Araştırma Makalesi
BibTex RIS Kaynak Göster

Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması

Yıl 2023, Cilt: 23 Sayı: 1, 115 - 122, 01.03.2023
https://doi.org/10.35414/akufemubid.1173473

Öz

Otomotiv, havacılık ve savunma sanayi sektörleri başta olmak üzere birçok sektörde kullanılan kritik parçaların hata tespitleri tahribatsız muayene testleri ile yapılmaktadır. Tahribatsız Muayene (TM) yöntemleri ile kritik parçaların maksimum güvenilirliği ve kalitesi, hızlı ve uygun maliyetli bir şekilde elde edilir. Manyetik parçacık testi (MT), ferromanyetik malzemelerdeki yüzey ve yüzey altı çatlaklarını tespit etmek için yaygın olarak kullanılmaktadır. Ayrıca, üretim aşamasında ve hizmetin bir noktasında tüm kritik çelik parçaların denetlendiği endüstriyel uygulamalarda da önemli bir kullanıma sahiptir. Bu çalışmada, operatöre MT deneyleri ile alınan görüntülerdeki kusurları belirlemede yardımcı olmak için seçilen görüntü işleme algoritmaları ile sistematik bir yaklaşım önerilmiştir. MT (Manyetik Parçacık Testi) deneyleri ile alınan görüntüler yazılıma aktarılmış ve önerilen yöntemlerle analiz edilmiştir. Elde edilen sonuçların referans test bloğundaki yapay kusurlarla uyumlu olduğu gözlemlenmiştir. Deneysel çalışmalar, önerilen yöntemin operatöre çatlakların yorumlanmasında önemli katkılar sağlayabileceğini göstermiştir. M2GLD algoritması referans bloktaki 6 kusurun tamamını, K Ortalama Kümeleme algoritması ise 5’ini tespit edebilmiştir.

Teşekkür

Ege Üniversitesi Havacılık Meslek Yüksekokulu Öğretim Görevlisi Alperen Doğru’ ya NDT Laboratuvarında yapılan test çalışmalarındaki katkılarından dolayı teşekkür ederiz.

Kaynakça

  • Anzhong, Z., Xinyang, H., Minyu, J. and Xiukun, W., 2020. Multitarget defect detection of railway track based on image processing. 2020 Chinese Control And Decision Conference (CCDC), IEEE, 3377-3382.
  • Bradski, G. and Kaehler, A., 2008. Learning OpenCV. O’Reilly Media Inc.
  • Çelik,A., 2020. Demiryolu Ray ve Kusurlarını Tespit Etmek İçin Geliştirilen İki Yeni Yöntem. Demiryolu Mühendisliği, 12, 52-63. doi:10.47072/demiryolu.737624
  • Eksi, Z. and Cakiroglu M., 2012. Performance evaluation of the popular segmentation algorithms for bone fracture detection. AWERProcedia Information Technology & Computer Science, 1: 1245–1249.
  • Hoang, N.D., 2018. Detection of surface crack in building structures using image processing technique with an improved otsu method for image thresholding. Advances in Civil Engineering, 1-10.
  • Li, L., Yang, Y., Cai, X. and Kang, Y., 2020. Investigation on the formation mechanism of crack indications and the influences of related parameters in magnetic particle inspection. Applied Science, 10, 6805, 1-16.
  • Liu, H.X. and Danczyk, A., 2009. Optimal sensor locations for freeway bottleneck identification. Computer-Aided Civil and Infrastructure Engineering, 24, 8, 535–550.
  • Luk, B.J. and H.S. Chan, A.H.S., 2007. Human factors and ergonomics in dye penetrant and magnetic particles nondestructive inspection methods. Engineering Letters.
  • Luo, J., Tian, Z. and Yang, J., 2014. Fluorescent magnetic particle inspection device based on digital image processing. Proceeding of the 11th World Congress on Intelligent Control and Automation, IEEE, 5677-5681.
  • Luo, Y., Qu, P. and Dong, W., 2008. Fault diagnose of aero engine based on digital image processing. 2008 Chinese Control and Decision Conference (CCDC 2008), IEEE Xplore.
  • Ma, T., Sun, Z., Zhang, W. and Chen, Q., 2016. A machine vison assisted system for fluorescent magnetic particle inspection of railway wheelsets. AIP Conference Proceeding, 1706, 1.
  • Mohan, A. and Poobal, S., 2017. Crack detection using image processing: A critical review and analysis. Alexandria Engineering Journal, 1-17.
  • Rakesh, M. and Ravi, T., 2012. Image Segmentation and Detection of Tumor Objects in MR Brain Images Using Fuzzy C-Means (FCM) Algorithm. International Journal of Engineering Research and Applications, 2088-2094.
  • Shull, P.J., 2001. Nondestructive evaluation theory, Techniques, and Applications. CRC Press.
  • Tout, K., Meguenani, A., Urban, J.P. and Cudel, C., 2021. Automated vision system for magnetic particle inspection automated vision system for magnetic particle inspection. The International Journal of Advanced Manufacturing Technology, 1, 3307-3326.
  • Ye, J.H., Ni, R.H. and Hsu, Q.C., 2021. Image feature analysis for magnetic particle inspection of forging defects. Journal of Engineering Manufacture, 1-7.
  • https://www.magnaflux.com/Files/Product-Data-Sheets/Accessories/Magnetic-Particle-Test-Bar_Product-Data-Sheet_English.pdf, (16.06.2022)
  • https://opencv.org/, (05.01.2023)

