鈦合金管件焊縫射線探傷圖像識別與數據分析

吉衛喜 李小兵 賈繼勇

1.江南大學，無錫，214122 2.無錫市新峰管業股份有限公司，無錫，214063

0 引言

國內原油需求以及國際油價居高不下的情況，決定了中國需要發展煤化工［1］。煤化工是指以煤為原料，經化學加工使煤轉化為氣體、液體和固體燃料以及化學品的過程。煤化工技術復雜，設備使用環境惡劣，運行安全要求高。煤化工裝備內的各種工藝介質多為易燃、易爆和有毒性的物質，因此煤化工設備管路的設計壓力和設備溫度通常都比石油化工高［2］，而鈦合金管件以其強度高和耐腐蝕性好等性能可保證煤化工設備質量高，滿足長周期運行，延長使用壽命和確保運行安全的要求。本文針對TA2鈦合金材料應用于煤化工設備管路管件制造過程中焊縫射線探傷質量控制問題進行研究。鈦是較難焊接的材料，在焊接的過程中，由于受到各種設備、材料、方法、環境及人為因素的影響，不可避免地出現氣孔、夾渣、裂紋、未焊透、未熔合等現象。目前，鈦合金管件焊縫射線探傷的檢測數據需要人工逐項和標準數據進行對比，從而判斷零件是否符合要求和等級。同時，傳統射線探傷所拍攝的相片需要有經驗的人員進行判斷，該過程費時費力，效率低，且由于個人的經驗程度不同，以及眼睛疲勞等客觀因素的影響，會使判斷結果出現漏判或誤判等情況。利用計算機輔助鈦合金管件焊縫射線探傷檢測數據分析與射線探傷圖像自動識別系統能夠克服上述問題，使分析的數據更具有一致性，同時使得質量檢測工作在數字化、標準化和自動化方面的程度更高。

1 系統原理

鈦合金管件焊縫質量要求很高，焊前用機械和化學兩種方法清除氧化皮、油漬、水份及其他有機物。焊接采用自主研發的自動焊接機械手實現。焊縫不允許有弧坑、粗大魚鱗紋等缺陷。經X射線探傷不允許有裂紋、夾雜、氣孔等缺陷。鈦合金管件焊縫射線探傷數字成像系統的硬件結構如圖1所示。系統主要由計算機、圖像采集卡、存儲設備、監視器、攝像機、光學鏡頭、圖像增強器、X攝像機、工作平臺以及被檢測的零件等部分組成。其中由攝像機、光學鏡頭、圖像增強器、X攝像機、工作平臺以及被檢測鈦合金管件零件組成的部分完成光電轉換的任務，具體過程如下：安裝在工作臺內部的X攝像機發出X射線，該射線穿過被檢測零件后被圖像增強器接收，并把不可見的X射線轉換成可見光，然后攝像機再將光學信號轉換成電信號。攝像機再將圖像輸入圖像采集卡，經過圖像采集卡中的A／D轉換等處理后，將最終的圖像以256色灰度顯示在監視器上。如果零件存在焊縫缺陷，質量檢測人員此時就會在監視器上看到圖像上的不同圖案，主要是一些亮點或者一些亮線，然后由圖像處理系統根據圖像上的這些不同特征來進行焊縫缺陷的判別［3－8］。

圖1 系統硬件結構圖

2 圖像處理與特征提取

由于在管件焊縫成像的過程中，焊縫缺陷部位會受到環境噪聲、電磁干擾等因素的影響，所成的圖像會有所失真。因此采集的圖像也無法直接進行模式識別，需要采取相應的圖像處理手段，并進行特征識別，才能進行焊縫缺陷的識別與評判。所以，系統的關鍵在于能夠獲取清晰的、易于識別的數字圖像，然后才能在此基礎上，進行焊縫缺陷的識別、分類、存儲以及后續的分析判斷。利用計算機數字圖像處理技術，可以對圖像進行預處理、分析并提取相應的特征，從而保證產品質量的有效監控，提高圖像評定的效率。

2.1 圖像預處理

管件焊縫圖像的轉換主要由兩步完成：一是對采集到的光學圖像用圖像增強器、攝像機等進行光電轉換；二是由計算機、圖像采集卡等完成A／D轉換。

為了消除圖像噪聲，可以采用低通濾波器鄰域平均法進行濾波，但由于圖像邊緣輪廓含有大量的高頻信息，所以用鄰域平均法過濾噪聲時必然使邊緣變得模糊，此時就需要高通濾波器保護圖像邊緣，但高通濾波器對嗓聲的濾波效果不太理想。解決這一問題的方法是采用中值濾波［9－10］。中值濾波時，一般采用一個含有奇數個點的滑動窗口，將窗口中各點灰度值來代替定值（一般是窗口的中心點）的灰度值。對于奇數個元素，中值是按大小排序后中間的數值；對于偶數個元素，中值是指排序后中間兩個元素灰度值的平均值。對數字圖像進行中值濾波，實質是對二維序列進行中值濾波。通過實驗比較分析，綜合采用中值濾波－自適應閾值處理－孤點濾波處理－邊緣檢測－焊縫提取的方案對焊縫圖像進行處理。

