Baixe o app para aproveitar ainda mais
Prévia do material em texto
X SBAI – Simpósio Brasileiro de Automação Inteligente 18 a 21 de setembro de 2011 São João del-Rei - MG - Brasil ISSN: 2175-8905 - Vol. X 444 INSPEÇÃO DE SOLDA UTILIZANDO VISÃO COMPUTACIONAL ALECSANDER PEREIRA MARTINS 1, JOSÉ CARLOS PIZOLATO JUNIOR 2. 1. Departamento de Engenharia Elétrica, UEL Caixa Postal 6025 Cep: 86051-980, Londrina, PR, Brasil E-mail: apms6592@gmail.com 2. Depto. de Engenharia Elétrica, Universidade Federal de São Carlos-UFSCar Cep: 13565-905, São Carlos, SP, Brasil E-mail: jcpizolato@yahoo.com.br Abstract This paper proposes the application of a computer vision system for measuring and analyzing the cross section of sheet metal together under the action of the industry welding process. The proposed inspection system quantifies the material deposited in the fillets weld T type joints obtained in the processes GMAW (Gas Metal Arc Welding). The algorithm used in au- tomatic inspection system has the following characteristics: it analyzes quantitatively the solder regardless of the format of the section, performs measurements without the use of conventional mechanical instruments and professional skills with advanced operational. The proposed system was subjected to experimental tests performed in a batch of specimens of a center of industrial welding. A comparison between the performances of the proposed systems and traditional welding inspection was performed. Each section of the specimen was analyzed by a group of professional inspection, obtaining the average values of quantitative parameters. Automation proposal showed exactness of approximately 94% compared to the rate of 62% of the measurements performed by operators of welding. Keywords Computer Vision, Inspection Process Automation, Weld Inspection, Morphological Operation in Image. Resumo Este trabalho propõe a aplicação de um sistema de visão computacional para a medição e análise da secção transver- sal de chapas metálicas unidas sob a ação do processo de soldagem industrial. O sistema de inspeção proposto quantifica o ma- terial depositado em filetes de solda de junções tipo T obtidos em processos GMAW (Gas Metal Arc Welding). O algoritmo uti- lizado no sistema de inspeção automático apresenta as seguintes características: analisa quantitativamente a solda independente do formato da secção, realiza medições sem a necessidade de instrumentos convencionais mecânicos e profissional com qualifi- cação operacional avançada. O sistema proposto foi submetido a testes experimentais que foram realizados num lote de corpos de prova de um centro de soldagem industrial. Uma comparação entre os desempenhos dos sistemas proposto e tradicional de inspeção de soldagem foi realizada. Cada secção do corpo de prova foi analisada por um grupo de profissionais de inspeção ob- tendo-se a média de valores dos parâmetros quantitativos. A automatização proposta apresentou exatidão em torno de 94% comparado ao índice de 62% das medições realizadas por operadores de soldagem. Palavras-chave Visão Computacional, Automatização de Processo de Inspeção, Inspeção de Solda, Operação Morfológica em Imagem. 1 Introdução Nos últimos anos houve um crescimento da demanda por soldagem industrial, principalmente da soldagem automatizada em indústrias de manufatura, um dos exemplos é o setor automotivo. Na referência de Me- dina e Crispim (2010), dos robôs industriais articula- dos instalados a nível mundial, 50% deles são usados para soldagem. Neste contexto a análise da solda é fundamental no processo de união metálica, uma vez que evita desperdícios e insuficiência de material du- rante a deposição como indica a American Welding Society (AWS) (2000). De acordo com o trabalho de Dixon, Edwards and Palmer (1999) para a inspeção inicial de soldagem são aplicados os ensaios não des- trutivos (END´s) que apresentam