（计算机应用技术专业论文）基于机器视觉的焊缝缺陷检测技术的研究.pdf

基于机器视觉的焊缝缺陷检测技术的研究 摘要 x 射线无损探伤是工业无损检测的主要方法之一。目前国内外x 射线探 伤检测方法仍以胶片成像法及图像增强实时成像法为主。采用人工方式进行 在线检测与分析，但人工检测存在主观标准不一致、劳动强度大等缺点。因 此计算机辅助焊缝缺陷检测一直受到广泛关注。然而，由于成像条件、检测 对象及算法的复杂性和局限性，实际应用中，仍有许多问题尚待进一步研 究。 机器视觉技术在工业在线检测中的应用是近年来的研究热点之一。机器 视觉技术可以大幅降低检测成本，提高产品质量，提高生产速度和效率，因 而在工业检测和控制领域得到了广泛的应用。 本文比较系统地研究了基于机器视觉的焊缝图像缺陷检测的技术，首先 在分析研究x 射线采集系统的的基础上，建立了一套基于c c d 的x 射线图像 采集系统；其次在焊缝图像在拍摄和传输过程中，往往受到高斯噪声与椒盐 噪声的同时干扰，单独使用均值滤波和中值滤波的效果都不太理想。为了能 同时去除这两种噪声，本文采用了一种能有效的去除同时加入高斯噪声和椒 盐噪声的多尺度形态滤波算法；然后研究了边缘检测算法，在基于边缘检测 的分割算法中，针对焊缝图像的缺陷特征，结合数学形态学边缘检测理论， 对现有的形态学边缘检测算子进行改进，找到了一种适用于焊缝图像的多尺 度抗噪型熵值边缘检测方法；最后对检测出的二值焊缝图像，将随机h o u g h 变换与模糊集理论相结合，使用了一种改进的随机h o u g h 变换，检测出焊缝 图像中可能存在的圆形缺陷，实验结果证明了算法的有效性。 关键词焊缝图像；数学形态学；边缘检测；h o u g h 变换；缺陷检测 哈尔滨理工大学工学硕士学位论文 r e s e a r c ho nd e f e c td e t e c t i o nt e c h n o l o g yf o r w e l d i n gs e a mb a s e do nm a c h i n ev i s i o nt e c h n o l o g y a b s t r a c t x - r a yd e f e c td e t e c t i o ni so n eo ft h ep r i m a r ym e t h o d si nn o n d e s t r u c t i v e t e s t i n go fi n d u s t r i a lp r o d u c t sa n di s a l s ow i d e l ya p p l i e d a tp r e s e n t ，p r i m a r y m e t h o d so fd e t e c t i o nd e f e c t si nt h ew e l di ss t i l lf i l m i m a g i n ga n di m a g e i n t e n s i f i e rr e a lt i m ei m a g e i n ga n dd o n eb yh u m a ni n t e r p r e t e rb o t hf o r e i g na n d d o m e s t i c ，t h ep r o b l e m so ft h i sp r o c e s sa r es u b j e c t i v e ，i n c o n s i s t e n t ，l a b o r i n t e n s i v ea n df a t i g u eo fi n t e r p r e t e r s oc o m p u t e r - a i d e dd e t e c t i o no fw e l dd e f e c t s h a sb e e nc o n c e r n e d h o w e v e r ，a sar e s u l to ft h ei m a g e i n gc o n d i t i o n ，t h eo b j e c ta s w e l la st h ea l g o r i t h mc o m p l e x i t ya n dt h el i m i t a t i o n s ，i nt h ep r a c t i c a la p p l i c a t i o n ， t h e r ea r es t i l lm a n yi s s u e st ob es t u d i e df u r t h e r t h em a c h i n ev i s i o nt e c h n o l o g y , w h i c hc a ne x t r a o r d i n a r i l yr e d u c et h e i n s p e c t i o nc o s t ，e f f e c t i v e l ye n s u r et h eq u a l i t yo fp r o d u c t s ，s t r o n g l yr a i s et h e s p e e da n de f f