INSPEÇÃO DE FISSURAS EM ALVENARIA UTILIZANDO VISÃO COMPUTACIONAL

Alecsander Pereira Martins 1, José Carlos Pizolato Junior 2

1 Depto. de Engenharia Elétrica, UEL, Londrina-PR, Brasil, apms6592@gmail.com

2 Depto. de Engenharia Elétrica, UFSCar, São Carlos-SP, Brasil, jcpizolato@yahoo.com.br

Resumo: Este trabalho propõe a aplicação de um sistema de visão computacional para a inspeção automática de fissuras em estruturas de alvenaria na Engenharia Civil. O algoritmo apresenta: comparação quantitativa da fissura independente da geometria e medições mais precisas que dispensam a utilização de instrumentos de metrologia convencional. Palavras-Chave: Visão computacional aplica a Engenharia Civil, Inspeção de Fissuras em Alvenaria, Automatização de Processo de Inspeção.

1. INTRODUÇÃO

Atualmente com o elevado crescimento no segmento de construção civil, cresce também a inspeção estrutural das construções de alvenaria e análise de resistência dos diferentes compostos de concreto em ensaio de compressão. A análise de fissuras ou trincas é um importante item de segurança a ser verificado nas vistorias periódicas em construções de alvenaria [1]. A vistoria das construções permite observar a estabilidade ou aumento da abertura da fissura que pode indicar a necessidade de reparos estruturais. A vistoria é realizada na estrutura avariada em períodos diferentes para identificar possíveis alterações na fissura. A medição convencional é obtida por um técnico especialista com um instrumento comparador de fissuras colocado manualmente sobre a estrutura avariada. Na leitura da abertura da fissura o técnico observa no instrumento o traço de medida e o valor da escala em milímetros (mm) que corresponde a fissura, conforme ilustrado na Fig. 1.

(a) (b)

Fig. 1. (a) Comparador de fissuras colocado sobre a estrutura de alvenaria avariada. (b) Detalhe da escala de outro instrumento comparador com a indicação de 0,70mm. de abertura de fissura.

Em outro procedimento de leitura convencional, um técnico especialista utiliza um calibrador de lâminas com espessuras entre 0,1 e 2mm. Nesse procedimento o técnico deve escolher e inserir a lâmina metálica que corresponde a abertura da fissura, como ilustrado na Fig. 2.

Fig. 2. Instrumento calibrador de lâminas. Este instrumento numa medição convencional permite uma verificação comparativa entre a abertura da fissura em alvenaria e a espessura da lâmina.

Estes instrumentos convencionais apresentam subjetividade no posicionamento para medição da abertura da fissura em alvenaria e na análise quantitativa, pois o formato irregular das fissuras dificulta a medição. Com os instrumentos convencionais citados não é possível detectar rapidamente pequenas variações da abertura da fissura devido a sua resolução. É necessário realizar várias leituras para obtenção de uma leitura conclusiva. No instrumento calibrador de lâminas a inserção constante das lâminas de metal em vistorias pode levar a degradação da região externa da abertura da fissura, ocasionando medições errôneas e comprometendo a vistoria. Um método de monitoramento constante em fissuras é o uso do instrumento extensômetro mecânico ou elétrico instalado entre as estruturas avariadas, mas existe a permanência inconveniente do instrumento no período entre as vistorias. A alteração dimensional da abertura de fissura é o item referencial na análise do técnico especialista nas vistorias periódicas estruturais de alvenaria.

A evolução no processamento digital de imagem, visão computacional, inteligência artificial de outras áreas afins, têm melhorado significativamente a capacidade das técnicas para a inspeção visual [2]. Diferente da medição de fissuras em trabalhos anteriores [3], [4], [5], esta proposta de inspeção automatizada com visão computacional realiza o objetivo da vistoria periódica em alvenaria, que é a comparação dimensional da abertura de fissura em períodos

219

http://dx.doi.org/10.5540/DINCON.2011.001.1.0056

INSPEÇÃO DE FISSURAS EM ALVENARIA UTILIZANDO VISÃO COMPUTACIONAL Martins, Pizolato

diferentes. O algoritmo proposto permite aplicar recursos de baixo custo de hardware devido ao processamento digital otimizado que será apresentado.

