陳小明，賴傳理

（東方電氣集團(tuán)東方鍋爐股份有限公司，自貢 643000）

X 射線實(shí)時成像檢測技術(shù)是檢測鍋爐－壓力容器中小口徑管（外徑等于或小于89 mm）焊接缺陷的十分重要的手段，它能夠直觀地檢測出焊縫中的氣孔、夾渣、未熔合、未焊透、裂紋等缺陷［1］，從而方便焊接質(zhì)量管理和控制。目前工業(yè)電視X 射線檢測主要依靠人工評定的方法進(jìn)行，通過探傷人員對底片圖像上的焊縫缺陷進(jìn)行分析，以確定圖像所反映的產(chǎn)品焊接質(zhì)量，這種檢測方式的檢測結(jié)果容易受評片人員的技術(shù)水平和工作經(jīng)驗的影響；每條工業(yè)電視探傷線每天有上千張?zhí)絺麍D像產(chǎn)生，全部需要初檢人員評定，復(fù)檢人員二次復(fù)查，工作量大；探傷記錄采用人工記錄，不易實(shí)現(xiàn)自動化，無完善的統(tǒng)計報表生成；缺少對工業(yè)電視探傷線的監(jiān)控和指導(dǎo)，產(chǎn)品質(zhì)量信息反饋不及時；數(shù)據(jù)存儲及管理方式不科學(xué)；檢測效率低、檢測過程不易實(shí)現(xiàn)自動化等特點(diǎn)，難以滿足工業(yè)現(xiàn)代化的要求。

為了保證產(chǎn)品質(zhì)量，解決現(xiàn)有工業(yè)電視X 射線探傷存在的不足，需要綜合利用包括計算機(jī)網(wǎng)絡(luò)技術(shù)、模糊推理、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、圖像處理技術(shù)在內(nèi)的多種信息處理技術(shù)的焊縫缺陷自動識別技術(shù)［2－4］，建立工業(yè)電視遠(yuǎn)程監(jiān)控缺陷輔助識別系統(tǒng)實(shí)現(xiàn)小口徑管焊縫的自動檢測系統(tǒng)，實(shí)時遠(yuǎn)程監(jiān)控、缺陷自動識別并出具相關(guān)無損檢測記錄及報告。

1 X射線實(shí)時遠(yuǎn)程監(jiān)控系統(tǒng)構(gòu)成

X 射線實(shí)時遠(yuǎn)程監(jiān)控系統(tǒng)由實(shí)時監(jiān)控系統(tǒng)、數(shù)據(jù)處理系統(tǒng)、專家系統(tǒng)組成，具有實(shí)現(xiàn)檢測過程實(shí)時監(jiān)控、報表數(shù)據(jù)統(tǒng)計、缺陷輔助識別等功能。其中最重要的是專家系統(tǒng)，如圖1所示。

圖1 X 射線實(shí)時遠(yuǎn)程監(jiān)控系統(tǒng)示意

2 實(shí)時監(jiān)控系統(tǒng)

在中央探傷室，可以實(shí)時查看本地區(qū)和跨地區(qū)工業(yè)電視探傷線的工作情況，并可從工業(yè)電視探傷軟件獲取檢測采用的參數(shù)（電流、電壓、曝光時間、焦距等）。中央探傷室的探傷人員可以及時判斷初檢人員選取參數(shù)是否滿足相關(guān)標(biāo)準(zhǔn)要求。

探傷檢測過程監(jiān)控被持續(xù)記錄并存放于本地計算機(jī)，過程監(jiān)控的內(nèi)容可以是操作視頻，操作截屏或者相關(guān)的檢測數(shù)據(jù)，存儲過程的監(jiān)控數(shù)據(jù)將自動定期發(fā)送到中央服務(wù)器進(jìn)行存儲備份。

確保探傷室初檢人員和中央探傷室復(fù)檢人員之間信息及時傳輸。探傷初檢數(shù)據(jù)采集后將同步到中央服務(wù)器，系統(tǒng)會立即通知中央探傷室在線的復(fù)檢人員對檢測圖像數(shù)據(jù)進(jìn)行復(fù)檢，復(fù)檢過程中對初檢的所有圖像，檢測結(jié)果進(jìn)行調(diào)用，使得復(fù)檢人員可以迅速給出復(fù)檢結(jié)論，并反饋給初檢方，達(dá)到初檢與復(fù)檢的在線高效配合，提高探傷檢測工作效率。

3 數(shù)據(jù)處理系統(tǒng)