i c i e n c yo fp r o d u c t i o n ，h a sb e c o m eo n eh o tt o p i ci nt h ei n d u s t r i a l o n l i n ei n s p e c t i o ni nr e c e n ty e a r sa n di sw i d e l yu s e di nt h ef i l e do fi n d u s t r i a l i n s p e c t i o n i nt h i sp a p e r ，d e f e c td e t e c t i o nt e c h n o l o g yf o rw e l d i n gs e a mi m a g eb a s e do n m a c h i n ev i s i o nt e c h n o l o g yi sr e s e a r c h e d f i r s to fa l l ，b a s e do na n a l y z i n ga n d s t u d y i n gt h ex r a ys e l e c ts y s t e m ，ax - r a yi m a g es e l e c ts y s t e mi sd e s i g n e d t h e n ， i np h o t o g r a p h ya n dt r a n s m i s s i o np r o c e s s ，w e l d i n gs e a mi m a g eu s u a l l yi s c o r r u p t e db yg u a s sn o i s ea n ds a l ta n dp e p p e rn o i s es i m u l t a n e o u s l y , s ot h ee f f e c t i sn o ti d e a li fw eo n l yu s em e a nf i l t e r i n ga n dm e df i l t e r i n g i no r d e rt od e n o i s e b o t ho fn o i s es i m u l t a n e o u s l y , i nt h ep a p e r , c o m b i n e dw i t hm o r p h o l o g yf i l t e r i n g a n dm e a nf i l t e r i n g ，a nm u l t i s c a l em o r p h o l o g yf i l t e r i n gw h i c hc a nd e n o i s et h e i m a g eh a v eg a u s en o i s ea n ds a l ta n dp a p p e rn o i s em e t h o dw a sp r e s e n t e d ；t h e n ， e d g ed e t e c t i o na l g o r i t h m i ss t u d i e d a c c o r d i n gt ot h ec h a r a c t e r i s t i c so fw e l d r a d i o g r a p h i ci m a g e ，c o m b i n i n gt oe d g ed e t e c t i o nt h e o r yb a s e do nm a t h e m a t i c i i m o r p h o l o g y ，i m p r o v i n gt h i sa l g o r i t h mw h i c ha r ee x i s t e d ，t h i st h e s i sp r e s e n t s a m e t h o do fm u l t i s c a l ea u t o a d a p t e de n t r o p ye d g ed e t e c t i o nt h a ta d a p t st ot h ex - r a yw e l d i n gs e a m ；f i n a l l y , c o m b i n i n gf u z z y s e tt h e o r ya n dr a n d o mh o u g h t r a n s f o r m ，u s i n gai m p r o v e dr a n d o mh o u g ht r a n s f o r m ，c i r c u l a rd e f e c tw h i c hm a y e x i s ti ss e l e c t e df o r mb i n a r yw e l d i n gs e a mi m a g ew h i c hi ss e l e c t e d ，t h e e x p e r i m e n t a lr e s u l t sa l s os h o wt h a tt h ee