基于x射線的工業(yè)部件缺陷的無損檢測系統(tǒng)及其檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及工業(yè)品檢測技術(shù)領(lǐng)域，特別是一種基于X射線的工業(yè)部件缺陷的無損 檢測系統(tǒng)及其檢測方法。
【背景技術(shù)】
[0002] 射線檢測是常規(guī)無損檢測的重要方法之一，廣泛應(yīng)用于航空、航天、核電、國防以 及其它工業(yè)部門，在工業(yè)生產(chǎn)和國民經(jīng)濟(jì)中發(fā)揮了重要作用。目前，在生產(chǎn)實(shí)際中，射線檢 測普遍使用膠片照相法。X射線膠片照相的成像質(zhì)量較高，能正確提供被測試件缺陷真實(shí)情 況的可靠信息，但是，它具有操作過程復(fù)雜、運(yùn)行成本高、結(jié)果不易保存且查詢攜帶不便以 及評片人員眼睛易受強(qiáng)光損傷等缺點(diǎn)。
[0003] 為了解決上述問題，20世紀(jì)90年代末出現(xiàn)了X射線數(shù)字照相（Digital Radiography，DR)檢測技術(shù)。X射線數(shù)字照相系統(tǒng)中使用了平板探測器（flat panel detector)，其像元尺寸可小于0.1mm，因而其成像質(zhì)量及分辨率幾乎可與膠片照相媲美，同 時(shí)還克服了膠片照相中表現(xiàn)出來的缺點(diǎn)，也為圖像的計(jì)算機(jī)處理提供了方便。因此，基于平 板探測器的X射線數(shù)字成像系統(tǒng)在無損檢測和評價(jià)(NDT/NDE)、集裝箱掃描、電路板檢查以 及醫(yī)療應(yīng)用等方面具有廣闊的應(yīng)用前景。
[0004] 然而，由于射線源、工件、成像系統(tǒng)、成像工藝等多因素的影響，得到的圖像的質(zhì)量 有時(shí)會達(dá)不到規(guī)定的質(zhì)量標(biāo)準(zhǔn)，導(dǎo)致圖像細(xì)節(jié)信息被掩蓋，影響對結(jié)果的判斷。同時(shí)，現(xiàn)有 的基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)及其檢測方法通過X射線對被檢測的工業(yè)部 件進(jìn)行成像，成像后的圖像通常不經(jīng)過任何處理步驟，直接在顯示終端進(jìn)行顯示，通過純?nèi)?工讀圖的方式進(jìn)行工業(yè)部件的缺陷篩選和判定，效率低下，可重復(fù)性差，且極易出現(xiàn)差錯(cuò)。
[0005] 目前，針對于X射線的工業(yè)部件缺陷無損檢測系統(tǒng)的檢測方法一般基于圖像梯度 或Hessian矩陣來檢測工業(yè)部件中缺陷的位置和形貌，這種檢測方法檢測結(jié)果檢測結(jié)果易 受圖像噪點(diǎn)和圖像灰度分布不均的影響，導(dǎo)致探測效率和正確率不高，且穩(wěn)定性較差。

【發(fā)明內(nèi)容】

[0006] 針對上述技術(shù)問題，本發(fā)明中提出了一種基于X射線的工業(yè)部件缺陷的無損檢測 系統(tǒng)及其檢測方法，該方法基于X射線成像技術(shù)，使用X射線圖像智能處理技術(shù)，用于無損檢 測工業(yè)器件的內(nèi)部缺陷，解決了現(xiàn)有技術(shù)中缺陷探測效率低下、可重復(fù)性差、且極易出現(xiàn)差 錯(cuò)的技術(shù)問題。
[0007] 為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，提供了一種基于X射線的工業(yè)部件 缺陷的無損檢測系統(tǒng)，包括：
[0008] X射線成像設(shè)備，其接收穿透待檢工業(yè)部件的X射線，所述X射線成像設(shè)備設(shè)置有相 互連接的信號探測部件和成像部件；
