基于CT圖像的金屬點(diǎn)陣結(jié)構(gòu)內(nèi)部缺陷檢測(cè)方法

張玉燕， 李永保， 溫銀堂， 張芝威

(1. 燕山大學(xué)電氣工程學(xué)院，河北秦皇島066004； 2. 燕山大學(xué)測(cè)試計(jì)量技術(shù)及儀器河北省重點(diǎn)實(shí)驗(yàn)室,河北秦皇島066004)

1 引 言

金屬點(diǎn)陣結(jié)構(gòu)材料是具有有序微結(jié)構(gòu)且呈周期排列的特種金屬材料，這種材料有很好的綜合力學(xué)性能[1，2]。由于金屬點(diǎn)陣結(jié)構(gòu)材料具有超輕、高比強(qiáng)度 、高比剛度、減震等結(jié)構(gòu)特性和高效散熱隔熱 、耐火、吸聲、電磁波吸收等功能特性，故被廣泛應(yīng)用于航空航天、武器裝備、交通運(yùn)輸、醫(yī)療、機(jī)械、建筑、化工等行業(yè)。

增材制造技術(shù)是通過對(duì)材料自下而上進(jìn)行逐層堆積粘合的一種制造方法，其設(shè)計(jì)和制造的自由度較大，能夠有效解決復(fù)雜多層金屬點(diǎn)陣結(jié)構(gòu)材料的制備問題[3]，國內(nèi)外許多學(xué)者對(duì)其已經(jīng)展開了大量相關(guān)研究[4～7]。Mines R A W等[8]使用選擇性激光熔融技術(shù)(SLM)將Ti-6Al-4V鈦合金制成體心立方(BCC)點(diǎn)陣結(jié)構(gòu)同傳統(tǒng)鋁蜂窩的機(jī)械性能進(jìn)行比較，結(jié)果表明前者在結(jié)構(gòu)性能上更具優(yōu)勢(shì)；Horn T J等[9]用電子束熔化(EBM)技術(shù)將Ti-6Al-4V鈦合金制造開孔點(diǎn)陣結(jié)構(gòu)，并將其用于醫(yī)療類骨組織支架和低剛度植入物，對(duì)填充有不同尺寸和密度的菱形十二面體晶胞的棱柱棒進(jìn)行四點(diǎn)彎曲測(cè)試；Bai L等[10]提出了一種體心4方(BCT)晶格結(jié)構(gòu)，用選擇性激光熔融技術(shù)將Ti-6Al-4V鈦合金制備優(yōu)化的BCT結(jié)構(gòu)和BCC參考結(jié)構(gòu)作為試驗(yàn)樣品，并分別對(duì)其進(jìn)行準(zhǔn)靜態(tài)單軸研究試驗(yàn)來驗(yàn)證理論分析結(jié)果。

增材制造的本質(zhì)就是將材料加熱至熔融狀態(tài)再進(jìn)行逐層堆積冷卻成型，這一過程會(huì)產(chǎn)生大量的殘余應(yīng)力造成結(jié)構(gòu)翹曲、裂紋、斷層等不良效應(yīng)[11]，在很大程度上降低了金屬點(diǎn)陣結(jié)構(gòu)的結(jié)構(gòu)-功能性能。無損檢測(cè)方法可以作為金屬點(diǎn)陣結(jié)構(gòu)性能可靠性、結(jié)構(gòu)完整性的重要檢測(cè)手段，其檢測(cè)結(jié)果是新型材料設(shè)計(jì)、研制和改進(jìn)的重要技術(shù)依據(jù)，也是結(jié)構(gòu)質(zhì)量控制和安全可靠性的有效技術(shù)支撐。對(duì)于具有復(fù)雜結(jié)構(gòu)的金屬三維多層點(diǎn)陣結(jié)構(gòu)，常規(guī)無損檢測(cè)方法[12～17]的檢測(cè)精度和適用對(duì)象限制了多層金屬點(diǎn)陣結(jié)構(gòu)內(nèi)部缺陷檢測(cè)的直觀性和精準(zhǔn)性，而工業(yè)CT能夠在無損條件下，以二維斷層或是三維立體圖像清晰、直觀的展示被檢測(cè)物體內(nèi)部結(jié)構(gòu)和缺陷狀況，能夠很好實(shí)現(xiàn)金屬三維多層點(diǎn)陣結(jié)構(gòu)內(nèi)部缺陷的直觀呈現(xiàn)。但是，如何對(duì)于提高重構(gòu)圖像的精度以及在較大量圖像中快速自動(dòng)識(shí)別和定位缺陷仍需進(jìn)一步研究。

