基于局部二值模式的射线图像增强算法

基于图像分析的射线照相缺陷识别技术在无损检测领域被越来越广泛的使用。其一般步骤是:首先通过高分辨率摄像机拍摄被测焊缝的底片,然后对采集到的图像进行图像去噪和增强等预处理操作,再利用模式识别等手段识别其中的主要缺陷。可见,图像增强是其中一种非常有用的图像处理工具。在焊缝图像中,图像增强的主要目的是增强焊缝缺陷和灰度背景之间的对比度,以便于后续的分割和模式识别。研究了一种基于局部二值特征焊缝图像增强算法,并应用于焊缝图像的缺陷识别系统中。试验结果表明使经过增强处理后的图像,缺陷特征明显,非常有利于进一步的缺陷提取和识别。     

射线检测图像的自适应多尺度积阈值降噪算法

针对射线检测图像的高噪声、低对比度、图像模糊等特点,提出了一种射线图像的自适应多尺度积阈值降噪算法,解决了常用射线检测图像降噪算法存在的降噪效果差、图像模糊、缺陷边缘和细节丢失等问题。该算法利用噪声估计、多尺度、积阈值、小波等方法对射线检测图像进行降噪处理,获得了高质量的降噪图像。以实际的工业焊缝射线检测图像为例,将所提算法与常用的小波降噪、中值滤波、维纳滤波、小波中值等算法进行降噪对比研究。试验结果表明,所提算法不仅具有优异的降噪性能,而且能够较好地保留缺陷图像边缘、细节等重要特征。     

基于信息融合优化搜索的X射线焊缝缺陷检测

提出一种基于信息融合优化搜索技术的X射线图像焊缝缺陷检测方法.在对X射线焊缝图像进行预处理的基础上,使用垂直焊缝方向投影的波形分析法进行焊缝区域分割,采用图像信息融合技术,综合不同判据获得启发式状态空间优化搜索的启发信息,对搜索过程进行优化,从而快速准确地检测出X射线图像中的缺陷区域.试验结果表明,提出的算法能够快速有效地检测出焊缝X射线图像中的缺陷,取得较好效果.     

焊缝X射线胶片数字化图像低对比度细长线缺陷的检测

焊缝X射线数字化图像中像素宽度不超过3个像素的细长线缺陷,其对比度低,常有间断,常规的X射线焊缝缺陷检出算法难以有效检出。针对此类缺陷,提出了在滤波降噪的基础上,采用逐列自适应阈值法对图像中细长线缺陷进行初步分割,然后应用改进的局部霍夫变换剔除初步分割结果中的大量噪点,准确分割出细长线缺陷。试验结果表明,所提出的方法能够适应不同灰度范围的X射线图像、克服噪声及缺陷间断的影响,有效检测出低对比度细长线缺陷。     

中俄东线管道射线检测底片图像的智能识别

基于中俄东线管道射线检测底片图像和数据,采用Faster R-CNN、YOLO等深度学习算法,建立了全自动焊接环焊缝射线检测缺陷样本数据库,完成了未熔合等主要缺陷类型智能识别技术的研究和开发,初步实现了未熔合、裂纹等危害性缺陷的智能识别。在中俄东线智慧管道建设的目标框架下,射线检测底片图像识别等人工智能新技术的开发和应用,有助于实现管道大数据价值的充分挖掘,提升管道智能化运营管理的水平。     

基于多结构元素形态学的射线焊缝缺陷检测方法

针对射线探伤中采集的焊缝图像存在对比度低,噪声干扰及边界模糊等特点,提出了一种基于多结构元素形态学的射线焊接图像缺陷边缘检测方法。在对原始射线焊接图像进行预处理、焊道提取后,选取了多尺度多结构元素,运用灰度形态学方法对焊接图像进行缺陷边缘检测与提取。试验结果表明,对比传统的边缘检测算法,该方法能有效提取图像中的焊接缺陷边缘,且其连续性和完整性较好。     

