히스토그램 분석을 이용한 배관 증기누설 검출 방법
Steam Leak Detection Method in a Pipeline Using Histogram Analysis
김세오*, 전형섭*, 손기성*, 채경선*, 박종원**✝
Se-Oh Kim*, Hyeong-Seop Jeon*, Ki-Sung Son*, Gyung-Sun Chae* and Jong Won Park**✝
초 록 배관의 누설 검출은 주로 AE(acoustic emission) 센서와 같은 접촉식 센서가 이용되고 있다. 그러나 이러한 접촉식 센서는 고온이나 고방사능 지역에서 설치 및 운용의 어려움이 따른다. 이에 최근 원거리 감시 및 광역감시가 가능한 카메라를 이용한 누설 검출 방법에 대한 연구가 진행되어 왔다. 기존 카메라를 이용한 방법은 누설 검출을 위해 차영상 기법을 이용하고 있다. 그러나 이 방법은 누설뿐만 아니라 구조물의 진동이 누설로 검출되는 오류를 보이고 있다. 본 논문에서는 카메라를 이용한 누설 검출 방법에서 누설 검출 오류를 줄이기 위한 이동평균 차영상 및 히스토그램 분석법을 제안하였으며 실험을 통하여 성능을 평가하였다. 주요용어: 영상처리, 증기누설 검출, 구조물 진동, 이동평균, 차영상, 히스토그램 분석
Abstract Leak detection in a pipeline usually involves acoustic emission sensors such as contact type sensors.
These contact type sensors pose difficulties for installation and cannot operate in areas having high temperature and radiation. Therefore, recently, many researchers have studied the leak detection phenomenon by using a camera. Leak detection by using a camera has the advantages of long distance monitoring and wide area surveillance. However, the conventional leak detection method by using difference images often mistakes the vibration of a structure for a leak. In this paper, we propose a method for steam leakage detection by using the moving average of difference images and histogram analysis. The proposed method can separate the leakage and the vibration of a structure. The working performance of the proposed method is verified by comparing with experimental results.
Keywords: Image Processing, Steam Leak Detection, Vibration of Structure, Moving Average, Difference Image, Histogram Analysis
[Received: August 11, 2015, Revised: October 12, 2015, Accepted: October 21, 2015] *세안기술(주), **충남대학교 정보통신공학과, ✝Corresponding Author: Department of Information Communications Engineering, Chungnam National University, Daejeon 305-764, Korea (E-mail: [email protected])
ⓒ 2015, Korean Society for Nondestructive Testing
1. 서 론
대부분 플랜트 배관은 고온․고압의 증기 및 오 일배관으로 배관 파열로 인한 누설사고가 종종 발생한다. 이런 누설사고가 발생하면 인명피해 및 경제적 손실을 가져오게 된다. 그 예로 2004 년 8월 일본 미하마 원전 3호기에서 터빈측 배관 파열로 고온․고압의 증기가 외부로 분출되어 4명 이 숨지고 7명이 다치는 대형사고가 있었다.
현재 배관의 누설감시 시스템은 대부분 AE (acoustic emission) 센서를 이용하고 있다. 이 시
스템은 배관에 센서를 직접적으로 부착하는 방식 이므로 가동 중인 플랜트 배관은 노이즈로 인해 인식률이 떨어진다. 또한 측정하고자 하는 배관 의 수가 증가할수록 센서의 수가 증가하여 많은 인력 및 비용이 소요된다. 열화상카메라를 이용 한 방법은 누설물질이 주변 온도와 다르면 누설 이 확연히 검출되지만 그렇지 않으면 누설 검출 이 용이하지 않다. 그리고 장비가 매우 고가여서 현장 적용에 어려움이 따른다. 시험지를 이용한 누설감시 방법은 감시하고자 하는 배관에 시험지 를 감싸고 육안으로 검사해야 하는 단점이 있다.
Fig. 3 Leak detection flow chart of proposed method Fig. 1 Leak detection monitoring system using camera
최근에 어레이 마이크로폰을 이용한 누설 검출 방법이 연구되었으나 주변 소음에 매우 취약해 현장 적용에 어려움이 따른다.
