Э.Г. Азербаева и др. Под ред. канд. ф.-м. н. К.М. Голанта. М.: "Мир" 1988.

37. Кеткович А.А., Марков П.И., Саттаров Д.К. Волоконно-оптическая интроскопия. Л.: "Машиностроение" 1987.

38. Цифровое кодирование телевизионных изображений./Под ред. проф. И.И. Цуккермана. М.: "Радио и связь" 1981.42.0ES Industrial Video Analyzer IW-1. / Olympus Industrial Co.Ltd. Проспект.

39. Промышленные эндоскопы OES фирмы Олимпас./ Olympus Industrial Co.Ltd. Проспект.

40. Special Purpose Systems. / Olympus Industrial Co.Ltd. Проспект.

41. Easy 600 Videoendoscope. / EFER. Проспект.

42. Vidar VXR-12 Plus. / Vidar Systems Corporation. Проспект.

43. Видеотелевизионный измерительный комплекс ВИК./Московское машиностроительное производственное объединение "Салют". Проспект., 1998.

44. Радиусомер ОГ-50, проспект МНПО "СПЕКТР".

45. Измерительный эндоскоп ОГ-50, проспект МНПО "СПЕКТР".

46. Бычков О. В. Контроль внутренних поверхностей; М, Машиностроение, 1985,150.

47. Эндоскоп ТИЭ-10, проспект МНПО "СПЕКТР".

48. Эндоскопическая видеосистема ЭВС-201./ ПО "Электрон". Проспект., 1998.

49. В.Н. Лозовский и др. Диагностика авиационных двигателей. М.: "Машиностроение" 1988.

50. Под ред. В.В. Клюева. Надежность и эффективность в техни-ке./Справочник. т.9. Техническая диагностика. М. "Машиностроение", 1987.

51. Хорн Б.К.П. Зрение роботов. М.: Мир, 1989. 487 с.

52. Фу К.,Гонсалес Р.,Ли К. Робототехника.-М: Мир, 1989. 624 с.

53. Hartly R., A Gaussian-Weighted Multi-Resolution Edge Detector, Computer Vision, Graphics and Image Processing 30, No.l, 70-83 1985.

54. Пью А. Техническое зрение роботов. Пер. с англ. Миронов Д.Ф.-М.: Машиностроение, 1987.-320 с.

55. Хьюбел Д. Глаз, мозг, зрение. Пер. с англ. М.: Мир, 1990.-239 с.

56. Писаревский А.Н., Чернявский А.Ф., Афанасьев Г.К., Кухарчик П.Д., Лебедев В.И., Потапов А.В., Ревинский В.В., Тихоненко О.М. Системы технического зрения. -Л.: Машиностроение. Леииигр. отд-ние, 1988. 424 с.

57. Кучин А. М., Обрадович Е. И. Оптические приборы измерения шероховатости поверхности, М, Машиностроение, 1985,260 с.

58. Комиссаров А.Г. Разработка методов и средств измерения, проектирова-лыия и обработки поверхностей сложной формы -Санкт-Петербург: 1992.

59. Saint-Mars P., Jezouin J.L., Medioni G. A Versatile PC-Based Range Finding System. IEEE Transactions on Robotics and Automation Vol.7, No.2, pp.250256.1991.

60. Gongzhui H.,George S. 3-D Surface Solution Using Structured Light and Constraint Propagation. DBEE Trans, on Pattern Analysis and Machine Intelligence. Vol.11, No.4, pp.390-402,1989.

61. Vuylsteke P., Oosterlinck A. Range Image Acquistion with a Single Binary-Encoded Light Pattem.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.12, No.2, pp.148-163,1990.

62. Kenichi.K. Statistical Analysis Focal-Length Calibration Using Vanishing Points.IEEE Trails, on Robotics and Automation. Vol.8, No.6, pp.767775.1992.

63. Yoshihiko N., Michihiro S., Hiroshi N. Atsushi I. Simple Calibration Algorithm for Nigh-Distortion-Lens Camera.IEEE Trans, on Pattern Analysis and Machine Intelligence. Vol.14, No.ll, pp.1095-1099,1992.

64. Ling-Ling Wang, Wen-Hsiang Tsai. Camera calibration by Vanishing Lines for 3-D Computer Vision.IEEE Trans. On Pattern Analysis and Machine Intelligence. Vol.13,No.4, April,l 991.

65. Найханов В.В., Якунин В.И., Цыдыпов Ц.Ц. Автоматизация калибровки камеры. Науч. -метод, сборник докладов. СГТУ. Саратов 1996г.

66. Найханов В.В., Якунин В.И., Цыдыпов Ц.Ц. Автоматизация калибровки камеры. «КОГРАФ 96» Тезисы международной конференции по компьютерной геометрии и графике,, Нижний Новгород, 1996г.

67. Найханов В.В., Дамдинова Т.Ц. Перезадание обвода дугами окружностей, выделенных по методу кривых ошибок // Сб. Докладов Всероссийской научной конференции «Роль геометрии в искусственном интеллекте и САПР».-Улан-Удэ: ВСГТУ. 1996.-С. 100-104.

68. Устройство для контроля грата, а. с.11256300, Кеткович А. А. и др.