[0009] 圖像增強(qiáng)部件，其實(shí)時(shí)接收所述X射線成像設(shè)備生成的原始圖像信號，并對所述原 始圖像信號進(jìn)行信號加強(qiáng)處理后得到增強(qiáng)圖像信號；
[0010] 圖像采集卡，其與所述圖像增強(qiáng)部件連接;以及
[0011] 圖像工作站，其設(shè)置有相互連接的緩沖部和缺陷識別部，所述圖像采集卡將采集 到的所述增強(qiáng)圖像信號傳送到所述緩沖部。
[0012] 優(yōu)選的，所述信號探測器部件對準(zhǔn)X射線發(fā)射器的發(fā)射面。
[0013] 優(yōu)選的，基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)還包括預(yù)信號預(yù)處理單元，其 連接在所述成像部件和所述圖像增強(qiáng)部件之間。
[0014] 優(yōu)選的，所述圖像工作站還包括儲存器、服務(wù)器以及顯示器，所述儲存器、服務(wù)器 以及顯示器分別與所述缺陷識別部連接。
[0015] -種基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)的檢測方法，包括以下步驟：
[0016] 步驟1)用X射線發(fā)射器探照待檢工業(yè)部件，信號探測部件實(shí)時(shí)接收穿透待檢工業(yè) 部件的X射線，在成像部件中生成原始圖像信號；
[0017] 步驟2)圖像增強(qiáng)部件實(shí)時(shí)接收所述原始圖像信號，得到灰度圖像，并進(jìn)行圖像預(yù) 處理;對預(yù)處理后的圖像進(jìn)行多尺度處理，得到原始圖像在不同尺度下的下采樣圖像，構(gòu)造 灰度圖像中每個(gè)像素位置的多尺度相似函數(shù)，計(jì)算每個(gè)像素對應(yīng)的相似函數(shù)在多尺度因子 中的最大輸出響應(yīng)，得到增強(qiáng)圖像信號；
[0018] 步驟3)圖像采集卡實(shí)時(shí)采集所述增強(qiáng)圖像信號，并傳送到圖像工作站的緩沖部， 由圖像工作站將增強(qiáng)圖像信號顯示在顯示器上；
[0019] 步驟4)根據(jù)增強(qiáng)圖像信號構(gòu)造待檢工業(yè)部件中缺陷在灰度圖像中的輪廓曲線，進(jìn) 行缺陷區(qū)域的初定位;根據(jù)所述輪廓曲線構(gòu)造帶符號的距離函數(shù)，求解每個(gè)像素對缺陷輪 廓曲線的最近距離；
[0020] 步驟5)根據(jù)所述距離函數(shù)，構(gòu)造圖像中缺陷的混合能量函數(shù)，最大化已構(gòu)造的混 合能量函數(shù)，并計(jì)算所述距離函數(shù)對時(shí)間的偏微分方程，得到缺陷所在區(qū)域在圖像中的分 割曲線Cf，完成區(qū)域識別；
[0021] 步驟6)圖像融合和缺陷位置判定。
[0022] 優(yōu)選的，步驟2)中，圖像增強(qiáng)器件的具體工作流程包括：
[0023]步驟A)實(shí)時(shí)接收原始圖像信號；
[0024] 步驟B)將接收到的原始圖像信號進(jìn)行圖像預(yù)處理，其中，至少包括圖像直方圖均 衡、去噪兩個(gè)處理步驟；
[0025] 步驟C)在灰度圖像上進(jìn)行多次下采樣，下采樣次數(shù)與多尺度因子成正比，計(jì)算采 集到的灰度圖像任意像素的Hessian矩陣，并進(jìn)一步計(jì)算Hessian矩陣的兩個(gè)值λ^Ρλ〗，其 中，I λι I之I入21;
[0026]通過Hessian矩陣的特征值，計(jì)算灰度圖像上任意像素位置X的Hessian矩陣的各 向異性分i
[0027 ]步驟D)通過He s s i an矩陣的特征值，構(gòu)造灰度圖像在任意像素位置X的二階結(jié)構(gòu)：
^并且構(gòu)造灰度圖像中缺陷在位置X的多尺度相似函數(shù)：
[0028]
[0029] 其中，〇是多尺度因子，c是缺陷寬度量化因子，將S應(yīng)用于缺陷的多尺度相似函數(shù)， 以進(jìn)一步去除背景和弱信號對Hessian矩陣的影響；