基于探傷檢測成像圖像，探傷人員給出合格或不合格的結(jié)論，其中對不合格的數(shù)據(jù)由探傷人員填寫缺陷種類和數(shù)量等信息，系統(tǒng)對這部分不合格數(shù)據(jù)保存在中央數(shù)據(jù)庫。系統(tǒng)提供按日期、產(chǎn)品序號、缺陷種類等劃分的多方位查看方式，幫助技術(shù)員、管理員及時了解探傷檢測中不合格產(chǎn)品的基本信息。

對于有缺陷需要返修的產(chǎn)品，跟蹤其返修的過程，對從發(fā)現(xiàn)缺陷到最后返修檢測合格的所有成像圖片進(jìn)行單獨(dú)提取并展示。當(dāng)檢測設(shè)備將探傷成像圖片和數(shù)據(jù)輸出至本地計算機(jī)時，系統(tǒng)自動同步到服務(wù)器進(jìn)行存儲，并將相關(guān)參數(shù)和結(jié)論信息更新到服務(wù)器的中央數(shù)據(jù)庫。生產(chǎn)部門相關(guān)人員可通過系統(tǒng)對探傷檢測任務(wù)進(jìn)度進(jìn)行查詢，系統(tǒng)一方面根據(jù)用戶的反饋獲取項目的整體進(jìn)度，另一方面則根據(jù)探傷室的檢測進(jìn)度和中央探傷室的復(fù)檢情況直觀反映出相關(guān)任務(wù)的執(zhí)行情況，便于及時、高效地監(jiān)控任務(wù)進(jìn)度，做出任務(wù)調(diào)整。實(shí)現(xiàn)探傷室初檢人員與中央探傷室復(fù)檢人員無紙化交流，登陸系統(tǒng)后，可對系統(tǒng)內(nèi)的用戶發(fā)送即時消息，方便工作業(yè)務(wù)的交流和指導(dǎo)。中央數(shù)據(jù)庫可以管理探傷檢測過程的所有業(yè)務(wù)數(shù)據(jù)，并進(jìn)行數(shù)據(jù)分析。如對探傷人員的漏檢、誤檢情況的統(tǒng)計，通過系統(tǒng)提供的統(tǒng)計功能可快速準(zhǔn)確了解探傷人員的工作技能。定期生成報表，集中反映產(chǎn)品質(zhì)量和探傷工作量。系統(tǒng)根據(jù)實(shí)際需要將報表模板進(jìn)行自動的數(shù)據(jù)填充，并最終輸出為指定格式的報表。

4 專家系統(tǒng)

專家系統(tǒng)是工業(yè)電視實(shí)時遠(yuǎn)程監(jiān)控系統(tǒng)的核心，承擔(dān)著缺陷識別的重任。專家系統(tǒng)將采用模糊推理和人工神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，以射線檢測知識為基礎(chǔ)，采用智能化計算機(jī)系統(tǒng)，將探傷領(lǐng)域?qū)＜业闹R、經(jīng)驗加以總結(jié)，形成規(guī)則，存入計算機(jī)建立的知識庫；采用合適的控制策略，按輸入的原始數(shù)據(jù)進(jìn)行推理和演繹，做出判斷和決策。專家系統(tǒng)易于傳播和推廣，可以更有效地發(fā)揮專業(yè)知識，它博采眾長，綜合了多人的知識經(jīng)驗。

模糊推理是一類在知識獲取，知識表述和應(yīng)用過程中，全部或部分地采用模糊推理解決傳統(tǒng)的，存在許多概況性的、籠統(tǒng)的、含混的詞語表示事物狀態(tài)。焊縫缺陷自動檢測屬于圖像處理和模式識別的研究領(lǐng)域，其核心問題在于如何準(zhǔn)確而高效地進(jìn)行目標(biāo)識別，在信噪比較低的情況下，正確有效地提取缺陷信息是圖像處理中較困難的問題。

4.1 基于神經(jīng)網(wǎng)絡(luò)的焊縫圖像識別技術(shù)

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，簡稱ANN）亦稱為神經(jīng)網(wǎng)絡(luò)（Neural Network，簡稱NN），是由大量處理單元（神經(jīng)元Neurons）廣范互聯(lián)而成的網(wǎng)絡(luò)，是對人腦的抽象、簡化和模擬，模擬人腦的基本特征。仿制人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能，建立人工神經(jīng)網(wǎng)絡(luò)，解決傳統(tǒng)數(shù)字計算機(jī)無法解決的問題。

