您当前的位置:首页 > 计算机论文>信息管理论文

基于焊缝图象有效信息获取的研究

2015-07-04 09:23 来源:学术参考网 作者:未知
摘 要 针对x射线检测焊缝缺陷的特点,设计x射线实时检测系统。提出在对焊缝图象自适应的二值化处理的基础上,用sobel算子锐化图象边缘的焊缝区域提取的新方法。与其它传统焊缝区域提取方法相比,改善了图象细节模糊现象,是判别焊缝图象中缺陷类别的图象预处理的有效方法。 关键词 x射线;焊缝缺陷;二值化;sobel算子

0 引言

x射线照相法探伤检测是八十年代以来国际上应用比较广泛的一项无损检测技术,它的工作原理是将光电转换技术和计算机数字图象处理技术相结合,把不可见的x射线图象经增强方法转换为可见的视频图象。工业生产过程中目前仍采用胶片照相法对焊接质量进行评判。胶片照相法具有直观、可靠、灵敏度和分辨率高等优点,但其底片的评定是由有经验的专业评片人员在观片灯下进行,必然存在人工判断不确定性和操作复杂的弊端【1】。本文研究方向在于用计算机实现焊缝缺陷的自动检测,即经过对图象的数字化处理,提取焊缝的有效信息,从而确定缺陷的位置、大小等属性,实现缺陷的类别判定。 本文主要针对大背景噪声下焊缝的提取、图象预处理、缺陷的识别等进行研究,建立x射线检测系统,并提出了焊缝区域提取的新方法,有助于焊缝缺陷类型的识别。WWw.133229.CoM

1 系统硬件设计

x射线检测筒体焊缝的硬件系统主要由工件检测车、图象增强器、x射线机、计算机实时成象系统四部分组成【2】,其系统组成如图1.1。

图1.1 x射线检测系统 筒体由带滚轮架的台车沿轨道送至检测区,摄像机位置固定,x射线穿透焊缝后,由置于焊缝后的图象增强器接收。再通过摄像机提取,图象采集卡处理后,送至计算机进行处理。

2 焊缝区域的提取

焊缝边缘是焊缝图象的最主要的特征,但只占射线检测的底片中很小一部分。如果将焊缝区域提取出来后,再进行缺陷检测,势必会提高检测算法的速度和效率[3-5]

图2.1 焊缝原始图象 由图2.1可以明显看出,焊缝图象存在三个不同的灰度级区域,即挡板形成的暗背景区域、钢管壁形成横向条形的的亮背景区域和条形中间的焊缝区域。由于焊件的表面状况、光照环境以及图象的采集和传输过程中会不可避免的出现大量随机噪声,导致焊缝图象的分辨率下降,影响缺陷检测的效果。文中首先采用灰度图象自适应二值化的方法对图象进行处理,然后用边缘检测的方法细化图象的边缘。

2.1 灰度图象自适应二值化

二值化的分割方法可以增强焊缝激光带,但对于不同帧的图象,如果仅用一个固定的阈值进行图象分割,可能会使其中一部分帧经分割后丢失焊缝区域信息。自适应的阈值二值化分割的方法可以根据直方图的灰度分布特点,确定不同帧图象的最优阈值。 其求解公式为:

式中, ; ; 。 (3.1.1)

其中,i表示灰度,h(i)表示灰度分布, 为图象分割中两类目标的类间方差。当 取最大值时,对应的k值即为图象二值化的最优阈值t。

图2.2 图象二值化

2.2 sobel算子边缘检测

从图2.2可以看出,焊缝图象经过二值化处理后,焊缝区域被提取出来。为了加强图象中的焊缝边界和细节,更精确判断焊缝缺陷的属性,还需要对二值化后的图象进行边缘增强。 sobel算子是一种一阶微分算子,它利用象素临近区域的梯度值来计算一个象素的梯度,然后根据一定的阈值来取舍,得到图象中的边缘。该算法步骤如下: (1)用3×3的高斯滤波器对图象滤波; (2)对图象中的每个象素,用下面的公式计算其梯度大小m; (2.2.1) 其中sx和sy是用下面的卷积模板来计算的:

(3)根据阈值和象素的灰度作取舍,即对图象中的每个象素,如果其梯度小于阈值,则将其梯度设为零。

按照上述步骤对图2.2进行锐化,结果如图2.3所示。

图2.3 sobel算子边缘检测图

3 缺陷检测

在经过处理的焊缝图象中,可以清楚看到焊缝的边缘和焊缝区域中的圆形区域,这正是焊缝缺陷的图象表现。国标gb 6417-86【6】将金属熔化焊焊缝缺陷分为六类:裂纹、孔穴、固体夹杂、未熔合和未焊透、形状缺陷及上述以外的其它缺陷。目前,从焊缝图象中检测出缺陷的类别、位置等属性,大多是基于缺陷几何形状的特征描述的研究。本文根据专家评片经验选取边缘平直度(flt)、尖部尖锐度(usp)、周长与面积比、填充度指数ε、对称性(sym)、重心坐标相对焊缝中心的位置(pst)、与焊缝方向倾角ang、相对灰度reg八个特征参数用于缺陷识别,然后依照检测标准判断缺陷的级别。

4 结论

本文提出一种采用自适应图象二值化处理后,再用sobel算子锐化焊缝边缘的方法来对基于x射线检测的焊缝图象的预处理。软件部分采用vc++6.0【7】编制的焊缝图象处理系统具体实现焊缝图象的有效信息的获取。实验结果表明,该方法适用于识别缺陷在焊缝中的位置和焊缝的大体类别。在较大程度上改善了传统方法中仅用一种边缘检测算法进行图象预处理所带来的图象细节模糊现象。同时由于采用了两种算法,焊缝图象的提取速度受到一定的限制,因此在这方面需要不断完善。

参考文献

[1] 张晓光,林家骏.x射线检测焊缝的图象处理与缺陷识别.华东理工大学学报[j].2004,30(2):199-202 [2] 张永德.焊缝x射线实时成象检测系统与应用[j].石油化工设备,2005(34):67-69 [3] 孙怡. x射线焊缝图象中缺陷的实时检测方法[j].焊接学报,2004,25(2):115-122 [4] 梁德群.x射线实时成象在焊缝探伤中的应用[j].焊接学报,2000,12(1):29-30 [5] v lashkia.defect detection in x—ray images using fuzzy reasoning[j].image and vision computing,2001,19:261-269 [6] gb 6417-86.金属熔化焊焊缝缺陷分类及说明[s] [7] 杨枝灵,王开.visual c++数字图象获取处理及实践应用[m].北京:人民邮电出版社,2003
相关文章
学术参考网 · 手机版
https://m.lw881.com/
首页