1、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
2、） 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
3、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。2X 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。圧射器显示爲图1系统结
4、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（
5、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
6、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
7、。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。3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
8、）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，
9、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 米集、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4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
10、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”
11、 , 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, 看起来也不比其域的灰度平均值较高 , 但这个区域却不是缺陷周围背景区域“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
12、 , 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
13、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
14、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
15、、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