f f e c t i v e n e s so ft h ea l g o r i t h m k e y w o r d sw e l d i n g s e a mi m a g e ，m a t h e m a t i cm o r p h o l o g y ，e d g e d e t e c t i o n ， h o u g ht r a n s f o r m ，d e f e c t sd e t e c t i o n i i i 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文基于机器视觉的焊缝缺陷检 测技术的研究，是本人在导师指导下，在哈尔滨理工大学攻读硕士学位期间 独立进行研究工作所取得的成果。据本人所知，论文中除已注明部分外不包含 他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体，均 已在文中以明确方式注明。本声明的法律结果将完全由本人承担。 作者签名：孑慧珐 日期：翻形8 年多月：i ；q 哈尔滨理工大学硕士学位论文使用授权书 基于机器视觉的焊缝缺陷检测技术的研究系本人在哈尔滨理工大学攻 读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究成果归哈尔 滨理工大学所有，本论文的研究内容不得以其它单位的名义发表。本人完全了 解哈尔滨理工大学关于保存、使用学位论文的规定，同意学校保留并向有关部 门提交论文和电子版本，允许论文被查阅和借阅。本人授权哈尔滨理工大学可 以采用影印、缩印或其他复制手段保存论文，可以公布论文的全部或部分内 容。 本学位论文属于 保密r ，在年解密后适用授权书。 不保密匝卜。 ( 请在以上相应方框内打) 作者签名： 导师签名： 虿慧捷 4 - 毛匕 - 日期：刎8年弓 月，岁日 日期：疋8 年；月乡日 哈尔滨理丁大学工学硕士学位论文 第1 章绪论 1 1 课题背景和研究的目的及意义 焊接技术作为一种基本的工艺方法，广泛地应用于航空、航天、舰船、桥 梁、车辆、锅炉、电机、电子、治金、能源、石油化工、矿山机械、起重机 械、建筑与国防等各个领域和部门中n 。在工业探伤领域中，由于焊接过程中 出现的各种问题，焊缝中有时候不可避免地会出现熔合不良、裂纹、气孔、夹 渣、未融合和未焊透等目标缺陷嘲。人工检验是一种传统的工作模式，它存在 以下缺点：( 1 ) 用x 射线检测和通过肉眼观察焊接质量，检验人员在流水线上 需要长时间注视屏幕上运动着的焊缝，容易疲劳和产生漏检。( 2 ) 由于检验人 员的素质、技能和经验的不同，对质量检验标准的把握难免有偏差。这导致检 验水平受检验人员主观因素的影响而不能稳定，判级结果一致性差。( 3 ) 检验 人员很难对缺陷做出准确定量判断，定量精度难以保证嘲。人类视觉检测越来 越不能满足当今工业领域的需要，为了提高我国焊管的x 光无损检验的水平， 进一步提高焊管的产品质量和生产效率，为了改善x 光检验人员的工作条件， 迫切要求提高焊缝x 光检验的自动化水平。 近来迅速发展的以图像处理技术为基础的机器视觉技术恰恰可以解决这一 问题。它要解决的问题，与人类通过眼睛观察世界的视觉感知功能十分相似。 机器视觉h 1 主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息， 进行处理并加以理解，最终用于实际检测、测量和控制。用机器视觉检测方法 不仅可以大大提高生产效率和生产的自动化程度，而且机器易于实现信息集 成，满足数字化自动生产的要求。目前，机器视觉已成功地应用于工业检测领 域，大幅度地提高了产品的质量和可靠性，保证了生产的速度。例如产品包 装、印刷质量的检测、半导体集成块封装质量检测、卷钢质量检测、关键机械 零件的工业c t 等。缺陷检测技术是提高产品质量的有力保证，对于减少或避 免因缺陷引起的意外事故有积极的作用。x 射线无损探伤饽1 是工业无损检测的 主要方法之一，其检测结果已作为焊缝缺陷分析和质量评定的重要判定依据。 国内外已经利用各种手段进行缺陷检测的研究。主要使用的缺陷检测技术哺1 有：漏磁检测技术、红外检测技术、x 射线及超声波、视觉检测方法，其中， 机器视觉检测方法是近年来国内外研究的热点。 哈尔滨理工大学工学硕上学位论文 1 2 国内外焊缝图像缺陷检测技术的研究现状 图象处理和识别技术在科学和应用技术中的各个领域正在发挥着越来越重 要的作用。例如卫星遥感中的农作物监视和产量预测，森林火灾监视，生物医 学中的细胞分析研究，工业生产中的自动检测，公安侦破中的指纹提取和军事 目标的自动跟踪，机器视觉的目标识别等等。随着计算机技术的飞跃发展，图 象处理和识别技术也获得了蓬勃发展，新的概念、方法、理论不断涌现。下面 将对国内外在火焊缝缺陷检测技术方面所进行的研究工作进行较为详细的介绍 和评述。 1 焊接缺陷图像处理和自动识别技术在我国的发展早在1 9 6 8 年，日本 东京大学的ys h l m l 就提出了焊接射线自动检测的方法。该算法由两部分组成 第一部分是用于提取边界特征、预测边界和每点的预测密度等参数第二部分是 用于垂直扫描焊道，检测焊接部位，一旦发现不正常，就调用检测子程序来处 理。