baixo custo de pre- paração. Entre eles destaca-se o ensaio de inspeção visual com diferentes metodologias para a inspeção automática como descreve Schneider et al. (2004). Na detecção de falhas de soldagem em imagens radiográ- ficas, as referências de Wang and Liao (2002), e Sha- feek et al. (2004a) são fundamentados em técnicas de visão computacional. Nos trabalhos aplicados na me- dição da região de solda e inspeção automática, desta- ca-se o método de inspeção on-line de White, Smith and Lucas (1994) e Schreiber et al. (2008). A evolução no processamento de imagem, visão computacional, inteligência artificial de outras áreas afins, têm melhorado significativamente a capacidade das técnicas para a inspeção visual descrito por Sha- feek et al. (2004b). O objetivo deste trabalho é auto- matizar a inspeção visual dimensional da secção transversal de solda aplicando a visão computacional. Diferente das várias etapas de processamento citados por Ng (2006), Alaknanda and Kumar (2005), Li et al. (2006), Shi et al. (2007) e comentados por Wang et al. (2008), esta proposta fundamenta-se basicamente na aplicação da técnica de morfologia matemática em imagens binárias, mencionado por Marques e Vieira (1999). Dessa forma, o algoritmo proposto permite a redução dos custos de hardware e do tempo de pro- cessamento computacional na inspeção quantitativa na X SBAI – Simpósio Brasileiro de Automação Inteligente 18 a 21 de setembro de 2011 São João del-Rei - MG - Brasil ISSN: 2175-8905 - Vol. X 445 secção transversal de solda. O sistema proposto não utiliza um quadro de referência em torno da secção de solda para o ajuste entre as dimensões reais e da ima- gem a ser mensurada, não limitando o tamanho do corpo de prova. Além disso, ele não utiliza imagens radiográficas e dispensa equipamentos online entre o processo de soldagem e a medição. Este sistema pode ser aplicado na medição de trincas aparentes na solda. Este artigo está organizado como descrito a se- guir. Na seção 2 são apresentados os parâmetros que devem ser mensurados para avaliar a qualidade de soldagem. Na Seção 3 é resumido o procedimento de medição tradicional da soldagem. A seção 4 descreve o sistema de inspeção proposto e a seção 5 descreve o processamento digital da imagem. Na seção 6 são apresentados os resultados da implementação. As con- clusões sobre o sistema proposto estão na seção 7. 2 Parâmetros de Medição Os principais parâmetros de medição em solda- gem de acordo com a norma D1.1/D1.1M:2004 da American National Standard / AWS (2004) estão ilus- trados na Fig. 1. O parâmetro h é o parâmetro que indica o comprimento da perna de solda ou tamanho da solda, obtida através do cálculo da média aritméti- ca entre as medidas h1 e h2. A AWS recomenda o tamanho mínimo da solda em relação à espessura das chapas metálicas dispostas em 90° conforme especifi- cado na tabela 1. Tabela 1. Tamanho de solda comparado à espessura da chapa. Espessura chapa em (mm) Tamanho mínimo da solda (mm) T ≤ 6.4 3 6.4 < T ≤ 12.7 5 12.7 < T ≤ 19.0 6 19.0 < T 8 Uma outra medida necessária para mensurar a dimensão da solda é a garganta teórica t, que indica a altura do filete de solda desde a raiz r até a linha trace- jada transversal que toca as extremidades do filete de solda nas chapas metálicas, como mostrado na Fig.1. Fig. 1. Secção transversal do filete de solda após a união de duas chapas metálicas. h1 representa o comprimento da perna de solda horizontal. h2 representa o comprimento da perna de solda vertical. t é a altura do filete de solda desde a raiz r até a linha tracejada transversal que une os pontos de encontro entre as chapas e filete de solda. A partir das medições destes parâmetros sãoextraídas conclusões quantitativas que indicam a qualidade e resistência da solda no aspecto dimensional. A deter- minação da medida da garganta teórica é representada pelo parâmetro