杨飞[1]2003年在《X射线数字成像中的缺陷定位检测技术研究》文中研究指明射线检测是无损检测中的一种重要方法，在射线检测中，缺陷的定位一直是个重要的环节。缺陷定位的方法主要有黑度法、体视法、工业CT及视差法等，其中视差法相对于其它几种方法，以其操作简便、适用范围广而得到了普遍应用。但是，视差法存在着精度不高的缺陷，目前还没有对影响视差法定位精度的因素进行系统分析的研究，并且当前大部分的视差法实现都采用传统的胶片成像，检测效率较低。同时，视差法给出的只是缺陷深度方面的信息，对于缺陷的叁维定位信息无法明确的反映。为此，本课题首先通过射线数字成像来实现视差法，并且详细分析了视差法中影响定位精度的各个因素，找出了误差的来源及各种误差对定位精度的影响程度。在此基础上，提出了参数校正的方法及通过旋转试件来实现视差法，从而大大提高了缺陷定位精度及检测效率。 在较好的解决了缺陷深度定位问题的基础上，本课题进一步建立了缺陷定位的叁维数学模型，用来解决缺陷的叁维坐标定位问题。经过试验数据的验证，该模型能正确的反映出缺陷的叁维坐标。
侯晓琴[2]2009年在《基于射线成像的缺陷自动识别方法研究及应用》文中提出为了保证工件的产品质量,尤其是那些与交通安全直接相关的零部件的安全,如铁道货车摇枕、侧架,车轮,道叉等,必须对工件内部的缺陷进行严格的质量检测及等级评定。射线检测技术以其独特的优势广泛应用于工业产品内部缺陷的无损检测中。但是,目前对射线检测结果的评判,还主要依靠人工评定的方法。该方法工作量大,效率低,而且评定结果受评定人员主观因素的影响较大,很难满足现代生产的需求。为了提高识别效率同时减少人为因素引起的漏检误判,并使评判结果客观化、规范化、科学化,研究基于射线图像的缺陷自动识别系统就显得非常有实际意义。工件缺陷大致分为两类:一类是工件内部零部件的装配错误,如关键零部件是否漏装,安装位置是否正确等;另一类是工件内部材质存在的缺陷,如气孔、裂纹、夹渣、收缩等。本文主要针对第二类缺陷的识别技术进行研究,最终目的是开发基于X射线图像的铸造缺陷自动识别和分类软件,完成对工件内部的四大典型缺陷(气孔、裂纹、夹渣、收缩)的自动识别,其中以对气孔的识别为重点。这里的X射线图像指两类图像,即CT、DR图像。文中,首先研究并分析了工件X射线图像的分形特征及其无标度区间。其次重点研究了缺陷识别中,图像预处理、缺陷分割、缺陷分类叁大部分的实现方法。在预处理部分,针对实际待检DR图像存在横/纵向条状伪像的特点,提出了一种去除条状伪像的方法,对厚度均匀的工件DR图像,取得了很好的去伪像效果;在图像分割部分,首先研究了一种基于盒分形维分割法和盒像素点覆盖法共同作用实现缺陷定位的方法,其次改进现有的链码跟踪方法,实现了缺陷的准确定位和精确跟踪;在缺陷分类部分,首先提取缺陷的5个灰度统计特征,其次设计了一个二叉树分类器实现了四大类缺陷的准确分类。最后,开发完成一套基于X射线图像的铸造缺陷自动识别和分类软件。结果表明该缺陷识别软件对于面积大于3×3像素的缺陷,识别率可达到90%以上。
石端虎[3]2007年在《复杂结构精密焊件中缺陷分割及空间定位的研究》文中研究表明钛合金具有优良的综合性能,而激光焊在钛合金薄板的连接上有很大的优势,因此钛合金激光焊在航空航天飞行器的重要结构上获得了广泛的应用。由于激光焊固有的特点,很难避免在焊缝中产生气孔等缺陷。如果连续的气孔分布在结构的关键部位,当航天飞行器高速飞行时,在载荷的作用下将会造成结构失效,从而对其安全飞行带来隐患,因此开展相应的缺陷定位与识别等无损检测有着重要的理论和实际意义。本文针对航天飞行器上某重要部件的蒙皮与筋板焊接结构的无损检测要求,深入论证了检测方案,研究了其检测图像去噪与增强、缺陷分割与定位、缺陷空间位置可视化等关键技术及其实现问题。