Tổng quan nghiên cứu

Trong ngành công nghiệp dầu khí và gia công cơ khí nặng, khối lượng kết cấu hàn cho bồn áp lực, đường ống công nghệ và giàn khoan ngoài khơi lên đến hàng ngàn tấn sản phẩm mỗi năm. Kiểm tra không phá hủy bằng phương pháp chụp ảnh bức xạ (Radiographic Testing - RT) là tiêu chuẩn bắt buộc để đảm bảo an toàn vận hành. Tuy nhiên, quy trình thẩm định phim bức xạ hiện nay phụ thuộc hoàn toàn vào kỹ thuật viên bậc cao. Quá trình đào tạo một chuyên viên đọc phim thành thạo thường kéo dài từ 3 đến 5 năm với chi phí hàng trăm triệu đồng, trong khi tốc độ giải đoán thủ công chậm chạp và dễ chịu ảnh hưởng bởi yếu tố chủ quan.

Luận văn thạc sĩ kỹ thuật của tác giả Nguyễn Ngọc Hà, được thực hiện năm 2017 tại Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh dưới sự hướng dẫn của Phó Giáo sư, Tiến sĩ Đặng Thiện Ngôn, đã giải quyết triệt để bài toán này. Nghiên cứu tập trung vào mục tiêu: thiết kế chế tạo thiết bị số hóa phim chụp bức xạ tiêu chuẩn kích thước 10 x 20 cm, xây dựng cơ sở dữ liệu hình ảnh số và phát triển giải thuật mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) để tự động nhận dạng khuyết tật mối hàn. Nghiên cứu sử dụng nguồn tư liệu thực tế từ các dự án dầu khí do Công ty Dịch vụ Alpha NDT cung cấp. Kết quả mang lại ý nghĩa kinh tế và kỹ thuật vượt trội: rút ngắn hơn 90% thời gian thẩm định phim, giảm khoảng 35% chi phí kiểm định chất lượng, loại bỏ rủi ro sai sót do con người và gia tăng năng lực cạnh tranh cho các doanh nghiệp cơ khí chế tạo trong nước.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên hai nền tảng lý thuyết cốt lõi: lý thuyết suy giảm bức xạ trong kiểm tra không phá hủy (RT) và lý thuyết mạng nơ-ron nhân tạo (ANN) trong xử lý ảnh công nghiệp.

Phương pháp chụp ảnh bức xạ vận hành dựa trên nguyên lý hấp thụ năng lượng khác nhau của vật liệu khi chùm tia X hoặc tia Gamma truyền qua. Khi liên kết hàn xuất hiện bất liên tục như bọt khí hoặc tạp chất xỉ, mật độ vật chất thay đổi làm biến thiên cường độ tia truyền qua, tạo ra các vùng sáng tối tương ứng trên phim. Các chỉ tiêu đánh giá độ đen quang học và mức độ chấp nhận khuyết tật được đối chiếu theo tiêu chuẩn ASME Boiler and Pressure Vessel Code Section V và ASME B31.3.

Về mặt giải thuật, lý thuyết mạng nơ-ron nhân tạo nhiều lớp (Multi-Layer Perceptron) với mô hình nơ-ron phi tuyến và hàm kích hoạt Sigmoid được ứng dụng để trích xuất đặc trưng hình ảnh. Các khái niệm chuyên ngành then chốt được chuẩn hóa theo tiêu chuẩn quốc tế BS EN ISO 6520-1, bao gồm: khuyết tật ngậm xỉ (slag inclusion), khuyết tật thiếu ngấu (lack of fusion), khuyết tật rỗ khí (porosity) và khuyết tật cháy thủng (burn-through).

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa thiết kế phần cứng thực nghiệm, thu thập dữ liệu công nghiệp và mô phỏng thuật toán trên máy tính.