이런 단점들을 해결하기 위해 최근 카메라를 이용한 배관누설 감시 시스템에 대한 연구가 이 루어지고 있다[1,2]. 이 방법은 Fig. 1과 같이 간 단한 시스템으로 고온 구조물이나 고방사능 지역 에서 원거리 측정이 가능하고 광역감시가 가능한 장점을 가지고 있다. 하지만, 기존에 연구된 누설 검출 알고리즘은 대부분 이전영상과 현재영상의 변화를 검출하여 누설을 판별하며, 이러한 차영 상 기법[3]은 구조물의 진동 시 구조물의 물리적 위치가 변화하여 차영상 시 영상의 변화가 발생 한 것으로 판단하게 된다. 이러한 방법은 누설로 인한 변화와 진동에 의한 변화를 구분할 수가 없 었다.
본 연구에서는 카메라 영상을 이용해 증기누설 검출 시 구조물의 진동과 누설을 구분하여 실제 누설만 검출하기 위한 방법을 제안하고 비교실험 을 통해 성능을 검증한다.
2. 카메라 영상을 이용한 누설 검출 알고리즘
2.1. 누설의 특징
배관 누설의 특징에 대해 살펴보면 누설이 발 생되었을 때 누설에 대한 조치를 취하지 않으면 Fig. 2(a)와 같이 시간이 지나도 누설이 연속적으 로 발생하게 된다. 그리고 Fig. 2(b)와 같은 배관 에서 누설이 발생하게 되면 누설이 발생한 위치
(a) continuity of leak
(b) localization of leak Fig. 2 Characteristic of leak
에 국한되게 누설의 증상 및 특징이 나타나게 된 다. 그리고 누설은 누설되는 물질이 동일하면 누 설되는 동안 동일한 색상분포나 일정한 모양으로 누설의 특징이 나타나게 된다.
2.2. 누설 검출 알고리즘
Fig. 4 Reference image set
본 논문에서는 이러한 누설의 특징을 바탕으로 Fig. 3과 같이 카메라에서 취득한 영상을 이용하 여 누설을 판별하는 방법을 제안한다.
먼저 카메라로부터 영상을 받아 기준영상을 획 득한다. 획득한 기준영상과 현재영상의 차영상을 구하고 구해진 차영상들을 이용해 이동평균 차영 상을 계산하여 차영상의 평균 변화량을 산출하며 히스토그램 분석법을 이용하여 두 영상의 밝기 분포를 비교 분석한다. 앞서 산출된 데이터는 모 폴로지컬 필터링(morphological filtering)을 이용하 여 랜덤 노이즈를 제거한다[4]. 노이즈가 제거된 영상에서 누설여부를 판별하고 누설이 존재하면 경보를 울리게 된다.
2.2.1. 기준영상 산출
카메라 영상을 이용해 누설을 검출하기 위해서 는 누설이 발생하지 않은 정상상태의 영상을 기 준영상으로 정하고 기준영상과 현재영상의 차이 를 구한다. 하지만 카메라에서 취득한 하나의 영 상을 기준영상으로 사용하면 영상신호의 환경적 인 요인으로 인해 랜덤노이즈가 발생하게 된다. 영상에 포함되어 있는 랜덤노이즈는 차영상 결과 에 많은 영향을 주게 되며 이러한 노이즈를 제거 하기 위해 누설이 발생하지 않은 정상상태 영상 들을 평균하여 기준영상으로 사용한다.
먼저, 누설이 발생하지 않은 정상상태의 연속 된 개의 영상을 라 하고 2D 이미지의 좌표 행 을 , 열을 라 할 때 식(1)과 같이 평균하여 노 이즈를 제거한 기준영상 을 획득한다. 그 예를 Fig. 4에서 보인다.
(1)
Fig. 5 Difference image extraction by moving average
2.2.2. 이동평균 차영상 계산
누설 검출을 위해 2.2.1에서 구한 기준영상과 현재영상을 비교 분석하여 그 변화를 확인해야 한다. 그 방법으로 두 영상간의 차 연산을 수행 하며 그 결과로 차이가 많은 부분은 큰 값을 갖 고 차이가 적은 부분은 작은 값을 갖게 된다. 여 기서 구한 차영상은 누설에 의해 변화된 영상의 정보이므로 누설이 검출된 후보라 할 수 있다.
단일 차영상으로 누설을 판단하게 되면 환경변 화에 의한 노이즈가 누설로 검출될 수 있다. 따 라서 비교영상을 , 영상의 현재시간을 라 할 때 식(2)와 같이 개의 연속적인 차영상에 대해 덧셈연산과 평균연산을 수행하여 누적 차영상에 대한 평균 변화량 을 산출한다. 이때 연속성이 작은 값들, 즉 노이즈에 해당하는 값들은 평균 변화량이 작고 연속성이 큰 값들, 즉 누설로 인 해 나타난 값들은 평균 변화량이 크게 나타난다. 그 과정들을 Fig. 5에서 보인다.