對管件焊縫圖像濾除噪聲以后，需要對其進行圖像二值化處理，其目的是變灰度圖像為黑白圖像，以便對后續的圖像進行邊緣檢測以及曲線擬合。為了更好地突出需求信息并取得良好的效果，選用自適應閾值方案并用最大方差法來確定自適應的閾值，主要原理如下：

假設焊縫圖像的灰度值為n級，灰度值i的像素為mi，那么，此時總像素各灰度值的概率然后在k處將其分為兩組，即C0（i＝1，2，…，k）以及C1（i＝k＋1，k＋2，…，n），兩組的概率分別為

兩組的平均值分別為

式中，μ為整體焊縫圖像的灰度平均值；μ（k）為閾值為k時灰度的平均值。

整個焊縫圖像灰度的μ值和σ2（k）值分別為

k在變化的過程中，求σ2（k）最大值所對應的k值，即求得所需閾值。由于自適應閾值處理后，焊接管件表面銹斑的灰度值不均，還可能有與焊縫灰度值像同的區域，即存在少量的干擾孤點。所以，還必須采取孤點濾波處理，消除圖像中的一些干擾點。

2.2 焊縫圖像邊緣特征提取

為了獲取圖像的邊緣信息，需要對圖像的邊緣信息進行提取，本文擬采用邊緣檢測法，因為在焊縫圖像邊緣處，圖像數據具有不連續性，區域的灰度值發生突變，邊緣檢測可以提取出圖像的邊緣特征而去掉圖像的內部信息，可極大地減少圖像的數據量。經計算可得出在焊縫的邊界處的灰度值的差值是最大的［11］。因此，本文應用基于Sobel算子的邊緣檢測算法提取焊縫輪廓，以求出輪廓坐標并顯示有缺陷位置的坐標［12-13］。Sobel算子是一種離散性差分算子，具有方法簡單，處理速度快，獲取的邊緣光滑、連續等特點，其表達式如下：

式中，Gx、Gy分別為圖像函數f（x，y）在點（x，y）處的梯度的幅度。

為了使邊緣信息更加完整，采用八方向的Sobel算子卷積模板，如圖2所示。

圖2 八方向Sobel算子卷積模板

根據模板卷積運算檢測出圖像邊緣，具體過程如下：

圖像中對應模板中心位置的像素選取運算結果的最大值，作為該像素的新灰度值，即

同時，為了進一步增強圖像的細節信息、邊緣特征，需對8個方向的邊緣模板進行融合。采取基于小波變換和Sobel算子相結合的圖像融合方法可達到此目的，該方法具有較好的融合效果。具體的實現步驟如下：

（1）對各圖像進行小波分解，得到圖像的高頻數據和低頻數據。其中高頻部分代表了圖像的細節信息。

（2）利用Sobel算子對圖像高頻特征量進行提取，得到圖像的高頻特征量：

式中，λ表示第λ個模板方向；Dλ為λ個方向圖像的小波高頻系數；M（i，j）為檢測出的方向模板。

（3）根據取大的準則確定8個方向上的高頻小波系數，并進行小波逆變換，得到新的融合圖像，最終確定圖像邊緣。具體的融合準則為

利用上述方法獲取的圖像邊緣信息完整，邊緣斷裂明顯減少，連續性好。經過上述圖像處理過程，能夠顯示鈦合金管件焊縫缺陷圖像的明顯特征，再將其送入計算機輔助評判系統，進行最終的焊縫缺陷判別，進而進行焊接質量的評判與監控。

3 焊縫相片識別與數據分析系統

3.1 焊縫相片識別與評判

當管件焊縫X射線相片送入相片識別系統的同時，檢測人員需要將檢測時的特定條件輸入到系統當中，或者直接調用標準數據庫里的標準數據；然后，把標準相片數據庫中的相片也一起調出，同時顯示在顯示器上。此時計算機會自動識別并生成評判結果，同時檢測人員也可根據已有的經驗進行人工判斷，綜合評判結果之后，將數據反饋到數據對比模塊，如果沒有差異，就進入到綜合結果輸出模塊，形成相應的檢測報告［14］。最后，定期利用光盤對所獲取的圖像進行存儲。