對(duì)金屬點(diǎn)陣結(jié)構(gòu)的增材制造制備技術(shù)、單元的結(jié)構(gòu)設(shè)計(jì)、力學(xué)性能和功能特性等研究較多，而有關(guān)由增材制造技術(shù)制備的金屬點(diǎn)陣結(jié)構(gòu)內(nèi)部缺陷的檢測(cè)研究國內(nèi)外鮮有報(bào)道。本文針對(duì)一種由增材制造技術(shù)制備的鈦合金三維多層點(diǎn)陣結(jié)構(gòu)，通過工業(yè)CT對(duì)其內(nèi)部結(jié)構(gòu)進(jìn)行掃描檢測(cè)，得到其橫向斷層截面的二維灰度圖像，根據(jù)二維灰度圖中像素點(diǎn)灰度值的分布特征，開展了缺陷自動(dòng)識(shí)別定位的研究。

2 缺陷特征提取及識(shí)別方法

研究對(duì)象是一種由選擇性激光熔融技術(shù)制備的鈦合金三維多層點(diǎn)陣結(jié)構(gòu)，其內(nèi)部的微結(jié)構(gòu)單元為正四面體結(jié)構(gòu)，每一個(gè)節(jié)點(diǎn)與其周圍4個(gè)節(jié)點(diǎn)之間等距離連接且呈一個(gè)固定角度。整個(gè)鈦合金三維多層點(diǎn)陣結(jié)構(gòu)外部由一層鈦合金板狀結(jié)構(gòu)構(gòu)成，使整個(gè)結(jié)構(gòu)處于半封閉狀態(tài)，其內(nèi)部存在的斷層缺陷很難通過常規(guī)無損檢測(cè)方法進(jìn)行識(shí)別。

2.1 缺陷識(shí)別的原理

采用工業(yè)CT對(duì)多層金屬點(diǎn)陣結(jié)構(gòu)材料進(jìn)行掃描，得到材料的整體內(nèi)部結(jié)構(gòu)二維層析圖像。在點(diǎn)陣結(jié)構(gòu)中，平行于點(diǎn)陣單元周期性排布的橫向截面有效區(qū)域分布最為規(guī)則，因此，截取了平行于點(diǎn)陣單元橫向排布方向的橫向斷層截面二維灰度圖(見圖1)并對(duì)其進(jìn)行分析。

圖1 無缺陷和有缺陷的斷層圖Fig.1 The tomogram of defect-free and defective

在橫向斷層截面二維灰度圖中，存在某一個(gè)固定尺寸m×n,使得在這一尺寸下的任一像素點(diǎn)集合灰度值總和最為接近。在圖1中，當(dāng)灰度圖中存在缺陷時(shí)，缺陷部位和非缺陷部位的像素點(diǎn)灰度值分布存在差異，所以本文提出通過比較固定尺寸像素點(diǎn)集合的灰度總和分布差異來對(duì)缺陷進(jìn)行判別?？紤]到灰度圖中不同部位像素點(diǎn)灰度值分布不均[18]以及相鄰缺陷之間存在交叉給最終缺陷識(shí)別定位造成干擾等問題，選取3個(gè)橫向相鄰固定尺寸像素點(diǎn)集合作為一個(gè)新集合G，如圖2所示，A、B、C分別為尺寸m×n的像素點(diǎn)集合，其邊緣像素點(diǎn)相鄰且不重疊，集合G的尺寸為m×3n。

首先，求取B像素點(diǎn)集合灰度值總和與A、C兩個(gè)像素點(diǎn)集合灰度值總和平均值的差值：

(1)

式中：Aij、Bij、Cij分別為像素點(diǎn)集合A、B、C中像素點(diǎn)灰度值；g為B像素點(diǎn)集合灰度值總和與A、C兩個(gè)像素點(diǎn)集合灰度值總和平均值的差值。

圖2 3個(gè)橫向相鄰固定尺寸像素點(diǎn)集合Fig.2 Three horizontally adjacent fixed size pixel point sets

然后，用與集合G相同尺寸大小的模板遍歷圖像，重復(fù)上述求取差值的過程，利用差值分布來對(duì)缺陷進(jìn)行識(shí)別定位。

為說明3個(gè)橫向相鄰固定尺寸像素點(diǎn)集合的左側(cè)、中間、右側(cè)分別有單個(gè)缺陷以及都沒有缺陷時(shí)的灰度值總和差值分布特征，選取7個(gè)橫向相鄰的固定尺寸像素點(diǎn)集合，其中間部位的固定尺寸像素點(diǎn)集合含有缺陷，如圖3所示。