Este artigo está organizado como descrito a seguir: Na seção 2 é apresentado o propósito de automatização deste trabalho. A seção 3 descreve o método do processamento digital da imagem. A seção 4 apresenta os resultados da inspeção e a seção 5 as discussões sobre o assunto abordado. As conclusões sobre o sistema proposto estão na seção 6.

2. PROPÓSITO

O objetivo deste trabalho é automatizar o processo de inspeção dimensional de fissuras nas vistorias periódicas, aplicando a visão computacional e processamento digital de imagens. O sistema de inspeção automático proposto está ilustrado no diagrama em blocos da Fig. 3.

Fig. 3. Diagrama em blocos do sistema de inspeção proposto.

As imagens obtidas da fissura em períodos diferentes são a entrada do sistema proposto. A aquisição da imagem das fissuras é realizada utilizando uma câmera com Dispositivo de Carga Acoplada ou sensor CCD (Charged Coupled Device) [6]. É necessário manter uma distância mínima de trabalho entre a câmera e o objeto (fissura) para não ocorrer distorções na imagem [7].

A interface usuário/software (bloco 1, Fig. 3) solicita ao usuário a seleção das imagens para o processamento. A Fig. 4 ilustra a mensagem de solicitação do software ao usuário.

Fig. 4. Mensagem do software na interface do usuário para a seleção das imagens com fissura para a comparação.

O processamento digital da imagem (bloco 2, Fig. 3) no sistema proposto será apresentado em detalhes na próxima seção. A saída do sistema proposto no diagrama em blocos da Fig. 2 é a comparação automática quantitativa entre as imagens da fissura, dispensando o método convencional do técnico especialista.

3. METÓDOS

O método do processamento digital proposto é realizado no domínio espacial da imagem, atuando diretamente nos pixels da imagem. A entrada do processamento digital é a imagem da fissura composta por 256 níveis de cinza. O algoritmo do processamento digital da imagem está ilustrado no diagrama em blocos da Fig. 5.

Fig. 5. Diagrama em blocos do algoritmo do processamento digital do sistema de visão computacional.

Na imagem, as coordenadas de um pixel é representada pela função f(x,y), onde x representa a coordenada linha e y a coordenada coluna na matriz correspondente ao tamanho da imagem. A Fig. 6 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. 5) é realizada de forma a identificar os níveis de cinza de todos os pixels da imagem com a fissura.

Fig. 6. Imagem da fissura em alvenaria com tamanho 256 x 256 pixels.

Para a posterior medição da região da fissura, a imagem é modificada para a escala de níveis de cinza que variam de intensidade 0 até 1 (bloco 2, Fig. 5) por meio da equação (1) de normalização da média variância [8]. Na normalização do trabalho proposto, o termo I(i) indica o nível de cinza original do pixel, e os termos denominados 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 representa o pixel preto, até o valor 1 que representa o pixel branco. A Fig. 7 apresenta a imagem com o valor 0,3 de intensidade de nível de cinza na representação de cor RGB (vermelho, verde e azul) [9].

( ) ),(),(1

Im)(ImIm yxgyxf

iniI

inax =−− (1)

Fig. 7. Imagem do perfil de solda em escala de cinza com o valor de 0,3 de intensidade de nível de cinza na representação de cor RGB.

Para a quantificação mais precisa da fissura no sistema proposto, é necessário modificar os pixels da escala de níveis de cinza para a escala binária, (bloco 3, Fig. 5) ou

220

binarização da imagem [10]. Para modificar a imagem de escala de cinza para escala binária como mostra a Fig. 8 (pixel branco: 1 e pixel preto: 0), é aplicada a técnica de segmentação de imagem por limiarização [11], [12] que atribui valores fixos 0 ou 1 para os pixels nas coordenadas da imagem xij, com i representando linhas e j as colunas.

