χ射线无损探伤中缺陷的自动检测与识别.PDF

需积分: 10 189 浏览量更新于2023-03-03 评论收藏 3.69MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

　　　　　　　　　　　　　　　　　　　　　　　　　　　　摘要

　　　　ｘ射线无损探伤是工业检测焊接质量常用的方法之一。目前Ｘ射线无损探伤系统主要

采用人工方式进行在线检测与分析，而人工检测存在主观标准不一致、劳动强度大等缺

点。采用计算机代替人工进行在线检测与分析，可以有效地克服人工评定中因眼睛疲劳、

经验差异而引起的漏判与误判，从而使在线检测工作客观化、规范化和智能化。

　　　　基于上述原因，本文没计并实现了一套Ｘ射线无损探伤缺陷自动检测系统，并作了

如下几个方面的研究：

　　　　Ｉ，设计并实现了ｘ射线无损探伤系统的硬件组成与结构，该探伤系统主要由信号

　　　　　　　　转换、图像处理以及缺陷位置信息获取与传输三部分组成；

　　　　ｚ．设计并实现了ｘ射线探伤图像中缺陷尺寸的自动测量及一些常用的图像处理算

　　　　　　　　法，如：灰度直方图显示、负像、伪彩色以及锐化等；

　　　　３．研究了Ｘ射线探伤图像中噪声的来源与消除方法，并根据工业实际生产条件，

　　　　　　　　采用了相应的消噪方法；

　　　　４，在应用缺陷检测算法之前，本文采用了一种快速焊缝区域提取方法，将所关心

　　　　　　　　的焊缝区域与背景区域区分开，从而减少了算法的运算量，缩短了算法的运算

　　　　　　　　时间；

　　　　５．深入分析和研究了各种缺陷检测方法，设计并应用了一种基于探伤图像中缺陷

　　　　　　　　附近空间特性（空间对比度与空间方差）的模糊缺陷检测算法。与其它缺陷检

　　　　　　　　测方法相比，该模糊缺陷检测算法有着易懂、快速、简单、灵活和稳定等特点，

　　　　　　　　通过实验室检测和工厂实际检测证明，该方法有着较低的漏判率与误判率；

　　　　６．从缺陷信息的获取、缺陷判定的标准等几个方面对缺陷的识别与判定作了详细

　　　　　　　　的讨论，并实现了缺陷的自动识别与标记。

　　　　国内Ｘ射线无损探伤系统现主要以人工检测和工业电视静态检测为主，没有缺陷在

线自动检测功能。本文主要以缺陷自动检测与识别部分为研究重点，设计并实现的Ｘ射

线无损探伤缺陷自动检测系统，从而填补了国内Ｘ射线无损探伤系统中缺陷自动检测的

空白。

　　　　系统现己在中国石油天然气集团公司钢管厂正常使用达半年之久，得到了工人们的

一致好评，并取得了一定的经济效益。

关键字：无损探伤；焊缝缺陷：自动检测；模糊算法；缺陷识别

Ａｂｓｔｒａｃｔ

　　　　Ｘ－ｒａｙ　ｄｅｆｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ｉｓ　ｏｎｅ　ｏｆ　ｔｈｅ　ｐｒｉｍａｒｙ　ｍｅｔｈｏｄｓ　ｉｎ　ｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅ　ｔｅｓｔｉｎｇ　ｏｆ　ｉｎｄｕｓｔｒｉａｌ　ｐｒｏｄｕｃｔｓ

ａｎｄ　ｉｓ　ａｌｓｏ　ｗｉｄｅｌｙ即ｐｌｉｅｄ．　Ｎｏｗ，　ｄｅｔｅｃｔｉｏｎ　ｏｆ　ｄｅｆｅｃｔｓ　ｉｎ　ｔｈｅ　ｗｅｌｄ　ｉｓ　ｓｔｉｌｌ　ｄｏｎｅ　ｂｙ　ｈｕｍａｎ　ｉｎｔｅｒｐｒｅｔｅｒ．　Ｔｈｅ