(2)2.2.3. 히스토그램 분석
2.2.2에서 구한 은 구조물 진동에 의한 오차가 포함되어 있을 수 있다. 따라서 이동평균 차영상 과 더불어 히스토그램 분석법을 이용함으로써 누 설검출 시 진동에 의한 오차를 제거할 수 있다.
히스토그램이란 영상에서 각 픽셀들에 대한 밝 기 값의 분포를 나타낸 것이다. 즉 영상에서 밝
Fig. 6 Example of histogram analysis
Fig. 7 Difference value extraction by histogram
은 점과 어두운 점이 분포할 때 그 분포의 범위 와 값을 표현한 것이다. 그레이 레벨 영상에서는 밝기 값의 범위는 0~255 값을 가진다.
영상에서 구조물의 위치변화는 픽셀 값에 영향 을 주지만 각 픽셀들에 대한 밝기 값 분포인 히 스토그램에는 영향을 주지 않는다. 그 예를 Fig.
6에서 보이고 있다. 모양과 크기가 동일한 구를 각각 다른 위치에 둔 두 장의 그레이 레벨 영상 이 있을 때 각 영상에 대한 히스토그램을 살펴보 면 밝기 분포가 서로 일치하는 것을 알 수 있다. 이는 연속된 영상에서 구조물의 진동에 의해 구 조물의 위치가 달라져도 히스토그램에서는 동일 하게 나타난다는 것을 의미한다. 따라서 구조물 진동에 의한 누설검출 오류를 제거하기 위하여 다음과 같은 히스토그램 분석을 수행한다.
Fig. 7과 같이 기준영상의 히스토그램을
라 하고 비교영상의 히스토그램을 라 했을 때 식(3)을 통해 를 구한다. 의 히스토 그램 값 중 0보다 큰 값은 비교영상에서 누설로 인해 발생된 밝기 값이며 0보다 작은 값은 기준 영상에서 누설로 인해 사라진 밝기 값이다.
의 픽셀 값이 의 분포에서 0보다 작으 면 누설로 인해 변화된 영역이고 의 픽셀
값이 의 분포에서 0보다 크면 누설로 인해
발생한 변화 영역으로 판단할 수가 있다.
(3)
an d (4)
따라서 기준영상 및 비교영상을 이용한 히스토 그램의 분석 결과데이터 중 식(4)를 만족하는 데이터가 누설 후보라 할 수 있다.
2.2.4. 랜덤노이즈 제거 및 누설 판단
앞서 구한 누적 차영상과 히스토그램 분석법을 통해 얻은 결과에서 두 데이터가 일치하는 영상 의 픽셀 좌표를 찾는다. 구해진 영상 좌표에는 영상 취득 시 환경 변화, 즉 조명 등에 의해 이 미지 센서의 전기․전자적 노이즈가 랜덤하게 나 타나기 때문에 morphological filtering을 이용해 노이즈를 제거하는 것이 유용하다.
Morphological filtering이란 영상을 형태학적 관 점에서 보고 접근하는 방법을 말하며 영상 내에 존재하는 특정 객체의 형태를 변형시키는 용도로 사용되는 영상처리 기법이다. 주로 영상에서 잡 음을 제거하거나 영상에서 객체의 모양을 기술하 는 용도로 사용되며 대표적인 연산으로 식(5)와 같은 침식(erosion)과 식(6)과 같은 팽창(dilation)연 산이 있다. 침식연산은 필터의 크기 및 사용 횟 수에 따라 작은 덩어리의 객체들을 사라지게 할 수 있고 팽창연산은 필터의 크기 및 사용 횟수에 따라 객체 내부에 있는 작은 구멍들을 사라지게 할 수 있는 연산이다.
⊖
⊆
(5)
⊕
∈
∈
(6)따라서 2.2.2에서 구한 과 2.2.3에서 구한 를 모두 만족하는 영상 좌표에 대해서 랜덤노이 즈 제거 후 누설을 판단한다.
3. 실험 및 결과
제안된 방법을 검증하기 위하여 Fig. 8과 같이 누설진동 실험장치를 이용하여 실험을 수행하였 다. 카메라 영상은 거리 5 m에서 30 frame, 640×
480의 해상도로 취득하였고 기존의 차영상만을 이용한 방법과 제안된 누설 검출방법의 비교실험 을 수행하였다.