Fig. 8. Imagem binária da fissura apresentando o pixel preto valor 0, e o pixel branco com valor 1 de intensidade de nível de cinza na representação de cor no padrão RGB.

Nos pixels de intensidade maior em relação ao limiar L na equação (2) atribui-se valor 1, e nos pixels menores ou iguais ao limiar L é atribuído o valor 0.

≤=

>==

Lyxfx

Lyxfxyxg

ji

ji

),( se 0

),( se 1),(

,

, (2)

Na medição quantitativa dos pixels (bloco 4, Fig. 5), o termo bn,m na equação (3) indica as coordenadas da imagem original e Mp,q o número de pixels da região da fissura.

mnqp

N

n

M

mqp bmnM ,

1

0

1

0, ∑∑

−

=

−

=

= (3)

A saída do processamento digital da imagem é o valor da quantidade de pixels da fissura. O sistema de inspeção proposto apresenta ao usuário por meio da interface o resultado da comparação entre as imagens da mesma fissura em períodos diferentes, como ilustrado na Fig. 9.

Fig. 9. Resultado apresentado ao usuário do sistema de inspeção na interface com o software: O valor em pixels da medida de uma fissura em diferentes períodos e o aumento do percentual da fissura entre as duas vistorias realizadas.

4. RESULTADOS

Para identificar as alterações dimensionais na abertura de fissura do sistema de inspeção proposto, uma comparação de leitura foi realizada com método convencional. As leituras foram obtidas num corpo de prova em formato padrão numa máquina de ensaio de compressão. A máquina foi utilizada para obtenção mais rápida de variações dimensionais na fissura. O corpo de prova de concreto na máquina de ensaio é mostrado na Fig. 10.

Fig. 10. Máquina de ensaio utilizada na Engenharia Civil para verificar comportamento e resistência à compressão em corpo de prova.

A leitura na forma convencional foi realizada com um calibrador de lâminas de resolução 0,1mm em 10 pontos diferentes em 20 estágios de evolução da fissura, obtidos proporcionalmente a pressão da máquina de ensaio sobre o corpo de prova. No sistema proposto foram obtidas 20 imagens sob as mesmas condições. A Fig. 11 ilustra regiões do corpo de prova com diferentes aberturas da fissura.

(a) (b)

Fig. 11. (a) Corpo de prova apresentando início da abertura da fissura. (b) Corpo de prova com aumento na abertura de fissura devido a maior pressão da máquina de ensaio sobre o corpo de prova.

Na estimativa proporcional entre a escala de pixels da imagem e o valor real da abertura da fissura no corpo de prova, foram utilizadas as leituras de 0,1mm, 0,5mm, 1,0mm e 1,9mm do calibrador de lâminas. Na comparação entre a forma de leitura convencional e o sistema proposto, os resultados numéricos estão ilustrados na Fig. 12.

Fig. 12. Resultado comparativo da leitura entre o sistema proposto e o sistema convencional em 20 estágios da abertura da fissura.

221

INSPEÇÃO DE FISSURAS EM ALVENARIA UTILIZANDO VISÃO COMPUTACIONAL Martins, Pizolato

O sistema automatizado proposto identificou alterações intermediárias menores que 0,1mm. como demonstra os resultados da Fig. 12 nas leituras da abertura das fissuras até 2mm. O método convencional com o calibrador de lâminas não identificou essas variações de medida, devido a sua resolução de 0,1mm, principalmente nas aberturas de fissura entre 0,1 e 0,5mm. Na comparação do tempo da leitura entre o método convencional e o sistema proposto, o método convencional apresentou uma redução no tempo de leitura de acordo com o aumento da abertura da fissura, pois dimensões maiores facilitam a medição convencional. No sistema proposto houve maior regularidade no tempo das leituras e os resultados estão ilustrados na Fig. 13.

Fig. 13. Resultado comparativo do tempo de leitura em segundos nos 20 estágios de abertura de fissuras entre o sistema proposto e o método de leitura convencional com o calibrador de lâminas.

