论文部分内容阅读
由于焊接过程参数众多且存在环境干扰，通常无法完全避免出现熔合不良、裂纹、气孔、夹渣等缺陷。X射线无损检测具有方法简单、分辨率高等优点，是焊接缺陷无损检测的主要手段。近年来，随着X射线实时成像技术的不断发展，基于数字化图像的缺陷检测得到日益关注。但是，一方面X射线成像系统自身的特点局限了图像的质量，通常采集得到的数字化X射线图像信噪比较低；另一方面，探伤图像具有复杂度高、易畸变等特点，目前基于图像的检测方法仍存在适应能力和实时性低、缺陷识别稳定性和精度不足等问题，严重局限了该技术在生产应用中的推广。论文在深入研究焊缝数字化X射线图像特点的基础上设计并优化了图像预处理、焊缝分割、缺陷提取和分类的算法，通过理论研究和试验分析改进了算法思路和关键参数取值范围，形成了基于数字化X射线图像的焊缝内部缺陷自适应检测技术，自主编写了相关算法软件，开发了相应的焊缝缺陷实时判别系统。本文所搭建的检测系统在实际应用过程中具有良好的判别精度和稳定性，为该技术的进一步应用推广提供了理论分析和技术支撑。本文主要研究内容如下：（1）实际生产应用中，焊缝在图像中的灰度分布通常具有一定的复杂性，X射线透射过程中形成较为显著的干扰和噪声，造成后续缺陷识别困难。本文提出了一种基于轮廓形态学的多尺度滤波器。给出一种基于Top-Hat的多尺度轮廓形态学算子的基本概念，可完成在复杂背景条件下的X射线焊接缺陷图像的预处理。（2）由于零部件加工尺寸和装配间隙的波动，焊缝在X射线图像中的位置也存在相应的偏离，传统的固定位置检测方法无法适应这种随机性波动，最终影响检测系统的适应能力。本文首先改进了传统的过渡区的描述子的不足，提出了一种新的描述子—融合局部模糊熵与模糊方差的过渡区域描述子，该算子分别利用局部模糊熵与局部模糊方差分别反映邻域窗口内灰度变化的频率和幅度。针对传统过渡区域方法均直接对原图像进行操作，未考虑先验知识的问题，本文提出了一种基于先验知识的有监督的过渡区域提取方法。其次，针对前面提出的过渡区域描述子未能考虑到邻域窗口形状的问题，提出了一种基于最小灰度差方法作为过渡区域描述子。针对传统过渡区域方法在过渡区提取时未考虑到人类视觉感知特性，本文在最小灰度差算子的基础上，提出了一种基于无监督的过渡区域提取及阈值分割方法。根据得到分割后的二值图像，在该二值图像中搜索灰度值较低的像素点，判断是否找到感兴趣的区域。实验表明利用该方法提取出比较理想的焊缝区域，具有很好的视觉效果。（3）缺陷提取是X射线成像自动检测中十分重要的环节。但是由于焊缝内部缺陷的尺寸相对较小，且易受到焊缝内部组织成分不均匀的影响，因此焊缝内部缺陷图像的分割算法设计和优化具有较高难度。本文在人工神经网络基本概念的基础上，针对焊缝X射线检测图像的特点，设计了基于LVQ神经网络的边缘检测方法，实现了原始图像中的背景去除。该方法首先利用具有代表性的边界特征向量对LVQ神经网络进行训练，然后对图像中的感兴趣的区域的像素进行特征提取，作为神经网络的输入向量，最终得出较粗略的边缘图像。由于基于LVQ神经网络的边缘检测后的图像边缘粗糙，图像中含有的噪声较大，本文设计了基于数学形态学的图像二值去噪算法，去噪后的图像能真实地反映出焊接缺陷的具体的形状和大小，是适应性较好的焊缝图像缺陷提取的方法。（4）缺陷分类是进行焊缝质量评定的重要基础。本文通过对各种缺陷的X射线焊缝图像进行图像采集并实验分析和特征量计算，从中优化选出五个特征量作为最优的特征组合，作为后续分类方法的输入参数。根据焊接缺陷自身的特点，采用基于二叉树的支持向量机的方法对焊接缺陷进行模式分类。实验结果表明，该分类方法能够较好地将焊接缺陷进行正确分类。