这种算法速度快，但处理效果一般。不久，高木翰雄等提出了用一阶微分 确定缺陷的位置与边界和焊接图像缺陷的滤波提取方法。即低通滤波法去除噪 声，高通滤波法去除背景的低频波动，带通法提取缺陷。他们于1 9 7 4 年又提 出了用于焊缝垂直的一阶和二阶差分法来提取缺陷。但是这种方法的低通滤波 很容易使一些微小缺陷丢失，以及存在缺陷定位不准的缺点。 1 9 7 8 年，日本的藤田勉等对x 射线图像的线灰度分布特点分析后，提出 可首先用最小二乘法对线灰度进行曲线拟合，然后将原图像与曲线拟合的图像 相减，从而达到去除背景、获取缺陷信息的目的。 1 9 8 2 年，井上腾敬率先发表了相关文章。提出了自动识别与分类系统由 学习系统和识别系统组成，在识别系统中，采用统计方法计算缺陷的5 个特征 参数，然后与学习系统得到的特征参数比较，从而判别缺陷的种类。因为使用 统计方法，而焊缝内缺陷形态各异，所以正确识别缺陷率很低。 在1 9 8 1 年至1 9 8 3 年间舆水大和等做了大量工作，提出了外观评价的自动 化方案和实现系统，检查的内容为衡量焊接质量的7 个典型参数。在以后的几 年中，他们将内外质量检查结合起来，同时提出了三种边界检测方法。即确定 门限法、可变门限法和基于图像灰度直方图的方法订1 。 1 9 8 5 年，英国的gr o b i n s o n 等提出了一个数字图像处理系统，并着重讨 论了焊缝图像的增强处理以及x 射线检测的在线实施方案。该系统的特点是： 像可实时处理，也可存入磁盘留作后用，在射线检测实时最佳调节x 光束以使 哈尔滨理丁大学工学硕士学位论文 获得的缺陷图像最清晰，该方法只是调节射线照相装置，无法较好增强不均的 焊缝内缺陷的对比度。 1 9 8 6 年，( b r i t i s hj o u r n a lo fn d t 刊登了国际焊接学会( i r w ) 有关焊接的 x 射线实时图像检测的进展报告，报告提出了三个实时处理系统。1 9 8 7 年，该 杂志又刊登了国际焊接学会第二届、第三届会议报告，介绍了实时焊接图像检 测系纠8 】和图像去噪、增强等方法。这些方法主要是针对实时焊接图像检测系 统，对射线照片的数字化图像效果不理想。如在实时图像检测系统中用采集的 多帧图像叠加后取平均达到去噪目的哺1 。 1 9 8 7 年，w d a u m 等针对x 射线焊缝检测图像中存在的较大背景，提出 用三次样条曲线拟合方法先模拟出焊缝图像的背景，将所得到的背景模拟图像 与原图像相减，从而得到背景较为均匀、信噪比较高的细节缺陷图像，进而选 用合适的阈值完成对缺陷的提取和分割。该方法不依赖于缺陷的具体形状，但 在保持缺陷的真实尺寸方面存在欠缺。 1 9 8 9 年，b e c h e l t 等设计了一组不同的低通滤波器组来去除图像中的高频 分量，保留图像中的低频分量，从而达到模拟图像背景、提取并分割缺陷的目 的。 1 9 9 0 年，g r a ya 提出了用于x 射线实时焊缝图像缺陷提取的两步法，指 出首先基于缺陷灰度的不规则性，通过快速搜索定出缺陷存在的大致区域，而 后运用阈值算法完成对缺陷的精确定位和提取，该法对处理非裂纹缺陷效果较 好，但无法较好的提取裂纹类缺陷嘲。 1 9 9 2 年，文献针对焊缝检测图像中存在的体积型和面型两类缺陷，提出 了不同的缺陷提取方法。对于体积型缺陷，文中指出可直接用基于线灰度曲线 拟合的背景去除法来提取。而对于面型缺陷，则可将线灰度曲线拟合的背景去 除法与梯度增强后的灰度统计分析法相结合，在综合考虑这两种方法处理结果 的基础上完成对面型缺陷的正确定位和提取。该法同样存在缺陷定位不准的缺 点 运用基于“高斯金字塔”和“拉普拉斯金字塔”的多尺度滤波方法也可进 行背景的去除。由于低尺度的高斯图像比高尺度的高斯图像含有更精细的细节 信息，运用公式( 1 - 1 ) 将低尺度高斯图像减去高尺度高斯图像，即可达到去除 背景的目的。在此基础上，运用双阈值法完成缺陷的提取和分割。 矿：丑5 宰g o 一丑6 幸g o( 1 - 1 ) 式中是6 尺度上的拉氏图像，即最终图像；g o 是o 尺度上的高斯图 像，即原始图像；召“是经过多项式平滑滤波器b 的n 次滤波( 这里n = 5 ，6 ) 。 哈尔滨理工大学工学硕士学位论文 运用一些特殊的信号处理及数字图像处理技术，很多学者也进行了不去除 图像背景，而直接对图像中缺陷进行提取和分割方面的研究【1 0 1 。 1 9 9 6 年一1 9 9 8 年，美国的t w a r r e ml i a o 等针对实际焊缝缺陷检测图像 中线灰度分布可能出现的峰值异常、槽状异常和斜凹型异常的三种异常图形， 提出了运用紧样条曲线拟合进行去噪，用松样条曲线拟合，并结合峰值搜索实 现线灰度斜凹型异常缺陷的提取，而对峰值异常和槽状异常，则采用基于线灰 度的峰值和谷底值搜索的直接提取方法。该法需对异常波形建立数学模型，达 到分别处理的目的，所以建立的数学模型对效果影响较大，并且处理复杂，同 样存在缺陷正确定位问题。 在铝铸锭的x 射线检测图像的处理中，数学形态学理论也得到了运用。 该法首先用形态学中的高帽变换提取缺陷区域，针对所提取的图像噪声大的特 点，用中值滤波或形态学中的腐蚀对其进行去噪处理，而后用形态学中的膨胀 运算对处理完的图像进行形态学重建，从而获得缺陷的分割图像。