t na equação (1). Este parâmetro se- gundo Chang and Chen (2008) deve ser próximo de 70% do tamanho da solda h. Para garantir a resistência mínima de soldagem em relação à espessura das cha- pas metálicas, o parâmetro adequado da garganta teó- rica garante que a junção não sofrerá falhas prematu- ras quando submetidas a esforços mecânicos. ht 707.0= (1) 3 Processo de Medição Tradicional A avaliação da região de soldagem em um corpo de prova precede o processo definitivo de união metá- lica em linha de produção. O corpo de prova é consti- tuído por meio da união de chapas metálicas com ma- terial de adição dispostas a 90°, também chamada solda T, como ilustrado na Fig. 2. As medições expe- rimentais são realizadas na seção transversal das cha- pas conforme mostrado na Fig. 1. Fig. 2. Corpo de prova obtido da união em T de duas chapas metá- licas dispostas em 90° num processo de soldagem. No procedimento tradicional de inspeção de sol- dagem há uma medição obtida com instrumento de metrologia por contato direto com a região de solda. A Fig. 3(a) ilustra a aplicação da escala graduada na medição de uma dimensão do corpo de prova. As Fig. 3(b) e 3(c) ilustram a medição da secção do corpo de solda empregando os seguintes instrumentos de medi- ção: paquímetro digital e um micrômetro. Nestes pro- cedimentos de medição há uma incerteza no posicio- namento do instrumento de medição que irá depender da experiência técnica do operador do instrumento. Embora os instrumentos acima citados apresentem resolução elevada, os processos de medição por conta- to levam a erros conforme é mencionado por Barazze- tti and Scaioni (2009). Dentre os erros mais comuns na medição em soldagem podem ser citados: erro de leitura devido à insuficiência de conhecimento técnico do instrumento por parte do operador de soldagem, erro de paralaxe devido ao posicionamento inadequa- do do instrumento ou operador em relação à escala de leitura, e erro ocasionado por falta de certificação ou calibração dos instrumentos de medição. Desta forma, o método tradicional de medição pode gerar leituras diferentes entre operadores de soldagem para a mesma região de solda. Este inconveniente implica no aumen- X SBAI – Simpósio Brasileiro de Automação Inteligente 18 a 21 de setembro de 2011 São João del-Rei - MG - Brasil ISSN: 2175-8905 - Vol. X 446 to do número de leituras, devido ao acompanhamento constante em relação à confiabilidade das medições. (a) (b) (c) Fig. 3. Instrumentos de metrologia dimensional posicionados na secção transversal do corpo de prova. (a) Escala graduada. (b) Paquímetro digital. (c) Micrômetro analógico. Dentre os equipamentos mais avançados em me- dição dimensional automatizada destacam-se: o equi- pamento de medição tridimensional por contato e o projetor de perfil (medição sem contato). Estes equi- pamentos apresentam alta confiabilidade e elevado custo de aquisição. Além disso, eles são utilizados em ambientes controlados e devem ser aplicados em labo- ratórios de metrologia profissional. Entretanto, o posi- cionamento do corpo de prova por um operador do equipamento ainda persiste. Com o objetivo de minimizar os inconvenientes apresentados no método de inspeção tradicional, um método de inspeção quantitativo da área de soldagem fundamentado em visão computacional é apresentado na próxima seção. 