基于X射線探傷的焊接圖像缺陷自動檢測方法

王賓

（云南電網有限責任公司，云南昆明，650011）

0 引言

對焊接圖像缺陷進行有效識別與檢測一直是我國無損檢測研究領域的關注重點，相關方面的研究目標為：通過落實對缺陷的全自動檢測，以此判斷生產的焊接件是否滿足國家質量需求標準[1]。目前，我國現有的數字化檢測技術已達到了精度較高的水平，但大多數檢測技術針對的是靜態化圖像，使用數字化技術進行動態化圖像的實時檢測仍未有顯著的成果。為此，本文引進X射線探傷技術，利用其實時成像能力，將其投入到對圖像的自動化檢測中。在深入對技術的研究中發現其具有兩點顯著優勢[2]。其一為技術具有較高的實用性，由于技術應用本身便具備較高的精度要求，因此在檢測過程中，漏檢、誤檢等現象出現較少。其二為技術具有較高的時效性，在工業生產領域，為了滿足市場需求，通常需要在工件生產效率與后期缺陷檢測速度中投入較多的人力資源。而提出的技術具有對多幀圖像實時識別的能力，因此可實現對多圖像的同時處理，因此其應用效率是相對較高的[3]。為了進一步提升工業生產工件的質量，提高其產出效率，本文將在X射線探傷技術的支撐下，設計一種針對焊接圖像的缺陷自動檢測方法，致力于通過本文此次的設計，解決傳統技術存在的多種不足。

1 基于X射線探傷的焊接圖像缺陷自動檢測方法

1.1 動態疊加焊接圖像多幀信息

在獲取的焊接圖像中，受到獲取過程中光源存在不穩定問題、光線可能存在二次散射現象等因素的影響，使得焊接圖像中存在較多的隨機噪聲。在此種條件下，焊接圖像整體分辨率較低，無法在此時直接進行缺陷的檢測[4]。因此，本章提出對焊接圖像進行多幀信息疊加的方式，降低圖像中含有的隨機噪聲。

在相鄰的圖像信息幀中，噪聲存在是沒有顯著規律的，而目標缺陷在圖像多幀信息中均出現過，在對焊接圖像進行信息的m次疊加后，存在缺陷區域中噪聲信號的幅度值沒有發生任何變化現象，而在常規區域中的噪聲信號幅度值則呈現下降趨勢，通常會減少到其原有圖像噪聲的1/m[5]。即原有焊接圖像亮度沒有發生變化，但存在噪聲的圖像亮度則會降低，通過此種方式便可以實現對噪聲的去除。

在上述提出的過程中，定義f(x,y)表示為初始化焊接圖像（原始圖像），I(x,y)表示為去除噪聲后的理想焊接圖像，n(x,y)表示為焊接圖像中現存噪聲。在掌握相關信息后，可輸出下述等效計算公式。

公式中：i表示為對圖像的疊加次數。通過上述計算公式，便可實現對焊接圖像多幀信息的動態疊加，但此過程中應當注意：疊加的次數需要根據圖像實際情況進行，當疊加次數超出有效范圍后，會降低圖像信息處理的效率，反之當疊加次數不足有效次數時，所提取的圖像中噪聲無法被有效去除[6]。通常情況下，疊加次數控制在3～5次為最佳。疊加過程中，要注意不同幀數的補償位置應對準，避免出現疊加后焊接圖像存在額外偏差值。

1.2 基于X射線探傷自動提取幀內缺陷信息

在上述提出步驟的基礎上，引進X射線探傷技術，對幀內缺陷信息進行自動提取，在此過程中，可參照如圖1所示的典型焊接圖像示意圖開展工作[7]。

圖1 焊接圖像典型缺陷示意圖

在圖1中，上部分為焊接圖像示意圖，下部分為存在部分缺陷的示意圖，其中圓形圈出區域表示為缺陷區域。在使用X射線探傷進行缺陷提取，可以按照“獲取圖像RIO—焊接信息獲取—焊接圖像缺陷分割—缺陷幀自動跟蹤”的流程實施[8]。在獲取的圖像中，大部分缺陷在X射線探傷技術下，均呈現為斑點狀或線條狀，而其他信息較不明顯。因此，在自動提取幀內缺陷信息時，有必要在其空間域中使用X射線濾波算法，對背景圖現存能量進行削弱處理，以此種方式提高缺陷幀信息的能量。