圖3 缺陷在不同位置的3個(gè)相鄰集合Fig.3 Defects in different positions of three adjacent sets

假設(shè)固定像素點(diǎn)尺寸下所有不包含缺陷像素點(diǎn)集合的灰度值總和相同且為e，包含缺陷像素點(diǎn)集合的灰度值總和相同且為f。圖3中E1、E2、E3、F、E4、E5、E6為7個(gè)相鄰的固定尺寸的像素點(diǎn)集合，從E1到E6可形成5個(gè)尺寸為m×3n的新集合，分別為G1、G2、G3、G4、G5，其中G1、G5集合不包含缺陷，G2、G3、G4集合分別在右側(cè)、中間、左側(cè)含有缺陷。按(1)式中求差值方法，依次求取這5個(gè)集合中像素點(diǎn)灰度值總和的差值，分別為g1、g2、g3、g4、g5：

(2)

由式(2)可知，G1、G5集合不含缺陷時(shí)，其相鄰固定尺寸像素點(diǎn)集合灰度值總和的差值為0，而含有缺陷區(qū)域的G2、G3、G4的差值則滿足：

-2g2=g3=-2g4

(3)

對(duì)圖3中含有缺陷的橫向區(qū)域進(jìn)行遍歷求和，并求取缺陷所在橫向區(qū)域所有3個(gè)橫向相鄰固定尺寸像素點(diǎn)集合灰度值總和之間的差值，其差值分布如圖4所示，其中差值為(f-e)的3個(gè)相鄰固定尺寸像素點(diǎn)集合存在缺陷，且缺陷位于中間部位，差值為-(f-e)/2的3個(gè)相鄰固定尺寸像素點(diǎn)集合存在缺陷且位于兩邊部位，而差值為0的3個(gè)相鄰固定尺寸像素點(diǎn)集合不存在缺陷。

圖4 缺陷所在位置橫向差值分布Fig.4 The transverse direction difference distribution of the defect

2.2 缺陷識(shí)別的步驟

為得到準(zhǔn)確的固定像素點(diǎn)集合尺寸，通過對(duì)原始灰度圖像的像素點(diǎn)灰度值分布進(jìn)行分析，確定所求固定尺寸像素點(diǎn)集合橫、縱邊緣尺寸的范圍，將所有在此范圍內(nèi)的橫、縱邊緣像素點(diǎn)個(gè)數(shù)相互組合，構(gòu)成若干個(gè)不同的像素點(diǎn)集合尺寸。在這些不同像素點(diǎn)集合尺寸下分別在灰度圖中隨機(jī)選取1 000個(gè)對(duì)應(yīng)尺寸的像素點(diǎn)集合，求取不同尺寸下1 000個(gè)對(duì)應(yīng)尺寸像素點(diǎn)集合灰度值總和的標(biāo)準(zhǔn)偏差，根據(jù)其標(biāo)準(zhǔn)偏差來確定固定像素點(diǎn)尺寸的最佳值。

(4)

式中：σij表示的是像素點(diǎn)尺寸為i×j時(shí)的標(biāo)準(zhǔn)偏差；xk表示的是像素點(diǎn)集合尺寸為i×j的1 000個(gè)隨機(jī)位置各集合像素點(diǎn)灰度值總和；μ表示的是所有灰度值總和的平均值。

(5)

當(dāng)σij的值最小時(shí)，則認(rèn)定對(duì)應(yīng)的i×j為所采用的固定像素點(diǎn)尺寸m×n。確定m×n值以后，用求取3個(gè)橫向相鄰m×n尺寸像素點(diǎn)灰度值總和之間差值的方法對(duì)大小為M×M的灰度圖進(jìn)行遍歷，得到大小為(M-m+1)×(M-3n+1)的像素點(diǎn)灰度值總和差值分布。在得到相鄰3個(gè)固定尺寸像素點(diǎn)灰度值總和的差值分布后，對(duì)其進(jìn)行縱向差分，得到大小為(M-m)×(M-3n+1)的灰度值總和差值的縱向差分分布。

