孫和輝

摘要：焊接生產(chǎn)過程中，由于各種原因，在焊接結(jié)構(gòu)中會(huì)產(chǎn)生不同類型的缺陷，直接影響焊接質(zhì)量。對(duì)國內(nèi)外焊接缺陷X射線自動(dòng)檢測(cè)相關(guān)關(guān)鍵技術(shù)的研究現(xiàn)狀給予系統(tǒng)的論述，包括圖像增強(qiáng)、圖像分割和模式識(shí)別，最后對(duì)這一檢測(cè)技術(shù)進(jìn)行了展望。

關(guān)鍵詞：焊接缺陷；X射線自動(dòng)檢測(cè)；圖像處理；模式識(shí)別

隨著現(xiàn)代工業(yè)的發(fā)展，焊接技術(shù)得到了廣泛的應(yīng)用，對(duì)焊接質(zhì)量的要求也在逐步提高，焊接缺陷檢測(cè)技術(shù)也因此得到了國內(nèi)外研究學(xué)者的普遍關(guān)注。焊接缺陷的檢測(cè)首先是從X射線膠片人工目視檢測(cè)發(fā)展而來，由于這種方法具有檢測(cè)方法簡(jiǎn)單、成像可靠、分辨率高等優(yōu)點(diǎn)，因此在以往的焊接工業(yè)生產(chǎn)中應(yīng)用較為廣泛。但由于這種方法同時(shí)存在著評(píng)判結(jié)果的主觀隨意性強(qiáng)、保存和查詢工作量大、運(yùn)行成本高等實(shí)際問題，因此不能得到較好的應(yīng)用。焊接缺陷自動(dòng)檢測(cè)技術(shù)可使檢測(cè)結(jié)果和評(píng)定過程客觀化、科學(xué)化和規(guī)范化，已成為焊接缺陷檢測(cè)研究中的重要發(fā)展方向。

目前，實(shí)現(xiàn)焊接缺陷自動(dòng)檢測(cè)方式主要包括：X射線檢測(cè)、超聲檢測(cè)、磁粉檢測(cè)、滲透檢測(cè)、渦流檢測(cè)等。其中，X射線檢測(cè)在焊接工業(yè)無損檢測(cè)中占有重要地位。焊接缺陷檢測(cè)應(yīng)用中，由于焊接材料的結(jié)構(gòu)特性以及X射線檢測(cè)本身的特點(diǎn)，容易造成檢測(cè)成像對(duì)比度和信噪比低、圖像邊緣模糊、背景起伏較大等缺點(diǎn)，重地影響缺陷信號(hào)的檢出率和可靠性。針對(duì)焊接缺陷的射線自動(dòng)檢測(cè)方法，國內(nèi)外研究人員已進(jìn)行了相關(guān)的研究工作，但總體來說還沒有達(dá)到較好的實(shí)際應(yīng)用水平。

一、檢測(cè)工作流程實(shí)現(xiàn)焊接缺陷自動(dòng)檢測(cè)過程

（1）射線圖像獲取。通過X射線成像設(shè)備，獲取焊接結(jié)構(gòu)的數(shù)字圖像，并輸入計(jì)算機(jī)。

（2）圖像增強(qiáng)處理。采用圖像增強(qiáng)技術(shù)，對(duì)獲取的數(shù)字圖像進(jìn)行處理，包括圖像的降噪、平滑、背景濾除和對(duì)比度提高等，其目的在于使圖像更清晰，缺陷位置和形狀更加突出，以方便后續(xù)的圖像處理和分析過程。

（3）缺陷圖像區(qū)域分割。對(duì)于預(yù)處理后的圖像，采用適當(dāng)?shù)膱D像分割方法，提取焊接區(qū)域，并進(jìn)一步在該區(qū)域搜索并提取可能存在的焊接缺陷。

（4）缺陷的識(shí)別和分類。對(duì)焊接缺陷圖像區(qū)域進(jìn)行特征提取，根據(jù)已知的缺陷圖像特征和已建立的分類機(jī)制，實(shí)現(xiàn)焊接缺陷的識(shí)別和分類。