Investigation of Crack Detection in Magnetic Particle Testing Images Based on Image Process Algorithms

Yıl 2023, Cilt: 23 Sayı: 1, 115 - 122, 01.03.2023
https://doi.org/10.35414/akufemubid.1173473

Öz

Flaw detection of critical parts used in many sectors, especially in the automotive, aerospace and defense industry sectors, is made by Nondestructive Testing (NDT) techniques. Maximum reliability and quality of critical parts are achieved quickly and cost-effectively with NDT methods. Magnetic Particle Inspection (MPI) is widely used to detect surface and subsurface cracks in ferromagnetic materials. It also has important use in industrial applications where all critical steel parts are inspected during the production phase and at some point in service. In this study, a systematic approach is proposed with selected image processing algorithms to assist the operator in identifying defects in images taken by MPI experiments. Images taken with MPI experiments were transferred to the software and analyzed with the suggested methods. It was observed that the obtained results were compatible with the artifacts in the reference test block. Experimental studies have shown that the proposed method can provide important contributions to the operator in the interpretation of cracks. The M2GLD algorithm was able to detect all 6 defects in the reference block, while the K Mean Clustering algorithm was able to detect 5 of them.

Kaynakça

  • Anzhong, Z., Xinyang, H., Minyu, J. and Xiukun, W., 2020. Multitarget defect detection of railway track based on image processing. 2020 Chinese Control And Decision Conference (CCDC), IEEE, 3377-3382.
  • Bradski, G. and Kaehler, A., 2008. Learning OpenCV. O’Reilly Media Inc.
  • Çelik,A., 2020. Demiryolu Ray ve Kusurlarını Tespit Etmek İçin Geliştirilen İki Yeni Yöntem. Demiryolu Mühendisliği, 12, 52-63. doi:10.47072/demiryolu.737624
  • Eksi, Z. and Cakiroglu M., 2012. Performance evaluation of the popular segmentation algorithms for bone fracture detection. AWERProcedia Information Technology & Computer Science, 1: 1245–1249.
  • Hoang, N.D., 2018. Detection of surface crack in building structures using image processing technique with an improved otsu method for image thresholding. Advances in Civil Engineering, 1-10.
  • Li, L., Yang, Y., Cai, X. and Kang, Y., 2020. Investigation on the formation mechanism of crack indications and the influences of related parameters in magnetic particle inspection. Applied Science, 10, 6805, 1-16.
  • Liu, H.X. and Danczyk, A., 2009. Optimal sensor locations for freeway bottleneck identification. Computer-Aided Civil and Infrastructure Engineering, 24, 8, 535–550.
  • Luk, B.J. and H.S. Chan, A.H.S., 2007. Human factors and ergonomics in dye penetrant and magnetic particles nondestructive inspection methods. Engineering Letters.
  • Luo, J., Tian, Z. and Yang, J., 2014. Fluorescent magnetic particle inspection device based on digital image processing. Proceeding of the 11th World Congress on Intelligent Control and Automation, IEEE, 5677-5681.
  • Luo, Y., Qu, P. and Dong, W., 2008. Fault diagnose of aero engine based on digital image processing. 2008 Chinese Control and Decision Conference (CCDC 2008), IEEE Xplore.
  • Ma, T., Sun, Z., Zhang, W. and Chen, Q., 2016. A machine vison assisted system for fluorescent magnetic particle inspection of railway wheelsets. AIP Conference Proceeding, 1706, 1.
