Разработка методики определения расстояния между свечениями и классификация свечений при люминесцентном контроле лопаток газотурбинных двигателей

Обложка
  • Авторы: Алексеев Е.А.1, Ломанов А.Н.2
  • Учреждения:
    1. ПАО "ОДК-Сатурн"
    2. ФГБОУ ВО "Рыбинский государственный авиационный технический университет имени П.А. Соловьева"
  • Выпуск: № 1 (2025)
  • Страницы: 116-125
  • Раздел: Автоматизация и управление технологическими процессами и производствами
  • URL: https://journal-vniispk.ru/2072-3172/article/view/361368
  • ID: 361368

Цитировать

Полный текст

Аннотация

В основе контрольных операций при осмотре поверхностей лопатки на наличие дефектов под УФ-светом лежит использование машинного зрения. При реализации технологии автоматизированного контроля необходимо решить несколько ключевых задач: получение пакета инспекционных изображений сложно профильного объект контроля (авиационной лопатки), определение реальных параметров (размеров) свечений для единичных и групповых дефектов, формирование экспертных рекомендаций (цифрового следа) по определению наличия дефектов на инспектируемых поверхностях для оператора или автоматизированных систем.

Представлена методика определения расстояния между свечениями, устранения их дублирования и классификация свечений при люминесцентном контроле лопаток газотурбинных двигателей (ГТД). В основе классификации лежит сравнение полученных индикаций с эталонными фотошаблонами. Приведены этапы анализа классификационных признаков и алгоритмы их реализации.

Об авторах

Е. А. Алексеев

ПАО "ОДК-Сатурн"

Автор, ответственный за переписку.
Email: evgeny.alekseev@uec-saturn.ru
директор по цифровой трансформации

А. Н. Ломанов

ФГБОУ ВО "Рыбинский государственный авиационный технический университет имени П.А. Соловьева"

Email: frei@rsatu.ru
кандидат технических наук, доцент, директор института информационных технологий и систем управления