Nguồn dữ liệu thực nghiệm được thu thập từ hơn 120 phim chụp bức xạ thực tế của các công trình dầu khí do Công ty Dịch vụ Alpha NDT thực hiện trong giai đoạn 2016-2017. Tác giả áp dụng phương pháp chọn mẫu có chủ đích (purposive sampling), tập trung vào các mẫu phim chuẩn kích thước 10 x 20 cm chứa đầy đủ các dạng khuyết tật hàn phổ biến nhất.

Về trang thiết bị phần cứng, hệ thống sử dụng buồng tối quang học tích hợp máy ảnh kỹ thuật số Canon DSLR EOS 700D với cảm biến CMOS 18.1 MP, cho phép thu nhận ảnh định dạng RAW .CR2 dung lượng trung bình 20 MB mỗi ảnh nhằm bảo toàn tối đa dải sắc độ xám.

Dữ liệu ảnh sau khi số hóa được tiền xử lý khử nhiễu, cân bằng độ tương phản bằng phần mềm đồ họa chuyên dụng và đưa vào môi trường tính toán MATLAB. Phương pháp phân tích bằng mạng nơ-ron nhân tạo được lựa chọn nhờ khả năng phân loại các đặc trưng hình học và mức độ xám phức tạp phi tuyến tính, khắc phục triệt để nhược điểm của các thuật toán phân ngưỡng tĩnh truyền thống.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình triển khai thực nghiệm đã mang lại 3 kết quả đột phá về cả phần cứng lẫn phần mềm:

Thứ nhất, chế tạo thành công thiết bị số hóa phim chụp bức xạ chuyên dụng cho cỡ phim tiêu chuẩn 10 x 20 cm. Việc cải tiến nguồn sáng từ đèn sợi đốt ánh sáng vàng sang hệ thống đèn LED ánh sáng trắng giúp hạ nhiệt độ buồng chụp hơn 15°C, đồng thời nâng cao độ tương phản hình ảnh lên khoảng 25%, giúp làm rõ nét các biên dạng khuyết tật siêu nhỏ.

Thứ hai, xây dựng hoàn chỉnh bộ cơ sở dữ liệu ảnh số chất lượng cao với dung lượng 20 MB/ảnh, phân loại chi tiết theo 4 nhóm khuyết tật hàn nguy hiểm: rỗ khí, ngậm xỉ, không thấu chân và cháy thủng.

Thứ ba, giải thuật mạng nơ-ron nhân tạo xây dựng trên MATLAB đạt tỷ lệ nhận diện chính xác trung bình trên 88% đối với các mẫu thử nghiệm. Thời gian xử lý và xuất báo cáo tự động cho mỗi phim chụp giảm từ 15-20 phút (khi kỹ thuật viên đọc thủ công) xuống dưới 30 giây, giúp tăng tốc độ đánh giá lên hơn 95%.

Thảo luận kết quả

Hiệu quả vượt trội của hệ thống xuất phát từ việc đồng bộ hóa giữa nguồn sáng trắng đồng đều, cảm biến quang học CMOS 18.1 MP và thuật toán huấn luyện mạng nơ-ron nhiều lớp. Sự kết hợp này giúp trích xuất chính xác các vectơ đặc trưng hình học mà không bị ảnh hưởng bởi nhiễu quang học bề mặt.

So với công trình của Reza Nejatpour năm 2008 chỉ nhận diện khuyết tật bề mặt bằng mô hình CAD 3D cứng nhắc, hoặc nghiên cứu của Saba Madani năm 2015 sử dụng thuật toán K-Means chỉ dừng ở mức hỗ trợ phân vùng màu, giải pháp của luận văn đã tiến một bước dài khi tự động hóa hoàn toàn khâu ra quyết định phân loại. So với phương pháp tiếp cận Cepstral phức tạp của H. Abd El-Samie năm 2010 đòi hỏi chi phí đầu tư rất lớn, giải pháp này tận dụng phần cứng thương mại phổ thông, mang lại tính ứng dụng thực tiễn cao hơn nhiều.

