Nghiên cứu phát hiện vết nứt trên bề mặt bê tông sử dụng kỹ thuật edge detection

Chia sẻ: Bigates Bigates | Ngày: | Loại File: PDF | Số trang:7

Thêm vào BST

Báo xấu

30
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Việc phát hiện các cạnh của vết nứt là một nhiệm vụ quan trọng trong việc theo dõi sức khỏe kết cấu và đảm bảo an toàn cho kết cấu. Quá trình phát hiện vết nứt thủ công tốn nhiều thời gian và chịu sự đánh giá chủ quan của người kiểm tra. Nghiên cứu này khảo sát hiệu quả của các kỹ thuật xử lý hình ảnh để nhận dạng và phân tích vết nứt tự động.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Nghiên cứu phát hiện vết nứt trên bề mặt bê tông sử dụng kỹ thuật edge detection

NGHIÊN CỨU PHÁT HIỆN VẾT NỨT TRÊN BỀ MẶT BÊ TÔNG SỬ DỤNG KỸ THUẬT EDGE DETECTION Huỳnh Xuân Tịnh, Phan Minh Mỹ, Phạm Thuận, Phạm Huỳnh Anh Tuấn, Nguyễn Hồng Phát Khoa Xây dựng, Trường Đại học Công nghệ TP. Hồ Chí Minh GVHD: TS. Hà Minh Tuấn TÓM TẮT Việc phát hiện các cạnh của vết nứt là một nhiệm vụ quan trọng trong việc theo dõi sức khỏe kết cấu và đảm bảo an toàn cho kết cấu. Quá trình phát hiện vết nứt thủ công tốn nhiều thời gian và chịu sự đánh giá chủ quan của người kiểm tra. Nghiên cứu này khảo sát hiệu quả của các kỹ thuật xử lý hình ảnh để nhận dạng và phân tích vết nứt tự động. Các thuật toán phát hiện cạnh phổ biến được khảo sát bao gồm Sobel, Canny, Prewitt, và Roberts. Kết quả phân tích ảnh vết nứt chỉ ra rằng sự phù hợp của phương pháp Prewitt và phương pháp Sobel, sau đó là các thuật toán phân tích biên hình dạng khác, có thể phát hiện thành công các khuyết tật vết nứt trong ảnh kỹ thuật số. Do đó, kết quả nghiên cứu có thể là tài liệu tham khảo hữu ích cho các cơ quan quản lý tòa nhà và các kỹ sư xây dựng trong nhiệm vụ bảo trì kết cấu. Từ khóa: edge detection, matlab, phát hiện vết nứt. 1 MỞ ĐẦU Các vết nứt là mối quan tâm lớn để đảm bảo an toàn, độ bền và khả năng sử dụng của kết cấu (Wu và cộng sự, 2017). Nguyên nhân là do khi các vết nứt phát triển và lan rộng, chúng có xu hướng gây ra việc giảm diện tích chịu tải hiệu quả, dẫn đến tăng ứng suất và dẫn đến phá hủy bê tông hoặc các kết cấu khác (Talab và cộng sự, 2016). Vì luôn tồn tại những hạn chế trong kết cấu bê tông cốt thép và các công trình xuống cấp theo thời gian, nên nứt dường như không thể tránh khỏi và xuất hiện ở tất cả các loại kết cấu, ví dụ như tường bê tông, dầm, sàn và tường gạch. Do đó, như đã nêu rõ ràng bởi Thatoi và cộng sự (2014) và Koch và cộng sự (2015), điều quan trọng là phải kiểm tra bằng mắt các bộ phận của tòa nhà để phát hiện vết nứt và đánh giá các điều kiện vật lý và chức năng. Tuy nhiên, nhiệm vụ phát hiện vết nứt trong xây dựng, đặc biệt là ở các nước đang phát triển, thường được thực hiện thủ công. Do đó, cần nhiều thời gian và nỗ lực hơn để có được các phép đo các vết nứt và biên soạn hoặc xử lý các dữ liệu liên quan (Lee và cộng sự, 2013). Ngoài ra, việc kiểm tra trực quan bằng tay không hiệu quả cả về chi phí và độ chính xác vì nó liên quan đến những đánh giá chủ quan của người kiểm tra. Do đó, việc phát hiện và phân tích vết nứt bề mặt nhanh chóng và đáng tin cậy bằng quy trình tự động rất hữu ích để thay thế việc kiểm tra 749