4 O Sistema de Inspeção Proposto O sistema de inspeção automático proposto está ilustrado no diagrama em blocos da Fig. 4. Fig. 4. Diagrama em blocos do sistema de inspeção proposto. O corpo de prova em secção transversal apresen- tado na seção 3 é a entrada do sistema proposto. A aquisição da imagem do corpo de prova é realizada por meio de uma câmera com Dispositivo de Carga Acoplada ou sensor CCD (Charged Coupled Device) comentado por Russ (1998) posicionado sobre a sec- ção transversal do mesmo. De acordo com Edmund Optics (2011) para não ocorrer distorções na imagem é necessário manter a distância mínima de trabalho entre o objeto e a câmera, e no sistema proposto a distância foi de 40 cm. A região de interesse a ser me- dida no corpo de prova é o filete de solda em secção transversal, como apresenta em destaque a Fig. 5. Fig. 5. Secção transversal do corpo de prova com o filete de solda em destaque. A imagem é transferida por cabo entre a câmera e o computador. A interface usuário/software (bloco 1, Fig. 4) solicita ao usuário a seleção da imagem a ser medida para o início do processamento. A Fig. 6 ilus- tra a mensagem de solicitação do software ao usuário. Fig. 6. Mensagem do software na interface do usuário para a sele- ção da imagem do corpo de prova. O processamento digital da imagem (bloco 2, Fig. 4) no sistema proposto é detalhado na seção 5. Nesta fase é extraída para a medição apenas a secção trans- versal do filete de solda, como mostra a Fig. 7. Fig. 7. Corpo de prova em secção transversal. Em destaque a sec- ção do filete de solda extraída do corpo de prova. Como existem distintas aplicações da soldagem industrial, tensões de trabalho e diversos formatos de peças que utilizam soldagem, o sistema de inspeção proposto compara as dimensões do filete de solda com a norma e parâmetros citados na seção 2. As medidas h1 e h2 da perna de solda e garganta teórica t estão na secção do filete de solda ilustrado na Fig. 8. Fig. 8. Secção transversal do filete de solda apresentando apenas o material de deposição. A média dos valores das medidas h1 e h2 indicam a perna de solda. A medida t indica a garganta teórica. A saída do sistema proposto no diagrama em blo- cos da Fig. 4 é a inspeção automática quantitativa da secção transversal de solda, com o resultado final na forma de mensagem na interface: ‘Filete de solda sufi- ciente’ ou ‘Filete de solda insuficiente’, dispensando um técnico especialista na área neste tipo de análise. 5 Processamento Digital da Imagem O processamento digital proposto é realizado no domínio espacial da imagem do corpo de prova, atu- ando diretamente na morfologia dos pixels da imagem. X SBAI – Simpósio Brasileiro de Automação Inteligente 18 a 21 de setembro de 2011 São João del-Rei - MG - Brasil ISSN: 2175-8905 - Vol. X 447 A imagem do corpo de prova é composta por 256 ní- veis de cinza. O processamento digital da imagem está ilustrado no diagrama em blocos da Fig. 9. Fig. 9. Diagrama em blocos do processamento digital da imagem. As coordenadas de um pixel na imagem é repre- sentada pela função f(x,y), onde x representa a coorde- nada linha e y a coordenada coluna na matriz corres- pondente ao tamanho da imagem. A Fig. 10 mostra a coordenada inicial f(1,1) do pixel na imagem e final f(256, 256) no exemplo da imagem com 65536 pixels. A leitura da imagem (bloco 1, Fig. 9) é realizada de forma a identificar os níveis de cinza de todos os pixels na imagem da secção transversal. Fig. 10. Imagem da secção transversal do corpo de prova com tamanho de 256 x 256 pixels com a representação dos pixels em linha: eixo x, e a representação dos pixels em coluna: eixo y. O sistema de inspeção proposto utiliza um dos métodos de Dunnu, Hilber and Schnell (2006) para a calibração entre os valores dimensionaisreais da sec- ção do corpo de prova e a relativa imagem (bloco 2, Fig. 9). Esse método utiliza uma medida fisicamente conhecida, calculando a proporcionalidade (fator de escala) sobre a mesma região na imagem. Este único fator de escala é aplicado nas demais dimensões da imagem. No sistema de inspeção proposto a medida conhecida é a espessura da chapa metálica superior do corpo de prova. O algoritmo recebe da interface o valor de milímetros da chapa superior, compara com a mesma região em pixels e identifica o fator de esca- la. No exemplo da Fig. 11 é ilustrada a mensagem de solicitação do software para o usuário fornecer a me- dida