縱向差分值表示的是得到的所有3個(gè)相鄰固定尺寸像素點(diǎn)集合灰度值總和之間差值的縱向變化程度。當(dāng)位于上方的3個(gè)相鄰固定尺寸像素點(diǎn)集合不存在缺陷而在其正下方的3個(gè)相鄰固定尺寸像素點(diǎn)集合存在缺陷時(shí)，即為缺陷的上邊緣部位，其差值之間的縱向差分值的絕對(duì)值較大且為正；當(dāng)位于上方的3個(gè)相鄰固定尺寸像素點(diǎn)集合存在缺陷而在其正下方的3個(gè)相鄰固定尺寸像素點(diǎn)集合不存在缺陷時(shí)，即為缺陷的下邊緣部位，其差值之間的縱向差分值的絕對(duì)值較大且為負(fù)；當(dāng)位于上方的3個(gè)相鄰固定尺寸像素點(diǎn)集合與在其正下方的3個(gè)相鄰固定尺寸像素點(diǎn)集合都存在缺陷或是都不存在缺陷時(shí)，其差值之間的縱向差分值的絕對(duì)值較小。對(duì)于同一缺陷，其上下邊緣點(diǎn)對(duì)應(yīng)的縱向差值的絕對(duì)值相近但是符號(hào)相反，對(duì)于上下邊緣點(diǎn)之間的縱向距離與固定尺寸像素點(diǎn)集合的縱向尺寸和縱向連續(xù)缺陷的個(gè)數(shù)有關(guān)。

因此，縱向差分分布中缺陷的上下邊緣點(diǎn)需要滿足以下條件：選取差分值絕對(duì)值大于閾值a的局部最大值或最小值；找出兩個(gè)局部最大值點(diǎn)之間的所有局部最小值點(diǎn)，并與第一個(gè)局部最大值點(diǎn)進(jìn)行比較，最大值點(diǎn)與最小值點(diǎn)的數(shù)值相近，且兩個(gè)點(diǎn)的橫向坐標(biāo)位置相差m×b±c，其中m為固定尺寸像素點(diǎn)的縱向尺寸，b為縱向連續(xù)缺陷個(gè)數(shù)，c為允許存在的誤差范圍。

求取復(fù)合邊界條件的上邊界點(diǎn)，并確定不同缺陷邊界點(diǎn)的最右側(cè)點(diǎn)并將其作為固定位置，根據(jù)差分值分布具體的計(jì)算路徑和缺陷的特征判斷缺陷邊緣固定位置與灰度圖中缺陷實(shí)際位置的關(guān)系，再對(duì)缺陷進(jìn)行標(biāo)注。

3 缺陷識(shí)別與結(jié)果分析

選取沒有缺陷的灰度圖進(jìn)行固定像素點(diǎn)尺寸判定，根據(jù)無缺陷灰度圖內(nèi)的像素點(diǎn)灰度值分布周期，將待選像素點(diǎn)尺寸的橫豎邊界像素點(diǎn)個(gè)數(shù)設(shè)置在45和75之間。在不同尺寸下分別隨機(jī)選取1 000個(gè)對(duì)應(yīng)尺寸的像素點(diǎn)集合，分別求取不同尺寸下 1 000 個(gè)隨機(jī)像素點(diǎn)集合灰度值總和的標(biāo)準(zhǔn)偏差，由圖5可知，當(dāng)固定像素點(diǎn)尺寸為59×59像素時(shí)得到的標(biāo)準(zhǔn)偏差最小，所以將所用的固定像素點(diǎn)尺寸定為59×59像素。

為了驗(yàn)證本文提出算法的可行性，選取兩幅具有典型缺陷分布的灰度圖對(duì)提出的缺陷識(shí)別方法進(jìn)行驗(yàn)證，如圖6所示：左圖中y軸方向同時(shí)有一個(gè)單獨(dú)缺陷和兩個(gè)連續(xù)缺陷，右圖中y軸方向有3個(gè)連續(xù)缺陷。

圖5 不同集合尺寸的標(biāo)準(zhǔn)偏差Fig.5 Standard deviation of different set sizes

圖6 待檢測(cè)含缺陷灰度圖Fig.6 Gray images with defect to be detected

用59×177像素尺寸的模板分別對(duì)兩幅圖進(jìn)行遍歷，得到模板內(nèi)3個(gè)相鄰固定尺寸像素點(diǎn)集合灰度值總和的差值分布如圖7所示。圖7中，灰白色區(qū)域表示的是模板內(nèi)中間集合位置存在缺陷，灰黑色區(qū)域表示的是模板內(nèi)兩邊集合位置存在缺陷。因此能根據(jù)差值分布圖初步判定原始灰度圖中存在缺陷的大概位置。但由于原始灰度圖中像素點(diǎn)灰度值分布不均勻，對(duì)得到的相鄰固定尺寸像素點(diǎn)灰度值總和之間的差值分布也造成了一定的干擾，對(duì)缺陷位置的特征提取增加了一定的難度，因此需要對(duì)差值分布進(jìn)行進(jìn)一步分析。

