X光焊缝图像中缺陷的实时检测方法(中文).docVIP

X光焊缝图像中缺陷的实时检测方法 孙怡 孙洪雨 白鹏 王昱 田岩平 （大连理工大学电子与信息工程学院， 116024） （中国石油天然气集团总公司管道局钢管厂， 11100） 摘要： 为了检测X光探伤图像中螺旋钢管焊缝缺陷，提出了一种新的实时自动检测算法。它是一种基于图像空间特性（空间对比度与空间方差）的模糊识别算法，与人眼视觉识别特性相近，与其他传统缺陷检测算法相比，有较低的漏判率和误判率，并能满足生产线上实时检测的要求。 关键字：无损探伤；焊缝缺陷；自动检测；模糊算法 0 引言 X射线无损探伤是工业无损检测的主要方法之一，其检测结果已作为焊缝缺陷分析和质量评定的重要判定依据。但是，该方法具有操作过程复杂、运行成本高、结果不易存放且查询携带不便等缺点。随着电子技术的飞速发展，一种新型的X射线无损检测方法“X射线工业电视”应运而生，并开始应用到焊缝质量的无损检测当中。X射线工业电视取代了原始X射线探伤中的胶片，用监视器（工业电视）实时显示探伤图像，这样不仅可以节省大量的X射线胶片，而且还可以在线实时检测，提高了X射线无损检测的检测效率。但现在的X射线工业电视大多还都采用人工方式进行在线检测与分析，而人工检测本身存在几个不可避免的缺点，如主观标准不一致、劳动强度大、检测效率低等。随着计算机技术、自动控制技术以及迅速地引入焊接领域，焊接生产自动化、智能化已经成为21 X射线无损探伤缺陷自动检测系统的硬件组成与结构如图1所示。系统主要由三个部分组成：信号转换部分、图像处理部分及缺陷位置的获取与传输部分。信号转换部分由X光光源、螺旋钢管、传送车、图像增强器、以及CCD摄像机组成。在螺旋钢管内部的X光光源发出的X射线穿透螺旋钢管及焊缝区域后，被图像增强器接收，图像增强器将不可见的X射线转换为可见光，CCD摄像机再将光信号转换为电信号，完成光电转换，并将电信号送入图像处理部分。如果在焊缝区域中存在气孔、夹渣或未焊透等缺陷时，在监视器上显示的探伤图像上就会形成一个亮点或者一条亮线，图像处理部分也正是利用这个特点来检测每一帧探伤图像中是否存在缺陷的。图像处理部分包括视频采集卡，监视器，计算机，显示器等设备。其功能包括采集、显示、处理并存储采集到的探伤图像数据。在计算机中通过下述基于模糊识别准则的缺陷检测算法来检测每一帧探伤图像中是否存在缺陷并在计算机显示器上实时显示检测结果，同时将检测结果存储到计算机的存储器当中，以备后续查找和验证。缺陷位置的获取与传输部分由单片机、旋转编码器、Max232芯片、ADAM-4520模块和传输线等组成，其功能是获取并传输缺陷的位置信息。系统利用旋转编码器将位移信号转换为脉冲信号，通过脉冲信号的个数来记录传送车的位移，再通过串行通信接口将位移信号传送给计算机进行处理，从而获得缺陷的位置信息。 图1 系统结构图 2．螺旋钢管焊缝区域的自动提取 每一幅X射线探伤图像中，缺陷所在的焊缝区域占整幅探伤图像很少的一部分,如图2所示。 2 探伤图像实例图 在每一帧探伤图像中，均存在着明显的三个不同的灰度级区域，即图像中央横向条形的焊缝区域、焊缝区域上下的亮背景（钢管壁区域）以及四周的暗背景（挡板区域）。这样就可以消除像素灰度值不稳定对焊缝提取影响，有效准确地提取出焊缝区域。 其中 的最大值，并将其所对应的k值作为最优阈值T。 其中，，， i表示灰度，h(i)表示灰度分布。实验表明利用此方法提取出焊缝区域非常接近人的视觉区分结果。图3显示了剔除暗背景后的图像直方图、分割的阈值、分割后的二值图以及焊缝提取的结果。 (b) (c) 图３ (a) 剔除暗背景后的直方图及自适应阈值 (b) 采用 (a) 中的阈值分割的效果 (c) 焊缝提取效果图 3 缺陷检测算法原理 前已述及，若在焊缝区域中存在气孔、夹渣以及未焊透等缺陷时，缺陷区域就会形成一个亮点或者一条亮线。这样在视觉上就可以根据探伤图像中，某一个区域是否比其周围背景区域更加明亮来判断该区域是否是缺陷区域，而从图像处理的角度来看，可以根据探伤图像中像素灰度值的大小来判断一个区域是否是缺陷区域。在这里应该注意一个问题，人类视觉中的“亮度”，或者说是“明亮程度”,不仅仅是指区域中像素的灰度平均值，而且还与区域中像素的空间方差特性（一定区域内像素灰度值变化的剧烈程度）有关。也就是说仅仅有着较高的灰度平均值还不够，或者说还不足以使人确信这个区域就是缺陷区域。举一个特殊的例子，如果一个区域内有几个灰度值极大的点（实际上就是几个