二、圖像增強(qiáng)處理

多數(shù)情況下，焊接生產(chǎn)中采集到的焊縫缺陷圖像質(zhì)量相對(duì)較差，存在對(duì)比度低、邊界模糊以及噪聲干擾等現(xiàn)象，直接影響到缺陷的特征提取和分類識(shí)別的準(zhǔn)確性。圖像增強(qiáng)處理用來改善圖像的質(zhì)量，改善圖像的視覺效果，提供直觀、清晰、適合于計(jì)算機(jī)分析的圖像，使后續(xù)的缺陷提取與識(shí)別工作順利進(jìn)行，有著重要的實(shí)際應(yīng)用意義。在焊接缺陷的白動(dòng)檢測(cè)中，常用的圖像增強(qiáng)方法主要包括直方圖修正法、圖像平滑化方法、直接灰度變換法。直方圖修正法主要是用來提高焊接缺陷圖像的對(duì)比度，又可細(xì)分為直方圖均衡化和直方圖規(guī)定化兩種方法。在直方圖均衡化方法的基礎(chǔ)上，又產(chǎn)生了局部區(qū)域修正方法，是針對(duì)圖像中的特殊局部區(qū)域進(jìn)行直方圖修正。直方圖修正法能夠使整幅圖像或局部區(qū)域的灰度信息得到增強(qiáng)，但同時(shí)也會(huì)導(dǎo)致圖像中的一些圖像細(xì)節(jié)信息丟失。文獻(xiàn)中采用中值濾波對(duì)原始圖像進(jìn)行平滑，并結(jié)合自定義的廣義模糊算子實(shí)現(xiàn)圖像增強(qiáng)，去除了灰度圖像中的某些不確定性，減少了圖像的模糊性。該方法與傳統(tǒng)的模糊增強(qiáng)、直方圖均衡方法進(jìn)行比較實(shí)驗(yàn)表明，采用廣義模糊算子進(jìn)行圖像增強(qiáng)具有更佳的效果。隨著智能計(jì)算技術(shù)的發(fā)展，圖像智能化增強(qiáng)也成為圖像增強(qiáng)的一種有效方法。該類方法在圖像增強(qiáng)處理中引入智能計(jì)算的理論方法，通過模擬人類視覺特性來實(shí)現(xiàn)圖像增強(qiáng)操作。

三、缺陷圖像區(qū)域分割

在焊接缺陷的自動(dòng)檢測(cè)中，圖像分割的目的就是把焊縫區(qū)域和焊接缺陷區(qū)域分割出來，以便后續(xù)的缺陷圖像區(qū)域的特征提取。其中常用到的分割方法有閾值分割法、邊緣檢測(cè)法、區(qū)域提取法等。閾值分割法中，確定最優(yōu)分割閾值是實(shí)現(xiàn)合理有效圖像分割的關(guān)鍵。而常用的圖像邊緣檢測(cè)算子有Roherts、Sohel、Prewitt、Krisch、Cannv和高斯拉普拉斯算子等。Rohert算子對(duì)具有陡峭的低噪聲圖像響應(yīng)最好，但是在計(jì)算方向差分時(shí)，不僅對(duì)邊緣信息敏感，同時(shí)對(duì)圖像噪聲也很敏感。Sohel、Prewitt、Krisch等邊緣檢測(cè)算子與Robert算子相比，對(duì)灰度漸變和噪聲較多的圖像處理效果相對(duì)較好，但仍然存在方向性強(qiáng)、易受噪聲干擾、雙邊緣等問題。

四、展望

綜合論述了焊接缺陷自動(dòng)檢測(cè)應(yīng)用中的圖像增強(qiáng)、圖像分割等技術(shù)，但在實(shí)際應(yīng)用中都有一定的局限性，綜合技術(shù)尚未達(dá)到較好的應(yīng)用水平。研究一種分類齊全、性能可靠、受客觀條件影響小的自動(dòng)檢測(cè)方法是目前國內(nèi)外焊接工作者需要進(jìn)一步研究的重要課題。焊接缺陷的自動(dòng)檢測(cè)技術(shù)在以后的發(fā)展過程中將呈現(xiàn)以下趨勢(shì)。一是對(duì)原有算法的不斷改進(jìn)；二是新方法、新概念的引入和多種方法的有效綜合利用。隨著科技的發(fā)展和研究的不斷深入，相信在不久的將來會(huì)有更多的研究成果出現(xiàn)。