conhecida em milímetros da chapa superior. O valor inserido da espessura da chapa superior é 8 mi- límetros que resulta no valor de 71 pixels na imagem. Fig. 11. Mensagem de solicitação da interface do software para o usuário sobre a espessura da chapa superior do corpo de prova. Na sequência o valor da espessura da chapa superior em pixels na imagem. Para a posterior medição da imagem, a mesma é modificada para a escala de níveis de cinza que vari- am de 0 até 1 (bloco 3, Fig. 9) por meio da equação (2) de normalização da média variância citado por Heijden (1994). Na normalização do trabalho propos- to, o termo I(i) representa o nível de cinza original do pixel, e os termos Imin e Imax seus níveis extremos de intensidade na escala de 256 níveis. Os novos valores dos pixels g(x,y) variam agora de valor 0 que repre- senta o pixel preto, até o valor 1 que representa o pixel branco. A Fig. 12 apresenta a imagem em escala de níveis de cinza com a intensidade de valor 0.6 no mo- delo de representação de cor RGB (vermelho, verde e azul) descrita por Pratt (2001). ( ) ),(),( 1 Im)( ImIm yxgyxf iniI inax =− − (2) Fig. 12. Imagem da secção de solda em escala de cinza com inten- sidade no valor de 0,6 na representação de cor RGB. Para a quantificação mais precisa do filete de sol- da no sistema proposto, é necessário modificar os pixels da escala de níveis de cinza para a escala biná- ria, (bloco 4, Fig. 9) ou binarização da imagem como descrito na referência de Laksmana et al. (2009). Para modificar a imagem de escala de cinza para escala binária como mostra a Fig. 13 (pixel branco: 1 e pixel preto: 0), é aplicada a técnica de segmentação de ima- gem por limiarização de Russ (2007) e Gonzalez and Woods (2002), que atribui valores fixos 0 ou 1 para os pixels nas coordenadas da imagem xij, com i represen- tando linhas e j as colunas. Nos pixels de intensidade maior em relação a determinado limiar L na equação (3) atribui-se valor 1, e nos pixels de intensidade me- nor ou igual ao limiar L é atribuído o valor 0. ≤= >= = Lyxfx Lyxfx yxg ji ji ),( se 0 ),( se 1 ),( , , (3) Fig. 13. Imagem binária da secção transversal de solda apresentan- do o pixel branco com valor 1, e o pixel preto valor 0 na represen- tação de cor RGB. X SBAI – Simpósio Brasileiro de Automação Inteligente 18 a 21 de setembro de 2011 São João del-Rei - MG - Brasil ISSN: 2175-8905 - Vol. X 448 Na segmentação da imagem (bloco 5, Fig. 9) rea- liza-se o isolamento da área de interesse extraída da imagem binária. Para isso é aplicada a técnica menci- onada por Gonzalez and Woods (2002) de subtração (4) entre imagens. A operação é realizada entre os pixels da imagem completa f(x,y) ilustrado na Fig. 14(a), subtraindo os pixels da imagem criada das cha- pas em secção transversal h(x,y) na Fig. 14(b). Assim é obtida apenas a imagem da secção transversal do filete de solda g(x,y) como ilustrado na Fig. 14(c). ),( - ),( ),( yxhyxfyxg = (4) (a) (b) (c) Fig. 14. (a) Imagem binária completa (b) Imagem criada a partir da secção original das chapas do corpo de prova. Fig. 14. (c) Secção transversal do filete de solda extraído da imagem completa. Para a realização da medição dos pixels na área de solda na imagem (bloco 6, Fig. 9) é utilizado o méto- do de medição de distância Euclidiana entre os pixels do filete de solda. Segundo Gonzalez e Woods (2010), para os pixels p, q, e z com as seguintes coordenadas: (x, y), (s, t), e (v, w), respectivamente, D é uma função distância ou métrica: ).,D(),D( ),D( (c) e ),,D(),D( (b) ) se somente e se 0),(D( 0 ),D( (a) zqqpzp pqqp qpqpqp += = === Onde a distância Euclidiana (5) entre p e q é definida: 2 1 ])()[(),( 22 tysxqpDe −+−= (5) Nesta etapa também é calculada a área de solda em termos de mm². O termo bn,m na equação (6) represen- ta as coordenadas da imagem original e Mp,q o número de pixels da região. mn qp N n M m qp bmnM , 1 0 1 