Development of the S/G TSP Clogging Image Analysis Algorithm

전체 글

(1)한국압력기기공학회 논문집 제7권 제3호 2011년 9월 pp. 8 󰡈 14. 증기발생기 유로홈막힘 사진판독 알고리즘 개발 조남철† ․ 김왕배* ․ 문찬국*. Development of the S/G TSP Clogging Image Analysis Algorithm Nam Cheoul Cho†, Wang Bae Kim* and Chan Kook Moon* (Received 6 JUN 2011, Accepted 17 JUL 2011). ABSTRACT The clogging of the flow area at the tube support plates(TSPs), especially at the upper TSPs results in the water level oscillation of a steam generator during normal operation. A reduction of the TSP flow area causes to increase in pressure drop within the two-phase flow zone, which destabilizes the boiling flow through the tube bundle. This phenomenon was occasionally observed at a few domestic and foreign nuclear power plants. One of the methods for defining the flow area clogging is visual inspection, which is the most effective inspection method. The results of the visual inspection for TSPs' flow area are clogging images on TSPs' quartrefoil lobes. These images are complexly distorted due to lens aberration and external factors like the distance to a subject and angle etc. In this work, we developed the analysis algorithm for clogging image of the TSP flow area of steam generators. For this purpose, we designed an image verification device applicable to the camera employed in the field for visual inspection and then, we demonstrated the validity of image analysis algorithm by using this device and commercial autoCAD program. Key Words : clogging(홈막힘), image analysis algorithm(사진판독 알고리즘), image verification device(검증장치), level oscillation(수위불안정), sludge(슬러지), steam generator(증기발생기), visual inspection(육안검사). 1. 서 론 증기발생기 전열관에 퇴적된 슬러지는 1, 2차측 열 전달을 방해하여 열성능 저하(fouling)를 가져오고 심 하면 증기발생기 관지지판에 슬러지가 퇴적되어 관 지지판과 전열관 사이의 유로가 막혀 수위불안정 현 상이 나타나는 것으로 알려져 있다. 이러한 수위불 안정 현상은 국내외 일부 원전에서 발생한 바 있다 1,2). . † 책임저자, 회원, 한국수력원자력(주) 한수원중앙연구원 E-mail : [email protected] TEL : (042)870-5663 FAX : (042)870-5689 * 한국수력원자력(주) 한수원중앙연구원. 증기발생기 유로홈막힘을 확인하는 방법은 육안검 사, ECT 검사, 수위분석에 의한 방법 등이 있으나 직 접적으로 확인할 수 있는 가장 정확한 검사법은 육안 검사에 의한 방법이다. 육안검사법은 특정 장비를 이 용하여 증기발생기 전열관 상부다발 내부로 소형카 메라를 진입시켜 직접 유로홈막힘 상태를 모니터를 통해 육안으로 확인하고 영상정보를 획득하는 방법 이다. 그 동안 국내에서는 유로홈막힘 상태를 확인하기 위해 몇 차례 육안검사를 수행한 바 있다. 유로홈막힘 상태를 육안으로 확인은 하였지만 육안검사 결과를 정량적으로 평가할 수 있는 적절한 도구가 없어 정량 평가에 어려움을 겪어왔다..