根据该精密焊件的结构特点,利用X射线实时成像系统,通过多视角成像的方法获得了含有缺陷的焊缝检测图像。针对图像对比度低,焊缝区灰度梯度大,且缺陷大部分淹没在噪声中这一问题,采用了迭加去噪和小波变换相结合的联合处理方法去除图像中的噪声。研究中选取sym8小波、硬阈值和极大极小的阈值准则,实现了噪声的去除。利用反锐化掩模和自动调整对比度的图像增强方法解决了去噪后焊缝区整体亮度高,不利于缺陷提取的问题,提高了缺陷与其背景间的对比度,为后续的缺陷分割及其它处理打下了良好的基础。本文采用焊缝区提取的方法实现了微小缺陷的分割,该方法采用两次自动阈值提取出焊缝区,然后在焊缝区分别进行锐化和平滑,最后结合背景相减分割出微小缺陷,但该方法中多次锐化会在缺陷边缘产生阴影,从而造成分割后的缺陷形态失真。在小波去噪的基础上采用形态学模拟背景实现了微小缺陷的分割,分割后的缺陷具有较好的保真度。该方法先提取出感兴趣的区域,然后在感兴趣的区域进行小波去噪和形态学模拟背景,最后结合背景相减分割出微小缺陷。为了获得最佳的分割结果,提出了线灰度分布曲线拟合并相减,搜索相减结果最大值的结构元尺寸确定方法。上述算法对感兴趣区域的大小不敏感,具有较强的适应性,为后续的缺陷定位特征点位置的自动提取奠定了良好的基础。对于本文研究的对象,其焊缝中的缺陷分布位置对结构的可靠性影响很大。根据焊件结构与检测图像的特点,建立了焊件中缺陷深度、偏移量计算的数学模型,并通过实际焊件的破坏性试验对上述模型进行了验证。结果表明建立的数学模型是正确的,实际焊件中缺陷的深度定位误差不超过5.1%。为了提高缺陷定位的精度和检测的效率,对影响缺陷定位精度较大的投影距离进行了自动提取,验证结果表明所设计的算法取得了较好的效果。同时为了实现多视角成像图像中缺陷数据的自动提取与对应,给出了缺陷大小与缺陷沿焊缝长度方向分布的提取算法,提出了相应的对应准则实现了检测图像中缺陷数据的自动对应,提取的数据可批量输入到缺陷空间位置可视化程序中。直观地显示缺陷在结构焊缝中的分布,对于评价接头的可靠性具有重要的意义。为此作者开发了基于Matlab的缺陷空间位置可视化程序,设计了GUI界面,实现了批量缺陷数据的自动输入和两侧焊缝中缺陷的同时显示。开发的可视化程序可实现焊件结构尺寸的调整,叁维模型自动生成、旋转角度调整、透明化处理、叁视图显示、缺陷信息查询等功能,为复杂结构精密焊件射线检测缺陷位置的叁维显示提供了一种新的解决方案。
巩淼[4]2014年在《基于模糊集和神经网络的焊缝缺陷识别技术研究》文中提出焊缝缺陷识别是检测焊件质量的关键环节，有效地检测出焊缝缺陷保证焊缝的质量，对于安全生产具有十分重大的意义。焊缝缺陷识别率的高低直接关系到焊件质量的好坏及施工建设的安全性问题。目前，石油管道焊缝缺陷检测主要有以下叁个方面问题：一、在检测管道焊缝缺陷方式上主要依靠人工检测，自动化程度不高，效率较低；二、在检测技术方面主要依靠专业技术员的经验，在焊缝底片检测时会伴有主观性，以及经验的不完善性、模糊性，容易造成评定结果不客观；叁、焊缝缺陷影像在整个底片中所占的比例很小，容易造成漏检现象。针对焊缝缺陷识别不标准、不规范的情况，需要用更合理的方法去完成焊缝缺陷识别。针对传统人工检测的问题，本文主要从大庆油田实际情况出发，将模糊集与神经网络技术融入焊缝缺陷识别中，对焊缝缺陷识别进行深入研究，具体研究内容有以下几点：1.焊缝图像预处理操作是缺陷识别的基础，进行焊缝缺陷识别前需要进行图像的预处理。本文针对焊缝图像的特点，对图像的噪声进行分析，提出改进中值滤波方法对图像降噪处理，并用模糊增强方式增强图像中有用信息。2.