0 , ∑∑ − = − = = (6) No cálculo da área de deposição de solda na imagem, Mp,q M0,0 ∆² é uma estimativa direta da área do filete de solda. A Saída do processamento digital da imagem é o valor da garganta teórica, que é a medida de referência quantitativa de solda também em sistemas comerciais de inspeção que utilizam imagens. O sistema de inspe- ção proposto apresenta ao usuário por meio da inter- face a medida da garganta teórica para a comparação e validação, e a mensagem da análise sobre a quantida- de de solda depositada, como a ilustra a Fig.15. Fig. 15. Resultado apresentado ao usuário do sistema de inspeção na interface com o software: O valor da medida da garganta teórica e a mensagem sobre a quantidade de solda depositada no filete. 6 Resultados O sistema de inspeção de solda proposto foi sub- metido à medição do parâmetro da garganta teórica em amostras de corpos de prova confeccionadas no processo de soldagem manual e com diferentes geo- metrias no filete de solda. Um grupo de inspetores em soldagem realizou a leitura referencial do valor verda- deiro do mensurando (garganta teórica) nas amostras. O sistema proposto apresentou exatidão superior a 30% comparado à média de leitura dos operadores de soldagem no processo de medição tradicional da seção 3. Na comparação entre as formas de leitura foi utili- zada uma planilha de repetições em metrologia dimen- sional e os resultados estão na tabela 2. Tabela 2. Resultados das leituras referenciais do parâmetro da garganta teórica obtidos por inspetores em soldagem em 25 amos- tras e comparados com as leituras do sistema proposto e as leituras dos operadores de soldagem com os respectivos índices de erro. Amostra Leitura Insp. Solda Leitura Sistema Proposto Leitura Operadores Soldag. (mm) (mm) erro (mm) erro 1 5,2 4,9 -6% 3,9 -25% 2 6 5,6 -7% 4,1 -32% 3 6,4 6,8 6% 9,3 45% 4 7 7,3 4% 4,4 -37% 5 7,3 7,7 5% 10,7 47% 6 7,3 7,8 7% 4,7 -36% 7 7,5 7,1 -5% 5,1 -32% 8 7,6 7,1 -7% 11,2 47% 9 7,7 8,2 6% 10,9 42% 10 7,7 8 4% 10,8 40% 11 7,8 8,3 6% 5 -36% 12 7,9 7,4 -6% 5,1 -35% 13 8,1 8,5 5% 11,9 47% 14 8,2 8,8 7% 11,5 40% 15 8,2 8,9 9% 11,9 45% 16 8,4 8 -5% 12,3 46% 17 8,4 8,8 5% 12 43% 18 8,7 8,4 -3% 12,3 41% 19 8,9 9,7 9% 13,1 47% 20 9,2 9,8 7% 13 41% 21 9,3 9,9 6% 11,8 27% 22 9,4 10,2 9% 12,5 33% 23 10,4 10,9 5% 13,2 27% 24 10,8 11,6 7% 14,7 36% 25 11,1 11,8 6% 13,1 18% Média erro: 6,1% Média erro: 37,8% Exatidão: 93,9% Exatidão: 62,2% Pretende-se validar também o sistema proposto comparando-o a um sistema comercial de inspeção de solda com medição da garganta teórica por imagens. 7 Conclusão Diante dos resultados experimentais iniciais, o sistema automatizado proposto demonstrou maior X SBAI – Simpósio Brasileiro de Automação Inteligente 18 a 21 de setembro de 2011 São João del-Rei - MG - Brasil ISSN: 2175-8905 - Vol. X449 concordância com os valores referencias nos testes de leitura da garganta teórica, em média o erro foi de 6,1%. A implementação aplica um software com mí- nima exigência de hardware: processador de 1.8 GHz e 1GB de RAM. Diferente em relação ao método tra- dicional e de alguns sistemas comerciais de inspeção, o sistema proposto mede sem contato e de forma au- tomática a garganta teórica, permitindo também a aná- lise dimensional do filete de solda. O trabalho propos- to permite viabilizar a inspeção quantitativa da secção transversal de solda produzida de forma manual ou robotizada, sem a necessidade do profissional qualifi- cado na inspeção de solda, visão computacional e pro- cessamento de imagens. Dispensa instalações labora- toriais, tornando-o acessível em linha de produção e centros de treinamento em soldagem industrial. Agradecimentos Agradecimentos ao Dep. de Eng. Elétrica-UEL. Referências Bibliográficas Alaknanda, A.R.S and Kumar, P. 2005, ‘Flaw Detec- tion in radiographiac weld images using morpho- logical approach’. NDT & E Int. vol. 