69. А.А.Кеткович, М.В.Филинов. Интегрированная компьютерная система обработки изображений для неразрушающего контроля. // 14 Российская научно-техническая конференция "Неразрушающий контроль и диагностика". Тезисы докладов. М.:1996, с.281-282.

70. А.А.Кеткович, М.В.Филинов. Микротелевизионные системы в оперативной видеоэндоскопии объектов в условиях эксплуатации. // 14 Российская научно-техническая конференция "Неразрушающий контроль и диагностика". Тезисы докладов. М.:1996, с.285-286.

71. V.Ya.Maklashevsky, V.N.Filinov, M.V.Filinov. Digital Processing of Roent-genographic and X-Ray Television Images in Aerospace Radiographic Testing. // 7th ECNDT 1998. Proceedings, vol.1, pp.326-333.

72. A.A.Ketkovich, V.V.Kliouev, M.V.Filinov. PC-based Videoendoscopic system DX 2 for the Inspection of Internal surfaces of Pipes. // 7th ECNDT 1998. Proceedings, vol.1, pp.334-339.

73. В.Н.Филинов, А.А.Кеткович, М.В.Филинов. Оптические и тепловые методы контроля в МНПО "СПЕКТР". // Контроль. Диагностика, 1999, № 5, с.40-42

74. М.В.Филинов. Анализ применения цифровых средств в оптико-визуальном контроле. // 15 Российская научно-техническая конференция "Неразрушающий контроль и диагностика". М.:1999. Тезисы докладов, том 2, с.49-50.

75. А.А.Кеткович, М.В.Филинов. Моделирование и анализ процессов преобразования дефектоскопической информации в компьютеризованных видеоэндоскопических системах. // Контроль. Диагностика, 1999, 8, с.32-38.

76. Филинов М. В., Маклашевский В. Я., Кеткович А. А. Ренгеновский флюо-роскоп. С. 2.560.741.

77. Методы компьютерной обработки изображений / Под ред. В.А.Сойфера -М.: Физматлит, 2004.

78. Иваницкий Г.Р., Литинская Л.Л., Шихматова В.Л. Автоматический анализ микрообъектов М., Л: Изд-во "Энергия", 1967.

79. Бонгард М.М. Проблема узнавания. М.: Наука, 1967.

80. Филинов М.В., Фурсов А.С. Оптическая структуроскопия: проблемы моделирования и анализа // Контроль. Диагностика, 2003, N 7 (61). С. 8-17.

81. Филинов М.В., Фурсов А.С. Повышение точности измерений в компьютерной оптической структуроскопии // Контроль. Диагностика, 2003, N 10. С. 19-24.

82. Филинов М.В., Фурсов А.С., Филинов В.Н. Портативный компьютерный металлографический микроскоп для мониторинга структуры металлов в условиях эксплуатации // Контроль. Диагностика, 2003, N 3 (57). С. 17-23.

83. Методы выявления и определения величины зерна. ГОСТ 5639-82.95."Watershades in Digital spaces: An Efficient Algorithm Based on Immersion Simulations" IEEE Trans. Pattern Analysis and Machine Intelligence, June, 1991.

84. James R. Parker "Algorithms for Image Processing and Computer Vision", 1996, John Wiley & Sons.

85. Филинов M.B., Кеткович A.A., Фурсов A.C., Филинов В.Н. Оптическая структуроскопия проблемы анализа // Тезисы докладов 3-й международной конференции "Компьютерные методы и обратные задачи в неразру-шающем контроле и диагностике", 2002.

86. Филинов М.В., Фурсов А.С. Методы цифровой обработки изображений в оптической микроскопии // Контроль. Диагностика, 2004, N 6. С. 6-22.

87. Филинов М.В., Фурсов А.С. Алгоритмы цифрового восстановления изображений в оптической микроскопии для повышения точности измерений // Контроль. Диагностика, 2004, N 7. С. 22-28.

88. Филинов М.В., Фурсов А.С., Филинов В.Н. Разработка эффективных алгоритмов для повышения точности измерений // Тезисы 16-й Международной конференции по неразрушающему контролю Монреаль, Канада, 2004.

89. Филинов М.В., Фурсов А.С. Проблемы компьютерной классификации структур в неразрушающем контроле // Контроль. Диагностика, 2005, N 4. С. 15-19.

90. Филинов М.В., Фурсов А.С. Алгоритмы компьютерной классификации структур в неразрушающем контроле // Тезисы докладов 4-й международной конференции "Неразрушающий контроль и техническая диагностика в промышленности", 2005.

91. Филинов М.В., Фурсов А.С. Автоматизация алгоритмов обработки изображений в неразрушающем контроле // Контроль. Диагностика, 2005, N 10. С. 8-12.

92. Филинов М.В., Фурсов А.С., Клюев В.В. Подходы к оценке остаточного ресурса технических объектов // Контроль. Диагностика, 2006, N 8. С. 6-16.

93. Filinov M.V., Fursov A.S. Penetrant Testing: The Software Tool for Comparison of Sensitivity and Estimation of Contrast, Color and Brightness Characteristics of Penetrant Systems // Abstracts of 9 Eur. Conf. on NDT Berlin, Germany, 2006.

94. Filinov M.V., Fursov A.S. Optical Microscopy and Metallography: Recognition of Metal Structures using Customizable Automatic Qualifiers // Abstracts of 9 Eur. Conf. on NDT Berlin, Germany, 2006.