焊缝X射线实时成象自动分析系统.pdfVIP

维普资讯 第2l卷 第1期 焊 接 学 报 V0J ． 21 No．1 摘 要 以射线实时成象检测系统为研究对象，根据射线实时成象的特点。对焊缝缺陷 的提取及识别技术进行了研究，采用 _c．FO方法进行焊缝缺陷提取，取得了良好的效果。 制定了一套用于特征描述的参数，给出了具体计算方法，设计了基于反向传播神经网络 进行焊缝缺陷识别的方法，给出了相应的结果。实践证明，该方法比现有的其它方法具 有更好的可靠性和适应性。另外，对图象的预处理及提取结果的修正等均进行了介绍。 本文所述方法已用于实际焊接缺陷的检测并取得了良好的效果。 一r d TC441 中图分类号： ¨＼一 嗍’X 乡 任大海 0序 言 1 -] 叠加去噪和平滑滤波的方法进行抑制。为了有效突 出被测 目标区域 ，设计 了基于模糊变换 的图象增强 焊缝射线探伤中的缺陷 自动识别技术开始于电 方法，以便于后续处理工作的进行。另外，实时成象 脑评片的研究，其 目的主要是为提高工作效率和减 过程中，射线源焦点的影响十分明显，而目前对此 尚 小人为因素对评片结果的影响。但是，应该说，对胶 未有较为深入的研究。经分析 ，射线源的模糊影响 片摄象法而言，上述 自动评片系统对检测过程 的意 可用一卷积模型表示，故修正图象可表示为 义并非很大。实时成象技术的采用，使探伤系统的 Q(，Y)=F [p(，)／U(，)] (1) 自动评价具有了更为重要的意义，因为只有在此基 式中 0(“，)、U(“，)分别为原始图象和焦点图 础上的自动评价系统才能真正使操作人员解放出 象的频谱 。实际结果证明，该方法有效减小了射线 来 ，从而彻底实现检测过程的自动化 。目前 ，人们已 源焦点的影响。 经开展了许多研究工作，在图象预处理_】及缺陷 自 动分类 等方面均有 良好的进展，但是到目前为止， 2 焊缝缺陷的提取 在预处理方面，所采用的方法大多为常用的图象增 强及叠加滤波等；在焊缝缺陷的 自动分类识别及评 在焊缝缺陷的提取中，目前常用的仍是基于匹 价方面，多为依据特征的描述型方法，其效果仍有待 配模板的检测，由于成象质量的影响等原因，实际提 提高，在这方面进一步开展研究，无疑具有重要意 取效果不是十分理想，实际工作中，作者采用广义模 义_3J。本文将以射线实时成象法获得 的焊缝缺陷为 糊边缘检测法_4J进行检测，取得 了较好的效果 ，下面 对象，对其缺陷提取及分类方法进行研究，设计了基 简要加以介绍。 于反向传播神经网络的焊接缺陷自动识别方法，并 2．1 广义模糊边缘检测法(GFO方法】 给出相应的试验结果。 基于模糊数学的观点，可以把一幅灰度图象看 作为如下的模糊集 1 实时成象的预处理 (A)．U (a： ) (2) 式中 alj为(f，，)点的图象灰度，i为与其对应的隶 与胶片成象相 比，由于射线实时成象法获得的 属度。可采用如下函数进行从图象空间到模糊空间 图象灰度分布较窄，不便于进行直接处理。同时，由