Список литературы

  1. Полетаев В. А. Технология автоматизированного производства лопаток газотурбинных двигателей / В. А. Полетаев. – М.: Машиностроение, 2006. – 256 с.
  2. Глазков Ю. А. Капиллярный контроль / под общ. ред. В. В. Клюева. – М.: ИД «Спектр», 2011. – 144 с.
  3. Контроль качества проникающими веществами. Капиллярный контроль / Н. П. Калиниченко, В. К. Кулешов, А. Н. Калиниченко. – 2-е изд., перераб. и доп. – Томск: Изд-во Томского политехнического университета, 2007. – 203 с.
  4. Литература по капиллярному неразрушающему контролю – [Электронный ресурс]. – URL: https://ndt-testing.ru/ (дата обращения: 01.08.2021).
  5. Попко Е. А., Воробьев А. П., Вайнштейн И. А. Опыт применения машинного зрения в системах оптического неразрушающего контроля // Сварка и диагностика: сб. докл. междунар. форума (Екатеринбург, 24–25 ноября 2015 г.). – Екатеринбург: УрФУ, 2015. – С. 401–406.
  6. Ермаков А. А. Методы и алгоритмы обработки и анализа снимков в капиллярной дефектоскопии: автореф. дис. … канд. техн. наук. – Владимир: ВлГУ, 2009. – 19 с.
  7. Shipway N. J., Barden T. J., Huthwaite P., Lowe M. J. S. Automated defect detection for Fluorescent Penetrant Inspection using Random Forest // NDT & E International. – 2019. – Vol. 101. – P. 113–123.
  8. Shipway N. J., Huthwaite P., Lowe M. J. S., Barden T. J. Using ResNets to perform automated defect detection for Fluorescent Penetrant Inspection // NDT & E International. – 2021. – Vol. 119.
  9. Tout K. Automatic Vision System for Surface Inspection and Monitoring: Application to Wheel Inspection. Signal and Image Processing. Université de Technologie de Troyes – UTT, 2018.
  10. Бобков А. В. Выделение отрезков на изображении в задаче ориентации по визуальной информации // Вестник МГТУ. Приборостроение. – 2002. – № 3 (48).
  11. Aust J., Shankland S., Pons D., Mukundan R., Mitrovic A. Automated defect detection and decision support in gas turbine blade inspection. Aerospace. – 2021. – Vol. 8. – Article 30. – https://doi.org/10.3390/aerospace8020030.
  12. Пат. 2771442 Российская Федерация. Способ обработки изображений сверточными нейронными сетями. Заявл. 12.11.2020; опубл. 04.05.2020. – Бюл. № 13.
  13. Пат. 104697 Российская Федерация. Устройство бесконтактного измерения шероховатости поверхностей деталей сложной формы. Заявл. 16.11.2010; опубл. 20.05.2011.
  14. Пат. 126490 Российская Федерация. Программно-аппаратный комплекс машинного зрения для определения и контроля ширины межвиткового зазора. Заявл. 03.07.2012; опубл. 27.03.2013. – Бюл. № 9.
  15. Пат. 2604168 Российская Федерация. Система машинного зрения, позволяющая определять неоднородности глубины объектов изображения. Заявл. 27.01.2012; опубл. 10.12.2016. – Бюл. № 34.
  16. Пат. 2764644 Российская Федерация. Способ обнаружения дефектов поверхности и др. Заявл. 08.11.2019; опубл. 19.01.2022. – Бюл. № 2.
  17. Пат. 2777718 Российская Федерация. Способ неразрушающего оптико-визуального контроля изделий методом машинного зрения. Заявл. 17.08.2021; опубл. 08.08.2022. – Бюл. № 22.
  18. Li C. et al. YOLOv6: A single-stage object detection framework for industrial applications // arXiv preprint arXiv:2209.02976. – 2022.
  19. Wang C.-Y., Bochkovskiy A., Liao H.-Y. M. YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors // arXiv preprint arXiv:2207.02696. – 2022.
  20. Jocher G., Chaurasia A., Qiu J. YOLO by Ultralytics. – URL: https://github.com/ultralytics/ultralytics (дата обращения: 30.02.2023).
  21. Сычев И. Е., Литвиненко А. М. Автоматическая система распознавания дефектов на базе технического зрения // Альтернативная и интеллектуальная энергетика: материалы II Междунар. науч.-практ. конф. – Воронеж: Воронежский государственный технический университет, 2020. – URL: https://elibrary.ru/item.asp?id=43939127
  22. Казаков О. Д., Ромашов Н. Е. Обнаружение и распознавание объектов в реальном времени с помощью модели машинного обучения // Вызовы цифровой экономики: развитие комфортной городской среды: труды III Всерос. науч.-практ. конф. с междунар. участием. – Брянск: Брянский ГИТУ, 2020. – URL: https://elibrary.ru/item.asp?id=44171509
  23. Ямщиков С. А. Компьютерное зрение в неразрушающем контроле // Новые материалы, оборудование и технологии в промышленности: материалы междунар. науч.-техн. конф. молодых ученых. – Могилев: Белорусско-Российский университет, 2021. – URL: https://elibrary.ru/item.asp?id=47155489
  24. Чикмарев Д. Д., Хабаров А. Р., Карельская К. А. Система компьютерного зрения для дефектоскопии объектов // Информационные ресурсы и системы в экономике, науке и образовании: сб. ст. XI Междунар. науч.-практ. конф. – Пенза: АНО «Приволжский Дом знаний», 2021. – URL: https://elibrary.ru/item.asp?id=46459923
  25. Форсайт Д. А., Понс Д. Компьютерное зрение. Современный подход. – М.: Вильямс, 2004. – 928 с.
  26. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера, 2005. – 621 с.
  27. Методы компьютерной обработки изображений / под ред. В. А. Сойфера. – М.: Физматлит, 2001. – 784 с.
  28. Приоров А. Л., Хрящев В. В., Топников А. И. Обработка и передача мультимедийной информации: учебное пособие. – Ярославль: ЯрГУ, 2022.
  29. Коротаев В. В., Краснящих А. В. Телевизионные измерительные системы: учебное пособие. – СПб: СПбГУ ИТМО, 2008. – 108 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».