X射线的无损检测技术.docx
- 文档编号:3249829
- 上传时间:2022-11-21
- 格式:DOCX
- 页数:8
- 大小:96.27KB
X射线的无损检测技术.docx
《X射线的无损检测技术.docx》由会员分享,可在线阅读,更多相关《X射线的无损检测技术.docx(8页珍藏版)》请在冰豆网上搜索。
X射线的无损检测技术
X射线的无损检测技术
一前言
无损检测方法是利用声、光、电、热、磁及射线等与被测物质的相互作用,在不破坏和损伤被测物质的结构和性能的前提下,检测材料、构件或设备中存在的内外部缺陷,并能确定缺陷的大小、形状和位置。
无损检测的技术有很多,包括:
染料渗透检测法、超声波检测法、强型光学检测法、渗透检测法﹑声发射检测法,以及本文介绍的x射线检测法。
X射线无损探伤是工业无损检测的主要方法之一,是保证焊接质量的重要技术,其检测结果己作为焊缝缺陷分析和质量评定的重要判定依据,应用十分广泛。
胶片照相法是早期X射线无损探伤中常用的方法。
X射线胶片的成像质量较高,能够准确地提供焊
缝中缺陷真实信息,但是,该方法具有操作过程复杂、运行成本高、结果不易存放且查询携带不方便等缺点。
由于电子技术的飞速发展,一种新型的X射线无损检测方法“X射线工业电视”已应运而生,并开始应用到焊缝质量的无损检测当中。
X射线工业电视己经发展到由工业CCD摄像机取代原始X射线无损探伤中的胶片,并用监视器(工业电视)实时显示探伤图
像,这样不仅可以节省大量的X射线胶片,而且还可以在线实时检测,提高了X射线无损检测的检测效率。
但现在的X射线工业电视大多还都采用人工方式进行在线检测与分析,而人工检测本身存在几个不可避免的缺点,如主观标准不一致、劳动强度大、检测效率低等等。
x射线无损探伤计算机辅助评判系统的原理可以用两个“转换”来概述:
首先X射线穿透金属材料及焊缝区域后被图像增强器所接收,图像增强器把不可见的X射线检测信息转换为可视图像,并被CCD摄像机所摄取,这个过程称为“光电转换”;就信息量
的性质而言,可视图像是模拟量,它不能被计算机所识别,如果要输入计算机进行处理,则需要将模拟量转换为数字量,进行“模/数转换”,即经过计算机处理后将可视图像转换为数字图像。
其方法是用高清晰度工业CCD摄像机摄取可视图像,输入到视频采集卡当中,并将其转换为数字图像,再经过计算机处理后,在显示器屏幕上显示出材料内部缺陷的性质、大小和位置等信息,再按照有关标准对检测结果进行等级评定,从而达到焊缝焊接质量的检测和分析。
二X射线无损检测系统结构与原理
射线无损探伤缺陷自动检测系统的硬件组成与结构如图1所示。
系统主要由三个部分组成:
信号转换部分、图像处理部分及缺陷位置的获取与传输部分。
图1系统结构图
信号转换部分主要由X光光源、螺旋钢管、传送车、图像增强器、反射器以及CCD摄像机组成,信号转换部分的主要功能是完成从x射线到可见光的信息载体转换以及可见光到可视图像的光电转换。
螺旋钢管首先被放置到传送车上,传送车在承载螺旋钢管前进的同时,车上的旋转滚轮带动螺旋钢管旋转,这样可以保证螺旋钢管的螺旋焊缝始终保持在CCD摄像机的正下方,CCD摄像机就可以始终摄取到螺旋焊缝的探伤图像。
由X光光源发出的X射线穿透螺旋钢管及焊缝区域后,被图像增强器接收,图像增强器将不可见的X射线探伤信息转换为可见光探伤信息,再通过反射镜反射到CCD摄像机当中,CCD摄像机再将光信号转换为电信号(模拟数据),完成光电转换,并将探伤图像送入图像处理部分。
在信号转换部分中,CCD摄像机将摄取到的探伤图像以帧的形式送入图像处理部分的视频采集卡当中,同时在图像处理部分中的监视器(工业电视)上实时显示这帧原始探伤图像(模拟图像)。
如果在焊缝区域中存在气孔、夹渣或未焊透等缺陷时,由于与背景区域(焊缝区域)相比较,缺陷区域透过的X射线较多,所以在监视器(工业电视)上显示的探伤图像中就会形成一个亮点或者一条亮线,图像处理部分也正是利用这个特点来检测每一帧探伤图像中是否存在缺陷的。
图像处理部分中主要包括监视器(工业电视),视频采集卡,计算机,计算机显示器等设备,图像处理部分的功能主要包括采集、显示、处理并存储所采集到的探伤图像数据。