ｐｒｏｂｌｅｍｓ　ｏｆ　ｔｈｉｓ　ｐｒｏｃｅｓｓ　ａｒｅ　ｓｕｂｊｅｃｔｉｖｅ，　ｉｎｃｏｎｓｉｓｔｅｎｔ，　ｌａｂｏｒ　ｉｎｔｅｎｓｉｖｅ　ａｎｄ　ｆａｔｉｇｕｅ　ｏｆ　ｉｎｔｅｒｐｒｅｔｅｒ．　Ｉｔ　ｉｓ　ｄｅｓｉｒａｂｌｅ

ｔｏ　ｄｅｖｅｌｏｐ　ａ　ｃｏｍｐｕｔｅｒ－ａｉｄｅｄ　ｓｙｓｔｅｍ　ｔｏ　ａｓｓｉｓｔ　ｈｕｍａｎ　ｉｎｔｅｒｐｒｅｔｅｒ　ｉｎ　ｅｖａｌｕａｔｉｎｇ　ｔｈｅ　ｑｕａｌｉｔｙ　ｏｆ　ｗｅｌｄ　ａｎｄ　ｍａｋｅ

ｔｈｅ　ｏｎ－ｌｉｎｅ　ｄｅｔｅｃｔｉｏｎ　ｏｂｊｅｃｔｉｖｉｔｙ，　ｓｔａｎｄａｒｄｉｚａｔｉｏｎ，　ｉｎｔｅｌｌｉｇｅｎｔ．

　　　　Ａｓ　ｔｈｅ　ｒｅａｓｏｎｓ　ａｂｏｖｅ，　ａｎ　Ｘ－ｒａｙ　ｒｅａｌ－ｔｉｍｅ　ｄｅｆｅｃｔ　ａｕｔｏ－ｄｅｔｅｃｔｉｏｎ　ｓｙｓｔｅｍ　ｉｓ　ｒｅａｌｉｚａｔｉｏｎ　ｉｎ　ｔｈｉｓ　ｔｈｅｓｉｓ．　Ｓｏｍｅ

ｒｅｓｅａｒｃｈｅｓ　ｈａｖｅ　ｂｅｅｎ　ｌａｉｎ　ｏｕｔ　ａｓ　ｆｏｌｌｏｗｓ：

　　　　　　１．　　Ｃｏｍｐｏｎｅｎｔｓ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ　ａｒｅ　ｒｅａｌｉｚｅｄ．　Ｔｈｅ　ｓｙｓｔｅｍ　ｉｓ　ｍａｄｅ　ｕｐ　ｏｆ　ｓｉｇｎａｌ　ｔｒａｎｓｆｏｒｍａｔｉｏｎ　ｐａｒｔ，

　　　　　　　　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ｐａｒｔ，　ａｃｑｕｉｒｅｍｅｎｔ　ａｎｄ　ｔｒａｎｓｐｏｒｔ　ｏｆ　ｔｈｅ　ｐｏｓｉｔｉｏｎ　ｏｆ　ｄｅｆｅｃｔ　ｐａｒｔ．

　　　　　　２．　　Ｔｈｅ　ｍｅａｓｕｒｅｍｅｎｔ　ｏｆ　ｄｅｆｅｃｔ　ａｎｄ　ｔｈｅ　ｃｏｍｍｏｎ　ｉｍａｇｅ　ｐｒｏｃｅｓｓｉｎｇ　ｍｅｔｈｏｄｓ　ａｒｅ　ｒｅａｌｉｚｅｄ，　ｓｕｃｈ　ａｓ