(2) 증기발생기 유로홈막힘 사진판독 알고리즘 개발. 9. 본 연구에서는 이러한 문제점을 해결하기 위해 육 안검사 결과인 사진을 판독하여 정량적으로 평가할. 증기발생기 전열관다발 내부에 대한 육안검사는 전 열관의 배열구조상 검사가 용이하지 않다. 그렇지만. 수 있는 프로그램을 개발하기 위한 전 단계로 복합 적인 왜곡을 보정할 수 있는 사진판독 알고리즘을 개발하고자 하였다.. WH 모델-F 증기발생기는 구조특성을 이용하여 관다 발내부를 검사할 수 있는 UBIB(Upper Bundle In Bundle) 장비가 개발되어 육안검사를 수행할 수 있다.. 2. 유로홈막힘 육안검사. Fig. 1에서 보는 바와 같이 UBIB 검사는 소형카메 라를 관다발 내부로 진입시켜 관다발 내부 상태를 동 영상으로 촬영할 수 있도록 개발되어 있다. 최근 국내. 증기 발생기의 열전달 및 급수의 순환 과정에서 원 전의 2차측 부식 생성물이 증기발생기 2차측에 유입 되면 전열관 표면과 구조물 등에 침적되어 유로의 흐 름을 방해하고 심해지면 유로의 막힘이 발생하게 된 다. 이 같은 현상은 전열관의 건전성을 저해하는 요 인이 되며, 증기발생기 수명을 결정하는 주요 인자로 인식되고 있다. 따라서 유로홈막힘 상태를 정밀하게 측정하여 증기발생기 건전성은 물론 열전달 등 증기 발생기 고유의 기능저하를 예방하기 위한 관리기술 이 필요하게 되었다.. 원전에서는 UBIB 검사 장비를 이용하여 상부의 전열 관다발 내부에 대한 육안검사를 수행한 바 있다. Fig. 2는 전열관의 관지지판 유로홈을 촬영한 사진이다. 지금까지는 육안검사 결과의 정량적 평가기술이 실 용화되지 못하여 상태확인만으로 만족할 수밖에 없었 다. AutoCAD 등 현재 개발되어 있는 각종 이미지 프로 세싱 프로그램들은 영상의 촬영거리 및 각도 등 복합 적인 왜곡을 용이하게 반영할 수 없는 실정이다. 이 러한 문제점을 해결하기 위해 기하학적 이미지 처리 기술을 활용하여 육안검사 자료인 사진을 판독하는 알고리즘을 개발하고 이를 활용하여 유로 홈막힘률을 정량적으로 평가할 수 있는 증기발생기 사진판독 프 로그램을 개발하고자 하였다.. 3. 알고리즘 개발 유로홈막힘 정량평가는 UBIB 장비로부터 들어오는 영상을 분석하여 얻어지는 정보를 활용하기 때문에 무엇보다도 정확한 영상을 획득하는 것이 중요하다. UBIB 장비에 부착된 광각 카메라로부터 획득된 증기. Fig. 1 Schematic diagram of UBIB inspection equipment. 발생기 2차측 전열관 지지판(TSP)의 영상은 카메라의 광학적 특성인 렌즈의 수차에 의한 내부적 요인과 피 사체와 카메라 간의 거리 및 각도 등 검사운용에 따른 외부적 요인들 때문에 다양한 왜곡이 발생하게 된다. Fig. 3은 방사왜곡(radial distortion)을 나타낸 것이다. 카메라의 광학적 특성에 따른 렌즈의 수차는 일반 적으로 자이델수차(Seidel aberration)라 하여 구면수차, 코마수차, 비점수차, 상면만곡수차 및 왜곡수차가 있 다. 이러한 수차 중에서 광축 상에서는 구면수차만 나 타나고 광축 이외에는 위의 5가지 수차가 모두 나타 나며, 면적을 계산하는 사진 판독 프로그램에서는 왜 곡 수차에 의한 방사왜곡이 직접적인 영향을 주게 된. Fig. 2 A typical TSP clogging image. 다. 나머지 수차는 영상의 선명도와 관련이 있으며, 렌즈기술의 발달로 영상 변형의 영향은 크지 않다.. 한국압력기기공학회 논문집 제7권 제3호 2011년 9월.