研究焊缝缺陷灰度曲线的特点，本文通过分析行列灰度曲线的分布情况对焊缝缺陷的位置进行定位，提取缺陷的有效特征，并引用模糊理论对特征参数类别进行描述，作为缺陷识别的特征参数。3.针对焊缝缺陷特征固有的模糊性，研究基于模糊理论的神经网络模式识别算法，以模糊理论为基础建立网络的缺陷训练样本数据，代替传统的输入变量模式，提高网络的映射能力，结合实际情况，将其应用到焊缝缺陷识别中。4.根据本文的算法，开发出焊缝缺陷识别系统。系统的实际的应用情况表明，本文研究的基于模糊集和神经网络的焊缝缺陷识别方法容易操作、执行速度较快，能取得比较理想的效果。
陈慧[5]2011年在《大型桥梁缆索的无损检测技术研究》文中提出现代工业社会中,大型桥梁缆索的安全运行显得尤为重要。针对大型桥梁缆索,本文分别采用了X射线数字成像检测技术和电磁超声无损检测技术对其进行组合探伤,实现缺陷的定性和定量信息的检测。本文构建了LDR-02型X射线数字成像系统,对被测试件进行不同方向的图像采集。由于X射线图像的特点,故排除噪声干扰、改善图像观测效果是X射线数字成像检测的最基础的工作。本文采用了图像去噪、图像增强等图像预处理的方法进行研究,并且根据被测试件周期性的特点,提出了一种缺陷识别提取的方法。根据缺陷区域统计的像素个数,确定缺陷的面积大小及深度信息。实验结果表明,此算法可以较好地确定缺陷的大小。但X射线数字成像技术的定量准确率与拍摄角度有很大的关系。为此,本文还采用了电磁超声无损检测方法。本文在搭建的电磁超声检测系统的平台上,设计了EMAT换能器及阻抗匹配电路以激发实际需要的超声波。采用互相关分析对发射信号和接收信号进行分析研究,确定缺陷信息。
张军辉[6]2008年在《钛合金焊接结构缺陷检测与定位方法》文中进行了进一步梳理本文的研究对象是航天飞行器上某钛合金构件,焊接方法采用激光焊。激光焊接钛合金时由于冷却速度快,很容易生成气孔等体积型缺陷,因此为了确保航天飞行器的安全,必须对该构件进行无损检测。基于这种背景,本文对钛合金复杂结构激光焊缝缺陷的检测和定位方法进行了研究。针对钛合金复杂结构的特点,本文利用X射线实时成像系统,采用旋转视差法对其进行了检测。根据光栅对线灰度特征曲线的影响确定了对缺陷进行定位的特征点。针对检测过程中可能出现的工件倾斜现象,本课题利用矩不变特性对其倾斜角度进行了计算,并进行了校正。结合线灰度特征曲线,在模拟背景的基础上,提出了基于曲线拟合的方法来确定定位特征点。根据工件结构和检测图像,建立了工件中缺陷埋藏深度和偏移量的数学模型,并推导出了相应的数学公式。为了提高检测效率和检测精度,本文针对对缺陷定位精度影响较大的投影距离设计了详细的算法,实现了投影距离的自动提取。为了检验缺陷定位的精度,本课题结合实际焊缝对计算结果进行了验证,并根据计算结果统计分析了缺陷分布的空间位置信息。为了实现焊缝缺陷的批量检测,开发了基于Matlab和C++接口的焊接缺陷评价系统的封装程序。设计了人机交互的界面,在该界面中只需输入工件检测的图像名称和相关结构数据,通过调用相关的控件,就可以自动实现图像处理、缺陷定位。同时利用生成的焊接缺陷空间位置信息,通过封装焊接缺陷可视化系统程序,实现了焊缝中缺陷位置的可视化,该程序大大提高了检测效率和检测精度。