　　　　　　　　ｈｉｓｔｏｇｒａｍｓ　ｓｈｏｗｉｎｇ，　ｉｎｖｅｒｔ　ｔｒａｎｓｆｏｒｍ，　ｆａｋｅ－ｃｏｌｏｒ　ｔｒａｎｓｆｏｒｍ　ａｎｄ　ｃｕｒｖｅ　ｔｒａｎｓｆｏｒｍ．

　　　　３．　　Ｔｈｅ　ｎｏｉｓｅ　ｏｆ　Ｘ－ｒａｙ　ｓｙｓｔｅｍ　ｉｓ　ｒｅｓｅａｒｃｈｅｄ　ａｎｄ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ｒｅｄｕｃｉｎｇ　ｔｈｅ　ｎｏｉｓｅ　ｉｓ　ｔａｋｅｎ　ｕｐ　ｄｕｅ　ｔｏ

　　　　　　　　ｔｈｅ　ｅｎｖｉｒｏｎｍｅｎｔ　ｏｆ　ｆａｃｔｏｒｙ．

　　　　４．　　Ａ　ｆａｓｔ　ｐｉｃｋ－ｕｐ　ｍｅｔｈｏｄ　ｏｆ　ｗｅｌｄ　ａｒｅａ　ｉｓ　ｕｓｅｄ　ｂｅｆｏｒｅ　ｕｓｉｎｇ　ｔｈｅ　ｄｅｆｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ．　Ｔｈｅ　ｗｅｌｄ

　　　　　　　　ａｒｅａ　ａｎｄ　ｂａｃｋｇｒｏｕｎｄ　ａｒｅａ　ａｒｅ　ｓｅｐａｒａｔｅｄ　ｂｙ　ｔｈｅ　ｆａｓｔ　ｐｉｃｋ－叩ｍｅｔｈｏｄ．　Ｓｏ　ｔｈｅ　ｏｐｅｒａｔｉｏｎａｌ　ｔｉｍｅ　ａｎｄ　ｔｈｅ

　　　　　　　　ｏｐｅｒａｔｉｏｎａｌ　ｐｒｏｃｅｓｓｉｎｇ　ａｒｅ　ｒｅｄｕｃｅｄ．

　　　　５．　　Ａｆｔｅｒ　ｄｅｅｐｌｙ　ｒｅｓｅａｒｃｈ　ａｎｄ　ａｎａｌｙｚｅ　ｓｏｍｅ　ｄｅｆｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄｓ，　ａｎ　ａｌｇｏｒｉｔｈｍ　ｏｆ　ｆｕｚｚｙ　ｐａｔｔｅｒｎ

　　　　　　　　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｓ　ａｐｐｌｉｅｄ．　Ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｂａｓｅｄ　ｏｎ　ｓｐａｔｉａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　（ｓｐａｔｉａｌ　ｖａｒｉａｎｃｅ　ａｎｄ　ｓｐａｔｉａｌ

　　　　　　　　ｃｏｎｔｒａｓｔ）　ｎｅａｒ　ｔｈｅ　ｄｅｆｅｃｔ．　Ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ｏｔｈｅｒ　ｄｅｆｅｃｔ　ｄｅｔｅｃｔｉｏｎ　ｍｅｔｈｏｄｓ，　ｔｈｅ　ｍａｊｏｒ　ａｄｖａｎｔａｇｅｓ　ｏｆ

　　　　　　　　ｔｈｉｓ　ｆｕｚｚｙ　ｍｅｔｈｏｄ　ａｒｅ　ａｓ　ｆｏｌｌｏｗｓ：　ｅａｓｙ，　ｆａｓｔ，　ｓｉｍｐｌｅ，　ｆｌｅｘｉｂｌｅ　ａｎｄ　ｓｔａｂｌｅ．　Ｉｔ　ｉｓ　ｓｈｏｗｎ　ｔｈｒｏｕ助

　　　　　　　　ｅｘｐｅｒｉｍｅｎｔｓ　ｔｈａｔ　ｔｈｅ　ｓｙｓｔｅｍ　ｈａｓ　ｌｏｗ　ｒａｔｅ　ｏｆ　ｗｒｏｎｇ　ｅｖａｌｕａｔｉｏｎ

　　　　６．　Ｔｈｒｏｕｇｈ　ｔｈｅ　ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　ａｃｑｕｉｒｅｍｅｎｔ　ａｎｄ　ｔｒａｎｓｐｏｒｔａｔｉｏｎ　ｏｆ　ｄｅｆｅｃｔ＇ｓ　ｉｎｆｏｒｍａｔｉｏｎ，　ｔｈｅ