(3) 10. 조남철 ․ 김왕배 ․ 문찬국. 형영상을 얻을 수 있다. 그러나 고정된 카메라 환경 에서 타깃 위치평면이 기울어져 있거나 카메라의 움 직임 즉 비뚤어짐(skew)이나 팬(pan), 틸트(tilt), 또는 붐(boom)에 의하여 시스템 제작자가 원하는 이상적 시야평면(ideal view plane)으로부터 벗어나 있을 경 우에는 렌즈의 왜곡이 없다 하더라도 이상형 영상과 캡처된 영상(captured image)간에 평면원근 투영변환 (planar perspective projection transformation)이 존재. Fig. 3 Radial distortion. 외부적인 요인으로 타깃 위치의 평면이 존재하는 폐 쇄형 비전시스템에서 타깃 위치의 평면중심과 카메라 렌즈의 광축(optical axis)이 완전히 직교하지 않을 때 시스템을 통해 입력된 영상(captured image)과 이상형 영상(ideal image)간에 항상 평면원근투영(2D perspective projection) 변환관계가 존재하게 된다. 일반적으로 이 러한 환경의 시스템으로부터 광각렌즈(wide angle lens) 를 부착한다면 입력된 영상은 카메라 외부(extrinsic) 요인에 의해 부가된 평면원근투영변환과 카메라의 내 부(intrinsic)요인인 렌즈왜곡이 결합되어 복합왜곡으 로 나타나며, 렌즈의 방사왜곡과 이탈(decentering)왜 곡만을 고려해서는 정확하게 보정을 할 수 없게 된다.. 하며, 이는 다음과 같은 방법으로 보정할 수 있다. 두 영상 평면간의 이동 및 회전은 이상형 영상에서 한 점의 좌표를 ( ,  ), 영상에서의 대응되는 좌표를 ( ,  )라 하면 이동변환모델의 식(1), 회전과 크기를 고려한 affine 변환은 식(2)와 같이 된다.                        . 3,4,5). 한 보정기술이 필요하게 된다. .. 3.1 알고리즘 구현 본 연구는 단일시야(single view)만을 제공하는 카 메라와 폐쇄 환경의 육안검사시스템을 고려하여 2D 형태의 보정피사체(calibration sheet)를 사용한다. 보정피사체는 다양한 비전 환경에 적용할 수 있는 복합왜곡 환경과 입력영상이 카메라의 광축에 수직 인 경우와 수직이 아닌 경우 그리고 다양한 기하학적 왜곡이 발생되는 경우를 모두 고려한 왜곡영상 보정 알고리즘을 사용하였다. 일반적으로 카메라 렌즈의 광축과 타깃 위치평면 이 수직상태를 유지해야 원근투영 변환이 없는 이상. Transaction of the KPVP, Vol. 7, No. 3. (2). 원근투영에 의한 투영 좌표( , )는 실좌표( , ) 에서 초점거리 f와 영상중심과의 거리 z에 관계되어 진다.. 그러므로 단순한 렌즈왜곡, 평면원근투영만이 존재하 는 시스템 그리고 이러한 두 가지 이상의 요소가 혼합 된 복합왜곡이 존재하는 비전시스템으로부터 입력된 영상을 패턴인식, 특징추출 및 검색과 같은 영상처리 시스템에 그대로 사용한다면 심각한 오류를 일으킬 수 있다. 이러한 오류를 방지하기 위하여 왜곡영상에 대. (1).       ,      . (3). 방사왜곡은 영상센서의 중심에서는 발생하지 않고, 중심에서 멀어질수록 심하게 된다. 이는 Taylor급수 로 표현할 수 있다.    를 이상형좌표, 을 영상 중심으로부터 좌표까지의 거리,  ,  ,  를 방사왜 곡계수라 할 때 방사 왜곡된 좌표     는 식(4)와 같이 나타낼 수 있다. 일반적으로는  항까지 요구 되지만 어안렌즈처럼 왜곡이 심한 경우는  ,  항까 지 요구된다.                  . (4). 3.2 보정계수 추출 왜곡된 영상을 보정하기 위해서는 왜곡되지 않은 비교기준이 되는 이상형영상과 카메라를 통하여 입력.