5. DISCUSSÕES

Os resultados obtidos no trabalho de Barazzetti e Scaioni [13] propõe a substituição de instrumentos por contato na leitura de fissura, como o instrumento extensômetro elétrico e mecânico com relógio comparador. As medições por imagem indicaram leituras na ordem de microns (5 a 19µm), enquanto o sistema proposto neste presente artigo indicou leituras com resolução na faixa de 0,05mm. A indicação de resolução do sistema proposto está nos exemplos das leituras n° 2, 3, 4, 5, 7, 9, 12, 13, 15, 16, 17,18 e 19 da Fig. 12, apresentando leituras intermediárias em relação ao método convencional de leitura de fissura em alvenaria.

6. CONCLUSÕES

Diante dos resultados experimentais iniciais comparados ao calibrador de lâminas, o sistema automatizado proposto identificou alterações dimensionais com maior resolução em menor tempo. Nessa comparação, o sistema de inspeção proposto identificou pequenas modificações na abertura de fissura e aumentou a exatidão na leitura comparativa entre fissuras em corpo de prova no ensaio de compressão, contribuindo também com a proposta de um algoritmo otimizado aplicado as vistorias periódicas estruturais na Engenharia Civil.

AGRADECIMENTOS

Agradecimentos ao Depto. de Engenharia Elétrica da UEL

REFERÊCIAS

[1]DOI T. Yamaguchi, S. Hasmuto, “Practical Image Measurement of Crack Width for Real Concrete Structure” Eletronics and Communications in Japan Vol. 92, No. 10, pp. 1-12, October 2009.

[2]DOI H.I. Shafeek, E.S. Gadelmawla, A.A. Abdel Shafy, I.M. Elewa, “Assessment of welding defects for gas pipeline radiographs using computer vision”, NDT&E International, vol. 37, no. 4, pp. 291-299, October 2003.

[3]DOI P.M. Dare, H. B. Hanley, C.S. Fraser, B. Riedel, W. Niemeier, “An Operational Application of Automatic Feature Extraction The Measurement of Cracks in Concrete Structures”. Photogrammetric Record, Vol. 99, No. 17, pp. 453-464, April 2002.

[4]DOI P. V. Yasnii, P. O. Marushchak, I. V. Konovalenko, R. T. Bishchak, “Computer Analysis of Surface Cracks In Structural Elements”, Materials Science, Vol. 44, No. 6, December 2008.

[5]DOI L. Barazzetti, and M. Scaioni, “Development Implementation of Image-based Algorithms for Measurement of Deformations in Material Testing”, Sensors, No. 10, pp. 7469-7495, August 2010.

[6] J.C Russ. “The Image Processing Handbook”, 3th ed. CRC Press. London.

[7] Optics and Optical Instruments Catalog. Edmund Industrial Optics, Estados Unidos, 2011.

[8] D.V.F. Heijden, “Image Based Measurement Systems: Object Recognition and Parameter Estimation”, 1th ed. John Wiley and Sons, New York, 1995.

[9] M.S. Maillet, M.Y. Sharaiha, “Binary Digital Image Processing, An Discrete Approach”, 1th ed. Academic Press, London, 2000.

[10]DOI F.L. Laksmana, L.J.V Vliet, P.J.A. Hartman Kok, H. Vromans, H.W. Frijlink, K.Van der Voort Maarschalk, “Quantitative Image Analysis for Evaluating the Coating Thickness and Pore Distribution in Coated Small Particles”, Pharmaceutical Research, Vol. 26, No. 4, pp. 965-976, April 2009.

[11] R. C. Gonzalez, and R.E Woods, “Digital Image Processing”, 2th ed. Prentice Hall, New Jersey, 2002.

[12] J. C. Russ, “The Image Processing Handbook” 5th ed. CRC Press Taylor & Francis Group, Boca Raton, 2007.

[13]DOI L. Barazzetti, M. Scaioni, “Crack measurement: Development, testing and applications of an automatic image-based algorithm”. ISPRS Journal of Photogrammetry and Remote Sensing, vol. 64 No. 3 pp. 285-296. March 2009.

222