chủ quan và chậm chạp của các thanh tra viên là con người (Kim và cộng sự, 2017). Các đánh giá gần đây được thực hiện trong (Koch và cộng sự, 2015; Kim và cộng sự, 2017; Zakeri và cộng sự, 2016; Mohan và Poobal, 2017) đã chỉ ra xu hướng ngày càng tăng của việc áp dụng kỹ thuật xử lý ảnh để tăng năng suất phát hiện vết nứt trong cấu trúc.Thông tin về vết nứt có thể được sử dụng để chẩn đoán và quyết định phương pháp gia cường thích hợp để sửa chữa các kết cấu bị hư hỏng và ngăn ngừa các hư hỏng nghiêm trọng (Rabah và cộng sự, 2013). Mã hóa nhị phân hình ảnh, được sử dụng rộng rãi để nhận dạng văn bản và xử lý hình ảnh y tế (Chaki và cộng sự, 2014; Gonzalez và cộng sự, 2004), rất thích hợp được sử dụng để phát hiện vết nứt. Đó là bởi vì các văn bản và vết nứt có tính chất tương tự nhau, và chúng có các đường và đường cong có thể phân biệt được. Vì quy trình thủ công để đo vết nứt tốn nhiều thời gian đối với các kết cấu quy mô lớn (ví dụ như các tòa nhà cao tầng và cầu), nhiều nhà nghiên cứu đã đề xuất các mô hình dựa trên xử lý hình ảnh, cho phép một cách nhanh hơn và hiệu quả hơn để đo các vết nứt trong bê tông các bề mặt. Quy trình chung của các mô hình này bao gồm 4 bước chính: thu hình ảnh, xử lý hình ảnh (phát hiện biên, phân tích hình dạng), phát hiện vết nứt, và phân tích vết nứt. Lee và cộng sự (2013) đã trình bày một xử lý hình ảnh dựa trên kỹ thuật tự động để phát hiện và phân tích các vết nứt trên bề mặt bê tông; việc phát hiện vết nứt được nhận dạng từ hình ảnh của bề mặt bê tông và việc phân tích vết nứt sẽ tính toán các đặc điểm của vết nứt được phát hiện, chẳng hạn như chiều rộng, chiều dài và diện tích vết nứt. Adhikari và cộng sự (2014) đã phát triển một mô hình đại diện bằng số cho các khuyết tật của vết nứt; cách tiếp cận được đề xuất cũng có khả năng định lượng và phát hiện vết nứt. Torok và cộng sự (2014) đề xuất một mô hình phát hiện vết nứt tự động dựa trên hình ảnh để đánh giá tòa nhà sau thảm họa. Dựa trên thực nghiệm số, các tác giả cho thấy rằng phương pháp được đề xuất có thể mang lại những lợi ích to lớn trong việc phân tích các yếu tố của tòa nhà sau thảm họa. Gần đây, Alam và cộng sự (2015) đã đề xuất một kỹ thuật phát hiện lai bằng cách kết hợp tương quan hình ảnh kỹ thuật số và phát xạ âm thanh. Talab và cộng sự (2016) đã phát hiện các khuyết tật nứt trong hình ảnh kỹ thuật số bằng phương pháp Otsu và lọc Sobel trong kỹ thuật xử lý hình ảnh. Ebrahimkhanlou và cộng sự (2016) đã thực hiện một phân tích đa dạng của các mô hình vết nứt với các ứng dụng trong tường chịu cắt bê tông cốt thép. Yu và cộng sự (2017) đã giới thiệu một phương pháp phát hiện vết nứt hiệu quả đối với vết nứt bề mặt vỏ hầm dựa trên ảnh hồng ngoại; phương pháp đề xuất có khả năng khắc phục các vấn đề khó khăn như độ tương phản thấp, ánh sáng không đồng đều và ô nhiễm tiếng ồn nghiêm trọng thường tồn tại trong hình ảnh lớp lót đường hầm. Nghiên cứu này tập trung khảo sát hiệu quả của các phương pháp phân tích cạnh biên có sẵn trong Matlab trong việc phân tích vết nứt trong ảnh chụp vết nứt. Các phương pháp được khảo sát là Sobel, Canny, Prewitt, và Roberts. Các kết quả phân tích sau đó được so sánh và đưa ra kết luận. 2 CÁC PHƯƠNG PHÁP PHÁT HIỆN CẠNH ĐỂ TÌM RANH GIỚI ĐỐI TƯỢNG TRONG HÌNH ẢNH 2.1 Lý thuyết chung 750
