Tổng quan nghiên cứu

Trong ngành công nghiệp dầu khí, khối lượng thi công các cấu kiện cơ khí, bồn áp lực và hệ thống đường ống công nghệ lên đến hàng ngàn tấn sản phẩm mỗi năm. Nhằm đảm bảo an toàn tuyệt đối trước khi xuất xưởng, phương pháp chụp ảnh bức xạ công nghiệp (Radiographic Testing - RT) được áp dụng rộng rãi để kiểm tra toàn diện chất lượng liên kết hàn. Tuy nhiên, theo khảo sát thực tế tại các đơn vị NDT hàng đầu như Công ty Cổ phần Dịch vụ Alpha NDT hay Liên doanh Việt - Nga Vietsovpetro, hơn 90% công việc giải đoán phim RT hiện nay vẫn thực hiện thủ công bằng mắt thường.

Thực trạng này làm nảy sinh nút thắt lớn: đào tạo một kỹ thuật viên đọc phim lành nghề cần từ 3 đến 5 năm với chi phí đào tạo rất tốn kém, trong khi tốc độ giải đoán thủ công chỉ đạt trung bình 15-20 phim mỗi giờ, dẫn đến sự chậm trễ tiến độ bàn giao công trình. Trước thực trạng cấp bách đó, luận văn tập trung nghiên cứu giải pháp và thiết bị số hóa tự động phát hiện khuyết tật hàn qua phim chụp ảnh bức xạ bằng kỹ thuật xử lý ảnh và mạng nơ-ron nhân tạo (Artificial Neural Network - ANN).

Mục tiêu cụ thể là chế tạo thành công thiết bị số hóa cho phim kích thước tiêu chuẩn 10 x 20 cm, xây dựng cơ sở dữ liệu ảnh số chuẩn và phát triển thuật toán giải đoán tự động trên máy tính. Nghiên cứu được triển khai thực nghiệm tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh trên nguồn dữ liệu phim chụp từ các dự án đóng giàn khai thác dầu khí. Việc ứng dụng giải pháp giúp rút ngắn 70-80% thời gian đánh giá, giảm thiểu hơn 50% chi phí nhân sự và loại bỏ hoàn toàn các sai số chủ quan từ con người trong khâu kiểm định chất lượng mối hàn.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng tích hợp giữa lý thuyết kiểm tra không phá hủy (NDT) và khoa học thị giác máy tính. Về mặt quang học bức xạ, nghiên cứu áp dụng nguyên lý truyền qua và độ hấp thụ năng lượng của tia X, tia Gamma theo tiêu chuẩn ASME Section V (Điều khoản T-282) và BS EN ISO 6520-1 để phân loại khuyết tật kết cấu hàn. Về mặt trí tuệ nhân tạo, nghiên cứu ứng dụng mô hình mạng nơ-ron nhân tạo (ANN) cấu trúc nhiều lớp (Multi-layer Perceptron) kết hợp các hàm kích hoạt phi tuyến tính nhằm trích xuất đặc trưng hình thái học và phân loại mẫu ảnh.

Các khái niệm chuyên ngành then chốt được chuẩn hóa bao gồm:

  • Khuyết tật ngậm xỉ (Solid/Slag Inclusions): Hiện tượng xỉ từ thuốc hàn hoặc ôxít kim loại bị giữ lại trong bể hàn khi đông đặc.
  • Khuyết tật thiếu ngấu (Lack of Fusion): Sự mất liên kết giữa kim loại hàn với kim loại cơ bản hoặc giữa các lớp hàn liền kề.
  • Khuyết tật rỗ khí (Porosity): Các hốc khí sinh ra do phản ứng hóa học bị bẫy lại trong mối hàn dưới dạng lỗ sâu hoặc chùm rỗ.
  • Khuyết tật cháy thủng (Burn-Through): Hiện tượng sụp lún kim loại lỏng do mật độ nhiệt hàn quá cao.
  • Kiểm tra chụp ảnh bức xạ (Radiographic Testing - RT): Phương pháp ghi nhận hình ảnh bóng của mối hàn lên phim bạc nhằm phát hiện các bất liên tục bên trong kết cấu.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thực nghiệm gồm khoảng 120 phim chụp bức xạ mối hàn tiêu chuẩn kích thước 10 x 20 cm do Công ty Cổ phần Dịch vụ Alpha NDT cung cấp. Phương pháp chọn mẫu có chủ đích được áp dụng để bao phủ đầy đủ 4 nhóm khuyết tật hàn nguy hiểm và phổ biến nhất trong chế tạo giàn khoan ngoài khơi.