杨静[7]2008年在《基于X射线图像的焊缝缺陷检测与识别技术》文中进行了进一步梳理本文针对X射线焊缝图像缺陷检测的特殊要求,研究了基于X射线实时成像的缺陷检测与识别技术。在工业探伤领域中,由于焊接过程出现的各种问题,会导致焊缝中含有气孔和裂纹等缺陷,影响产品的质量和安全,所以焊接图像中缺陷的检测十分重要。传统X射线焊缝图像的检测受评片人员的技术素质和经验的影响。胶片法具有检测效率低、操作复杂、胶片资料不易保存、检测过程不易实现自动化等特点,因此采用X射线实时检测系统在线检测与分析,就可以有效地克服人工评片引起的误判,从而使在线检测工作客观化、规范化、标准化。根据射线成像检测原理,本文设计一个高清晰度、高分辨率的X射线焊缝缺陷自动检测系统,检测焊缝中存在的缺陷并自动评定缺陷的性质,最后对焊缝进行评定。本文针对X射线焊缝检测图像中存在大量与缺陷检测无关的背景冗余信息,提出了一种减影技术与自适应阈值相结合的自动提取方法,减少计算量,提高检测精度,准确提取缺陷图像信息,此方法简单易行,效果良好。根据欧式距离度量的特征选择判断依据,经缺陷提取后提取有效特征,确定边缘平直度、尖部尖锐度、周长面积比、填充度指数、对称性、相对灰度作为识别分析的参数,为后续的识别阶段打下基础。最后使用了BP神经网络的方法对射线焊缝中的缺陷进行识别。利用理论和经验相结合的方法,通过实验寻求隐含层数目及训练函数和传递函数之间的最优组合。实验结果表明,该方法使总体识别误差达到最小,提高了焊缝识别率,缩短了识别时间。
闫哲[8]2017年在《基于人眼视觉机制的检测机器人铸件缺陷识别与定位方法研究》文中提出目前,X射线数字图像的计算机自动识别是射线检测领域的研究热点。从工件的X射线检测图像自动提取出其缺陷信息,传统图像识别方法均以孤立图像为研究对象进行静态图像处理和分析,自动获取被测试件的缺陷,这样导致了可靠性以及实时性不高等现实问题。机器视觉是人工智能领域一个十分活跃的分支,人眼视觉在面对复杂的环境时可以快速地将本人的注意力聚集在一些显着性高的的目标上,而后对这些目标进行优先处理。本文将人眼视觉选择注意机制引入到X射线图像目标检测中,提出一种动态的基于人眼视觉机制的X射线数字图像自动识别新方法。该方法在图像的运动序列中对缺陷进行实时提取和动态跟踪,利用人眼视觉注意机制模型等图像处理方法在每幅图像中分离出潜在缺陷,保证提取出全部真缺陷而不必考虑伪缺陷的数量,并将此方法应用于工业检测机器人在线检测过程中,有很大的现实意义。本文主要分为缺陷识别与提取、缺陷匹配与定位、系统整体设计叁个部分:(1)通过模拟视觉注意机制,以区域或者行(列)分割为手段,提出了基于视觉注意机制且利用中心-周边算子的铸件射线图像缺陷检测模型以及其实现方法,避免了传统Itti方法存在的问题,减少了无关区域对核心区域的干扰以及数据处理量,达到顺利选择出射线图像中应该被关注的重点区域的目的,为后续缺陷提取打下基础。(2)分析总结了Harris角点提取和SIFT特征点提取的原理及一般流程,之后通过介绍RANSAC方法的原理及优点,优化了匹配过程中伪缺陷的问题,进一步保证了缺陷匹配的准确性。在此基础上,提出了基于Harris-SIFT的缺陷匹配方法。通过将(1)中选择的区域以及(2)中匹配成功的缺陷综合对比后,得到铸件中缺陷的真实位置,而后利用平移视差法定位铸件缺陷在空间中的具体坐标。(3)提出了基于支持向量机的铸件缺陷分类方法,构建了分类的神经网络,计算了其中的关键参数。(4)针对工业应用情况,初步设计了一套检测系统,包括系统整体的流程设计、机器人设计、相关软件的设计等。
陈光[9]2007年在《焊缝X射线数字图像处理及缺陷检测方法研究》文中研究表明X射线无损探伤是工业检测焊接质量的常用方法之一。目前国内外X射线探伤检测方法仍以胶片成像法及图像增强器实时成像法为主，采用人工方式进行在线检测与分析，但人工检测存在主观标准不一致、劳动强度大等缺点。因此计算机辅助焊缝缺陷检测一直受到广泛关注。然而，由于成像条件、检测对象以及算法的复杂性和局限性，实际应用中，仍有许多问题尚待进一步研究。本课题以X射线检测焊缝图像为研究对象，针对石油焊管管端焊缝生产检验中线阵列探测器实时成像的X射线数字图像存在的对比度不高、图像噪声及背景起伏较大、焊缝边缘模糊且纹理较多的特点。