(4) 증기발생기 유로홈막힘 사진판독 알고리즘 개발. 11. 된 왜곡영상간의 변환관계를 정확히 모델링하는 것이 중요하며, 두 개의 평면 즉 이상형영상 평면과 왜곡영 상 평면간의 변환에 관여한 계수를 찾는 것이 왜곡영 상의 보정기술이다. 그러므로 왜곡영상의 보정기술에 서는 왜곡된 영상으로부터 이상형영상을 여러 가지 방법으로 정의하여 사용하고 있으나, 일반적으로 일 정 간격의 그리드 객체를 프린터로 출력하여 보정객 체(calibration object)로 사용하는 것이 통상적이다. 카메라로 입력된 왜곡영상을 변환 모델을 사용하여 이상형 영상으로 바꾸는 과정은 아래와 같은 순서로 수행한다. ① 그리드 패턴의 보정객체에 대한 왜곡영상 취득한다. ② 왜곡영상에서 교차점 추출한다. ③ 왜곡된 격자영상의 중심에 위치한 교차점을 찾는다. ④ 중심의 교차점 주변에 위치한 4개의 그리드로부터  축과  축에 대한 단위 그리드의 평균거리를 구 한다. ⑤ 구한 단위 그리드를 가지고 중심 교차점 위치로부 터의 거리를 계산하여 왜곡 그리드 영상의 그리드 수만큼의 그리드를 재구성한다. 이 방법은 보정객체를 사용하는 영상보정방법과 같 이 보정객체를 사용하되 이상형영상을 왜곡된 보정 객체의 영상으로부터 직접 생성하는 것이 아니라 보 정객체의 특정 점에 대응되는 좌표를 컴퓨터 계산으 로 생성하여 사용하는 방식이다. 그러므로 이상형영 상을 따로 생성하는 과정은 필요 없으며, 왜곡계수 추출 시 왜곡격자 영상의 참조 점과 대응되는 최적화 된 좌표를 계산을 통하여 얻는다. 이렇게 얻어진 좌표 로부터 Fig. 4와 같은 순서로 보정모델의 계수를 구하 고 이 계수를 평가프로그램에 적용하면 UBIB 검사영 상의 평가에 최적의 환경을 제공하게 된다. 카메라로 피사체를 촬영하게 되면 중심의 이동, 회전, 피사체와 카메라의 이격거리, CCD센서 면과 피사체 면의 각도, 렌즈의 특성 및 CCD의 평면 등으로 영상 은 왜곡이 발생하게 된다. 이러한 왜곡을 얼마나 잘 보 정하느냐에 따라 평가프로그램의 완성도가 결정된다. 육안검사(UBIB 검사) 영상은 왜곡의 정도를 현시 점에서는 다양하게 재현할 수 없어 Calibration Sheet 를 만들고 이를 검증장비 카메라로 촬영하여 여러 종 류의 왜곡영상을 만든 후 여기에 개발된 사진판독 알 고리즘의 보정모델을 적용하여 알고리즘에서 사용할 보정계수를 추출하였다. 복합 왜곡 보정계수 추출 알 고리즘은 다음과 같다.. Fig. 4 Algorithm application procedure. ► 복합 왜곡 보정계수 추출 알고리즘 ① 이상형 영상과 캡처된 영상 입력 ② 각 영상의 중심으로부터 1/4영역 선택 ③ 대응되는 기준점으로부터 이동거리의 평균값 계 산 및 이동계수 추출. 한국압력기기공학회 논문집 제7권 제3호 2011년 9월.

(5) 12. 조남철 ․ 김왕배 ․ 문찬국. ④ Affine 알고리즘 적용 및 affine 계수 추출 ⑤ 각 영상의 중심으로부터 1/2 영역 선택. 프로그램에 적용된 사진판독 알고리즘과 적용된 원 근계수 및 왜곡계수의 타당성을 확인하고자 검증장치. ⑥ 원근투영 알고리즘 적용 및 투영 변환계수 추출 ⑦ 각 영상의 전체 영역 선택 ⑧ 방사왜곡 알고리즘 적용 및 왜곡계수 추출. 를 활용하여 보정모델을 검증하였다. 보정모델 검증 절차는 다음과 같다. ① 유로홈 2개의 폭이 약 50mm임을 감안 가로, 세로. 3.3 알고리즘 검증 유로홈막힘의 평가는 실물과 영상에서의 계산이 일 치하는지를 검사해야 하나 증기발생기 내부는 사람 이 접근할 수 없으므로 실제 측정이 불가능하다. 이 에 따라 관지지판의 제작도면 이미지와 증기발생기 내부 영상을 비교하는 방식의 평가 프로그램을 도입 하게 되었다. 프로그램의 정확성과 신뢰성을 보증받 기 위해서는 적용된 평가 알고리즘의 검증이 요구된다. 증기발생기 유로홈과 같은 구조모형을 갖춘 검증장 치를 제작하고 이러한 모형으로 검사 시뮬레이션을 하여 비교함으로서 평가프로그램의 타당성을 간접적 으로 검증할 수 있다. 이러한 용도로 검증장치를 개발하여 적용하였다. 검증장치는 전열관지지판 모형을 만들어 전열관을 설 치하고 하단에 영상을 촬영할 수 있는 카메라 시스템 을 설치하는 구조로 제작되었다. 또한 카메라의 촬영 각도와 전열관지지판까지의 이격거리를 구할 수 있 도록 레이저 시스템을 부착한 이송장치로 구성되며 대략적인 구성도는 Fig. 5와 같다.. 5mm, 전체 50×50mm 방안지를 만들어 Calibration Sheet 제작(Fig. 6) ② 이 Sheet를 촬영하여 왜곡영상 생성 ③ Sheet와 같은 크기의 CAD도면 파일 제작(Fig. 7). Fig. 6 Calibration sheet. Fig. 7 CAD file for calibration sheet measuring. Fig. 8 Calibration of front shooting image (before ․ after). Fig. 5 Image verification device. Transaction of the KPVP, Vol. 7, No. 3. Fig. 9 Calibration of rotated shooting image (before ․ after).