在每一幅焊接圖像中，損傷區域僅占圖像中的較小部分，因此，為了降低算法計算的運算量，需要在圖像中將有效區域提取出來，并將X射線濾波算法應用到此部分中。算法應用計算公式如下。

公式（3）中 ：eU(k)表示為X射線濾波中灰度值在焊接圖像中的分布；T表示為圖像中X射線濾波一次射入后的亮度；k表示為圖像缺陷最優取值，取值范圍為[1,255]。輸出計算后實際值，以此作為焊接圖像幀內信息缺陷。

1.3 動態檢測焊接圖像缺陷

在獲取的焊接圖像中，其中的氣孔或未焊接完成區域，通常表示為亮點或顯著線條，因此在針對此種缺陷檢測過程中，可直接通過肉眼識別的方式即可。對于較不明顯的缺陷，可通過定位圖像中灰度值的方式進行像素識別，即分析圖像區域內是否存在較小的空域方差。以此種方式，作為焊接圖像缺陷動態識別的依據。

在此基礎上，將灰度值計算差與檢測區域內的空域方差進行融合，融合后判斷兩者是否存在相同特征，假定存在相同特征，則可以認為此區域為缺陷區域，反之需要提取圖像中的特征點進行深入的識別。

對于待識別的圖像區域，需要對其進行隸屬值的評估，將隸屬值劃分為四個等級，分別為1.0～4.0，4.0表示為隸屬值較高，反之1表示為隸屬值較低。當隸屬值約等于4.0時，表示焊接圖像待識別區域為缺陷區域，反之可將其認定為噪聲。通過此種方式，完成對焊接圖像缺陷的動態化檢測與識別。

2 實驗論證分析

本文選擇將某工業生產廠作為實驗環境，實驗過程中使用的焊接圖像均來自該生產廠日常工作過程中產生的圖像。從該工業生產廠生產加工管理歷史數據庫當中，隨機提取100張不同構件的焊接圖像，構成本文對比實驗的測試集。分別利用本文提出的基于X射線探傷的焊接圖像缺陷自動檢測方法和文獻[2]基于圖像處理技術的檢測方法對100張焊接圖像進行缺陷檢測，以此實現對本文檢測方法的實際應用優勢驗證。已知在100張不同焊接圖像當中，共包含氣孔、夾渣、裂紋、凹坑和焊瘤，共五種不同缺陷類型，將五種不同缺陷類型焊接圖像隨機分布在測試集當中。利用兩種檢測方法對五種不同缺陷問題進行檢測，并對其進行分類，得到最終五個不同缺陷類型下，相應的焊接圖像數量。通過將檢測得到的不同類型下焊接圖像數量與經過實際驗證后得出的結果進行對比，驗證兩種檢測方法的檢測準確性。為方便比較，將實驗過程中得到的實驗數據進行記錄，并繪制成如表1所示的實驗結果對比表。

表1 兩種檢測方法實驗結果對比表

表1中類型I表示為氣孔缺陷；類型II表示為夾渣缺陷；類型III表示為裂紋缺陷；類型IV表示為凹坑缺陷；類型V表示為焊瘤缺陷。根據表1中內容可以看出，在對五種不同焊接缺陷類型圖像進行檢測時，本文檢測方法得出的檢測結果與驗證數據基本一致，僅在夾渣缺陷和焊瘤缺陷中出現較小偏差，而文獻[2]檢測方法得出檢測結果與驗證數據存在較大出入。同時，在實驗過程中，傳統檢測方法在對不同焊接圖像進行檢測時，需要人工對不同缺陷類型數據進行設定，不僅會造成由于人工失誤導致檢測結果存在誤差，同時檢測效率也會受到人工操作的影響。因此，通過對比實驗證明，本文提出的基于X射線探傷的焊接圖像缺陷自動檢測方法在應用到實際工業生產加工中，能夠保證檢測正確率達到98%，并實現對不同缺陷類型的精準分類。

3 結束語

本文設計一種基于X射線探傷的焊接圖像缺陷自動檢測方法，并在完成對方法的設計后，通過對比實驗驗證了，本文設計的方法整體性能顯著優于對比方法，將其應用到實際工業生產加工中，能夠保證檢測正確率達到98%，并實現對不同缺陷類型的精準分類。因此，可在后期的工件生產與制作過程中，將本文提出檢測方法應用到實際，以此解決對比方法存在不足，對生產造成的負面影響。