基于Faster-RCNN的船舶焊缝X射线缺陷图像检测技术应用

将目标检测网络Faster-RCNN应用在船舶焊缝X射线缺陷图像检测中,探讨了Faster-RCNN在X射线焊缝缺陷检测中的效果。针对船舶工业中的X射线焊缝图像,首先采用CLAHE方法对焊缝X射线图像进行预处理,并将焊缝中存在的气孔、裂纹、未熔合等5种具有典型特征的缺陷作为识别目标进行标注并对数据进行增强。在目标识别上,采用ResNet-50作为主干网络来减少梯度弥散现象提高模型准确率,并针对焊缝缺陷目标小的特点对RPN网络锚点参数进行改进优化,同时引入FPN网络提取缺陷特征。最后与其他检测算法进行对比,试验结果表明,该数据集在模型上的m_AP值达到96.33%,可以满足X射线焊缝缺陷自动化辅助检测要求。     

RT3提高讲座（3） 射线照相成像检验技术的细节图像识别条件

射线照相成像检验技术的细节(缺陷)图像识别条件,是其对比度和对比度与图像颗粒度比。细节图像识别的对比度应不小于可识别的最小黑度差。由Rose定律,最小黑度差决定于眼睛的视觉特性,与细节尺寸和观察亮度相关,与底片黑度无关。对比度与图像颗粒度比的要求,从信号与噪声理论考虑,限定的是对细节(缺陷)图像识别的正确识别概率和错误识别概率。     

应用人工神经网络模式识别技术建立X射线探伤底片的自动定级系统

探讨研究X射线探伤底片的自动定级方法，运用X射线成像和数字图像处理技术，通过对预处理后X射线探伤底片图像的特征提取，得到产品焊缝内部缺陷的状态特征，结合人工神经网络方法实现模式识别，建立状态识别模型，并依据识别模型，完成产品焊缝内部缺陷的自动分类识别。     

薄板钛焊缝X射线照相透照条件选择

本文分析了影响射线底片对比度的因素。报告了底片黑度、射线线质、胶片类型及增感方式对钛金属丝象质计最小线径、钛焊缝中小气孔等自然缺陷识别影响实验结果。探讨了在薄板钛焊缝X射线实际照相时应如何选择上述透照条件,并介绍了实际应用效果。     

X射线焊缝图像的缺陷检测与识别技术

针对目前无损检测主要采用人工方式存在的主观不一致、检测效率低、操作复杂等问题,设计了一套焊缝缺陷自动检测系统。提出基于Otsu双阈值分割的缺陷区域自动提取、图像的降噪和灰度增强的图像预处理方法;通过SUSAN算法检测焊缝缺陷目标,并结合形态学孔洞填充算法修正缺陷目标;计算焊缝缺陷目标特征参数,并结合所设计的深度为4的二叉树分类识别逻辑流程,实现了较好的焊缝缺陷的检测结果。     

计算机辅助铝合金焊缝X射线底片的缺陷检测与分类

X射线底片缺陷计算机辅助分类是目前无损检测领域的研究热点之一,主要包括:底片信息的数字化获取、缺陷区域提取、特征参数设计与计算、缺陷分类和底片评定等内容.针对铝合金构件焊缝射线图像对比度低、边缘模糊、背景起伏等特点导致传统边缘提取及图像分割方法不能有效提取缺陷的现实,在图像处理时用背景相减、数学形态学等方法对缺陷进行了有效地提取,并根据缺陷特征参数进行缺陷的分类.对于线型缺陷(如裂纹)检测问题,由于其特殊的难度,对其检测问题进行了专门的研究和探讨.     

基于人眼视觉特性的焊缝X射线图像辅助判读系统

目前,X射线焊缝检测主要采用人工判读X射线胶片的方式,可靠度差,效率低。介绍了一种焊缝X射线图像辅助判读系统,它采用基于人眼视觉特性的图像处理算法,对数字化后的胶片图像进行处理,增强其视觉效果,帮助评片,同时还增加了图像数据库存储检索功能。相关试验结果表明,该方法对难以识别的焊缝图像有较好效果,有助于焊缝缺陷的检测。     