圖7 3個(gè)連續(xù)固定尺寸像素點(diǎn)集合灰度值總和差值分布Fig.7 The gray value sum difference of three consecutive fixed-size pixel points

對(duì)圖7沿y軸方向進(jìn)行差分[19]，得到灰度和差值的y方向差分分布，如圖8所示。

圖8 灰度值總和差值縱向差分分布Fig.8 The longitudinal difference distribution of gray value sum difference

y軸方向差分反映的是得到的所有模板內(nèi)3個(gè)相鄰固定尺寸像素點(diǎn)集合灰度值總和之間差值的縱向變化程度，當(dāng)?shù)玫降牟罘贮c(diǎn)位于缺陷的上下邊緣點(diǎn)時(shí)，由于模板內(nèi)3個(gè)相鄰固定尺寸像素點(diǎn)灰度值總和的差值發(fā)生急劇變化，導(dǎo)致y軸方向差分值的絕對(duì)值較大，通過對(duì)差分分布的y軸方向曲線進(jìn)行分析，找出符合缺陷邊界特征的分布點(diǎn)集合，根據(jù)邊界分布點(diǎn)集合對(duì)缺陷進(jìn)行識(shí)別定位。

本文對(duì)圖8中A、B兩條具有典型特征的y軸方向差分曲線進(jìn)行分析，圖9是這兩條曲線的波形圖，設(shè)選取差分曲線局部最大值與最小值的絕對(duì)值閾值a為5。

圖9 兩個(gè)典型位置縱向差分曲線Fig.9 Two typical position longitudinal difference curves

圖9(a)中絕對(duì)值大于閾值的局部最大值最小值共有5個(gè)，分別為a、b、c、e、f，其中，a、c、f為局部最大值點(diǎn)，b、e為局部最小值點(diǎn)，最大值點(diǎn)a、c之間有一個(gè)最小值點(diǎn)b，只需判斷a和b之間的關(guān)系，a、b的橫縱坐標(biāo)符合缺陷上下邊緣的條件，且橫坐標(biāo)差值為59，a、b之間有1個(gè)缺陷；最大值點(diǎn)c、f之間有一個(gè)最小值e，只需判斷c和e之間的關(guān)系，c、e橫縱坐標(biāo)符合缺陷上下邊緣的條件，且橫坐標(biāo)差值為118，c、e之間有2個(gè)連續(xù)缺陷，d點(diǎn)縱坐標(biāo)值絕對(duì)值雖然接近閾值，但其橫坐標(biāo)值不符合缺陷特征，所以排除。圖9(b)中絕對(duì)值大于閾值的局部最大最小值有2個(gè)，分別為a、b，a為局部最大值，b為局部最小值，a、b的橫縱坐標(biāo)符合缺陷上下邊緣的條件，橫坐標(biāo)差值為178，a、b之間有3個(gè)連續(xù)缺陷。

對(duì)差分值分布中所有的y軸方向差分值進(jìn)行分析，找出所有符合缺陷邊緣特征的差分點(diǎn)，對(duì)符合邊緣特征的差分點(diǎn)分布進(jìn)行分析，找出不同缺陷位置的邊緣點(diǎn)集合。分別在各個(gè)缺陷邊緣特征點(diǎn)集合中選擇一個(gè)固定點(diǎn)，如圖10所示，本文選取缺陷上邊緣最右側(cè)的差分點(diǎn)作為固定點(diǎn)，分別為A，B，C，D，E，根據(jù)差分值分布與原始灰度圖之間的位置關(guān)系對(duì)灰度圖中缺陷進(jìn)行定位[20]，因此需要對(duì)差分值分布與缺陷實(shí)際位置之間的關(guān)系進(jìn)行分析。

圖10 缺陷上邊緣最右側(cè)差分點(diǎn)Fig.10 The rightmost differential points of defects upper edge

為得出缺陷在差分值分布中位置與實(shí)際灰度圖位置之間的關(guān)系，選取有一處缺陷的斷層灰度圖，按照以上步驟得出缺陷在差分值分布中的上下4個(gè)邊緣點(diǎn)，見圖11。

圖11 缺陷在差分分布中的4個(gè)上下邊緣點(diǎn)Fig.11 Four upper and lower edge points of the defect in the differential distribution

