焊縫裂紋缺陷的磁粉檢測(cè)自動(dòng)識(shí)別方法研究

楊志軍，陳 亮，劉延雷，陳德姝，劉玉琢

（1.東北石油大學(xué)，大慶 163318；2.杭州市特種設(shè)備檢測(cè)研究院，杭州 310003）

0 引言

在現(xiàn)代的工業(yè)制造領(lǐng)域中，焊接是一種被廣泛應(yīng)用于的基礎(chǔ)工藝方法，而焊縫的質(zhì)量直接決定了未來(lái)工件的使用周期。因此檢測(cè)工作者最急切關(guān)心的問(wèn)題是如何準(zhǔn)確可靠的對(duì)焊縫進(jìn)行檢測(cè)和評(píng)價(jià)。目前針對(duì)焊縫的常規(guī)檢測(cè)方法中，磁粉檢測(cè)憑借具有高靈敏度、檢驗(yàn)速度快、成本低、工藝簡(jiǎn)單等諸多優(yōu)點(diǎn)，在檢測(cè)焊縫方面起著重要的作用[1]。但是現(xiàn)行使用中仍然采用人工目測(cè)進(jìn)行焊縫的缺陷識(shí)別，容易導(dǎo)致工作人員的勞動(dòng)強(qiáng)度大、漏檢率高。為了提高檢測(cè)結(jié)果的可靠性，減少人工評(píng)定差異。本文提出了一種焊縫裂紋缺陷的磁粉檢測(cè)自動(dòng)識(shí)別方法。

在實(shí)驗(yàn)室條件下，建立了焊縫的磁痕圖像采集系統(tǒng)，應(yīng)用現(xiàn)代圖像處理技術(shù)開(kāi)展了焊縫的磁痕圖像復(fù)原、裂紋缺陷的篩選和識(shí)別的算法研究，理論上可以對(duì)焊縫的缺陷位置、數(shù)量和長(zhǎng)度的可視化，實(shí)現(xiàn)焊縫缺陷的自動(dòng)識(shí)別。

1 焊縫磁痕圖像采集系統(tǒng)

焊縫的磁痕圖像采集系統(tǒng)分別由交叉磁軛、磁懸液噴淋結(jié)構(gòu)、照明和CCD相機(jī)構(gòu)成。圖像采集系統(tǒng)流程圖（如圖1所示）。

在實(shí)驗(yàn)室的條件下，將試件放入焊縫的磁痕圖像采集系統(tǒng)工作臺(tái)中。焊縫上的缺陷方向常常無(wú)規(guī)律，為了防止磁化不完整而出現(xiàn)的漏檢，我們采用交叉磁軛方法旋轉(zhuǎn)磁場(chǎng)將工件表面的磁化[2]。由于磁場(chǎng)會(huì)在工件表面的缺陷處溢出，磁粉會(huì)在溢出磁場(chǎng)處形成缺陷狀磁痕，所以設(shè)計(jì)了磁懸液噴淋結(jié)構(gòu)，讓缺陷的形態(tài)特征在試件上顯現(xiàn)出來(lái)。通過(guò)高分辨率CCD攝像機(jī)、圖像采集卡等將已經(jīng)處理的試件攝影拍片，使其轉(zhuǎn)換為數(shù)字圖像在計(jì)算機(jī)上存儲(chǔ)顯示，以方便于更好的數(shù)據(jù)記錄和后期的圖像處理[3]。采集后的圖片（如圖2所示）。

圖1 焊縫的磁痕圖像采集系統(tǒng)流程圖

圖2 焊縫缺陷采集圖片

2 焊縫磁痕圖像復(fù)原研究

圖像復(fù)原是主要目的是改善圖像的質(zhì)量，盡可能提高與真實(shí)圖像的逼近度。它的中心思想是分析圖像退化的原因，根據(jù)相應(yīng)的退化模型修復(fù)模糊圖像，提高圖像的清晰度。在實(shí)際檢測(cè)時(shí)，由于工況復(fù)雜常常伴隨采集系統(tǒng)與焊縫之間的抖動(dòng)造成了圖像模糊，而我們需要較為清晰的、質(zhì)量高的缺陷圖像[4]為后續(xù)的缺陷識(shí)別研究打下良好的基礎(chǔ)。

本文針對(duì)焊縫的磁痕模糊圖像，建立了圖像勻速直線運(yùn)動(dòng)退化模型，通過(guò)系統(tǒng)的辨識(shí)方法對(duì)磁痕圖像的運(yùn)動(dòng)模糊方向和尺度進(jìn)行鑒別，估計(jì)出點(diǎn)擴(kuò)散函數(shù)（點(diǎn)擴(kuò)散函數(shù)的精確度直接影響著圖像復(fù)原的效果）。然后根據(jù)圖像退化的逆過(guò)程，采取Richardson-Luey迭代非線性恢復(fù)算法復(fù)原出與原始圖像相近的圖像，并且隨著迭代次數(shù)的增多，磁痕圖像能夠獲得相對(duì)較好的結(jié)果。焊縫的磁痕恢復(fù)圖像（如圖3所示）。