Quy trình nghiên cứu thực nghiệm kéo dài trong 12 tháng, bao gồm 5 giai đoạn: thiết kế phần cứng buồng số hóa, thu nhận ảnh thô, tiền xử lý ảnh, huấn luyện mạng nơ-ron và đánh giá độ chính xác. Phần cứng thu nhận dữ liệu sử dụng máy ảnh kỹ thuật số Canon DSLR EOS 700D độ phân giải 18.1 MP với cảm biến CMOS, ghi nhận ảnh định dạng RAW (.CR2) dung lượng trung bình 20 MB/ảnh. Cường độ sáng buồng chụp được kiểm soát ở mức 2.000 - 20.000 Lux (sai số đo ±3%), nhiệt độ nguồn sáng LED trắng được giám sát bằng súng đo nhiệt hồng ngoại Fluke 62 Max (độ chính xác ±1.0°C) nhằm giữ mức nhiệt luôn dưới 35°C để bảo vệ phim.

Lý do lựa chọn môi trường MATLAB và giải thuật mạng nơ-ron ANN làm phương pháp phân tích chính vì công cụ này có khả năng xử lý ma trận ảnh tốc độ cao, trích xuất biên dạng khuyết tật phi tuyến tính chính xác và vận hành mượt mà trên máy tính phổ thông (Dell Inspiron 14 Core i3, RAM 4GB) mà không đòi hỏi phần cứng đồ họa chuyên dụng đắt đỏ.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm thực tế hệ thống đã ghi nhận 4 phát hiện kỹ thuật quan trọng:

  • Thiết bị số hóa quang học tự chế tạo đạt độ ổn định rất cao: Việc chuyển đổi từ ánh sáng vàng sang hệ thống đèn LED ánh sáng trắng đã giảm nhiệt độ bề mặt buồng chụp xuống dưới 35°C, giúp phim không bị cong vênh và độ sáng đồng đều trên toàn bộ diện tích 10 x 20 cm.
  • Tốc độ số hóa và chất lượng tệp ảnh số vượt trội: 100% phim bức xạ thô được số hóa thành tệp ảnh kỹ thuật số dung lượng chuẩn 20 MB với độ phân giải cao 18.1 triệu điểm ảnh, bảo toàn sắc nét từng chi tiết biên dạng khuyết tật nhỏ hơn 0.5 mm.
  • Khả năng nhận diện chính xác 4 nhóm khuyết tật trọng yếu: Phần mềm lập trình trên MATLAB kết hợp mạng nơ-ron đã phát hiện và phân loại thành công các khuyết tật rỗ khí (Porosity), ngậm xỉ (Slag Inclusion), thiếu ngấu (Lack of Fusion) và cháy thủng (Burn-Through) với độ chính xác đạt trên 92%.
  • Năng suất xử lý vượt bậc: Thời gian phần mềm tự động nhận diện và xuất báo cáo kết quả chỉ mất đúng 2 giây cho mỗi tấm phim, nhanh hơn khoảng 30 đến 45 lần so với thời gian đọc phim thủ công của một kiểm định viên lành nghề (thường mất từ 60 đến 90 giây/phim).

Thảo luận kết quả

Nguyên nhân chính giúp hệ thống đạt độ chính xác trên 92% nằm ở việc chuẩn hóa khâu tiền xử lý ảnh số. Khi chuyển đổi ảnh RAW 20 MB sang ma trận ảnh xám và áp dụng thuật toán phân đoạn hình thái học, độ tương phản giữa kim loại cơ bản và vùng khuyết tật được tăng cường rõ rệt. Nhờ đó, mạng nơ-ron dễ dàng nhận diện các đặc trưng quang sai mà mắt thường dễ bỏ sót khi làm việc liên tục.

So với công trình của Reza Nejatpour năm 2008 chỉ đánh giá được khuyết tật ngoại quan 3D trên mô hình CAD cố định, giải pháp của luận văn linh hoạt hơn nhiều khi nhận diện trực tiếp khuyết tật ngầm trên phim RT thực tế. Đồng thời, giải pháp này có chi phí lắp đặt thấp hơn 60% so với phương pháp phân tích Cepstral phức tạp của H. Abd El-Samie công bố năm 2010.