(6) 13. 증기발생기 유로홈막힘 사진판독 알고리즘 개발. ④ 이 CAD 파일을 왜곡영상과 프로그램에서 오버 랩 (Fig. 8, Fig. 9 before) ⑤ CAD 도면을 위에서 설명한 보정모델을 적용하 여 왜곡영상과 일치(Fig. 8, Fig. 9 after) ⑥ 왜곡영상과 CAD도면의 일치여부 비교 본 사진판독 프로그램을 이용하여 사진과 도면을 일치한 상태에서의 측정된 촬영거리는 Table 1에서 보는바와 같이 이론적으로 계산된 촬영거리와 평균 0.44 mm의 오차가 있는 것으로 평가되었다. 따라서 프로그램에 적용된 알고리즘에 채택된 원근계수는 매우 타당한 것임을 알 수 있다. Calibration Sheet를 피사체로 하여 0°, 10°, 20°, 30° 방향에서 촬영높이를 다르게 하여 각각의 거리에서 사진을 촬영하고 프로그램을 이용하여 이 사진들을 각각 보정한 후 격자무늬 각각의 라인을 추출하고 각 각의 간격을 측정하여 오차를 판독하는 방법으로 비 교하였다. Fig. 10은 원본사진과 보정사진, 피팅 라인 을 보여준다. Table 2는 30° 방향에서 촬영한 사진을 프로그램에 적용된 각 계수로 보정한 후 측정한 것을 정리한 것이다. 피사체에 있어 5mm 간격의 그리드는 보정 후 0˚사진에서 평균 4.99mm, 10˚사진에서 5.00. Fig. 10 Shooting and calibration image, fitting line (picturing angle 30˚) Table 2 Measuring distance between grids after compensation (picturing angle 30˚) (단위: mm). Table 1 Errors of picturing distance (단위: mm) 촬영각도. 0˚. 10˚. 20˚. 30˚. 평균. 촬영높이. 촬영거리. 구 분. 오차. 촬영거리. 66.00. 76.00. 86.00. 96.00. 보정거리. 62.10. 73.00. 84.00. 94.80. 1st. 5.00. 5.02. 4.99. 4.84. 2nd. 5.04. 4.96. 4.98. 4.94. 3rd. 4.98. 5.01. 4.98. 4.98. 계산. 측정. 52.00. 40.00. 40.20. -0.20. 62.00. 50.00. 50.10. -0.10. 평균. 5.01. 5.00. 4.98. 4.92. 72.00. 60.00. 60.50. -0.50. 1st. 5.04. 5.05. 4.90. 5.10. 82.00. 70.00. 70.50. -0.50. 2nd. 4.97. 4.98. 5.06. 5.06. 59.00. 47.73. 47.70. 0.03. 3rd. 5.04. 4.96. 5.01. 5.04. 68.00. 56.86. 56.70. 0.16. 평균. 5.02. 5.00. 4.99. 5.07. 78.00. 67.02. 66.90. 0.12. 1st. 5.03. 5.01. 4.96. 4.92. 88.00. 77.17. 76.80. 0.37. 2nd. 5.00. 5.01. 4.99. 5.00. 64.00. 55.34. 55.30. 0.04. 3rd. 5.00. 5.00. 5.01. 5.01. 74.00. 65.98. 65.20. 0.78. 4th. 5.48. 5.03. 5.01. 5.06. 84.00. 76.62. 75.90. 0.72. 평균. 5.13. 5.01. 4.99. 5.00. 94.00. 87.26. 85.90. 1.36. 1st. 5.02. 5.04. 5.04. 5.04. 66.00. 62.35. 62.10. 0.25. 2nd. 5.02. 5.04. 5.04. 5.07. 76.00. 73.90. 73.00. 0.90. 3rd. 4.96. 4.97. 4.98. 4.98. 86.00. 85.45. 84.00. 1.45. 4th. 4.93. 4.94. 4.95. 4.96. 96.00. 96.99. 94.80. 2.19. 평균. 4.98. 5.00. 5.00. 5.01. -. -. -. 0.44. 5.01. 5.03. 5.00. 4.99. 5.00. 수평라인 +측. 수평라인 -측. 수직라인 +측. 수직라인 -측. 전체평균. 한국압력기기공학회 논문집 제7권 제3호 2011년 9월.

