Page 20 - МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

18

обчислюємо такі параметри як анізометрія, компактність, ректангулярність,
асиметрія, ексцес, індекс видовженості та ін.
Для класифікації локалізованих дефектів застосовано штучну нейронну
мережу, а саме, тришаровий перцептрон з алгоритмом зворотного поширення.
Вектор вхідних ознак охоплює чотирнадцять елементів. Всі інформативні ознаки
були пронормовані. Приховані шари складаються з 15-27 елементів. Навчання
проводили на 80 дефектах, тестування – на 30 випадково вибраних дефектах, що
належать двох класів: сферична пора та шлак. Експериментальні дослідження
виявили, що найбільша середня (за 10-ма експериментами) ймовірність
правильної класифікації (86%) досягається при використанні 23 нейронів у
прихованих шарах. Для підвищення ймовірності правильної класифікації
запропоновано такі наступні інформативні ознаки:
1. Контрастність фрагмента зображення
L max
CF   2 | L  L  L  2 | L  L  L max || H (L ) /( 2L max NM ) (17)
max
L 0
де L – інтенсивність елементів зображення L  , 0 L , L – максимально
max max
можливе значення інтенсивності на зображенні, L – середнє значення
інтенсивності зображення, H (L ) – гістограма розподілу інтенсивностей.

2. Контрастність об’єкта
L max
CO   2 | L  L  L  2 | L  L  L max || H (L ) /( 2L max Area ). (18)
max
L 0
3. Контрастність контуру об’єкта – середній перепад інтенсивностей в
точках контуру зображення.
4. Середньоквадратичне відхилення контрастності контура об’єкта.
Експериментальні дослідження показали, що найбільша середня (за 10-ма
експериментами) ймовірність правильної класифікації (95%) досягається при
використанні 21 нейрону у прихованих шарах.
Запропонований метод апробовано на вибірці, що складається з зображень
110 дефектів. За допомогою нових інформативних ознак підвищено ймовірність
правильної класифікації від 86 до 95%.
Щоб обчислити розміри дефектів, потрібно дослідити зображення еталона,
оскільки його розміри, ширина і глибина канавок відомі, а також обчислити
параметр нерізкості зображення. В даній роботі розглянуто еталон канавкового
типу, оскільки він є найбільш поширеним при радіографічному контролі зварних
швів труб нафто- і газопроводів. Еталон чутливості має 6 рівчаків, що імітують
дефекти різної глибини.

Аналіз канавкового еталона чутливості. Для локалізації еталона вико-
ристано комбінацію структурно-адаптивного методу та локальної функції
зображення (9), що набуває більших значень у точках, що належать об’єкту, ніж
у точках фону. Ділянка з максимальним значенням перепаду рівнів сірого і є
ділянкою з канавковим еталоном. Контури еталона можна виділити методом
Канні, а оскільки розміщення канавок є відомим, то їх контури також можна
нанести на зображення.