基于直通波抑制的超声TOFD图像缺陷检测新方法

为了能够精确定位并识别出近表面缺陷在低合金厚板对接焊缝中的位置,对其超声衍射时差法的D扫描图像进行了处理。为了准确定位缺陷深度,提出了基于峰值检测算法的直通波拉直技术;为了能够识别出近表面缺陷,在直通波拉直的基础上引入了基于A扫描线能量分布算法的直通波消除技术。试验结果表明,该技术有效地提高了对近表面缺陷的识别能力。利用该技术能够更准确地定位缺陷的深度,更清晰地识别出近表面缺陷,实现缺陷的精确定位与识别。     

基于合成孔径聚焦的超声TOFD检测技术及图像增强

为了精确定位开口裂纹的端部在铝合金厚板对接焊缝中的位置,对其超声衍射时差法(TOFD,time off flight diffraction)的 B 扫描图像进行了处理.为了提高图像的横向分辨率,引入了合成孔径聚焦技术(SAFT, synthetic aperture focusing technique).根据缺陷端部和换能器之间的几何关系,建立了图像SAFT处理的数学模型,实现了B扫描图像的SAFT重建.为了提高图像的纵向分辨率,先将原始图像进行了线性化处理,从而提出了一种新的超声TOFD法B扫描图像处理技术L-SAFT(linearization-SAFT).结果表明,该技术有效地提高了图像的分辨率.利用该技术能快速、准确地捕捉裂纹端部在试件中的横向和深度位置,实现缺陷的精确定位与定量.     

面状缺陷超声TOFD法信号和图像的特征与识别

针对铝合金厚板焊缝中易于出现的几种典型的面状缺陷,研究了其超声衍射时间差法（TOFD—time of flight diffraction）的检测特征,对获得的A扫描信号和B、D扫描图像的特征进行了分析和解释,并对B、D扫描图像进行了线性化处理。结果表明,结合A扫描信号和B、D扫描图像的特征,能够有效地对面状缺陷进行识别、定位和定量。线性化处理技术有效地提高了图像的时间分辨力,使面状缺陷的信号和图像的特征更明显,进而使定位定量更为精确。     

基于高频超声检测的焊接缺陷识别

空洞、分层是钎焊接头中常见的缺陷,其面积大小对钎焊接头的质量会产生很大影响。为了能够准确、高效地计算缺陷面积,提出了一种缺陷识别算法,对缺陷进行标记。首先采用超声显微检测技术对钎焊工件进行检测,生成超声C扫描图像;然后采用基于阈值的图像分割方法对C扫描图像进行二值化处理,最后利用缺陷识别算法标记缺陷和计算缺陷面积,提高了工件缺陷检测的准确率和效率。     

基于合成孔径聚焦成像的超声衍射时差法图像优化处理

为了改善超声衍射时差法(TOFD)检测图像品质,提高缺陷图像的横向分辨率,从基本原理出发,建立了D扫和B扫TOFD图像的合成孔径聚焦成像模型,对提高合成孔径聚焦成像品质的方法进行了研究,实现了TOFD图像的合成孔径聚焦技术与匹配滤波、维纳滤波、旁瓣抑制等算法的综合集成。试验结果表明,提出的合成孔径聚焦成像算法能有效改善TOFD图像质量,增强对缺陷尺寸的横向定量识别,有利于高分辨TOFD技术的实现。     

基于区域的快速卷积神经网络的焊缝TOFD检测缺陷识别

受扫查图像效果和检测人员能力与主观因素的影响,检测人员在使用超声衍射时差法(TOFD)的D扫描图像判断焊缝缺陷类型时,存在可靠性低、争议大、速度慢的问题。为了提高缺陷类型识别的准确性及效率,分析了焊缝缺陷的TOFD-D扫描图像特征,构建了一种基于区域的卷积神经网络(Faster RCNN),对焊缝缺陷D扫描图像中的缺陷类型进行自动识别;在网络训练过程中,提出了采用样本扩展及建议框优化方法以提高网络训练的稳定性及效率。结果表明:缺陷的TOFD-D扫描图像的轮廓与缺陷几何形状密切相关,可用于判断缺陷类型;Faster RCNN网络虽然可能对界面波及噪声造成误判,但对缺陷类型的识别率可达到97%以上,可实现缺陷类型的自动识别,并具有高识别率、鲁棒性和抗干扰能力。     

基于USB接口的超声TOFD检测系统研制及其应用

为了定量检测厚壁焊接结构中的缺陷,对基于USB接口的便携式超声衍射时差法(TOFD,timc of flight diffraction)的缺陷检测及定位系统进行了研究.为了便于缺陷的定量及定性识别,引入了信号互相关算法,实现了检测图像的校正.利用该检测系统进行了锅炉压力容器焊缝的检测.结果表明,该系统所获得的D扫描图...     

TOFD技术在薄壁堆焊层裂纹缺陷检测中的应用

研究了薄壁堆焊层裂纹类缺陷的TOFD检测技术,讨论了裂纹类缺陷的TOFD检测特征,分析了不同角度探头和不同探头间距检测结果的影响。结果表明,TOFD技术可以检测到表面下3～10 mm内的垂直裂纹,结合A扫描信号和B,D扫描图像的特征,能够有效地对裂纹状缺陷进行识别、定位和定量,为堆焊质量评价提供可靠准确的依据。     

基于合成孔径聚焦的不锈钢焊缝超声TOFD检测技术

奥氏体不锈钢焊缝受粗大柱状晶组织的影响,其焊缝的超声TOFD检测信号信噪比低、扫描图像模糊,缺陷检测容易误判或漏检。为提高检测信号信噪比及扫描图像分辨力,引入合成孔径聚焦算法对超声TOFD-D扫描采集的A信号进行处理,并分析了变迹窗对处理后检测信号信噪比的影响。研究表明,通过优化选择变迹窗可提高检测信号的信噪比和缺陷的D扫描图像分辨力,有效地增强了超声TOFD检测技术对奥氏体不锈钢焊缝的检测能力。     