由CCD摄像机摄取到的探伤图像数据(模拟数据)首先被送入监视器,并在监视器上实时显示,同时该探伤图像数据被输入到视频采集卡当中,经过视频采集卡进行采样、量化和编码之后将其数字化。
数字化后的探伤图像同样以帧的形式送入到计算机当中,在计算机中通过下述基于模糊识别准则的模糊缺陷检测算法来检测每一帧探伤图像中是否存在缺陷(本文将在后续详细介绍该模糊缺陷检测算法),并在计算机显示器上实时显示检测结果,同时将检测结果存储到计算机的存储器当中,以备后续的查找和验证。
缺陷位置的获取与传输部分主要由AT89C2051单片机、旋转编码器、Max232芯片、ADAM一4520模块和传输线等组成,缺陷位置的获取与传输部分的主要功能是获取并传输缺陷的位置信息、系统利用AT89C2051单片机并通过日本欧姆龙公司生产的旋转编码器将位移信号转换为脉冲信号,通过脉冲信号的个数来一记录传送车的位移信号,再通过串行通信接口将位移信号传送给计算机进行处理,从而确定缺陷的位置信息。
三缺陷检测流程
在本文设计并实现的X射线无损探伤缺陷自动检测系统中,缺陷的自动检测与识别部分是系统的核心部分,该部分的程序流程可分为如下几个步骤:
l)程序初始化:
完成程序开始运行时,一些变量的定义和赋值以及视频采集卡的初始化工作;
2)图像采集和串行通信接口初始化:
利用视频采集卡采集X射线探伤图像,并同时初始化串行通信接口,完成串行通信的初始连接;
3)图像预处理和获取位置信息:
完成一些必要的图像预处理运算,从而保证模糊缺陷检测算法的有效检测;获取螺旋钢管前进的位置信息,以保证计算缺陷位置信息时使用:
4)检测缺陷:
应用模糊缺陷检测算法,检测当前X射线探伤图像中是否有缺陷存在,并在探伤图像中标记检测到的缺陷;
5)缺陷的识别:
计算缺陷的一些基本信息,如:
大小、个数和位置等信息,并按照一定的标准,对检测到的缺陷进行统一的识别和判定;
6)缺陷是否超标:
判断缺陷是否超出标准,如果超出标准,则发送喷标信号,在螺旋钢管上标记超出标准的缺陷;如果没有缺陷超出标准,则程序返回到初始状态,准备下一帧X射线探伤图像的采集、检测与识别。
缺陷自动检测与识别部分的程序流程框图如图2所示。
图三缺陷检测流程图
四缺陷检测算法原理
若在焊缝区域中存在气孔、夹渣以及未焊透等缺陷时,因为缺陷区域穿透的X射线较多,而相对来说周围背景区域X射线的透射量较少,所以在探伤图像中,缺陷区域就会形成一个亮点或者一条亮线。
这样在视觉上就可以根据探伤图像中,某一个区域是否比其周围背景区域更加明亮来判断该区域是否是缺陷区域,而从图像处理的角度来看,可以根据探伤图像中像素灰度值的大小来判断一个区域是否是缺陷区域。
首先从人类视觉的角度出发,观察一下缺陷检测人员是如何判断一个区域是否是缺陷区域。
如果一个区域比周围背景区域明亮,检测人员会认为这个区域可能是缺陷区域,随着耐区域亮度差的继续加大,检测人员会一认为这个区域是缺陷区域的可能性较大,甚至认为这个区域一定是缺陷区域。
反之,如果一个区域与周围背景区域的亮度差不多,那么检测人员就会认为这个区域不是缺陷区域,而是背景区域。
在这里应该注意一个问题,人类视觉中的“亮度代或者说是“明亮程度”,不仅仅是指区域中像素的灰度平均值,而且还与区域中像素的空间方差特性(一定区域内像素灰度值变化的剧烈程度)有关。
也就是说仅仅有着较高的灰度平均值还不够,或者说还不足以使缺陷检测人员确信这个区域就是缺陷区域。
举一个特殊的例子,如果一个区域内有几个灰度值极大的点(实际上就是几个恶性的随机噪声),它们仍然会使整个区域的灰度平均值较高,但这个区域却不是缺陷,看起来也不比其周围背景区域“明亮”,因为这个区域只是包含了几个恶性随机噪声的背景区域,而并非是缺陷区域。
所以人类视觉中的“亮度”指的是,除了有着较高的空间对比度(即灰度平均值)之外,还需要有着较低的空间方差特性,也就是说,看起来还要“亮”得比较“均匀”。
在X射线探伤图像中,当缺陷区域和噪声区域呈现相同的空间对比度特性时(区域的平均灰度值相同),缺陷区域的方差特性显然要比噪声区域的空间方差特性低(区域的灰度值变化程度小);而当缺陷区域和噪声区域呈现相同的空间方差特性时,缺陷区域的空间对比度又必然要比噪声区域的空间对比度高。