Dữ liệu nhận dạng của hệ thống có thể được trực quan hóa rõ ràng qua ma trận nhầm lẫn (confusion matrix), đồ thị hội tụ của mạng nơ-ron và bảng đối chiếu mã hóa khuyết tật theo tiêu chuẩn ASME Section V, giúp kỹ sư giám sát dễ dàng theo dõi và thẩm định kết quả kiểm tra.

Đề xuất và khuyến nghị

Nhằm hoàn thiện và nhân rộng giải pháp tự động nhận dạng khuyết tật hàn qua ảnh bức xạ vào sản xuất thực tế, các giải pháp mang tính hành động sau đây được khuyến nghị thực hiện:

Thứ nhất, chuẩn hóa quy trình số hóa phim quang học. Bộ phận kiểm định chất lượng (QA/QC) tại các nhà xưởng cần áp dụng buồng chụp tiêu chuẩn ánh sáng trắng để chuyển đổi 100% phim vật lý sang dữ liệu số, duy trì sai số quang học dưới 2% trong vòng 3 đến 6 tháng tới.

Thứ hai, mở rộng quy mô cơ sở dữ liệu huấn luyện. Nhóm nghiên cứu AI cần phối hợp với các đơn vị dịch vụ kiểm tra không phá hủy như Alpha NDT hay Vietsovpetro để bổ sung tối thiểu 500 mẫu phim chụp các dạng khuyết tật phức tạp như nứt nóng, nứt nguội và nứt chân mối hàn theo tiêu chuẩn BS EN ISO 6520-1, nhằm nâng tỷ lệ nhận diện chính xác toàn diện lên trên 95% trong lộ trình 6 đến 12 tháng.

Thứ ba, đóng gói phần mềm thành ứng dụng độc lập (Standalone Application). Đội ngũ kỹ sư phần mềm cần chuyển đổi mã nguồn MATLAB sang nền tảng C++ hoặc Python kết hợp thư viện OpenCV, tối ưu hóa thời gian xử lý xuống dưới 10 giây mỗi phim và tích hợp tính năng tự động xuất biên bản nghiệm thu chuẩn quốc tế trong vòng 1 năm.

Thứ tư, tổ chức chương trình đào tạo chuyển giao công nghệ định kỳ. Ban lãnh đạo các doanh nghiệp chế tạo cơ khí cần phối hợp với các trường đại học kỹ thuật tổ chức các khóa tập huấn hàng năm, giúp 100% kỹ thuật viên NDT làm chủ công cụ tự động, qua đó cắt giảm 40% chi phí nhân sự đọc phim thủ công.

Đối tượng nên tham khảo luận văn

Nội dung và kết quả nghiên cứu của luận văn mang lại giá trị ứng dụng thiết thực cho 4 nhóm đối tượng trọng tâm:

  • Kỹ sư NDT và chuyên viên kiểm soát chất lượng (QA/QC): Nắm bắt phương pháp số hóa phim chụp RT và quy trình tự động nhận diện khuyết tật, giúp loại bỏ áp lực đọc phim thủ công bằng đèn đọc phim truyền thống và giảm thiểu tối đa sai sót chủ quan khi nghiệm thu đường ống áp lực cao.
  • Doanh nghiệp gia công cơ khí, đóng tàu và nhà thầu dầu khí: Tận dụng thiết kế buồng số hóa giá thành thấp cùng thuật toán mã nguồn mở để xây dựng hệ thống kiểm tra chất lượng tự động, giúp tăng năng suất nghiệm thu công trình lên gấp 3 đến 4 lần.
  • Học viên cao học và nghiên cứu sinh ngành Cơ khí, Cơ điện tử và Trí tuệ nhân tạo: Sử dụng công trình như một tài liệu tham khảo chuẩn mực về phương pháp kết hợp phần cứng thu nhận ảnh với mạng nơ-ron nhân tạo trong bài toán thị giác máy tính công nghiệp.
  • Giảng viên và nhà nghiên cứu tại các trường đại học kỹ thuật: Khai thác dữ liệu thực nghiệm, hệ thống phân loại khuyết tật theo chuẩn BS EN ISO 6520-1 và cấu trúc mạng ANN phục vụ công tác giảng dạy các học phần Kiểm tra không phá hủy và Xử lý ảnh nâng cao.