Fig. 9는 증기누설 실험장치에 대해 보여주고 있다. 증기누설 실험장치는 180°에 6기압으로 Fig.
10과 같이 증기누설 효과를 낼 수 있는 핀 홀 지 름 1 mm의 시편을 사용하여 실험을 진행하였다.
Fig. 11(a)는 누설이 없는 정상상태의 영상을 보여주며 Fig. 11(b)는 누설이 발생했을 때의 영 상을 보여주고 있다. 두 영상을 통해 알 수 있듯 이 사람의 눈으로 누설상황을 판별하기 어렵다는 것을 알 수 있다.
Fig. 12(a)는 기존 방법인 차영상을 이용한 누 설 검출 결과를 보여주며 누설로 인한 구조물의 진동이 실제 누설과 같이 검출되는 오류를 보이 고 있다. Fig. 12(b)는 제안한 방법인 이동평균 차 영상과 히스토그램 분석법을 적용한 결과로 구조 물의 진동과 누설부위를 구분하여 실제 누설부위 만 검출되는 것을 보여주고 있다.
실제 대부분의 배관 누설은 배관의 조인트 부 위에서 발생된다. 따라서 Fig. 13과 같이 증기누 설 실험장치의 밸브 조인트 부위에 누설을 발생 시켜 실험을 진행하였다.
Fig. 8 Experimental equipment setup for steam leak detection
Fig. 9 Picture of experimental equipment setup
Fig. 10 Specimen of steam leak experimental equipment
(a) steady state image
(b) leak image
Fig. 11 Test image acquired from the camera
(a) conventional leak detection method (a) conventional leak detection method
(b) proposed leak detection method (b) proposed leak detection method Fig. 12 Leak detect image at pin hole of specimen Fig. 13 Leak detect image at joint of pipeline
Fig. 13(a)는 기존 방법의 결과로 이전 실험결 과와 동일하게 누설로 인한 구조물의 진동이 실 제 누설과 같이 검출되는 오류를 보이고 있다.
Fig. 13(b)는 제안한 방법을 적용한 결과로 구조 물의 진동에 의한 오검출을 제거하고 실제 누설 부위만 검출되는 것을 볼 수 있다.
4. 결 론
본 연구에서는 기존의 영상처리를 이용한 누설 검출 방법의 문제점인 구조물의 진동이 누설로 검출되는 오류를 해결하기 위한 이동평균 차영상 및 히스토그램 분석법을 제안하였다. 이동평균 차영상 기법과 누설의 특징인 연속성, 국한성, 일 관성 등을 적용하여 누설을 효과적으로 검출할 수 있었고 히스토그램 분석법을 사용함으로써 구 조물의 진동에 의한 누설 검출 오류를 해결할 수
있었다. 이전 방법인 차영상만을 이용한 방법과 제안한 방법과의 비교 실험을 통하여 제안한 방 법의 성능을 검증하였으며 구조물의 진동으로 인 한 누설판단 오류를 해결할 수 있음을 보였다. 실험결과 추후 플랜트의 배관누설 감시시스템에 활용 가능할 것으로 기대된다.
후 기
이 연구는 2015년 산업통상자원부의 제원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수 행한 연구과제입니다.(No.20131020102420)
참고문헌
[1] Y. C. Choi, K. S. Son, H. S. Jeon and J.
H. Park, "Steam leak detection by using
image signal," Transactions of the Korean
Society for Noise and Vibration Engineering,
Vol. 20, No. 9, pp. 828-833 (2010)[2] K. S. Son, H. S. Jeon, Y. C. Choi and J. W.
Park, "Oil leak detection on a plant by using CCTV camera," Transactions of the Korean
Society for Noise and Vibration Engineering,
Vol. 2011, No. 1, pp. 136-141 (2011)[3] R. C. Gonzalez and R. E. Woods, "Digital Image Processing Rev. 2," Addison Wesley, Massachusetts, pp. 110-112 (1992)
[4] J. R. Parker, "Algorithms for Image Processing and Computer Vision Rev. 2," John Wiley &
Sons, New York, pp. 85-136 (1997)
[5] M. H. Chowdhury and W. D. Little, "Image thresholding techniques," IEEE Pacific Rim
Conference on Communications, Computers, and Signal Processing, Proceedings, pp.
585-589 (1995)
[6] N. Otsu, "A threshold selection method from gray-level histograms," IEEE Transactions on
Systems, Man, and Cybernetics, Vol. 9, No. 1,
pp. 62-66 (1979)[7] J. MacQueen, "Some methods for classification and analysis of multivariate observations,"