圖3 焊縫的磁痕恢復(fù)圖像

3 焊縫的裂紋缺陷提取

形態(tài)學(xué)主要目的是研究圖像形態(tài)的幾何特征。它的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的[5]。圖像分割是按照一定的原則將一幅圖像或景物分為若干個(gè)特定的、具有獨(dú)特性質(zhì)的部分或子集，依據(jù)圖像亮度值的不連續(xù)性和相似性，將圖像中感興趣的目標(biāo)提取出來(lái)。在本文中，首先要把采集到的裂紋磁痕圖像進(jìn)行圖像預(yù)處理，然后采用類似形態(tài)學(xué)梯度運(yùn)算，能夠很好的保留裂紋缺陷基本的形狀特性并除去不相干的結(jié)構(gòu)。再利用閾值分割將缺陷與背景區(qū)分出來(lái)。

本文借鑒了灰度形態(tài)學(xué)梯度的思想，采用了類似形態(tài)學(xué)梯度的運(yùn)算方法，能夠把焊縫缺陷的形態(tài)特征完整的保留下來(lái)。經(jīng)過(guò)形態(tài)學(xué)的梯度運(yùn)算，得到運(yùn)算結(jié)果，可以避免整幅圖像因灰度不均造成的目標(biāo)亮暗不均的問(wèn)題。我們常常把裂紋缺陷作為局部亮灰度值像素聚集成的線條，因此選取合適的結(jié)構(gòu)元素，可以很好的兼顧了裂紋形態(tài)特征。實(shí)現(xiàn)了將焊縫圖片中與裂紋缺陷無(wú)關(guān)的部分進(jìn)行消減或去除掉（如圖4所示）。

為便于分析，將灰度形態(tài)學(xué)梯度的核心運(yùn)算記為F：

類似形態(tài)學(xué)梯度的核心運(yùn)算記為F'

圖4 焊縫的形態(tài)學(xué)梯度圖

其中：f為缺陷預(yù)處理后的灰度圖像；

b為選取的結(jié)構(gòu)元素。

本文采用ostu自適應(yīng)閾值算法，用于分割裂紋缺陷和背景，采用此方法提取的裂紋缺陷，計(jì)算簡(jiǎn)單，缺陷邊緣具有一定的連續(xù)性，保存了更多的裂紋缺陷的原始細(xì)節(jié)，并且可以方便了后續(xù)的缺陷特征提取工作[6]（如圖5所示）。

圖5 Ostu閾值分割圖

4 焊縫的裂紋缺陷篩選

本文的裂紋缺陷篩選是根據(jù)缺陷的形態(tài)特征，提取出一組能夠識(shí)別裂紋缺陷的特征參數(shù)。通過(guò)這組參數(shù)來(lái)對(duì)圖像區(qū)域進(jìn)行比對(duì)篩選，并最終得到裂紋缺陷圖像。

觀察工件表面圖像，裂紋缺陷具有形狀如下特點(diǎn)：

a）在局部范圍內(nèi)亮度較高，即灰度值較大；

b）呈細(xì)條狀,長(zhǎng)寬比較大；

c）一般不會(huì)表現(xiàn)為直線狀，有一定的彎曲度；

d）平滑性較好,具有自然的連續(xù)性[7]。

判斷一個(gè)連通域是否為裂紋缺陷，一般首先從形狀做出判斷，通過(guò)應(yīng)用不同的特征參數(shù)對(duì)焊縫上的裂紋的形狀特征進(jìn)行描述區(qū)分。本文采用了裂紋的圓形度、長(zhǎng)度、長(zhǎng)寬比、平均寬度四個(gè)特征參數(shù)來(lái)描述裂紋的形狀，統(tǒng)計(jì)圖像中的所有連通域的這四組特征參數(shù)，將不符合裂紋特征的連通域定義為偽裂紋區(qū)域，應(yīng)用這種方式將裂紋和偽裂紋進(jìn)行區(qū)分并將偽裂紋進(jìn)行清除（如圖6所示）。

將裂紋的圓形度、長(zhǎng)寬比、平均寬度分別記為R、T、D：

圖6 裂紋缺陷圖像

式中，S為連通域的面積；

L為連通域的周長(zhǎng)；

l為連通域長(zhǎng)度；

a為連通域內(nèi)像素點(diǎn)個(gè)數(shù)。

5 裂紋缺陷的識(shí)別研究

經(jīng)過(guò)前期的圖像預(yù)處理，圖像分割和裂紋篩選等過(guò)程，完成了焊縫裂紋的缺陷提取。但在實(shí)驗(yàn)中發(fā)現(xiàn)，圖像在缺陷提取中進(jìn)行大量的數(shù)學(xué)運(yùn)算必然存在信息的損失，并且在數(shù)字空間中進(jìn)行的形態(tài)學(xué)變換運(yùn)算與連續(xù)空間中的變換處理可能存在著某些圖像邊緣畸變現(xiàn)象，造成缺陷信息的損失。本文采用形態(tài)學(xué)修復(fù)的方法，先去除可能存在的噪聲干擾，再利用區(qū)域生長(zhǎng)的方法修復(fù)裂紋的邊緣，使裂紋缺陷圖像與焊縫裂紋原始樣貌更為貼近（如圖7所示）。