焊缝图像处 理类似于铝铸锭，也可以用数学形态学方法。但该法必须选择合适的变换参 数，以检测裂纹和气孔，一般用检测裂纹和气孔折中方法无法兼顾。 1 9 9 8 年，德国汉堡的t j u s t 和w t h a l 等运用数字图像处理技术实现了对 焊缝射线底片的自动分析和缺陷识别。德国飞利浦工业x 射线公司( p h i l i p s i n d u s t r i a lxr a y ) 为俄罗斯o j s c m s z 生产了m u 8 0 f 半自动射线检测系 统，并己装入核燃料装置生产线，用于检测核燃料装置上焊缝缺陷的尺寸及数 量。 1 9 9 9 年，德国柏林b a m 公司的c j a c o b s e n 等人利用图像处理和神经网络 技术实现了x 射线底片中焊缝裂纹缺陷的自动识别。另外，法国、乌克兰和英 国等都在此领域进行了卓有成效的研究工作，并在1 9 9 9 年柏林召开的“c t 在 工业中的应用及x 射线照相中的图像处理 会议上发表了相关的研究论文1 。 2 0 0 0 年，阿尔及利亚的n a c e r e d d i n en a f a 和d r a ir e d o u a n e 等n 2 1 人利用数 字图像处理技术实现焊缝边界的轮廓跟踪，利用神经网络技术实现了焊缝缺陷 的分类。自俄罗斯飞行器焊接及表面涂层技术研究所的a e k a p u s r t i n 和 i j b a r d u s o v a 等人也研究了焊缝底片的计算机辅助识别技术。法国i u t 无损检 测技术实验室的c g u e u d r e 和j m o y s a n 等人运用边缘检测和区域检测相结合的 方法，能够较好地从射线实时成像系统获取的图像中将焊接区域分离出来，通 过对焊接区域图像的分析，实现对焊接过程的自动控制。印度s r iv e n k a t e s w a r a 工程学院电气电子工程系的h e m a n t hj a g a n n a t h a n 和n a r a y a n ab h a s k a r 等人为焊 缝x 射线实时图像的自动分析与识别研究了基于数字图像处理的新算法，运用 哈尔滨理工大学工学硕士学位论文 这些算法对图像进行预处理，将处理结果再利用神经网络算法进行分类，最后 得出焊缝缺陷的类型、长度、面积和其他一些供分析用的必要的参数。印度 b h e l 无损检测实验室的r j p a r d i k a r 在锅炉焊缝x 射线检测实时成像系统中 运用图像处理技术，大大提高了缺陷检测效率。 在数字实时成像检验系统中，射线转换器采用平板探测器，其动态范围可 大于2 0 0 0 ：l ，极限分辨率达4 1 p m m ，在美国、德国、法国和日本等国家己得 到广泛的应用。德国s e r f e u t 公司和y x l o n 公司均运用该种数字实时成像 检验系统，研制成功了全自动工业x 射线检测系统，用于快速检验批量生产的 铸铝件。进入这种全自动检测系统的工件由传送带送入，检测完成后由计算机 系统自动分析其数字图像，自动标记零件缺陷位置并判断零件合格与否，然后 将合格与不合格的零件分别从不同的出口送上不同的传送带。 e r s i l v a 等用线性分类器对射线焊缝缺陷的模式识别进行了研究n 钔，提出 了一种获得焊缝主要缺陷的分类方法，但该法只对几种明显缺陷有效。同年， 日本冈山科技大学的v l a s t s k i a 目利用模糊推理的方法实现了焊缝射线底片的 计算机自动分析和焊接缺陷的计算机识别，其识别效果达专业评片人员的水 平。 2 焊接缺陷图像处理和自动识别技术在我国的发展我国在焊缝图像缺陷 自动识别方面的研究起步较晚。2 0 世纪8 0 年代初，哈尔滨工业大学的陈定华 等提出了“一个微机图像处理系统以及相应的软件系统”，在输入图像处理和 硬件方面作了有益的探索，并研制了不同分辨率的图像输入接口。 1 9 9 0 年，周伟等则提出先用边界增强算子对焊缝图像中的轮廓和焊道边 界进行增强处理，在其基础上利用3 2 3 2 的大窗口平滑算子进行平滑滤波； 模拟出背景图像，而后将原图像减去背景图像得到减影图像，再选用合适阈值 完成对缺陷的二值化提取。但该方法对小缺陷不理想，并很难应用于处理速度 要求较高的射线检测图像的处理中去。 1 9 9 2 年，甘肃工业大学的孙忠诚等在对图像进行了一系列的去噪处理 后，提出了一种能显著提高检测图像对比度的s _ t 非线性灰度变换方法，其 变换式见公式( 1 - 2 ) 。将该变换用于图像增强，然后根据缺陷的灰度值较低， 穿过缺陷的线灰度梯度会发生两次或多次从正到负变换的特点，运用灰度梯度 法成功地提取和分割出了焊缝中的缺陷。该法对焊缝中缺陷增强效果较好，但 同样是存在缺陷定位不准、对比度不高及微小缺陷丢失的问题。 _r_r，kl ，- 、 z ：1 2 7 1 + s i n ( 竺石一竺3 兰二二竺) ( 1 2 ) 一 b a 2 ( b 一口) 。 哈尔滨理工大学工学硕士学位论文 式中z 为灰度变换后的灰度值；x 为灰度变换前的灰度值；b 为某列最低 灰度值；a 为某列最高灰度值。 