Dữ liệu thực nghiệm của nghiên cứu có thể được tổng hợp trực quan qua bảng ma trận nhầm lẫn (Confusion Matrix) thể hiện tỷ lệ nhận diện đúng của từng loại khuyết tật và biểu đồ cột so sánh thời gian xử lý thực tế giữa con người và thuật toán. Những kết quả này chứng minh tính khả thi cao trong việc đưa AI vào thay thế con người giải đoán ảnh chụp bức xạ, đảm bảo tính khách quan và tuân thủ nghiêm ngặt các tiêu chuẩn kiểm định quốc tế như ASME và API 1104.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và nâng cao hiệu quả thương mại hóa của công cụ phát hiện khuyết tật hàn tự động, luận văn đưa ra 4 khuyến nghị hành động cụ thể:

  • Cơ giới hóa buồng chụp và nạp phim: Phòng Kỹ thuật và R&D của doanh nghiệp cần chế tạo bộ cơ cấu gá kẹp, nạp phim 10 x 20 cm tự động liên tục. Mục tiêu đạt công suất quét 1.200 phim/ngày, hoàn thành trong vòng 6 tháng đầu năm nhằm tích hợp trực tiếp vào dây chuyền kiểm định nhà xưởng.
  • Mở rộng cơ sở dữ liệu huấn luyện mẫu: Ban Quản lý Chất lượng phối hợp với các đơn vị dịch vụ NDT bổ sung thêm tối thiểu 500 mẫu phim về các khuyết tật dạng nứt tế vi (Microcracks), nứt chân mối hàn và nứt rãnh hồ quang theo chuẩn AWS D1.1 và API 1104, triển khai trong Quý 3 và Quý 4.
  • Nâng cấp thuật toán lên mạng học sâu tích chập (CNN): Đội ngũ kỹ sư phần mềm cần chuyển đổi mô hình mạng ANN truyền thống sang các kiến trúc CNN hiện đại (như ResNet hoặc YOLOv8). Mục tiêu nâng độ chính xác nhận diện lên trên 96% và giảm tỷ lệ dương tính giả xuống dưới 2%, thực hiện trong lộ trình 9 tháng.
  • Xây dựng quy chuẩn quản lý hồ sơ số hóa NDT: Các nhà máy cơ khí dầu khí cần ban hành quy trình lưu trữ tệp ảnh bức xạ kỹ thuật số tập trung trên hệ thống đám mây nội bộ. Mục tiêu số hóa 100% hồ sơ hoàn công bồn áp lực và đường ống vào năm 2026, giúp truy xuất lịch sử mối hàn nhanh chóng trong vòng 30 giây.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị thực tiễn cao cho 4 nhóm đối tượng chính:

  • Kỹ thuật viên và chuyên gia kiểm tra không phá hủy (NDT Level II, Level III): Tài liệu cung cấp cơ chế đối chiếu tự động giúp kỹ thuật viên tăng tốc độ thẩm định phim RT, giảm 50% áp lực thị giác và hạn chế tối đa rủi ro bỏ sót lỗi nghiêm trọng.
  • Kỹ sư Quản lý Chất lượng (QA/QC) ngành Dầu khí và Kết cấu thép: Hướng dẫn chi tiết phương pháp chuyển đổi số quy trình nghiệm thu mối hàn cho hàng ngàn mét đường ống công nghệ và bồn bể chịu áp lực theo chuẩn ASME BPVC.
  • Nhà nghiên cứu và giảng viên ngành Cơ điện tử, Tự động hóa: Cung cấp nguồn tham khảo học thuật giá trị về ứng dụng thị giác máy tính, kỹ thuật phân đoạn ảnh và lập trình mạng nơ-ron trên môi trường MATLAB phục vụ công tác giảng dạy.
  • Sinh viên, học viên cao học ngành Kỹ thuật Cơ khí và Công nghệ Hàn: Nguồn tài liệu chuẩn hóa về phân loại khuyết tật hàn theo chuẩn quốc tế BS EN ISO 6520-1, cùng quy trình thiết kế chế tạo thiết bị cơ điện tử phục vụ thực nghiệm.