基于二维信息熵图像分割的缺陷识别方法

为了提高无损检测的工作效率及可靠性,研究超声图像中缺陷目标的自动识别方法.根据超声D扫描图像的特征,在背景杂波抑制及噪声抑制的基础上,采用基于KSW二维信息熵的阈值分割方法对图像进行二值化处理.结果表明,由于不能兼顾图像各处的细节信息,基于二维信息熵的全局阈值图像二值化方法会产生欠分割.当图像尺寸较大时,全局阈值方法会丢失许多像元数目不多的集群,造成小目标的漏检.基于二维信息熵的局部阈值法充分考虑了图像的局部区域特征,能有效地识别图像中的缺陷目标,从而提高缺陷检出率.     

基于超声杂波抑制的缺陷检测

超声TOFD(time of flight diffraction,衍射时差)法检测的D扫描图像中,作为背景杂波的侧向波与近表面缺陷波会发生混叠,致使近表面缺陷不易于检测. 针对这一问题,提出一种基于杂波抑制的缺陷检测方法. 该方法通过图像能量分布统计,确定背景杂波分量并予以去除,从而分离出与其混叠的缺陷信号,实现近表面缺陷的检测. 建立了的超声TOFD法检测信号的数学模型,阐明了基于图像能量分布的杂波抑制原理. 制作了人工缺陷试块及实际焊缝试块,并对其检测获取的图像进行了杂波抑制处理. 结果表明,提出的方法可有效去除图像中的非缺陷目标、提取近表面缺陷波,从而提高系统的有效检测范围.     

Automatic defect detection in ultra sonic TOFD D-scan data using image processing method

In ultrasonic time of flight diffraction (TOFD) D-scan image, only a small fraction represents defects, whereas the majority is redundant. Because of the low contrast between defect and background image, it is difficult to manually interpret TOFD image. In addition, due to the nature of the weak amplitude of ultrasonic diffracted signals, the human factor introduces inconsistency into the interpretation. In order to automatically distinguish weld defects from the D-scan image, a defect detection method based on image processing technique is proposed. First, image pre-processing including clutter and noise suppression is conducted. Second, information entropy based image segmentation technique is employed to extract defects in the pre-processed image. At last, mathematical morphology based post-processing is carried out. The experimental results show that with the proposed method, TOFD can be used for automatic weld defect detection with satisfactory level of reliability.     

线聚焦超声波法焊接缺陷识别

针对常规超声TOFD(time of flight diffraction,衍射时差)法存在超声衍射声场能量低、检测回波信号弱的问题,提出一种线聚焦超声TOFD焊接缺陷识别方法. 基于几何声学理论,根据所需主轴声线折射角度及聚焦深度,设计线聚焦超声TOFD法所用的声楔块. 通过铝合金板人工缺陷试件的检测,研究线聚焦法的检测灵敏度;通过铝合金板搅拌摩擦焊试件的检测,验证线聚焦法的有效性. 结果表明,和常规方法相比较,相同测试条件下线聚焦超声TOFD法的检测灵敏度更高,采集的图像具有更好的对比度,同时能较好地保持图像边缘. 所提新方法在改善缺陷分辨力、提高缺陷检出率及降低漏检等方面具有很好的使用价值.     

CFRP层板冲击损伤空耦超声Lamb波特征成像 ——基于时间反转损伤指数

为实现飞机碳纤维复合材料（Carbon Fiber Reinforced Plastics，CFRP）层板在役检测，采用同侧空气耦合超声兰姆波特征成像检测的方法对其缺陷进行检测。将非接触空气耦合超声传感器置于CFRP层板同侧，激发A0模态兰姆波，对其冲击损伤进行D扫描检测。引入时间反转损伤指数表征复合材料层板的冲击损伤。结合概率损伤算法，以该指数作为损伤重构成像的特征值，将不同扫描路径上的特征值数据进行融合，得到CFRP层板冲击损伤缺陷的兰姆波图像。结果表明，基于时间反转的兰姆波图像不仅能够直观地呈现损伤缺陷的位置和形状，而且能够通过避免基准信号选取和减少扫描步进次数显著提高检测效率。     

Defect detection method based on 2D entropy image segmentation

In order to improve the work efficiency of non-destructive testing(NDT)and the reliability of NDT results,an automatic method to detect defects in the ultrasonic image was researched.According to the characterization of ultrasonic D-scan image,clutter wave suppression and de-noising were presented firstly.Then,the image is processed by binaryzation using KSW 2 D entropy based on image segmentation method.The results showed that,the global threshold based segmentation method was somewhat ineffective for D-scan image because of under-segmentation.Especially,when the image is big in size,small targets which are composed by a small amount of pixels are often undetected.Whereas,local threshold based image segmentation method is effective in recognizing small defects because it takes local image character into account.     

基于视觉注意机制的射线图像缺陷检测方法

针对铸件、焊缝等缺陷在复杂背景射线图像中提取准确度较低的情况,提出一种基于视觉注意机制的射线图像缺陷检测方法。根据缺陷的不同性质,将射线图像按照区域或者线段划分成若干子区域;通过模拟视觉注意机制,利用中央-周边差算子分割出可疑区域;设置显著性阈值排除图像其他部分的干扰,并极大减少了算法处理量,然后以阈值法即可准确提取出各类缺陷。实验结果表明:该方法可在复杂背景下的射线图像中准确高效提取出缺陷,准确率可达94.6%,且适应性强、通用性好。