استفاده از الگوریتم میانگین غیر محلی و رادیوگرافی صنعتی برای آشکارسازی عیوب قطعات هواپیما

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 357

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JNDTT-2-4_001

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

تنش های فیزیکی در قطعات معیوب هواپیما باعث شکستگی و خسارت می شوند. تشخیص دقیق عیب های داخلی توسط آزمون رادیوگرافی امکان پذیر است. تعیین مکان عیوب توسط شخص پرتوکار، به دقت و مهارت و کیفیت رادیوگراف ها بستگی دارد. بسیاری از تصاویر تهیه شده با روش پرتونگاری صنعتی واضح نیستند و تشخیص دقیق عیوب آنها مشکل است؛ در نتیجه نیاز به روش هایی است که به کمک آنها بتوان این عیب ها را دقیق تر بررسی کرد. تصاویر رادیوگرافی یا پرتونگاره ها به علت پراکندگی ذاتی اشعه ایکس قدری مات شدگی دارند. در این مطالعه با استفاده از روش صافی میانگین غیر محلی که مبتنی بر تشخیص پیکسل های مشابه در یک همسایگی است، برای تشخیص نواحی خوردگی استفاده شده است. در این روش تصویر به پنجر ه های کوچکتر تقسیم شده و الگوریتم پیکسل یابی روی این قسمت ها انجام می شود. در این روش داشتن انحراف معیار نویز اولیه برای پیاده سازی الگوریتم مهم است. نتایج نشان می دهد با توجه به نداشتن مقدار تابع نویز تصاویر رادیوگرافی، روش حذف زمینه برای اجرای این الگوریتم مناسب تر است. در این تحقیق، با در نظر گرفتن مقدار زیادی برای انحراف معیار نویز فرضی، تصویر زمینه بدست آمده و از تصویر اولیه رادیوگرافی کم شده است. تصویر بازسازی شده دارای لبه های تیزی است که نواحی خوردگی را با وضوح بیشتر مشخص می کند. ارزیابی نتایج توسط کارشناسان رادیوگرافی نشان می دهد که از نظر آنها این روش کارایی لازم برای آشکارسازی عیوب را دارد.

کلیدواژه ها:

الگوریتم های میانگین محلی ، رادیوگرافی ، آشکارسازی عیوب ، قطعات هواپیما

نویسندگان

پویان شایگانفر

دانشگاه بین المللی امام خمینی

عفت یاحقی

گروه فیزیک، دانشگاه بین المللی امام خمینی (ره)

امیر موافقی

هیات علمی پژوهشگاه علوم و فنون هسته ای

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Nacereddine, N., Drai, R, Benchaala A., 2002. Weld  defect  extraction  ...
  • Movafeghi A., Kargarnovin M. H., Soltanian-Zadeh H., et al, 2005. ...
  • Buades, Coll, B., Morel, J.M., 2006. A review of image ...
  • Buades, A., Coll, B., Morel, J.M., 2005. Non-local algorithm for ...
  • Manjón,  J.V., Carbonell Caballero, J., Lull, J.J., Garcia Martí, G., ...
  • Huazhu  Song;  Zichun  Ding;  Cuicui  Guo  and  Zhe  Li,  Research ...
  • Buades, A., Coll, B., Morel, J.M., 2007. Image data processing ...
  • Coupé, P., Hellier, P., Prima, S., Kervrann, C., Barillot, C., ...
  • Manjón, J.V., Coupé, P., Martí -Bonmatí, L., Robles, M., Collins, ...
  • Lou, Y., Favaro, P., Soatto, S., 2008. Nonlocal similarity image ...
  • ISO-14096-1, 2005, Nondestructive  testing – Qualification of radiographic film digitization ...
  • ISO 14096-2, 2005, Nondestructive testing – Qualification of radiographic film ...
  • ISO-17636-1, 2013 Nondestructive  testing of welds — Radiographic testing - ...
  • ISO-17636-2, 2013 Nondestructive  testing of welds -- Radiographic testing - ...
  • ISO-19232-1, 2018, Nondestructive  testing - Image quality of radiographs - ...
  • ISO-19232-5, 2018, Nondestructive  testing - Image quality of radiographs - ...
  • نمایش کامل مراجع