Phát hiện cạnh là một kỹ thuật xử lý hình ảnh để tìm ranh giới của các đối tượng trong hình ảnh. Nó hoạt động bằng cách phát hiện sự không liên tục về độ sáng. Phát hiện cạnh được sử dụng để phân đoạn hình ảnh và trích xuất dữ liệu trong các lĩnh vực như xử lý hình ảnh, thị giác máy tính và thị giác máy. Các thuật toán phát hiện cạnh phổ biến bao gồm Sobel, Canny, Prewitt, Roberts và các phương pháp logic mờ. Trong một hình ảnh, một cạnh là một đường cong đi theo đường thay đổi nhanh chóng của cường độ hình ảnh. Các cạnh thường được liên kết với ranh giới của các đối tượng trong một cảnh. Phát hiện cạnh (edge detection) được sử dụng để xác định các cạnh trong hình ảnh. Để tìm các cạnh, các hàm cạnh (edge) được sử dụng. Hàm này tìm kiếm những vị trí trong hình ảnh mà cường độ thay đổi nhanh chóng, sử dụng một trong hai tiêu chí sau: - Những nơi mà đạo hàm đầu tiên của cường độ lớn hơn một số ngưỡng; - Những nơi mà đạo hàm thứ hai của cường độ có điểm cắt bằng 0. Edge cung cấp một số công cụ ước lượng, mỗi công cụ thực hiện một trong các định nghĩa này. Một số công cụ ước tính này cho phép chỉ định thao tác có nhạy cảm với các cạnh ngang, cạnh dọc hay cả hai hay không. Edge trả về một hình ảnh nhị phân có chứa các cạnh 1 ở nơi các cạnh được tìm thấy và 0 ở những nơi khác. Phương pháp phát hiện cạnh mạnh nhất mà edge cung cấp là phương pháp Canny. Phương pháp Canny khác với các phương pháp phát hiện cạnh khác ở chỗ nó sử dụng hai ngưỡng khác nhau (để phát hiện các cạnh mạnh và yếu) và chỉ bao gồm các cạnh yếu trong đầu ra nếu chúng được kết nối với các cạnh mạnh. Do đó, phương pháp này ít có khả năng bị ảnh hưởng bởi nhiễu hơn các phương pháp khác và có nhiều khả năng phát hiện các cạnh yếu thực sự hơn. 2.2 Các phương pháp edge detection Để thực hiện phân tích edge detection, hình ảnh cần được chuyển đổi dưới dạng hình ảnh grayscale 2-D hoặc hình ảnh nhị phân 2-D. Đối với phương pháp 'approxcanny', hình ảnh của kiểu dữ liệu đơn hoặc kép phải được chuẩn hóa thành phạm vi [0, 1]. Nếu có các giá trị nằm ngoài phạm vi [0, 1], thì có thể sử dụng hàm rescale để điều chỉnh lại các giá trị cho phạm vi mong đợi. Cú pháp nhập hình ảnh có tên là “vetnut” vào Matlab như sau: I = imread('vetnut.jpg'); imshow(I) Để tìm cạnh biên sử dụng phương pháp Canny, cú pháp như sau: BW1 = edge(I,'Canny'); Để tìm cạnh biên sử dụng phương pháp Prewitt, cú pháp như sau: BW2 = edge(I,'Prewitt'); Để hiện cả hai kết quả phân tích, cú pháp như sau: 751