3.2 焊縫射線探傷數據分析

鈦是較難焊接的金屬。因為氧、氮、氫、碳等雜質會嚴重影響鈦的力學和耐蝕性能，其生成的化合物也嚴重地影響焊接接頭的力學和耐腐蝕性能。焊接時，由于高溫區域大、滯留時間長、冷卻速度慢，管件焊縫區易產生粗大晶粒，形成過熱組織而使塑性下降，冷卻速度較快時，又易產生不穩定的脆性α′鈦（鈦馬氏體），會使焊接接頭的塑性下降。為解決此問題，采用管件焊接機械手，嚴格控制線能量和冷卻速度。考慮到鈦合金管件材料的焊接特點，在焊接過程中，除了采取有效的技術措施，制定合理的焊接工藝，還研究開發了鈦合金管件焊縫缺陷相片識別與數據處理系統，以確保焊接質量。該系統由檢測技術條件模塊、檢測數據輸入模塊、標準相片數據庫、管件焊縫相片識別分析模塊、綜合結果輸出模塊、檢測特定條件下的標準數據庫、數據對比模塊組成。

在該系統中，寫入裝置分別連接檢測特定條件下的標準數據庫、檢測技術條件模塊，其可增加、更新檢測技術條件以及特定條件下的標準數據；標準相片數據庫內的每張標準相片均關聯檢測技術條件模塊內的檢測特定條件；同時，檢測技術條件模塊存儲各種類型焊縫相片對應的檢測特定條件；檢測數據輸入模塊包括檢測條件輸入模塊、射線探傷相片輸入模塊。檢測條件輸入模塊用于錄入焊縫的特定檢測條件下的數據，包括已測得數據、檢測環境條件，檢測環境條件錄入的數據會自動匹配檢測技術條件模塊內的檢測特定條件。射線探傷相片輸入模塊獲取經過圖像處理技術處理過的射線探傷相片；檢測特定條件下的標準數據庫內存儲特定條件下的各種標準數據，并且各種標準數據與檢測技術條件模塊內的檢測特定條件相片關聯；相片識別分析模塊調用關聯的標準相片，并將射線探傷相片與標準相片同時置于圖像輸出的顯示屏上，人工判定相片上焊縫缺陷的性質、數量和密集程度，并根據評判標準劃分質量等級，同時錄入評判結果模塊；數據對比模塊的輸入端分別連接相應檢測特定條件下的標準數據庫、已測得數據、評判結果模塊，最終的數據分析結果輸出至綜合結果輸出模塊；然后綜合結果輸出模塊綜合數據分析結果，自動生成柔性檢測報告。鈦合金管件焊縫相片識別數據處理系統構架如圖3所示。

圖3 鈦合金管件焊縫相片識別數據處理系統構架

3.3 鈦合金管件焊縫缺陷及標準相片庫

經過長期的生產實踐，對鈦合金管件焊縫常見缺陷種類、特點及射線探傷相片進行了分析，建立了典型鈦合金管件的焊縫缺陷類型及缺陷標準相片庫，如表1所示。

標準相片數據庫可以根據加工零件焊縫實際狀況，進行添加和刪除，方便實現焊縫射線探傷相片與標準相片的比對以及缺陷類型的分析，便于應用實際生產過程。

圖4所示為鈦合金管件焊縫相片識別分析模塊的案例，可將獲取圖像與標準相片進行對比。X光片顯示焊縫中心發亮且縱向延伸，為典型的根部余高過高缺陷。

表1 典型鈦合金管件焊縫缺陷類型及標準相片數據庫

圖4 鈦合金管件焊縫相片識別分析案例

4 結束語

針對TA2鈦合金管件焊縫射線探傷檢測的高要求，為了確保焊接質量，研究開發了鈦合金管件焊縫射線探傷相片自動識別、數據分析和質量評判系統，實現了鈦合金管件的自動化焊接與質量評判技術，并已在航空、核電、石化等裝備的高性能零部件制造中得到應用。鈦合金管件焊縫射線探傷檢測數據分析與相片識別系統對檢測圖像進行編號、輔助評定，輔助完成缺陷的定量、定位、定級，實現射線探傷檢測判斷的數字化，顯著提高了缺陷評定工作準確性，同時也大幅提高了工作人員的效率。

