Stefan Wójtowicz - Badania Nieniszczące
Transkrypt
Stefan Wójtowicz - Badania Nieniszczące
MODELOWANIE WPŁYWU CZYNNIKÓW SUBIEKTYWNYCH NA NIEPEWNOŚĆ POMIARU PRZY OCENIE OBRAZÓW RADIOGRAFICZNYCH Stefan WÓJTOWICZ ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 28, 04-703 Warszawa tel. (022) 812-24-32 fax 615-75-35 e-mail. [email protected] Streszczenie W referacie przedstawiono próbę modelowania wpływu czynników subiektywnych na wykrywanie obiektów i dokładność pomiaru w procesie oceny obrazów radiograficznych. Przedstawiony model jest zgodny z ogólnymi zasadami szacowania niepewności zawartymi w dokumentach normalizacyjnych. Słowa kluczowe: niepewność pomiaru, badania nieniszczące, badania radiograficzne. 1. WPROWADZENIE Czynniki subiektywne mają istotny wpływ na wykrywanie i pomiar parametrów geometrycznych obiektów. Modelowanie procesu wykrywania obiektów jest interesujące ze względu na możliwość automatyzacji kontroli jakości wyrobów metodami nieniszczącymi. Dzięki postępowi w dziedzinie przetwarzania sygnałów techniki obrazowe, w tym radiografia klasyczna i tomografia rentgenowska, są coraz częściej automatyzowane. Pomiary cech obrazu odbywają się zależnie od charakteru stosowanego nośnika. W przypadku obiektów przedstawionych na radiogramach bezpośrednio na filmie, do pomiaru wielkości geometrycznych stosuje się odpowiednie ręczne przyrządy pomiarowe oraz algorytmy obliczeniowe wykonywane przez prowadzącego badanie i oceniającego. Analiza radiogramu może być częściowo lub całkowicie zautomatyzowana przez przetwarzanie komputerowe. W 1 tym celu obraz musi być poddany zamianie na postać cyfrową. Proces konwersji analogowocyfrowej jest także źródłem dodatkowych zniekształceń. Pomiar cech geometrycznych wykonywany półautomatycznie polega na prezentacji obrazu na ekranie monitora i wspomaganiu operatora przez specjalistyczne oprogramowanie graficzne. Pełna automatyzacja jest opłacalna w procesie kontroli międzyoperacyjnej i finalnej przy produkcji wielkoseryjnej. 2. MODEL WYKRYWANIA Badany obszar jest skanowany w celu wykrycia obiektu, którego wzorzec jest podany w formie opisowej lub w formie obiektów arbitralnie przypisanych do określonej klasy. W przestrzeni cech obiekty wzorcowe tworzą skupienie. Model wzorca można opisać rozkładem gęstości prawdopodobieństwa i rozkładem możliwości. Symbolicznie model wykrywania można zapisać jako badanie wartości logicznej nierówności: ~ ~ X ob − X w > 0 (1) ~ X ob jest zmienną losową odpowiedzialną za wykrywanie poszukiwanego obiektu, ~ X w jest zmienną losową reprezentującą wzorzec poszukiwanego obiektu. Zgodnie z modelem probabilistycznym zmienne losowe opisane są rozkładami gęstości prawdopodobieństwa: y ob = f ob ( X ob ) yw = f w ( X w ) (2) Rozdzielając źródła losowej zmienności dla każdej zmiennej wprowadzono następujące przybliżone zależności: ~ ~ ~ X ob = X ob + δX ob1 + δX ob 2 (3) ~ ~ ~ X w = X w + δX w1 + δX w 2 (4) Poszczególne czynniki wpływające na rozkład gęstości prawdopodobieństwa określono następująco: X ob - wartość rzeczywista parametru w populacji wzorców, X w - wartość średnia w populacji wzorców, ~ δX ob1 - błąd oceny parametru obiektu wynikający z chwilowego stanu psychofizycznego, 2 ~ δX ob 2 - błąd oceny parametru obiektu reprezentujący doświadczenie badacza, ~ δX ob 3 - błąd wprowadzany przez oprzyrządowanie badania, ~ δX w1 - miara rozrzutu w populacji wzorców, ~ δX w 2 - błąd wprowadzany przez nieistotne cechy wzorców. Przestrzeń cech istotnych Wzorzec Środek klasy Promień klasy Przestrzeń cech nieistotnych Badacz Obiekt badany Wynik badania Rys. 1. Schemat powiązań populacji wzorców, cech obiektu i badacza. Obiekty oprócz cech istotnych, posiadają także inne cechy, które nie są różnicujące z punktu widzenia klasyfikacji, lecz są obserwowane przez badacza. Te dodatkowe cechy są zakłóceniami. Po nabyciu odpowiedniego doświadczenia ilość dobrze rozpoznanych przypadków stabilizuje się chodź podlega losowym wahaniom. 