1 9 9 7 年大庆石油管理局工程质量监督站研究开发的一套工业x 射线底片 数字化存储管理系统由胶片数字化仪、计算机、激光打印机、光盘刻录写机等 组成，该系统主要功能是将x 射线底片通过胶片数字化仪转换为数字图像进行 存储并进行数据压缩等。另外，南京气象学院计算机与信息工程系研制了一种 焊接缺陷计算机自动识别系统，该装置通过x 射线底片扫描装置扫描底片，产 生与底片内容相对应的连续图像，然后经a d 转换，生成8 b i t 灰度图像，用 图像处理软件对离散图像作相关处理，分类识别，但其图像处理不能较好使去 噪和保边兼顾，并在缺陷提取上存在丢失问题，识别方法是用统计分类法。 1 9 9 8 年，在缺陷提取研究中，沈阳工业大学李德元，邵成吉、徐鲁宁用3 x3 的平滑算子对射线焊缝图像去除噪声和增强对比度后，采用4 个不同方向 的s o b e l 边缘检测算子( 0 0 ，4 5 0 ，9 0 01 3 5 0 ) 进行多方向的缺陷边缘提取。这种方 法用于缺陷在均匀焊缝内背景中提取和识别获得了较好的结果，对于提取缺陷 的大小也存在局限性。李德元和徐鲁宁等人对焊缝x 射线底片的自动评判进行 了研究，实现了图像输入和输出、图像的预处理、缺陷边界的提取以及伪彩色 处理等基本功能，并为典型条形缺陷的区分与识别建立了判据。 南京气象学院的傅德胜和郑关胜等也对焊缝射线底片图像的计算机处理与 识别进行了研究，通过选择缺陷的若干模式参数，建立了焊缝缺陷计算机识别 模式的基本方法，能比较准确地识别出圆形缺陷、裂纹缺陷、长形夹渣和未焊 透缺陷等n 町。 上海理工大学何怡、杨永才、何王海鹏等n 订运用数字图像处理技术，在对 x 射线底片数字图像进行预处理的基础上，提取出焊缝缺陷的若干参数，采用 统计模式识别的方法对缺陷进行分类，实现了焊缝x 射线底片的计算机辅助评 判。广东粤海钢瓶厂曾祥照、彭志华等踟在此方面亦进行了一些研究工作，他 们研制了图像增强实时成像的图像辅助评定软件，用于对焊缝检测图像的辅助 评定，使焊缝缺陷评定工作准确性和速度大大提高，评定结果纳入检测数据库 管理。 2 0 0 1 年，哈尔滨工业大学的王东华、刚铁等n 们提出了基于数学形态学的焊 缝图像的缺陷提取与分割方法。哈尔滨工业大学的吴林等人对焊缝射线底片的 缺陷提取进行了一些深入的探讨。 2 0 0 3 年，大连理工大学孙怡等针对图像增强器x 射线实时成像中螺旋焊 管焊缝缺陷，提出了基于图像空间特性的模糊识别算法。中国矿业大学的张晓 哈尔滨理工大学工学硕士学位论文 光啪1 ，提出了用于焊缝缺陷识别的神经网络模型，该方法能够提高介于模糊边 界模式分类的识别率。 1 3 本文研究的主要内容 本文研究的内容是对于焊缝图像的焊缝区域可能存在的圆形气孔缺陷，对 采集到的焊缝图像进行预处理、边缘检测及其缺陷提取操作。 主要研究的内容包括： 1 本文从对焊缝图像采集系统的分析入手，将对x 射线缺陷在线自动检 测系统的基本结构、检测流程进行概述。 2 研究焊缝图像预处理技术，主要介绍了焊缝图像的去噪和增强的基本 算法。最后根据焊缝图像的特点，与数学形态学的滤波算法相结合，找到了一 种适合去除同时加入高斯噪声和椒盐噪声的焊缝图像多尺度形态滤波算法 3 介绍图像分割技术的各种方法。针对焊缝图像，本论文将采用基于边 缘检测的焊缝图像的区域分割算法。然后在深入研究边缘检测技术和数学形态 学理论的基础上，并与传统的边缘检测算法相比较，对现有的形态学的边缘检 测算子进行改进，找到了一种适合焊缝图像的边缘检测技术多尺度自适应 抗嗓型熵权边缘检测算法。 4 在进行边缘检测后的图像进行圆形缺陷提取。将模糊集理论与r h t 算 法相结合，对焊缝图像中的圆形缺陷进行提取，为了减少h o u g h 变换对于圆检 测计算量大，占用内存多的特点。结合细化和收缩处理，减少h o u g h 变换运行 时的一些盲目搜索，提高了h o u g h 变换的运行效率。然后对检测出的缺陷目标 进行标记，与检测的边缘图像进行合并，完成整个缺陷目标的检测过程。 哈尔滨理工大学工学硕+ 学位论文 2 1 引言 第2 章x 射线数字图像的采集 焊缝成像质量控制是获得理想接头的重要方法，也一直是近几年焊接自动 化研究的热点，其中焊缝跟踪是焊接质量控制的前提，其关键问题是焊缝偏差 的传感问题幢。 目前，视觉传感采集的图像有基于自然光、弧光的焊缝图像和以激光为主 动光源的结构光图像。本章从对焊缝图像采集系统的分析入手，将对x 射线 缺陷在线自动检测系统的基本结构、检测流程进行概述。 2 2 缺陷在线自动检测系统的基本结构 在x 射线数字图像检测系统中，检测对象内部结构和状态信息的载体是图 像，人们是根据射线图像信息和检测标准进行判别和评估的，因此，检测系统 成像质量好坏直接影响检测的精度，而检测灵敏度是衡量检测系统检测质量的 重要指标，常用空间分辨率和密度分辨率进行量化乜引。焊缝图像的成像系统如 下图2 - 1 所示。 、冉， r 蜒 “ 二，：”k 、- 一a ；l i l 8 羁。二j| i 图2 一l 焊缝图像成像示意图 f i g 2 - 1s k e t c hm a po fw e l d i n gs e a mi m a g i n g x 射线自动缺陷检测系统的硬件组成与结构偿们如图2 2 所示。