經過某管業制造企業實際生產中鈦合金管件焊縫射線探傷圖像現場識別與數據分析應用，結果表明，經過對經典Sobel算子改進后，采用基于小波變換和Sobel算子相結合的圖像融合算法平均運行時間為50ms左右，完全可以滿足生產實時處理的要求。對焊縫缺陷自動識別結果與有經驗的人工評判結果對比正確率高達98.5%，沒有發現漏檢真實存在的缺陷邊緣，也沒有出現把非邊緣點作為邊緣點檢出的現象。但對焊縫質量級別的自動評判還有待進一步研究實現。該算法運行精度高，經過理論及生產實踐數據證明，響應速度快，性能穩定可靠，診斷結果準確，具有良好的生產應用價值。

［1］唐宏青.我國煤化工發展的探討［J］.化工設計通訊，2012，38（3）：7－9.Tang Hongqing.Discussion on Coal Chemical Industry Development in China［J］.Chemical Engineering Design Communication，2012，38（3）：7－9.

［2］劉英.煤化工工藝管線系統試壓探究［J］.化學工程與裝備，2012，8：76－78.Liu Ying.Explore on Pressure Test of Coal Chemical Process Piping System［J］.Chemical Engineering ＆ Equipment，2012，8：76－78.

［3］Jiang Jianfeng，Xiong Zhenyu，Chen Huanming.Application of Digital Image Processing in the Weld Seam Recognition［J］.Journal of Nanchang Institute of Aeronautical Technology（Natural Science Edition），2005，19（1）：58－61.

［4］Sun Yi，Sun Hongyu，Bai Peng，et al.Real－time Automatic Detection of Weld Defects in X－ray Images［J］.Transactions of the China Welding Institution，2004，25（2）：115－122.

［5］Jing Feng.Application of Real Time X－ray Digital Imaging System in Nondestructive Inspection［J］.Nondestructive Inspection，2004，28（3）：37－39.

［6］任大海，尤政，孫長庫，等.焊接缺陷實時成像自動檢測技術的研究［J］.清華大學學報，2001，41（2）：25－29.Ren Dahai，You Zheng，Sun Changku，et al.Automatic Inspection Techniques by Real－time Radiography for Weld Defects［J］.Journal of Tsinghua University，2001，41（2）：25－29.

［7］荊峰.X射線數字化實時成像系統在無損檢測中的應用［J］.無損探傷，2004，28（3）：37－39.Jin Feng.Applications of Digital X－ray Imaging Systems in Real－time Non－destructive Testing［J］.ZDT，2004，28（3）：37－39.

［8］孫怡，孫洪雨，白鵬，等.X射線焊縫圖像中缺陷的實時檢測方法［J］.焊接學報，2004，25（2）：115－122.Sun Yi，Sun Hongyu，Bai Peng，et al.The Realtime Detection Method Based on Weld Defects in the X－ray Image［J］.Transaction of the China Welding Institution，2004，25（2）：115－122.

［9］王慶香，孫炳達，李迪.焊縫位置識別的圖像處理方法設計［J］.焊接學報，2005，26（2）：59－63.Wang Qingxiang，Sun Binda，Li Di.Design of Weld Position Recognition and Processing Method［J］.Transaction of the China Welding Institution，2005，26（2）：59－63.

［10］姜建鋒，熊震宇，陳煥明.數字圖像處理在焊縫識別中的應用［J］.南昌航空工業學院學報（自然科學版），2005，19（1）：58－61.Jiang Jianfeng，Xiong Zhenyu，Chen Huanming.Application of Digital Image Processing in the Weld Seam Recognition［J］.Journal of Nanchang Institute of Aeronautical Technology（Natural Science），2005，19（1）：58－61.

［11］曾潔，張德營，賈世杰，等.基于邊緣檢測的焊縫圖像自動識別算法［J］.大連交通大學學報，2009，30（1）：57－59.Zeng Jie，Zhang Deying，Jia Shijie.Study of Welding Line Image Automotive Identifying Arithmetic Based on Edge Detection［J］.Journal of Dalian U－niversity of Technology，2009，30（1）：57－59

［12］王艷玲.一種改進的Sobel邊緣檢測和細化算法［J］.桂林師范高等專科學校學報，2011，25（2）：152－154.Wang Yanling.A New Edge Detection and Edge Thinning Method Based on Sobel Operator［J］.Journal of Guilin Teachers College，2011，25（2）：152－154.

［13］Zhao Jun，Zhao Ji，Zhang Lei.Image Processing and Feature Extraction for Structured Light Images of Welded Seam［J］.Journal of Xi’an Jiaotong University，2013，47（1）：114－119.

［14］吉衛喜.焊縫射線探傷檢測數據分析及相片識別系統：中國，ZL201110356171.4［P］.2013－01－09.