　　　　　　　　ａｕｔｏ－ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　ｄｅｆｅｃｔ　ｉｓ　ｒｅａｌｉｚｅｄ．

　　Ｎｏｗ，　ｔｈｅｒｅ　ｉｓ　ｎｏ　ｒｅａｌ－ｔｉｍｅ　ｄｅｆｅｃｔ　ａｕｔｏ－ｄｅｔｅｃｔｉｏｎ　ｉｎ　Ｘ－ｒａｙ　ｓｙｓｔｅｍ　ｉｎ　ｄｏｍｅｓｔｉｃ　ｆａｃｔｏｒｙ．　Ｉｎ　ｔｈｉｓ　ｔｈｅｓｉｓ，　ｄｅｆｅｃｔ

ａｕｔｏ－ｄｅｔｅｃｔｉｏｎ　ａｎｄ　ａｕｔｏ－ｒｅｃｏｇｎｉｔｉｏｎ　ｉｓ　ｔｈｅ　ｅｍｐｈａｓｅｓ　ｏｆ　ｒｅｓｅａｒｃｈ　ａｎｄ　ｉｔ　ｋｅｅｐｓ　ａｈｅａｄ　ｉｎ　ｄｏｍｅｓｔｉｃ　ｒｅｓｅａｒｃｈ

　　　　Ｔｈｅ　Ｘ－ｒａｙ　ｒｅａｌ－ｔｉｍｅ　ｄｅｆｅｃｔ　ａｕｔｏ－ｄｅｔｅｃｔｉｏｎ　ｓｙｓｔｅｍ　ｈａｓ　ｂｅｅｎ　ｕｓｅｄ　ｉｎ　ｔｈｅ　Ｓｔｅｅｌ　Ｐｉｐｅ　Ｆａｃｔｏｒｙ　ｏｆ　Ｃｈｉｎａ

Ｎａｔｉｏｎａｌ　Ｐｅｔｒｏｌｅｕｍ　Ｃｏｒｐｏｒａｔｉｏｎ　ｆｏｒ　ｈａｌｆ　ａ　ｙｅａｒ　ａｎｄ　ｈａｓ　ａｃｈｉｅｖｅｄ　ｓｏｍｅ　ｂｅｎｅｆｉｔｓ

Ｋｅｙ　ｗｏｒｄｓ，　ＮＤＴ；　ｗｅｌｄ　ｄｅｆｅｃｔｓ；　ａｕｔｏｍａｔｉｃ　ｄｅｔｅｃｔｉｏｎ；　ｆｕｚｚｙ　ａｌｇｏｒｉｔｈｍ；　ｄｅｆｅｃｔ　ｒｅｃｏｇｎｉｔｉｏｎ