系统主要f l 了- - 个部分组成：信号转换部分、图像处理部分及缺陷位置的获取与传输部分。 哈尔滨理工大学工学硕士学位论文 图2 2 系统结构图 f i g 2 2t h ec o m p o n e n t so fs y s t e m 信号转换部分主要由x 射线源、传送车、图像增强器、反射器及c c d 摄像 机组成，信号转换部分的主要功能是完成从x 射线到可见光的信息载体转换以 及可见光到可视图像的光电转换。对焊缝接工作进行缺陷检测时，将其放置到 传送车上，并保证传送车运动过程中焊缝始终保持在图像增强器的正上方，这 样c c d 摄像机就可以始终摄取到焊缝的图像。由射线源发出的x 射线穿透焊接 工件的焊缝区域后，被图像增强器接收，图像增强器将不可见的x 射线信息转 换为可见光图像信息，再通过反射镜反射到c c d 摄像机当中，c c d 摄像机再将 光信号转换为电信号，完成光电转换，交将探伤图像送入图像处理部分。 在信号转换部分中，c c d 摄像机将摄取到的图像以帧的形式送入图像处理 部分的视频采集卡中，同时在图像处理部分中的监视器上实时显示这帧原始图 像。如果在焊缝区域中气孔、夹渣或未焊透等缺陷时，缺陷区域透过的x 射线 较多，所以在监视器上显示的图像中就会形成一个亮点或者一条亮线，图像处 理部分也是利用这个特点来检测每一帧探伤图像中是否存在缺陷的。 图像处理部分主要包括监视器、视频采集卡、计算机等设备，图像处理部 分的功能主要包括采集、显示、处理并存储所采集到的探伤图像数据。由c c d 摄像机取到的图像首先被送入监视器，并在监视器上实时显示，同时该图像数 据被输入到视频采集卡中，经过视频采集卡进行采样、量化和编码之后将其数 字化。数字化后的探伤图像同样以帧的形式送入到计算机中，在计算机中通过 各种检测算法来检测每一帧探伤图像中是否存在缺陷，并在计算机显示器上实 时显示捡测结果，并将检测结果存储到计算机中，以备后续的查找和验证a 哈尔滨理工大学工学硕二t 学位论文 在x 射线数字成像检测系统的图像采集中，影响x 射线数字图像灵敏度的因 蓁是多方面的，如图像采集系统的空间分辨率和动态范围( 即量化等级与噪 声) ，这些影响都将导致图像对比度降低和边缘模糊。噪声影响主要反映在随 机空间位置上图像灰度随机起伏，是图像质量降低的重要因素之一。噪声的主 要来源有： 1 射线源的量子噪声； 2 图像传感器的热噪声： 3 1 f 噪声即偏置电流噪声； 4 数字化的量化噪声。 其中x 射线源产生的量子起伏噪声是最基本的噪声源，由于它的存在， 图像传感器接收到的信号实际上是偏离的、具有量子起伏的图像信号，从而导 致了检测灵敏度的下降。 2 3 缺陷在线自动检测系统的检测流程 缺陷自动检测与识别部分是x 射线缺陷在线自动检测系统的核心部分， 该部分的流程可分为如下几个步骤幢射： 1 。系统初始化完成视频采集卡的初始化，同时初始化串行通信接口，完 成串行通信的初始连接； 2 图像预处理完成一些必要的图像预处理运算，从而保证检测算法的有 效性，提高检测准确率； 3 检测缺陷应用缺陷检测算法，检测当前x 射线探伤图像中是否有缺 陷存在，并在探伤图像中标记检测到的缺陷； 4 缺陷的识别计算缺陷的一些基本信息，如：大小、个数和位置等信 息，并按照一定的标准，对检测到的缺陷进行统一的识别和判定； 5 缺陷是否超标判断缺陷是否超出标准，如果超出标准，则发送喷标信 号，标记超出标准的缺陷，如果没有缺陷超出标准，则程序返回到初始状态， 准备下一帧x 射线探伤图像的采集、检测与识别。 哈尔滨理工大学工学硕士学位论文 缺陷自动检测与识别部分的程序流程框图如图2 - 3 所示。 图2 - 3 缺陷检测流程图 f i g 2 3t h ef l o wc h a r to ff l a wd e t e c t i o n x 射线缺陷在线自动检测系统可对夹渣、气孔及未焊透等缺陷进行自动检 测、测量与标记，无需人工的干预，除了缺陷自动检测与识别等功能，根据实 际系统的要求，图像处理部分还包含一些静态图像处理，动态图像处理以及归 档打印功能。例如，焊缝图像的去噪、图像对比度增强、图像边缘检测、缺陷 检测、图像存储与查询等功能。 哈尔滨理工大学工学硕上学位论文 2 4 本章小结 在x 射线数字图像检测系统中，检测对象内部结构和状态信息的载体是图 像，人们是根据射线图像信息和检测标准进行判别和评估的，因此，检测系统 成像质量好坏直接影响检测的精度，所采集到的图像质量好坏，直接关系到后 续图像处理的效果和难易程度，最终影响了焊缝实际检测系统的精度和速度。 本章从对焊缝图像采集系统的分析入手，将对x 射线缺陷在线自动检测系统的 基本结构、检测流程进行概述。 哈尔滨理工大学工学硕：j ：学位论文 3 1 引言 第3 章焊缝数字图像的预处理 在焊缝图像缺陷在产生、传输和记录过程中，经常会受到各种噪声的干 扰，由于其严重地影响了图像的视觉效果啪1 ，因此在进一步进行边缘检测之 前，采用适当的方法减少噪声是一项非常重要的预处理步骤。本章从分析数 学形态学的基本概念和基本运算入手，与各种传统的滤波算子比较，找了一种 适合焊缝图像的多尺度形态滤波去噪算法。 