  • Mohan, A. and Poobal, S., 2017. Crack detection using image processing: A critical review and analysis. Alexandria Engineering Journal, 1-17.
  • Rakesh, M. and Ravi, T., 2012. Image Segmentation and Detection of Tumor Objects in MR Brain Images Using Fuzzy C-Means (FCM) Algorithm. International Journal of Engineering Research and Applications, 2088-2094.
  • Shull, P.J., 2001. Nondestructive evaluation theory, Techniques, and Applications. CRC Press.
  • Tout, K., Meguenani, A., Urban, J.P. and Cudel, C., 2021. Automated vision system for magnetic particle inspection automated vision system for magnetic particle inspection. The International Journal of Advanced Manufacturing Technology, 1, 3307-3326.
  • Ye, J.H., Ni, R.H. and Hsu, Q.C., 2021. Image feature analysis for magnetic particle inspection of forging defects. Journal of Engineering Manufacture, 1-7.
  • https://www.magnaflux.com/Files/Product-Data-Sheets/Accessories/Magnetic-Particle-Test-Bar_Product-Data-Sheet_English.pdf, (16.06.2022)
  • https://opencv.org/, (05.01.2023)
Toplam 18 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Yazılım Mühendisliği, Mühendislik
Bölüm Makaleler
Yazarlar

Volkan Sözeri 0000-0002-8454-9388

Orhan Keskin 0000-0003-2136-8421

Coşkun Harmanşah 0000-0003-4946-8344

İlkay Kozak 0000-0003-3988-4109

Esma Nur Kibar 0000-0002-2766-0012

Erken Görünüm Tarihi 1 Mart 2023
Yayımlanma Tarihi 1 Mart 2023
Gönderilme Tarihi 12 Eylül 2022
Yayımlandığı Sayı Yıl 2023 Cilt: 23 Sayı: 1

Kaynak Göster

APA Sözeri, V., Keskin, O., Harmanşah, C., Kozak, İ., vd. (2023). Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 23(1), 115-122. https://doi.org/10.35414/akufemubid.1173473
AMA Sözeri V, Keskin O, Harmanşah C, Kozak İ, Kibar EN. Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. Mart 2023;23(1):115-122. doi:10.35414/akufemubid.1173473
Chicago Sözeri, Volkan, Orhan Keskin, Coşkun Harmanşah, İlkay Kozak, ve Esma Nur Kibar. “Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması”. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 23, sy. 1 (Mart 2023): 115-22. https://doi.org/10.35414/akufemubid.1173473.
EndNote Sözeri V, Keskin O, Harmanşah C, Kozak İ, Kibar EN (01 Mart 2023) Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 23 1 115–122.
IEEE V. Sözeri, O. Keskin, C. Harmanşah, İ. Kozak, ve E. N. Kibar, “Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması”, Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, c. 23, sy. 1, ss. 115–122, 2023, doi: 10.35414/akufemubid.1173473.
ISNAD Sözeri, Volkan vd. “Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması”. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi 23/1 (Mart 2023), 115-122. https://doi.org/10.35414/akufemubid.1173473.
JAMA Sözeri V, Keskin O, Harmanşah C, Kozak İ, Kibar EN. Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. 2023;23:115–122.
MLA Sözeri, Volkan vd. “Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması”. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, c. 23, sy. 1, 2023, ss. 115-22, doi:10.35414/akufemubid.1173473.
Vancouver Sözeri V, Keskin O, Harmanşah C, Kozak İ, Kibar EN. Görüntü İşleme Algoritmalarına Dayalı Olarak Manyetik Parçacık Test Görüntülerinde Kusur Tespitinin Araştırılması. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi. 2023;23(1):115-22.