󰅰󰇒󰁱



󰷅󰷅󰷅󰷅󰇵󰅶󰀬󰁉󰁠

󰇑󰂘󰁓󰅸󰆞󰁱

󰁸󰁱󰁏󰁠󰅰󰅶󰀶󰅰󰁖

󰃠󰅄󰅪

󰅰󰁖󰁎󰂾󰁓󰅸

󰀬󰁉󰅪󰀊󰀍󰁜󰅸󰷅

󰷅󰷅󰷅󰷅󰁉󰁱󰅪󰇵󰁉󰂾

󰅪󰅰󰂾

󰆲󰅣 󰷅󰷅󰅶



󰷅󰷅󰷅󰷅 󰅶󰅪

󰁖

󰷅󰷅󰷅󰷅  󰅣󰁠

󰅣󰁠

󰁆 

󰷅󰷅󰷅󰷅 󰁏󰁠󰆺

󰀬󰁉󰁉

󰁸󰂾󰅰󰇵󰄡󰅸󰀚󰁉



󰷅󰷅󰷅󰷅 󰃚 󰁉󰄗󰁸󰂯

󰁉󰄤

󰷅󰷅󰷅󰷅 󰁉󰂾

󰁸󰃑󰃑󰁖

󰷅󰷅󰷅󰷅󰂾

󰁏󰁠󰃚󰀥

󰁆

󰷅󰷅󰷅󰷅󰆗󰅎󰅄󰅪󰅸

󰇵󰅪󰅸󰀬󰁉󰄗

󰃋 󰅰󰁉󰷅󰅪󰆺

󰅰󰄨󰁖󰇵󰂷󰂯

 󰅰󰇒󰁱



󰷅󰷅󰷅󰷅󰁏󰁠󰇑󰃻󰅶  󰀬

󰂯󰀬󰁉󰅪󰅰󰷅󰷅󰃻󰁏

󰂑 󰅰󰁉 

󰄤 󰂾

󰂾 󰁉󰂾󰁱

󰂾󰆗󰆺󰅢



󰷅󰷅󰷅󰷅󰇃󰇒󰅦󰀥󰁸

󰇒󰅧󰃻󰅸

󰂾󰁸󰀬󰁉󰂾󰅪

󰁉 󰆚󰂾󰁱󰁖

󰅰󰀚󰀔󰀥󰁱󰂾󰇵

󰁱󰂾󰇵󰁖󰅧󰇒

󰂾󰇵󰆺󰷅󰷅

󰷅󰷅󰷅󰷅󰆚󰂑󰁉 󰆨 

󰁸󰃚󰃚 

󰆨󰄤 󰆨

󰅪

󰃖󰆨󰇔 󰆨󰆨

󰇔󰁉 

󰅰󰆨󰇔󰂽󰂾

󰅪󰅣󰂽󰄗󰁖󰆺

󰅪

󰷅󰷅󰷅󰷅󰆚󰃻

󰷅󰷅󰷅󰷅 󰷅󰷅󰷅󰄤󰆗

󰅰󰁖󰂾󰁉 

󰄤 󰆚



󰷅󰷅󰷅󰷅 󰆚󰄤󰆗󰀚󰁖󰃏󰂾

󰇵󰆲󰂽󰁏󰂕󰇵󰇬󰅵

󰄤󰅶󰁏󰂕󰇵󰄤 

 󰅰󰇒 󰁱

󰆚󰅰

󰷅󰷅󰷅󰷅 󰇒󰷅󰄤󰆗󰇒󰆗

󰁉󰅣󰆲󰂽 󰇒

󰇵󰄤 

󰆚󰇬 󰷅󰇙󰁱󰃻󰀥

󰅧

󰷅󰷅󰷅󰷅󰁠 󰇒󰁖󰅶󰄤

󰂾󰇃󰁠󰷅󰁱

󰅎󰀔󰂾󰀶

󰁠󰂙󰂾󰁖󰂾

󰄡󰁏󰁠󰃏󰃏󰀶

󰂙󰁉󰇑󰁜

󰅰󰇒

󰀬󰅕󰅕󰄿󰄗

󰂬󰁠󰁸

 󰇴󰂾󰁸 󰂈󰅦

󰂾

󰅦󰂷󰁠  󰇒󰄹󰁖

󰁉 

󰄹

󰷅󰷅󰷅󰷅󰁏󰁠󰅶󰂾󰇃󰇒󰀬󰁉󰅶󰁠

 󰁱󰇵󰷅󰷅

󰆗󰁋󰁖

󰷅󰷅󰷅󰷅󰅰󰆺󰃖󰁱󰅢

󰷅󰷅󰷅󰷅󰅛󰁱󰂯

󰂯󰂾

󰷅󰷅󰷅󰷅󰁱󰁉󰁠󰁖󰇃

󰁠󰂘

󰷅󰷅󰷅󰷅󰅄󰁖󰇃󰁱



󰷅󰷅󰷅󰷅󰁠 󰇒

󰅑

剩余53页未读，继续阅读

COOLPIGCOOL

粉丝: 0
资源: 8

会员权益专享

χ射线无损探伤中缺陷的自动检测与识别.PDF

评论0

会员权益专享

最新资源

χ射线无损探伤中缺陷的自动检测与识别.PDF

评论0

χ_2拟合优度检验在教学中的应用及Matlab实现.pdf

1000立方米球罐的无损检测方案.doc

基于残差χ_2故障检测的IRS_GPS紧组合算法研究.pdf

.使用MH抽样方法从Rayleigh分布中抽样，Rayleigh分布的密度函数为: f(x)= e- , x≥0, σ>0. 建议分布取自由度为Xt的χ2分布。

能详细解释一下：P = χeE，其中χe为介质的电极化率。 将上式带入电场强度E与电荷密度ρ之间的关系式中，得到： E = ρ/(ε(1 + χe))。 因此，介质中电场强度E与极化强度P之间的关系为： P = εχeE。