圖7 裂紋修復(fù)圖像

最后將修復(fù)后的缺陷圖像送入缺陷識(shí)別系統(tǒng)中，系統(tǒng)對(duì)焊縫的缺陷進(jìn)行標(biāo)記，并且在圖像上對(duì)每個(gè)連通域用紅色數(shù)字標(biāo)注并顯現(xiàn)出來(lái)。針對(duì)裂紋的缺陷特點(diǎn)，采用了8連通判別方法對(duì)圖像中的連通域分配相應(yīng)標(biāo)號(hào)[8]，這種方法能將所有的缺陷用不同數(shù)標(biāo)標(biāo)記，并且能夠記錄下每條裂紋缺陷的所在位置信息（如圖8所示）。然后統(tǒng)計(jì)出每條裂紋相對(duì)長(zhǎng)度（如表1所示），并進(jìn)行在線記錄存檔。通過(guò)標(biāo)記后的裂紋缺陷圖像和相應(yīng)信息表格使工作人員能夠快速直觀的識(shí)別裂紋缺陷、了解工件表面及近表面的缺陷狀況，方便了數(shù)據(jù)的存儲(chǔ)和記錄，加快檢測(cè)速度，提高工作效率。

圖8 裂紋標(biāo)記圖像

表1 缺陷統(tǒng)計(jì)

本文研究的識(shí)別方法可以直接觀測(cè)缺陷圖像中裂紋形態(tài)，并對(duì)每條裂紋缺陷的狀況和形態(tài)等的信息進(jìn)行記錄和存檔，方便工作人員統(tǒng)計(jì)。

6 結(jié)論

本文針對(duì)焊縫裂紋缺陷嘗試性開(kāi)展了焊縫裂紋磁粉檢測(cè)缺陷識(shí)別方法研究，得出了以下幾個(gè)方面的結(jié)論：

1）建立了焊縫的磁痕圖像采集系統(tǒng)，將焊縫上的磁痕轉(zhuǎn)換為計(jì)算機(jī)識(shí)別的數(shù)字圖像；

2）針對(duì)焊縫的磁痕模糊圖像進(jìn)行了復(fù)原研究，為后續(xù)的缺陷識(shí)別研究打下良好的基礎(chǔ)；

3）提出了基于數(shù)學(xué)形態(tài)學(xué)的圖像分割算法，采用類似形態(tài)學(xué)梯度的方法和ostu自適應(yīng)閾值分割提取出焊縫上的裂紋缺陷。同時(shí)依據(jù)裂紋的缺陷形態(tài)特征，對(duì)焊縫裂紋缺陷圖像進(jìn)行了比對(duì)篩選；

4）采用了8連通判別方法對(duì)裂紋缺陷進(jìn)行標(biāo)記，記錄下每條缺陷的所在位置信息，統(tǒng)計(jì)出每個(gè)連通域的長(zhǎng)度等有效信息并進(jìn)行在線記錄存檔。實(shí)現(xiàn)了焊縫裂紋缺陷的自動(dòng)識(shí)別。

[1] 劉寶君,汪洪九,曾琳.磁粉檢測(cè)在壓力容器檢驗(yàn)中的運(yùn)用特點(diǎn)分析[J].無(wú)損檢測(cè),2014,10(6):315-317.

[2] 孫志勇.低溫環(huán)境下球罐磁粉檢測(cè)靈敏度的研究應(yīng)用[J].石油化工設(shè)備,2009,S1:58-60.

[3] 曹強(qiáng).筒形零件內(nèi)表面圓周方向缺陷的磁粉檢測(cè)[J].無(wú)損檢測(cè),2015,07:85-88.

[4] 賈寶華.運(yùn)動(dòng)模糊圖像恢復(fù)算法的研究與實(shí)現(xiàn)[D].北方工業(yè)大學(xué),2010.

[5] ALAKNANDA, ANAND R S, KUMAR P,et al.Flaw detection in radiographic weld images using morphological approach [J]. NDT&E International,2006,39:29～33.

[6] L. Dragu, O. Csillik, C.Eisank et al. Automated parameterisation for multi-scale image segmentation on multiple layers[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 88.

[7] 李堯.系泊鏈全環(huán)磁粉自動(dòng)檢測(cè)裝置設(shè)計(jì)[D].上海:上海交通大學(xué),2010:2-10.

[8] 黃濤.全自動(dòng)熒光磁粉探傷中目標(biāo)識(shí)別圖像處理技術(shù)研究[D].南京:南京理工大學(xué),2012:245-255.