Câu hỏi thường gặp

Hệ thống số hóa trong luận văn có điểm gì vượt trội so với máy quét phim chuyên dụng?
Thiết bị sử dụng buồng tối quang học với máy ảnh Canon DSLR EOS 700D 18.1 MP và hệ thống LED trắng, giúp giảm 15°C nhiệt độ vận hành và lưu trữ ảnh RAW 20 MB giữ nguyên dải xám. Giải pháp này có chi phí chỉ bằng khoảng 10% so với máy quét công nghiệp nhập ngoại.

Hệ thống hiện tại có khả năng nhận dạng tự động những dạng khuyết tật hàn nào?
Phần mềm nhận dạng chính xác 4 nhóm khuyết tật phổ biến nhất trong hàn công nghiệp gồm: rỗ khí (porosity), ngậm xỉ (slag inclusion), thiếu ngấu/không thấu chân (lack of penetration) và cháy thủng (burn-through) dựa trên cơ sở dữ liệu đối soát thực tế từ các công trình dầu khí.

Tại sao nghiên cứu lại chọn mạng nơ-ron nhân tạo (ANN) thay vì các phương pháp phân ngưỡng ảnh?
Các phương pháp phân ngưỡng như Otsu hay Sauvola chỉ dừng lại ở việc làm rõ biên ảnh và vẫn cần con người phân tích. Mạng nơ-ron nhân tạo có khả năng tự học các đặc trưng phi tuyến từ tập dữ liệu mẫu, giúp đưa ra kết luận tự động với độ chính xác đạt trên 88%.

Công cụ tự động này có thể thay thế hoàn toàn kỹ thuật viên giải đoán ảnh không?
Hệ thống thay thế hiệu quả hơn 80% khối lượng công việc giải đoán thủ công lặp lại, rút ngắn thời gian xử lý xuống dưới 30 giây mỗi phim. Kỹ thuật viên bậc cao chỉ cần đóng vai trò giám sát và phê duyệt các trường hợp khuyết tật nằm ở ranh giới tiêu chuẩn.

Mô hình này có yêu cầu cấu hình phần cứng máy tính phức tạp để vận hành không?
Hệ thống được tối ưu hóa xuất sắc, có thể vận hành ổn định trên các dòng máy tính xách tay văn phòng thông dụng sử dụng vi xử lý Intel Core i3 và bộ nhớ trong RAM 4 GB, giúp mọi xưởng cơ khí đều có thể ứng dụng ngay mà không cần đầu tư máy chủ đắt đỏ.

Kết luận

  • Chế tạo thành công thiết bị số hóa phim chụp bức xạ tiêu chuẩn kích thước 10 x 20 cm sử dụng cảm biến 18.1 MP với chi phí thấp.
  • Xây dựng cơ sở dữ liệu ảnh số chuẩn hóa cho 4 nhóm khuyết tật mối hàn công nghiệp từ thực tế dự án dầu khí của Alpha NDT.
  • Phát triển thành công thuật toán mạng nơ-ron nhân tạo trên MATLAB với độ chính xác nhận dạng đạt trên 88%.
  • Cắt giảm hơn 90% thời gian phân tích phim chụp và tiết kiệm khoảng 35% chi phí kiểm tra không phá hủy cho doanh nghiệp.
  • Khẳng định tính tiên phong và khả thi vượt bậc của việc ứng dụng trí tuệ nhân tạo vào lĩnh vực kiểm định cơ khí tại Việt Nam.

Trong vòng 6 đến 12 tháng tới, hướng phát triển trọng tâm là nâng cấp mạng nơ-ron sâu và đóng gói phần mềm thương mại. Các doanh nghiệp cơ khí và nhà thầu dầu khí nên nhanh chóng tiếp cận và ứng dụng giải pháp này để tối ưu hóa chi phí sản xuất và nâng cao chuẩn mực an toàn cho các công trình trọng điểm.