基于灰度变换的水下焊接图像对比度增强

对比度增强是图像增强的关键技术。水下焊缝图像具有对比度低、灰度分布范围窄等缺陷,造成焊缝边缘难以提取,有必要应用此技术对原始图像进行预处理。灰度变换技术可以使灰度值映射至灰度全域,进而增强图像的焊缝信息。首先提出一种基于幂律灰度变换的改进型分段幂律曲线,使曲线呈S形分布,以对灰度的中段实现最大程度的拉伸,而对始末段的灰度拉伸较小;然后运用Otsu算法提取焊缝边缘区域的阈值,以该阈值作为分段曲线的分段点,从而把焊缝的边缘信息集中在曲线中段,可以有效提高焊缝边缘信息的对比度。试验证明,本文所述技术较直方图均衡化和经典幂律变换所获得的增强后图像质量明显更好,尤其是焊缝的边缘区域。     

铝合金搭接焊缝数字射线成像典型缺陷参考图像库的建立

对铝合金钨极氩弧焊搭接焊缝进行了X射线DR(数字射线)成像检测,得到了典型焊接缺陷的数字射线参考图像,定性分析了焊缝缺陷的图像特征。对典型缺陷的出现频数进行了统计分析,结果表明,手工钨极氩弧焊搭接焊缝的裂纹、气孔与夹杂缺陷的出现几率较高。对单个气孔、夹杂缺陷进行了分类。通过拉普拉斯锐化、浮雕特效和多尺度对比度增强方法对含裂纹的DR图像进行了缺陷增强显示,提高了人眼视觉效果。     

图像降维下的埋弧焊缺陷自动识别算法及框架

针对埋弧焊管焊缝的缺陷,应用X射线成像并检测,设计了自动化的缺陷识别框架与算法。首先对焊缝图像进行预处理,在中值滤波去除噪声后,选取sin函数变换为图像增强的工具,使得对象对比度得到了很大提升。然后采用OSTU算法进行ROI(Region of Interest)区域的提取,获得焊缝区域并且定位缺陷部位,如此实现焊缝缺陷自动化的获取。对建立的数据库里应用PCA进行像素矩阵降维,不仅去除噪声,减小数据量,同时还提取出像素矩阵的参数特征。对提取的焊缝缺陷进行识别,选取三种模式识别的方法进行比对,试验结果显示SVM的效果最好,两种缺陷正确识别率都达到了90%,而神经网络的方法则在80%左右。     

埋弧焊钢管焊缝DR检测机理及应用

介绍了DR(数字射线)检测技术在埋弧焊管焊缝检测的机理,进行了埋弧焊缝检测灵敏度、空间分辨率、焊接缺陷检出效果试验。结果表明:该项技术能够达到埋弧焊缝射线检测标准的要求,焊接缺陷图像显示清晰、噪声低、灵敏度高,是埋弧焊钢管焊缝缺陷快速、高效、可行的射线检测新技术。     

射线图像的对比度增强方法

根据射线图像的特点,介绍进行射线图像对比度增强的常用算法,包括线性和非线性的灰度拉伸、直方图均衡和修正等全局对比度增强方法,以及自适应局部增强方法.此外,针对射线图像的散射噪声,提出用同态滤波的方法实现对比度增强.试验证明,采用不同技术增强后的射线图像细节明显,层次分明,可获得更多的图像识别信息.     

AP1000主管道焊缝线性显示的分析

主管道是AP1000核电站核岛内关键设备之一,主管道焊缝的射线检测是检测焊缝内部缺陷的主要手段。阐述奥氏体不锈钢焊接缺陷的类型和底片影像特征,并对射线检测中出现的线性显示进行试验研究。通过试验分析和理化检验,证明射线底片上的线性显示为衍射斑纹,为后续项目提供参考。     

基于二元函数拟合的X射线焊缝图像缺陷分割方法

由于存在焊缝图像噪声强、不清晰、对比度低的问题,导致图像分割效果差,文中提出一种基于二元函数拟合的X射线焊缝图像缺陷分割方法。通过正弦变换函数对原始焊缝图像增强处理,使用B样条曲线拟合图像内的灰度曲线,计算高斯曲率与平均曲率得到焊缝表面图像边缘特征,通过二元函数得到不同类型的焊缝边缘数据,结合焊缝图像的表决图,完成对焊缝图像缺陷完美分割。试验结果表明,该方法分割精度高,且在缺陷类别识别和检测效果图上都要高于卷积神经网络算法、目标检测算法、多视觉成像算法的,证明所提方法分割效果好,有实际的应用价值。