3 2 数学形态学 3 2 1 数学形态学基本概念 数学形态学啪1 ( m a t h e m a t i c a lm o r p h o l o g y ) 是- f 建立在严格的数学理论基 础上的科学，它起源于岩相学对岩石结构的定量描述工作，近年来在数字图像 处理和机器视觉领域中得到了广泛的应用，形成了一种独特的数字图像分析方 法和理论。利用数学形态学对物体几何结构的分析过程就是主客体相互逼近的 过程。利用数学形态学的几个基本概念和运算，将结构元灵活地组合、分解和 应用形态变换序列达到分析的目的。 通常形态学图像处理表现为一种邻域运算形式，一种特殊定义的邻域称之 为“结构元素 ，如图3 - 1 所示。 图3 - 1 对称结构元素 f i g 3 - 1s y m m e t r i cs t r u c t u r eo p e r a t o r 在每个像素位置上与图像的对应区域进行特定的逻辑运算，逻辑运算的结 果为输出图像的相应像素。形态学运算的效果取决于结构元素的大小、内容以 哈尔滨理工大学t 学硕士学位论文 及逻辑运算的性质。结构元素的选取直接影响形态运算的效果，因此，要根据 具体情况来确定。一般情况下，结构元素的选取必须考虑以下两个原则乜射： 1 结构元素必须在几何上比原图像简单，且有界。其尺寸相对地要小于 所考察的物体。当选择性质相同或相似的结构元素时，以选取图像某些特征的 极限情况为宜。 2 结构元素的形状最好具有某种凸性，如圆形、十字形、方形等。对非 凸性子集，由于连接两点的线段大部分位于集合的外面，故用非凸性子集作为 结构元素将得不到更多的有用信息。 3 2 2 数学形态学基本运算 灰度形态学是二值形态学对灰度图像的自然扩展，其中二值形态学所用到 的交、并运算分别用极大、极小极值代替就是灰度形态学的相应运算。一幅灰 度图像可以用一个定义在e 2 或z 2 上的二维函数f ( x ，y ) 表示，从几何上看它是 三维空间的点集 x ，y ，z ，( x ，y ) e 2 ，其中z = f ( x ，y ) e 为灰度值。由于数学 形态学是基于集合理论建立起来的，因此要对灰度图像进行形态分析，关键是 要把灰度图像函数用集合的方式表示出来。 定义3 1 设任一给定的函数厂：f 专e ，其定义域fg ，则它的阴影集 u ( f ) f e 定义为 己，( 厂) = ( x ，z ) ix f ，z e ，z 厂( x ) ( 3 一1 ) 定义3 2 设一个集合彳se ”e 且f = 缸e ”iz e ，( x ，z ) 椰，则它的 上表面丁( 彳) ：f e 定义为 r ( 4 ) ( x ) = m a x z el ( x ，z ) 4 ) ( 3 2 ) 阴影集的概念是灰度形态学理论的基础和核心。直观上看，阴影集就是图 像的上表面之下( 也包含上表面) 的所有点的全体。它在其支持域内的每一点上 都沿第n + l 维轴( 即z 轴) 连续地延伸至一o o 处。 对于任一上的实值函数厂，由前所述，我们可以得到 r ( ( ，( 厂) ) = ( 3 3 ) 至此，我们看到：一个函数，可以构造一个相应的集合【厂( ) ，反过来由 u ( f ) 也可以重构，。因此，u u ) 将被用来作为图像函数的集合表示，以建立 灰度图像理论。 1 灰度膨胀与腐蚀运算利用阴影集的并与交、腐蚀与膨胀就可以构造灰 度图像的形态运算。 哈尔滨理工大学工学硕士学位论文 定义3 3 设，为图像函数，b 为结构元素，f ：f 寸e ，b ：g 专e ， f ，gs ，则，被b 的灰度膨胀定义为 f e b = r ( 【，( d o u ( 易) ) ( 3 - 4 ) 或 厂0 b ( x ，y ) = m a x f ( x f ，y 一歹) + 6 0 ，歹) lo ，歹) b ，( x f ，y 一歹) d r ( 3 5 ) 这里d ，q 分别是，b 的定义域。平移参数x f ，y 一歹必须在，的定义 域内。所以膨胀运算后，图像定义域扩大了，灰度图像膨胀后的定义域等于原 图像定义域被结构元素定义域二值膨胀的结果。故边缘得到向外延伸。 膨胀运算的计算是逐点地进行，在点( x ，y ) 的膨胀运算涉及到它周围点的 灰度值及结构元素值，是局部范围内灰度图像的点与结构元素中对应点的灰度 值之和，并选取其中的最大值。通常对灰度图像进行膨胀处理的结果是双重 的：( 1 ) 如果所有结构元素的值为正，则输出图像会趋向于比输入图像更亮； ( 2 ) 暗的部分减少了还是被消除掉了取决于膨胀所用的结构元素的值和形态。 而厂被b 的灰度腐蚀定义为： f o b = r ( 【，( 门o u ( 6 ) ) ( 3 - 6 ) 或 f o b ( x ，力= m i n f ( x + ，y + 歹) 一6 ( f ，) l ( i ，歹) d b ，( x + i ，y + ，) d ， ( 3 - 7 ) 这里d ，见分别是，b 的定义域。平衡参数x + f ，y + j 必须在，的定义 域内。图像腐蚀后的定义域为原图像定义域的子集。从几何角度讲，为了求出 信号被结构元素在点x 腐蚀的结果，可以在空间滑动这个结构元素，使其原点 与点x 重合，然后上推结构元素，使其处于信号下方所能达到