Câu hỏi thường gặp

Hệ thống tự động có thể nhận diện chính xác những loại khuyết tật mối hàn nào?

Hệ thống nhận diện thành công 4 nhóm khuyết tật hàn phổ biến nhất gồm: rỗ khí, ngậm xỉ, thiếu ngấu và cháy thủng trên các liên kết giáp mối và góc. Dựa trên phân tích độ tương phản quang sai và mạng nơ-ron, phần mềm định vị chính xác vị trí khuyết tật trên phim tiêu chuẩn 10 x 20 cm với độ chính xác đạt trên 92%.

Tốc độ xử lý của phần mềm nhận diện ảnh mất bao lâu cho mỗi tấm phim?

Thời gian xử lý, phân đoạn và nhận dạng tự động của phần mềm chỉ mất đúng 2 giây cho một tệp ảnh kỹ thuật số độ phân giải 18.1 MP. So với thời gian từ 60 đến 90 giây khi kỹ thuật viên đọc phim thủ công bằng đèn chiếu, hệ thống giúp tăng năng suất kiểm định lên từ 30 đến 45 lần.

Thiết bị số hóa phần cứng đòi hỏi các thông số kỹ thuật ra sao?

Thiết bị sử dụng máy ảnh Canon DSLR EOS 700D cảm biến CMOS 18.1 MP chụp ảnh định dạng RAW dung lượng 20 MB. Hệ thống chiếu sáng trang bị đèn LED trắng kiểm soát nhiệt độ bằng Fluke 62 Max (sai số ±1.0°C), đảm bảo mức nhiệt luôn dưới 35°C và cường độ sáng đạt từ 2.000 đến 20.000 Lux.

Vì sao nghiên cứu lựa chọn mạng nơ-ron nhân tạo (ANN) thay cho phương pháp CAD?

Phương pháp CAD truyền thống chỉ kiểm tra được ngoại quan bề mặt và phải mô phỏng lại mỗi khi thay đổi kích thước mẫu. Mạng ANN có khả năng tự học các đặc trưng phi tuyến từ tập dữ liệu thực tế, giải đoán chính xác khuyết tật ngầm bên trong mối hàn và vận hành mượt mà trên máy tính Core i3 RAM 4GB.

Luận văn căn cứ vào những tiêu chuẩn kiểm định chất lượng quốc tế nào?

Nghiên cứu tuân thủ nghiêm ngặt các tiêu chuẩn kiểm định quốc tế gồm: ASME Section V Article 2 về độ đen phim bức xạ, ASME Boiler and Pressure Vessel Code cho bồn áp lực, ASME B31.3 cho đường ống công nghệ, AWS D1.1 cho kết cấu thép và BS EN ISO 6520-1 cho phân loại khuyết tật hàn.

Kết luận

  • Chế tạo thành công buồng số hóa quang học chuyên dụng cho phim chụp bức xạ RT kích thước 10 x 20 cm với độ phân giải 18.1 MP sắc nét.
  • Xây dựng cơ sở dữ liệu ảnh số chuẩn hóa đại diện cho 4 nhóm khuyết tật hàn phổ biến từ nguồn dữ liệu thực tế của Công ty Cổ phần Dịch vụ Alpha NDT.
  • Phát triển thành công phần mềm giải đoán tự động trên nền tảng MATLAB kết hợp mạng nơ-ron nhân tạo với độ chính xác nhận diện đạt trên 92%.
  • Rút ngắn thời gian đánh giá khuyết tật xuống chỉ còn 2 giây/phim, giúp tiết kiệm hơn 60% chi phí vận hành và giải quyết dứt điểm tình trạng thiếu hụt nhân lực NDT.
  • Đặt nền móng kỹ thuật vững chắc cho việc ứng dụng trí tuệ nhân tạo và tự động hóa toàn diện trong công tác kiểm định chất lượng ngành cơ khí dầu khí Việt Nam.

Kế hoạch trong 12 tháng tới sẽ tập trung tích hợp mô hình Deep Learning tiên tiến và nâng cấp cơ cấu nạp phim tự động để đưa sản phẩm vào ứng dụng thương mại rộng rãi. Các doanh nghiệp chế tạo kết cấu cơ khí và đơn vị kiểm định chất lượng hãy liên hệ để tiếp cận trọn vẹn giải pháp số hóa NDT đột phá này!