圖11(a)中的a、b、c、d分別為缺陷在差分值分布中的4個(gè)邊緣點(diǎn)。圖11(b)中分別展示了差分值分布中a、b、c、d4個(gè)點(diǎn)在灰度圖中的位置，以及缺陷在灰度圖中的實(shí)際位置，由圖可知，b點(diǎn)與缺陷實(shí)際位置的左上角的x方向相差30個(gè)像素點(diǎn)，y方向相差20個(gè)像素點(diǎn)。因此，以差分分布中缺陷右上角的邊緣點(diǎn)為固定點(diǎn)(x,y)，則缺陷實(shí)際位置的左上角坐標(biāo)為(x+30,y+20)。

根據(jù)以上分析，得出圖10中固定點(diǎn)A，B，C，D，E與對(duì)應(yīng)缺陷左上角定點(diǎn)的位置關(guān)系，確定原始灰度圖中缺陷的位置，表1中列出了所選差分值固定點(diǎn)位置坐標(biāo)以及對(duì)應(yīng)的灰度圖中連續(xù)缺陷個(gè)數(shù)和左上角坐標(biāo)。

用尺寸為59×59像素的方框，根據(jù)表1中固定點(diǎn)對(duì)應(yīng)的y方向缺陷的連續(xù)個(gè)數(shù)對(duì)缺陷進(jìn)行標(biāo)注，若y方向有多個(gè)連續(xù)缺陷，則用等同個(gè)數(shù)的相鄰方框?qū)ζ溥M(jìn)行標(biāo)注，缺陷的識(shí)別標(biāo)注結(jié)果如圖12所示。

表1 差分值固定點(diǎn)對(duì)應(yīng)的連續(xù)缺陷個(gè)數(shù)和位置Tab.1 The consecutive defects’ number and location of difference value fixed point

圖12 對(duì)原始灰度圖中的缺陷進(jìn)行定位標(biāo)注Fig.12 Positioning defects in the original grayscale images

本文通過人工標(biāo)注的方法所有斷層二維灰度圖中342個(gè)缺陷，再通過本文的算法對(duì)所有斷層灰度圖中的缺陷進(jìn)行識(shí)別，能夠?qū)ζ渲械?37個(gè)缺陷進(jìn)行識(shí)別定位，識(shí)別率達(dá)到98.5%。

將所有的二維識(shí)別結(jié)果集中在一個(gè)三維立體圖中得到金屬點(diǎn)陣結(jié)構(gòu)內(nèi)部缺陷的分布情況，如圖13所示。

圖13 金屬點(diǎn)陣結(jié)構(gòu)內(nèi)部缺陷立體位置Fig.13 The internal defects stereo position of metal lattice structure

整個(gè)金屬點(diǎn)陣結(jié)構(gòu)的內(nèi)部結(jié)構(gòu)分為3層，共有21個(gè)缺陷部位，其中底層有3個(gè)缺陷部位，中層有7個(gè)缺陷部位，上層有11個(gè)缺陷部位。經(jīng)過像素點(diǎn)縮減，處理一幅1 474×1 533×3的灰度圖的平均時(shí)間僅需1～2 s，能夠快速對(duì)整個(gè)點(diǎn)陣結(jié)構(gòu)內(nèi)部的缺陷進(jìn)行檢測(cè)。

4 結(jié) 論

本文通過對(duì)金屬點(diǎn)陣結(jié)構(gòu)和掃描灰度圖特征進(jìn)行分析，利用灰度圖中橫向3個(gè)相鄰固定尺寸像素點(diǎn)集合灰度值總和之間的差值分布等特征對(duì)缺陷的位置進(jìn)行判定。實(shí)驗(yàn)結(jié)果表明：本方法能夠?qū)τ稍霾闹圃旒夹g(shù)制備的金屬點(diǎn)陣結(jié)構(gòu)內(nèi)部斷層缺陷進(jìn)行識(shí)別和定位標(biāo)識(shí)；為對(duì)金屬點(diǎn)陣結(jié)構(gòu)的制造工藝、可靠性分析等研究提供有效的技術(shù)支持。由于工業(yè)CT掃描精度和金屬點(diǎn)陣結(jié)構(gòu)的復(fù)雜性限制了灰度圖中灰度值分布的均勻性，不均勻的灰度值分布在一定程度上影響了本方法的識(shí)別精度，后續(xù)研究工作應(yīng)進(jìn)一步得到改進(jìn)。