(7) 14. 조남철 ․ 김왕배 ․ 문찬국. mm, 20˚사진에서 5.00mm, 30˚사진에서 5.01mm의 결과를 보여주었다. 오차는 ±0.01mm로써 사진에서 1 픽셀의 폭이 0.08mm임을 고려하면 본 프로그램에서 사용된 왜곡알고리즘과 왜곡계수의 결정은 매우 타당 하다는 것을 알 수 있다. 또한 검증장치의 판독신뢰도를 검증하기 위하여 검 증장치의 유로홈에 임의의 이물질을 부착한 후 고해상 도 정밀카메라로 촬영(P1 & P2)하고 이를 AutoCAD 와 사진판독 프로그램을 이용하여 막힘 면적을 계산 하여 비교하였다. Fig. 11과 Fig. 12는 각각의 면적계 산 판독 과정을 보여준다. 그 결과는 Table 3과 같으 며, 두 평가방법의 판독결과 오차는 약 0.1% 내외로 써 99.5% 이상의 정확도를 보여주고 있음을 확인하 였다.. 4. 결 론 본 연구에서는 카메라의 환경에서 나타나는 왜곡 영상의 한 점을 이상형 영상으로 대응시켜 이동과 회 전, 크기 등에 의한 계수를 추출하고 2D 원근투영 변 환과정과 렌즈에 의한 왜곡 등을 보정하는 복합왜곡 모델의 알고리즘을 개발하였다. 실제 육안검사장비에 사용되는 동일한 카메라로 사 진을 취득할 수 있는 검증장치를 제작하고 이 장비를 이용하여 현장조건을 재현하여 알고리즘을 평가하고 관련된 보정계수를 계산하였다. 이렇게 계산된 보정계수로 검증장비로 촬영한 사 진과 왜곡이 없는 고해상도 카메라에 의한 사진을 촬 영하여 상용 CAD프로그램과 본 알고리즘을 적용한 프로그램으로 비교 평가하여 정확도가 99.5% 이상 임을 검증함으로써 적용된 알고리즘이 타당함을 확 인하였다.. 참고문헌. Fig. 11 AutoCAD assessment (left: P1, right: P2). Fig. 12 Program assessment (P1 & P2) Table 3 Clogging rate 구 분. P1. P2. AutoCAD. 26.44%. 23.27%. 프로그램. 26.3%. 23.24%. 오. 차. 0.14%. 0.03%. 정 확 도. 99.5%. 99.9%. Transaction of the KPVP, Vol. 7, No. 3. 1. Hong-Deok Kim, Jae-Yong Lee, Dong-Hyun Je, Han-Sub Chung, 2007 “Evaluation of Tube Support Plate Blockage of Model F Steam Generators”, 한국압력기기공학회 논문집 제3권 제2호. 2. Ming-Kuen Chiang and Meng-Jen Chen, 2006 “Steam Generator Scale Cleaning Process in Mannshan Power Plant”, International Conference on Water Chemistry of Nuclear Reactor Systems. 3. D.C. Brown, “Close-range camera calibration”, 1971, Photogrammetric engineering 37: 855-866 4. J. G. Fryer and D. C. Brown, 1986, “Lens distortion for close-range photogrammetry”, Photogrammetric and Remote Sensing 52: 51-58 5. 한기태, 김회율, 2001, “복합 왜곡영상을 위한 보 정계수 자동 추출 방법”, 한국통신학회논문지 '01-3 26(3B): 302-314.

(8)