imshowpair(BW1,BW2,'montage') Các phương pháp phát hiện cạnh được tóm tắt trong Bảng 1. Bảng 1. Các phương pháp phát hiện cạnh (edge detection) trong Matlab Phương pháp Mô tả 'Sobel' Tìm các cạnh tại những điểm mà gradient của hình ảnh I là lớn nhất, sử dụng phép gần đúng Sobel để đạo hàm. 'Prewitt' Tìm các cạnh tại những điểm mà gradient của I là cực đại, sử dụng xấp xỉ Prewitt để đạo hàm. 'Roberts' Tìm các cạnh tại những điểm mà gradient của I là cực đại, sử dụng phép gần đúng Roberts để đạo hàm. 'log' Tìm các cạnh bằng cách tìm các điểm giao cắt 0 sau khi lọc I bằng bộ lọc Laplacian of Gaussian (LoG). 'zerocross' Tìm các cạnh bằng cách tìm các điểm giao cắt 0 sau khi lọc I bằng bộ lọc mà bạn chỉ định, h 'Canny' Tìm các cạnh bằng cách tìm cực đại cục bộ của gradient I. Hàm edge tính toán gradient bằng cách sử dụng đạo hàm của bộ lọc Gaussian. Phương pháp này sử dụng hai ngưỡng để phát hiện các cạnh mạnh và yếu, bao gồm cả các cạnh yếu trong đầu ra nếu chúng được kết nối với các cạnh mạnh. Bằng cách sử dụng hai ngưỡng, phương pháp Canny t có khả năng bị nhiễu hơn các phương pháp khác và có nhiều khả năng phát hiện các cạnh yếu thực sự hơn. 'approxcanny' Tìm các cạnh bằng cách sử dụng phiên bản gần đúng của thuật toán phát hiện cạnh Canny cung cấp thời gian thực hiện nhanh hơn với chi phí phát hiện kém ch nh xác hơn. Hình ảnh dấu chấm động dự kiến sẽ được chuẩn hóa thành phạm vi [0, 1]. 3 VÍ DỤ PHÂN TÍCH 9600 100 300 44@200=8800 300 100 Support Support 640 75 123 245 123 75 50 34 45 350 295 450 62 74 3@122.5=367.5 74 62 50 55 70 105 61 3@122.5=367.5 61 105 Hình 1. Sơ đồ dầm ứng suất trước (đơn vị: mm) 752
Trong nghiên cứu này hình ảnh sử dụng để phân tích được chụp ở phần cuối của 1 dầm bê tông ứng suất trước chịu ảnh hưởng của phản ứng kiềm-silic. Dầm có kích thước dài 9600 mm được chế tạo và phơi ra dưới điều kiện thời tiết bên ngoài và chịu ảnh hưởng của phản ứng ASR. Dầm được cấu tạo với 16 sợi cáp 12φ7mm chạy dọc chiều dài dầm. Các thanh cốt thép đai D10 được bố trí xung quanh các sợ cáp được thể hiện trên Hình 1. Hình 2 thể hiện ảnh chụp đầu dầm ở hai thời điểm khi vừa mới chế tạo và thời điểm 2 năm sau khi phơi dưới điều kiện thời tiết bên ngoài phòng thí nghiệm. (a) (b) Hình 2. Ảnh chụp cuối dầm 2 tháng sau khi đúc (a) và 2 năm sau khi đúc (b) 4 KẾT QUẢ VÀ NHẬN XÉT Hình 3 thể hiện kết quả phân tích vết nứt từ ảnh thật qua các thuật toán Sobel, Canny, Prewitt, và Roberts. Dựa vào Hình 3, phương pháp Canny cho kết quả chi tiết nhất, tuy nhiên bao gồm luôn các vết thâm và nhận diện thừa vết nứt. Phương pháp Prewitt và Roberts cho kết quả phân tích gần như nhau. Trong khi đó, kết quả phân tích từ phương pháp Sobel phản ánh hình dạng và số lượng vết nứt gần với ảnh thực tế nhất. (a) Sobel (b) Canny (c) Prewitt (d) Roberts Hình 3. Kết quả xác định vết nứt bằng các phương pháp 753