所以在本文所采用的模糊缺陷检测算法中,对于具有相同空间对比度特性的区域来说,它的空间方差特性越小,就越有理由相信这个区域是缺陷区域,其模糊隶属度的值就越高,反之就越低;而对于具有相同空间方差特性的区域来说,它的空间对比度特性越低,这个区域是缺陷区域的可能性就越小,其模糊隶属度的值就越低,反之也就越高,这就是模糊缺陷检测算法的基本原理,模糊缺陷检测算法中采用的模糊规则就是基于此而形成的。
在本文采用的模糊缺陷检测算法中,一个重要的参数是空间对比度参数中两个对比区域(检测区域和比较区域)之间的距离。
距离的大小对空间对比度参数的可靠性影响很大,无论过大或过小均无法正确反映所要比较两个区域真实的空间对比度特性。
一方面,当检测区域与比较区域之间的距离过小时,对于较大的缺陷来说,其反映的可能是缺陷区域内部之间的空间对比度特性,并不是所希望得到的缺陷区域与周围背景区域的空间对比度特性;另一方面,当检测区域与比较区域之间的距离过大又会失去缺陷区域与“周围”背景区域比较的意义,距离越大,两个区域之间的相关性就越小,空间对比度特性的意义也就越小。
所以检测区域与比较区域之间的距离大小应当适中,不易过大也不易过小,既要能准确反映出缺陷区域与其周围背景区域之间的对比度特性,又要能跳出较大的缺陷区域,防止缺陷区域内部之间的空间对比度的比较,具体情况如图4所示,其中,D为检测区域,E为比较区域,d为它们之间的距离。
在程序实现方面上,本文在远区域和近区域各选取了一个比较区域,将远、近两个比较区域计算出来的灰度平均值相加后再平均,即取远、近两个比较区域的平均值,这样在一定程度上就可以减少上述现象的发生。
图4距离对检测效果的影响
在本文所介绍的X射线无损探伤缺陷自动检测系统中,采用的模糊缺陷检测算法就是基于上述介绍的模糊准则而实现的,即通过模糊理论来判断焊缝区域中是否有缺陷存在。
所有需要检测的灰度探伤图像均是由CCD摄像机摄取,并由视频采集卡数字化,再经过计算机处理之后,将结果保存在计算机的硬盘中。
灰度图像的灰度级为256,大小为768x576个像素。
所得的灰度探伤图像首先经焊缝提取方法,将焊缝区域大致确定出来,然后在大致确定出来的焊缝区域中以过滤的形式应用模糊缺陷检测算法,便可以准确的检测出焊缝区域中的缺陷及其具体位置所在。
由于各个X射线探伤系统的成像质量不尽相同,同时不同直径钢管的成像情况也有差别,所以产生的X射线探伤图像的质量差别比较大。
X射线探伤图像的质量主要可以分为两大类:
大噪声情况和小噪声情况。
大噪声时探伤图像的成像质量比较差,噪声较大,这时为了防止将较大的噪声错判断为缺陷,检测区域的大小应该适当放大;相反,小噪声时探伤图像的成像质量比较好,噪声较小,这时就可以将检测区域的大小适当缩小。
5缺陷信息的获取
5.1缺陷尺寸测量
对于每一帧包含缺陷的探伤图像来说,系统需要知道其中缺陷的个数、缺陷的尺寸以及缺陷的位置信息,从而可以按照一定的标准判定其中的缺陷是否超出标准。
本文采用灰度累积的方法来计算得到缺陷个数、尺寸以及位置信息。
该方法简单而且有效,只需要将缺陷像素的个数累积到横轴上即可。
灰度累积方法的具体步骤是在检测区域的水平方向上(即横轴上)累积每一列中黑点像素的个数(黑点像素是前述模糊缺陷检测算法检测出来的缺陷像素)。
示意图如图5所示,横轴表示黑点像素的位置,纵轴表示
水平方向上黑点像素累积的个数。
在将每列黑点像素的个数累积到横轴后,通过判断黑点像素个数的起始坐标和结止坐标X1、Xr以及黑点像素个数的最高值y,就可以确定缺陷的宽度、高度以及缺陷在屏幕上的位移。
它们是:
缺陷的宽度:
缺陷的高度:
;
缺陷在屏幕上的位移:
。
为了确保缺陷尺寸计算的准确性,将缺陷的宽度与高度平均,进而可以得到缺陷的尺寸为
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 射线 无损 检测 技术
![提示](https://static.bdocx.com/images/bang_tan.gif)