判断χ2统计量： chi2Stat = sum(sum((Q - expectedCounts).^2 ./ expectedCounts)); 是否满足χ2(（k-1）^2)分布，编写相应matlab程序

基于χ2-c的文本相似度计算方法

ffmpeg无损视频压缩

1. 使用MH抽样方法从Rayleigh分布中抽样，Rayleigh分布的密度函数为： f(x) = e−x2 /(2σ2 ) , x ≥ 0,σ > 0. 建议分布取自由度为Xt 的χ2 分布。 解题并用R语言写出相关代码

使用MH抽样方法从Rayleigh 分布中抽样，Rayleigh分布的密度函数为：f(x) = x/σ^2 e^-x^2/(2σ^2),x ≥ 0, σ > 0.建议分布取自由度为Xt的χ^2分布。解题并用R语言写出相关代码，绘制出图像。

已知（0，1）均匀分布的伪随机数为v，数据长度为1200，分为10个子区间，写出其χ 2均匀性验证程序，并判断其是否服从χ 2((k-1）^2)分布

matlab程序：已知（0，1）均匀分布的伪随机数为v，数据长度为1200，分为10个子区间，写出其χ 2均匀性验证程序，并判断其是否服从χ 2((k-1）^2)分布

做CFA时，χ2/df CFI TLI SRMR RMSEA，这些指标如何判断

R语言编写并绘制图使用MH抽样方法从Rayleigh分布中抽样，Rayleigh分布的密度函数为： f(x) =x/ σ ^2*e^−x^2/(2σ^2），x ≥ 0，σ > 0. 建议分布取自由度为Xt 的χ^2分布。

用matlab计算Z0.9，χ²0.05(20),t0.1(20),F(9,10),Φ(1.25),P(χ²(20)>=10),P(t(20)<1),P(F(9,10)<=8)

对于变量a和b，在x-y平面内的单位正方形域[0<=a<=1，0<=b<=1]上，a在x轴上，b在y轴上，分别以平行于坐标轴的平行线，将正方形域分为10*10个面积相同面积的小正方形网格，计算a,b落在每个网格内的随机数的频数，并计算其χ2分布

说是上面程序中的p值代表什么？

x~χ^2(n),则lim┬n→∞p(x n/√2n≤x)=?

会员权益专享

最新资源

能详细解释一下：P = χeE，其中χe为介质的电极化率。将上式带入电场强度E与电荷密度ρ之间的关系式中，得到： E = ρ/(ε(1 + χe))。因此，介质中电场强度E与极化强度P之间的关系为： P = εχeE。

1. 使用MH抽样方法从Rayleigh分布中抽样，Rayleigh分布的密度函数为： f(x) = e−x2 /(2σ2 ) , x ≥ 0,σ > 0. 建议分布取自由度为Xt 的χ2 分布。解题并用R语言写出相关代码