Journal of the Institute of Convergence Signal Processing (융합신호처리학회논문지)

The Korea Institute of Convergence Signal Processing (한국융합신호처리학회)
권호 표지

An Algorithm of Welding Bead Detection and Evaluation Using and Multiple Filters Geodesic Active Contour

다중필터와 축지적 활성 윤곽선 알고리즘을 이용한 용접 비드 검출 및 판단 알고리즘

  • Milyahilu, John (Dept. of IT Convergence & Applications Engineering, Pukyong National University) ;
  • Kim, Young-Bong (Dept. of IT Convergence & Applications Engineering, Pukyong National University) ;
  • Lee, Jae Eun (Dept. of IT Convergence & Applications Engineering, Pukyong National University) ;
  • Kim, Jong-Nam (Dept. of IT Convergence & Applications Engineering, Pukyong National University)
  • 존 믈랴히루 (부경대학교 IT융합응용공학과) ;
  • 김영봉 (부경대학교 IT융합응용공학과) ;
  • 이재은 (부경대학교 IT융합응용공학과) ;
  • 김종남 (부경대학교 IT융합응용공학과)
  • Received : 2021.09.01
  • Accepted : 2021.09.30
  • Published : 2021.09.30
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose an algorithm of welding bead detection and evaluation using geodesic active contour algorithm and high pass filter with image processing technique. The algorithm uses histogram equalization and high pass filter as gaussian filter to improve contrast. The image processing techniques smoothens the welding beads reduce the noise on an image. Then, the algorithm detects the welding bead area by applying the geodesic active contour algorithm and morphological ooperation. It also applies the balloon force that either inflates in, or deflates out the evolving contour for a better segmentation. After that, we propose a method for determining the quality of welding bead using effective length and width of the detected bead. In the experiments, our algorithm achieved the highest recall, precision, F-measure and IOU as 0.9894, 0.9668, 0.9780, and 0.8957 respectively. We compared the proposed algorithm with the conventional algorithms to evaluate the performance of the proposed algorithm. The proposed algorithm achieved better performance compared to the conventional ones with a maximum computational time of 0.6 seconds for segmenting and evaluating one welding bead.

본 논문에서는 다중필터와 축지적 활성 윤곽선 (geodesic active contour) 알고리즘을 이용하여 용접 비드 검출 및 용접 품질 판단 알고리즘을 제안한다. 제안하는 알고리즘은 전단의 히스토그램 평활화와 가우시안 필터를 적용하여 용접 비드의 영상의 대비향상과 함께 영상을 부드럽게 하며, 영상의 잡음을 줄인다. 후에 활성 윤곽선 세그멘테이션과 형태학적 필터를 적용하여 용접 비드 영역을 검출하게 된다. 축지적 활성 윤곽선 영역화에서 매개변수인 팽창 힘을 이용하여 윤곽선을 팽창하거나 또는 축소시켜서 좀 더 정확하게 용접 비드를 검출하도록 한다. 용접 비드 영역을 검출한 후에 비드 영역의 유효 길이와 유효 폭의 비율을 이용하여 해당 용접의 품질 정오를 판단하는 방법을 제시한다. 실험을 통하여 제안한 알고리즘은 재현율 0.990, 정밀도 0.967, F-측정 0.978, IOU 0.896의 성능을 보였다. 제안한 알고리즘의 성능을 평가하기 위하여 용접 비드 분할에 주로 사용되는 기존의 알고리즘들을 이용하여 비교 분석하였다. 제안한 알고리즘의 성능이 우수함을 보였으며 용접 비드의 분할 및 평가 시간은 최대 0.6초가 걸렸다.

Keywords

Acknowledgement

본 논문은 과학기술정보통신부 지역SW서비스 사업화 지원 과제, 한국연구재단의 기초연구사업, LINC+ 산학공동기술개발 과제 및 산업통상자원부와 한국산업기술진흥원의 지역혁신 클러스터 육성사업(R&D P0004797)의 지원으로 수행되었습니다.

References

  1. H. I. Kurt, M. Oduncuoglu, N. F. Yilmaz, E. Ergul, and R. Asmatulu, "A Comparative Study on the Effect of Welding Parameters of Austenitic Stainless Steels Using Artificial Neural Network and Taguchi Approaches with ANOVA Analysis," Metals, Vol. 8, No. 326, pp. 1-13, 2018. .
  2. J. He, C. S. Kim, and C-C. J. Kuo, "Interactive Segmentation Techniques Algorithms and Performance Evaluation," SpringerBriefs in Signal Processing, pp. 17- 62, 2013.
  3. O. Haffner, E. Kucera, and S. Kozak, "Weld Segmentation for Diagnostic and Evaluation Method," Cybernetics & Informatics, Levoca, Slovakia, pp. 1-6, 2016.
  4. B. Wu, and Y. Yunyun, "Local- and Global-Statistic-Based Active Contour Model for Image Segmentation," Mathematical Problems in Engineering, Vol. 23, No. 4, pp. 1-16, 2012. https://doi.org/10.1155/2012/573439
  5. O, Haffner, E. Kucera, P. Drahos, and J. Ciganek, "Using Entropy for Welds Segmentation and Evaluation," Entropy, Vol. 21, No. 12, pp. 1-29, 2019.
  6. J. Liu, Z. Fan, S. I. Olsen, K. H. Christensen, and J. K. Kristensen, "Boosting Active Contours for Weld Pool Visual Tracking in Automatic Arc Welding," IEEE. Transactions and Automation Science and Engineering, Vol. 14, No. 8, pp. 1096 - 1108, 2017. https://doi.org/10.1109/TASE.2015.2498929
  7. V. Caselles, R. Kimmel, and G. Sapiro, "Geodesic Active Contours," International Journal of Computer Vision, Vol. 22, No. 1, pp. 61-79, 1997. https://doi.org/10.1023/A:1007979827043
  8. L. Alvarez, L. Baumela, P. Henriquez, and P. M. Neila, "Morphological Snakes," Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Francisco, CA, pp. 2197-2202, 2010.
  9. Z. Wang, and Y. Liu, "Active contour model by combining edge and region information discrete dynamic systems," Advances in Mechanical Engineering Vol. 9, No. 3, pp. 1-10, 2017.
  10. L. Alvarez, L. Baumela, P. M. Neila, and P. Henriquez, "A Real Time Morphological Snakes Algorithm," Image Processing on Line, Vol. 2, pp. 1-7, 2014. https://doi.org/10.5201/ipol.2012.abmh-rtmsa
  11. J. Ma, D. Wang, X. P. Wang, and X. Yang, "A Fast Algorithm for Geodesic Active Contours with Applications to Medical Image Segmentation," Computer Vision and Pattern Recognition pp. 1-10, 2020.