39, no.1, pp. 29-33. American Welding Society 2000, Welding Inspection Handbook, 3° ed. AWS, Miami. American Welding Society 2004, Structural Welding Code Steel, 18° ed, AWS, Miami. Barazzetti, L. and Scaioni, M. 2009, ‘Crack measure- ment: Development, testing and applications of an automatic image-based algorithm’, ISPRS Journal of Photogrammetry and Remote Sensing, vol. 64, pp. 285-296. Chang, C.L. and Chen, H.Y. 2008, ‘Weld contour measurement of fillet welds by the ‘reverse engi- neering technique, Journal of Manufacturing Sys- tems, vol. 27, pp. 1-6. Dixon, S; Edwards, C. and Palmer S.B. 1999, ‘A la- ser–EMAT system for ultrasonic weld inspec- tion’, Ultrasonics, vol. 37, pp. 273-281. Dunnu, G; Hilber, T. and Schnell, U. 2006 ‘Advanced Size Measurements and Aerodynamic Classifica- tion of Solid Recovered Fuel Particles’Energy & Fuels, vol. 20, pp. 1685-1690. Gonzalez, R. C. and Woods R.E. 2002, Digital Image Processing, 2° ed. Prentice Hall, New Jersey. Gonzalez, R.C e Woods R.E. 2010, Processamento Digital de Imagens, Pearson, 3° ed. São Paulo. Heijden, D.V.F. 1994, Image Based Measurement Systems: Object Recognition and Parameter Es- timation, 1° ed. John Wiley and Sons, New York. Laksmana, F. L; Vliet L. J. V; Kok, P. J. A; Vromans, H; Frijlink, H.W. and Maarschalk, V.V.K. 2009, ‘Quantitative Image Analysis for Evaluating the Coating Thickness and Pore Distribution’. Phar- maceutical Research, vol. 26, no. 4, pp. 965-976. Li, X; Tso, S.K; Guan X.P. and Huang, Q. 2006, ‘Im- proving automatic detection of defects in castings by applying wavelet technique’. IEEE Trans Ind Electron, vol. 53, no. 3, pp.1927-1934. Marques, F. O. e Vieira, N.H. 1999, Processamento Digital de Imagens, Editora Brasport. Rio de Ja- neiro. Medina, R. M. e Crispim, S.F. 2010, ‘Fatores deter- minantes no processo de decisão de investimentos em robotização na indústria brasileira de autope- ças’, Revista Gestão e Produção, UFSCar, vol. 17, n. 3, pp. 567-578. Ng, F.H. 2006, ‘Automatic thresholding for defect detection’, Pattern Recognition Letters, vol. 27, pp. 1644-1649. Optics and Optical Instruments Catalog. 2011. Ed- mund Optics, USA. Pratt, W. K. 2001, Digital Image Processing, John Wiley and Sons, New York. Russ, J. C. 1998, The Image Processing Handbook 3th ed. CRC Press. London. Russ, J. C. 2007, The Image Processing Handbook 5th ed. CRC Press Taylor & F. G. Boca Raton. Shafeek, H.I; Gadelmawla, E.S; Abdel Shafy, A.A and Elewa, I.M. 2004a, ‘Assessment of welding de- fects for gas pipeline radiographs using computer vision’, NDT&E International, vol. 37, pp. 291- 299. Shafeek, H.I; Gadelmawla, E.S; Abdel Shafy, A.A and Elewa, I.M. 2004b, ‘Automatic inspection of gas pipeline welding defetcs using an expert vision system’, NDT&E International, vol. 37, pp. 301- 307. Schneider, G.A; Felisberto M. K; Arruda, L.V.R e Centeno T. M. 2004, ‘Segmentação de cordões de solda por meio do perfil em imagens radiográfi- cas’, XV Congresso Brasileiro de Automação - CBA, Gramado, Rio Grande do Sul. Schreiber, D; Cambrini, L; Biber, J. and Sardy, B. 2008, ‘Online visual quality inspection for weld seams’, Springer-Verlag, vol. 42, pp. 497-504. Shi, D.H; Gang, T; Yang, SY, Yuan, Y. 2007, ‘Re- search on segmentation and distribution features of small defects in precision weldments with complex structure’, NDT & E International, vol. 40, no. 5, pp. 397-404. Wang, G and Liao, T. W. 2002, ‘Automatic identifica- tion of different types of welding defects in radio- graphic images’, NDT&E International, vol. 35, pp. 519-528. Wang, Y; Sun, Y; Peng, L; and Wang, H. 2008, ‘De- tection of line weld defects based on multiple thresholds and support vector machine’, NDT & E Int, vol. 41, pp.517-524. White, R.A; Smith, J.S and Lucas, J. 1994, ‘Vision- based gauge for online weld profile metrology’, IEE Proc.-Sci. Meas. Technol, vol. 141, no. 6, pp. 521-526.
Compartilhar