5 KẾT LUẬN Nghiên cứu này khảo sát hiệu quả của các phương pháp xác định biên vết nứt Sobel, Canny, Prewitt, và Roberts, từ đó đề xuất phương pháp phù hợp để làm dữ liệu đầu vào cho quy trình phát hiện và phân tích vết nứt. Kết quả phân tích của nghiên cứu này cho thấy phương pháp Sobel là phù hợp và có thể sử dụng là phương pháp để chuyển đổi từ ảnh thật đến hình ảnh nhị phân làm dữ liệu đầu vào cho việc chẩn đoán và xác định vết nứt sau này. Các nghiên cứu tiếp theo sẽ hướng tới việc ứng dụng ngôn ngữ học máy để có thể xác định vết nứt từ cơ sở dữ liệu theo dõi vết nứt. TÀI LIỆU THAM KHẢO [1] Alam SY, Loukili A, Grondin F, Roziere E (2015) Use of the digital image correlation and acoustic emission technique to study the effect of structural size on cracking of reinforced concrete. Engineering Fracture Mechanics, vol. 143, pp. 17–31. [2] Chaki N, Shaikh SH, Saeed K (2014) Applications of binarization. in Exploring Image Binarization Techniques, pp. 65–70, Springer, New Delhi, India. [3] Ebrahimkhanlou A, Farhidzadeh A, Salamone S (2016) Multifractal analysis of crack patterns in reinforced concrete shear walls,” Structural Health Monitoring, vol. 15, no. 1, pp. 81–92. [4] Gonzalez RC, Woods RE, Eddins SL (2004) Digital Image Processing Using MATLAB. Pearson Prentice-Hall, Upper Saddle River, NJ, USA. [5] Kim H, Ahn E, Cho S, Shin M, Sim SH (2017) Comparative analysis of image binarization methods for crack identification in concrete structures. Cement and Concrete Research, vol. 99, pp. 53–61. [6] Koch C, Georgieva K, Kasireddy V, Akinci B, Fieguth P (2015) A review on computer vision based defect detection and condition assessment of concrete and asphalt civil infrastructure. Advanced Engineering Informatics, vol. 29, no. 2, pp. 196–210. [7] Lee BY, Kim YY, Yi ST, Kim JK (2013) Automated image processing technique for detecting and analysing concrete surface cracks. Structure and Infrastructure Engineering, vol. 9, no. 6, pp. 567–577. [8] Mohan A, Poobal S (2017) Crack detection using image processing: a critical review and analysis. Alexandria Engineering Journal. [9] Rabah M, Elhattab A, Fayad A (2013) Automatic concrete cracks detection and mapping of terrestrial laser scan data. NRIAG Journal of Astronomy and Geophysics, vol. 2, no. 2, pp. 250–255. [10] Talab AMA, Huang Z, Xi F, HaiMing L (2016) Detection crack in image using Otsu method and multiple filtering in image processing techniques. Optik-International Journal for Light and Electron Optics, vol. 127, no. 3, pp. 1030–1033. 754
[11] Thatoi D, Guru P, Jena PK, Choudhury S, Das HC (2014) Comparison of CFBP, FFBP, and RBF networks in the field of crack detection. Modelling and Simulation in Engineering, vol. 2014, Article ID 292175, 13 pages. [12] Wu X, Jiang Y, Masaya K, Taniguchi T, Yamato T (2017) Study on the correlation of vibration properties and crack index in the health assessment of tunnel lining. Shock and Vibration, vol. 2017, Article ID 5497457, 9 pages. [13] Yu T, Zhu A, Chen Y (2017) Efficient crack detection method for tunnel lining surface cracks based on infrared images. Journal of Computing in Civil Engineering, vol. 31, no. 3, p. 04016067. [14] Zakeri H, Nejad FM, Fahimifar A (2016) Image based techniques for crack detection, classification and quantification in asphalt pavement: a review. Archives of Computational Methods in Engineering, vol. 24, no. 4, pp. 935–977. 755