基于X射线图像的精密构件内部缺陷检测算法研究.pdfVIP

哈尔滨工业大学工学硕士学位论文

摘要

基于X射线图像的精密构件内部缺陷检测方法，是航空航天、核工业等关

键领域中精密构件的质量检测和评估的关键技术手段。X射线图像包括二维

DR（数字成像，DigitalRadiography）图像和三维CT（断层扫描，Computed

Tomography）图像两种，二维DR图像用来对缺陷进行定性检测，确定缺陷是

否存在并粗略估计缺陷的大小，三维CT图像用来对缺陷进行定量测量，确定

缺陷的位置和体积等三维特征。国内对基于X射线图像的缺陷检测算法的研究

起步较晚，在检测精度和效率上与国外先进水平有较大差距。

目前，基于X射线图像的精密构件内部缺陷检测方法主要有以下问题亟待

解决：①基于二维DR图像的人工特征提取类缺陷检测方法，在低对比度图像

场景下难以获得缺陷的高判别性特征，漏检率和误检率较高；②多数基于二维

DR图像的深度学习缺陷检测网络未考虑缺陷特征的不均衡性，抗干扰能力弱，

易受噪声影响，难以实现高检测精度；③目前基于单层切片进行的三维CT图

像的三维缺陷检测方法，受单层切片检测结果影响极大，容错率低，检测精度

有限，且对缺陷三维空间相关性信息的利用率低。

针对上述问题，本课题对基于X射线图像的精密构件内部缺陷检测方法进

行了研究，主要完成了以下工作：

首先，针对人工特征提取类缺陷检测算法难以获得缺陷高判别性特征的问

题，设计了一种基于双阈值重构的二维DR图像缺陷检测算法，利用局部动态

阈值分割和双阈值重构思想，在局部区域内提取缺陷的高判别性灰度特征，降

低缺陷漏检率和误检率。该方法可成功检测出全局阈值分割、灰度梯度提取等

人工特征提取类方法难以检测出的缺陷，缺陷漏检率为16.9%，误检率为

10.8%，符合预期目标，方便快捷，检测效率高，对数据集依赖性小，适用于

对检测效率要求较高且数据集难以获取的二维缺陷检测场景。

其次，针对深度学习缺陷检测网络未考虑缺陷特征的不均衡性的问题，设

计了一种基于不均衡卷积特征提取的二维DR图像智能缺陷检测算法，构建不

均衡卷积特征提取网络，并引入距离注意力机制优化损失函数，对YOLOv8模

型进行改进。通过实验验证，改进后模型的缺陷漏检率为5.5%，误检率为

5.1%。与原YOLOv8模型相比，缺陷漏检率和误检率分别降低了4.7%和1.8%，

与基于双阈值重构的二维DR图像缺陷检测算法相比，缺陷漏检率和误检率分

-I-

哈尔滨工业大学工学硕士学位论文

别降低了11.4%和5.7%，缺陷检测精度大幅提高，适用于高检测精度要求的二

维缺陷检测场景。

最后，针对基于三维CT图像的单层切片进行的三维缺陷检测方法受单层

切片检测结果影响大的问题，设计了一种基于模糊聚类和区域生长的三维缺陷

检测算法，基于模糊聚类思想直接对三维体素数据进行聚类分割，并利用三维

区域生长获得缺陷的轮廓坐标、质心和体积。通过实验验证，缺陷体积测量的

相对误差低于1%，与商用缺陷分析软件3DSlicer的体积测量结果的精度水平

一致，克服了受单层切片检测结果影响大、容错率低的问题，提高了三维缺陷

检测算法的精度和稳定性，适用于需要对缺陷的位置、体积等三维特征进行定

量测量的三维缺陷检测场景。

关键词：X射线；二维DR图像；三维CT图像；内部缺陷；三维缺陷检测

-II-

哈尔滨工业大学工学硕士学位论文

Abstract

Themethodofdetectinginternaldefectsinpr