[0030] 步驟E)選擇多尺度下的最大輸出響應(yīng)V(x):
其中，〇min和 〇max是目標(biāo)區(qū)域中缺陷的最小尺度和最大尺度，其中，最大尺度和最小尺度由使用者設(shè)定。
[0031] 優(yōu)選的，所述步驟4)和步驟5)中，缺陷區(qū)域初定位具體包括以下步驟：
[0032] 步驟I)設(shè)定初始缺陷輪廓曲線Cshape= {χ| ν(χ) = τ}，其中，τ是設(shè)定的閾值，τ在〇~ 1之間；
[0033]步驟II)構(gòu)造帶符號的距離函數(shù)：
[0034]
[0035] 兵衣不母個(gè)1冢系別It犬陌牝厚卩囬線的敢近距離，其中Ω表示輪廓曲線Cshape的內(nèi)部區(qū) 域；
[0036] 步驟III)構(gòu)造圖像中缺陷的混合能量函數(shù)Evessei = |EFLUx-Ecv- γ Eshape，其中，
[0037] Ε〇ν = ?Η(-Φ ) (Ix-c〇ut)2dx+jH( Φ ) (Ix-Cin)2dx；
[0038]
[0039]
[0040] 其中，ds表示面積元，Ix為所在像素位置處的灰度，cin為圖像缺陷輪廓曲線內(nèi)的灰 度均值，c〇 ut為圖像缺陷輪廓曲線外的灰度均值，Η( Φ )是Heaviside連續(xù)的水平集函數(shù)， "(Φ,. )=C.,h;1|W，.表示階躍函數(shù)，to是初始時(shí)刻，且若Φ (X) 2 0，則Η( Φ ) = 1，否則Η( Φ ) =0，Φ 是Lipschitz函數(shù)，ξ和γ分別是權(quán)重因子。
[0041]優(yōu)選的，所述缺陷區(qū)域識別中，先最大化已構(gòu)造的混合能量函數(shù)，計(jì)算距離函數(shù)對 時(shí)間的偏微分：
[0042]
[0043] 其中，δ(χ) = dH( Φ )/(1Φ是Dirac delta函數(shù)，sign( ·)是符號函數(shù)，并且當(dāng)在輪 廓曲線上時(shí)，g = 〇.N為輪廓曲線的法向量； 〇N
[0044] 計(jì)算距離函數(shù)對時(shí)間的偏微分即得出的缺陷所在區(qū)域的分割曲線Cf。
[0045] 優(yōu)選的，所述步驟6)中，將增強(qiáng)圖像Fo'和原始圖像Fo融合，得到缺陷先驗(yàn)圖像F1; 計(jì)算增強(qiáng)圖像?2^2 =巧+(^()，'），其中，(^(0，1)是增強(qiáng)系數(shù);將分割曲線&疊加到原始 圖像Fo上，得到圖像F3，即完成圖像融合；
[0046] 當(dāng)選擇缺陷類型為條形缺陷或圓形缺陷或裂紋后，根據(jù)選擇的缺陷類型和各分割 曲線Cf所在區(qū)域的各項(xiàng)異性分?jǐn)?shù)，將篩選符合條件的分割曲線，并疊加到原始圖像上，得到 圖像F 3'。
[0047] 優(yōu)選的，在顯示器上切換顯示或同時(shí)全部顯示?〇'、？〇、？1、？2、？ 3和?3'；并將處理的 最終結(jié)果信息以及中間結(jié)果信息備份到服務(wù)器。
[0048]本發(fā)明至少包括以下有益效果：
[0049] 1、本發(fā)明的基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)及其檢測方法實(shí)現(xiàn)了在線 連續(xù)檢測采集到的圖像，提高了檢測速度和智能化程度；
[0050] 2、自動檢測圖像中顯示的缺陷，減少工作人員的工作量，提高檢測效率和正確率；
[0051] 3、檢測過程中的生成的處理中間結(jié)果實(shí)時(shí)輸出，通過圖像處理的多個(gè)結(jié)果同時(shí)輸 出到顯示端，利于觀察分析和及時(shí)進(jìn)行人工干預(yù)，提高檢測的正確率；
[0052] 4、將處理的最終結(jié)果信息以及中間結(jié)果信息備份到服務(wù)器，方便