利用matlab仿真软件，对图像处理方法中的平滑降噪、灰度变换图像的增强及图像分割方法进行了分析探讨。通过对空域滤波中线性、非线性滤波及频域滤波的分析比较，选择自适应中值滤波方法对原始焊缝图像进行滤波降噪。通过对图像分割方法中的基于阈值分割方法、基于边缘检测方法及基于数学形态学分水岭方法的分析讨论，选择类间、类内方差比分割法和数学形态学方法并用进行焊缝图像分割，以提取出有效的焊缝区域。对焊缝部分应用高频加强变换，根据焊缝缺陷在图像上的位置和形态信息提出检测的简单有效方法。仿真结果表明自适应中值滤波能够有效去除噪声，并保持焊缝和缺陷的边缘细节；类间、类内方差比分割方法与数学形态学方法并用，能准确的将图像分割为焊缝与母材区域；高频加强变换能够使焊缝中心部位突显出来，从而实现缺陷的检测。
王诗琴[10]2012年在《药柱X射线数字成像检测图像处理系统的研究》文中研究指明药柱作为一种军工用品，其质量、外形必须严格符合国家军用标准的要求。由于药柱的装药过程复杂，受各种因素的影响，不能完全避免夹杂、缩孔、气孔、裂纹等缺陷的出现。当这些缺陷超出一定的范围，将会破坏弹药的力学性能、燃烧性能和安全性能，导致后期膛炸或早炸等危险事故发生。X射线数字成像检测技术作为一种方便、可靠的无损检测方法，在兵器企业药柱缺陷检测中得到广泛应用。论文中针对企业生产情况和对药柱检测精度、速度的要求，选择了基于图像增强器的实时成像系统，介绍了系统及成像核心器件的工作原理，对影响成像质量的因素进行了分析和校正方案研究。论文的主要工作是在VC++6.0平台上开发基于图像采集卡的图像采集和处理系统软件，实现了图像多帧平均采集和视频的采集及保存。图像处理部分包括预处理、图像分割和图像分析叁大模块。图像预处理模块，采用了传统的降噪方法——多帧迭加和KNN中值滤波，平滑药柱射线图像噪声效果理想；使用灰度变换、直方图均衡和同态滤波对药柱图像进行增强，有效改善了图像对比度，并提出一种高频强调滤波和直方图均衡相结合的方法，使增强后缺陷的边缘更加清晰。图像分割模块基于边缘检测和阈值的方法，用传统边缘检测算子和基于小波模极大值的边缘检测方法进行实验，结果表明，后者能得到清晰、准确的边缘；基于区域的自适应阈值分割方法，能够排除药柱背景的干扰，准确分割出缺陷区域。图像分析模块实现缺陷周长、面积等几何特征的测量和自动显示，并实现了行/列灰度的动态扫描功能，方便检测人员检测分析。
参考文献：
[1]. X射线数字成像中的缺陷定位检测技术研究[D]. 杨飞. 华北工学院. 2003
[2]. 基于射线成像的缺陷自动识别方法研究及应用[D]. 侯晓琴. 重庆大学. 2009
[3]. 复杂结构精密焊件中缺陷分割及空间定位的研究[D]. 石端虎. 哈尔滨工业大学. 2007
[4]. 基于模糊集和神经网络的焊缝缺陷识别技术研究[D]. 巩淼. 东北石油大学. 2014
[5]. 大型桥梁缆索的无损检测技术研究[D]. 陈慧. 南京航空航天大学. 2011
[6]. 钛合金焊接结构缺陷检测与定位方法[D]. 张军辉. 哈尔滨工业大学. 2008
[7]. 基于X射线图像的焊缝缺陷检测与识别技术[D]. 杨静. 中北大学. 2008
[8]. 基于人眼视觉机制的检测机器人铸件缺陷识别与定位方法研究[D]. 闫哲. 重庆理工大学. 2017
[9]. 焊缝X射线数字图像处理及缺陷检测方法研究[D]. 陈光. 兰州理工大学. 2007
[10]. 药柱X射线数字成像检测图像处理系统的研究[D]. 王诗琴. 中北大学. 2012
标签：仪器仪表工业论文; 图像分割论文; 灰度图像论文; 特征提取论文; 定位设计论文; 缺陷等级论文; 数字成像论文; 灰度直方图论文; 无损检测论文;