3 n x t Rys.2. Ilustracja modelu losowego wykrywania obiektu według wzorca stałego. Nierówność (1) można rozwinąć: ~ ~ ~ ~ X ob + δX ob1 + δX ob 2 − X w − δX w1 − δX w 2 > 0 (5) Wartość oczekiwana lewej strony nierówności wynosi: ~ ~ ~ ~ E{ X ob + δX ob1 + δX ob 2 − X w − δX w1 − δX w 2 } = X ob − X w (6) Odchylenie standardowe lewej strony nierówności wynosi: σ = σ ob2 1 + σ ob2 2 + σ ob2 3 + σ w21 + σ 212 (7) Rysunek 2 ilustruje sytuację, w której wartość rzeczywista parametru obiektu znajduje się poniżej progu wykrywania, lecz proces losowy powoduje możliwość przekraczania progu. W modelu (5) występuje sytuacja, w której dwa komparowane elementy są losowe. Taką sytuację pokazano na rysunku 3. 4 n x Xob Xw t Rys. 3. Ilustracja komparacji dwóch parametrów losowych. 3. MODEL POMIARU Analiza obrazu radiograficznego zaczyna się od segmentacji, której celem jest wyodrębnienie obiektu z tła i spośród innych obiektów. Dokładność pomiaru parametrów geometrycznych figury płaskiej zależy od dokładności lokalizacji punktów brzegu figury. Segmentacja progowa odtwarza kształt figury jeśli wartość progu jest średnią arytmetyczną jasności tła i jasności obiektu. Odległość między zadanymi punktami obiektu wyznaczana jest zgodnie z zależnością: D = T [d ] = T [ ( ∆x ) 2 + ( ∆y ) 2 ] (8) T[d] - przekształcenie geometryczne, D - odległość między punktami obiektu, d - odległość między punktami P1 i P2 radiogramu. P1 = ( x1 , y1 ) P2 = ( x 2 , y 2 ) ∆x = x1 − x 2 ∆y = y1 − y 2 Niepewność pomiaru odległości można oszacować posługując się wzorami: u 2 (d ) = c ∆2x u 2 (∆x) + c ∆2y u 2 (∆y ) c ∆x = ∂d ∂ (∆x) c ∆y = 5 ∂d ∂ (∆y ) (9) Jeśli przekształcenie geometryczne dane jest w postaci funkcji analitycznej, to u ( D) = ∂T u (d ) ∂ (d ) (10) Składniki niepewności wyznacza się z następujących wzorów: u 2 (∆x) = u 2 ( x1 ) + u 2 ( x 2 ) u 2 (∆y ) = u 2 ( y1 ) + u 2 ( y 2 ) (11) u2 (xi ) = u2 (δxos ) + u2 (δxs ) + u2 (δxws ) + u2 (δxod ) u2 ( yi ) = u2 (δyos ) + u2 (δys ) + u2 (δyws ) + u2 (δyod ) δyos , δxos - błąd nieostrości obrazu, δys , δxs - błąd segmentacji obrazu, δyws , δxws - błąd współczynnika skali, δyod , δxod - błąd rozdzielczości odczytu. Błędy pochodzące od nieostrości radiogramu są następującymi funkcjami: δxos = g x ( N g , N r , N e , N pr ) δy os = g y ( N g , N r , N e , N pr ) (12) Występujące argumenty oznaczają odpowiednie wpływy pochodzące między innymi od: Ng - wymiary źródła, Nr - ruch wzajemny obiektu, źródła i filmu, Ne - stosowane folie wzmacniające, Npr - promieniowanie rozproszone. 4. WNIOSKI Celem przeprowadzonej analizy jest rozdzielenie źródeł wpływów losowych na wynik badania. Model probabilistyczny pozwala jednolicie traktować błędy pochodzące także od czynników subiektywnych. Rozdzielenie zmiennych losowych modelujących dające się określić czynniki pozwala na zaprojektowanie eksperymentu walidacji metod badawczych z uwzględnieniem operatora. LITERATURA [1] Biernat K.: Pomiar parametrów geometrycznych radiogramów. Zeszyty Problemowe Badania Nieniszczące. Numer 7, Materiały Konferencyjne 31 KKBN, październik 2002, Warszawa. [2] Przewodnik Wyrażanie Niepewności Pomiaru. GUM, Warszawa 1999. [3] Wójtowicz S.: Oszacowanie poprawności decyzji diagnostycznych w badaniach nieniszczących. Zeszyty Problemowe Badania Nieniszczące. Numer 5,Materiały Konferencyjne 29 KKBN, listopad 2000, Warszawa. [4] Wójtowicz S., Matuszewski A.: Niepewność pomiarów a wiarygodność badań nieniszczących. Zeszyty Problemowe Badania Nieniszczące. Numer 6, Materiały Konferencyjne 30 KKBN, październik 2001, Warszawa. [5] Wójtowicz S., Biernat K.: Statystyczne metody wyznaczania niepewności pomiarów w badaniach nieniszczących, Badania Materiałów, nr 2(14), Październik 2001. [6] Wójtowicz S.: Niepewność pomiarów w badaniach nieniszczących. Zeszyty Problemowe Badania Nieniszczące. Numer 7, Materiały Konferencyjne 31 KKBN, 2002, Warszawa. 6