神經(jīng)網(wǎng)絡(luò)用于圖像識別系統(tǒng)中，首先要提取圖像的特征，再利用該特征映射到神經(jīng)網(wǎng)絡(luò)，進(jìn)行圖像識別分類。神經(jīng)網(wǎng)絡(luò)系統(tǒng)由大量簡單的處理單元（神經(jīng)元）廣泛相互連接而形成復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映人腦功能的許多基本特征，是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的簡化、抽象和模擬。神經(jīng)網(wǎng)絡(luò)側(cè)重于模擬和實(shí)現(xiàn)人的認(rèn)知過程中的感知過程、形象思維、分布式記憶和自學(xué)習(xí)自組織過程，與符號處理是一種互補(bǔ)的關(guān)系。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式存儲和處理、自組織、自適應(yīng)和自學(xué)習(xí)的能力，特別適用于處理需要同時考慮許多因素和條件的、不精確和模糊的信息處理問題。因此，要求圖像識別系統(tǒng)能自適應(yīng)地從實(shí)際任務(wù)中學(xué)習(xí)并提煉適合各種目的的決策規(guī)則，人工神經(jīng)網(wǎng)絡(luò)則能為圖像識別系統(tǒng)提供這種能力，提高缺陷識別的分類效果［5］。

4.2 焊縫缺陷識別總體流程

目標(biāo)圖像通常呈現(xiàn)出一個或者幾個像素，或呈現(xiàn)一段細(xì)線，信噪比較低，目標(biāo)缺陷湮沒在噪聲中，很難識別；低信噪比條件下對于不規(guī)則線狀缺陷識別難度大，且很難用一種方式同時檢測塊狀和線狀缺陷，不便于實(shí)際應(yīng)用；缺陷可以分為裂紋、氣孔、未焊透、未融合、夾渣、異物、咬邊、內(nèi)凹等，各種缺陷類型的特征并不十分明顯，計算機(jī)很難自動判斷缺陷類型。必須通過對圖像進(jìn)行預(yù)處理、焊縫缺陷分割、特征提取、使用模糊推理和人工神經(jīng)網(wǎng)絡(luò)技術(shù)對缺陷進(jìn)行綜合評定，如圖2所示。

預(yù)處理：根據(jù)圖像特點(diǎn)，通過濾波、降嗓、圖像增強(qiáng)等方法進(jìn)行預(yù)處理，達(dá)到提高圖像質(zhì)量，去除干擾的目的。

焊縫缺陷分割：基于數(shù)學(xué)形態(tài)學(xué)及迭代閾值方法相結(jié)合的分割方法，把焊縫缺陷從整張圖中分離出來方便分析。

圖2 焊縫缺陷識別總體流程

特征提?。和ㄟ^提取缺陷的影像特征，得到缺陷的各種參數(shù)。特征提取是缺陷判斷中的一個關(guān)鍵問題，由于很多實(shí)際問題中不容易找到最重要特征，或受條件限制不能對缺陷測量，使得特征提取任務(wù)變得復(fù)雜，成為構(gòu)造模式識別系統(tǒng)最困難的任務(wù)之一。特征提取的基本任務(wù)是要從缺陷幾何形狀、黑度及分布，缺陷在底片上的位置識別。

綜合評定：把提取到的圖像特征和各種類型的缺陷（裂紋、氣孔、未焊透、未融合、夾渣、異物、咬邊等）進(jìn)行比對，得出評定結(jié)論供檢驗人員參考。

通過對焊縫圖像進(jìn)行預(yù)處理、缺陷分割、特征提取、再利用模糊推理和神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)合專家的知識經(jīng)驗綜合評定，并通過對神經(jīng)網(wǎng)絡(luò)和模糊推理構(gòu)成的專家系統(tǒng)反復(fù)訓(xùn)練，不斷提高缺陷識別效率和準(zhǔn)確性。實(shí)現(xiàn)軟件運(yùn)行初期缺陷不漏檢，在缺陷不漏檢的條件下，有無缺陷錯判率不高于100%；缺陷性質(zhì)定性誤判率不高于50%，逐步實(shí)現(xiàn)工業(yè)電視自動檢測和缺陷評定。

5 結(jié)語

目前該系統(tǒng)正在研發(fā)中，軟件成功運(yùn)行后可以有效避免焊縫中缺陷的漏檢和誤檢，保證焊縫產(chǎn)品品質(zhì)，促進(jìn)鍋爐水冷壁和蛇形管小口徑管焊縫X 射線自動檢測技術(shù)的工業(yè)應(yīng)用。

［1］強(qiáng)天鵬.射線檢測［M］.北京：中國勞動社會保障出版社，2007.

［2］周正干，杜圓媛.基于多幅X 射線數(shù)字圖像的缺陷自動識別技術(shù)［J］.機(jī)械工程學(xué)報，2006，42（3）：77－80.

［3］張曉光，林家俊.X 射線檢測焊縫的圖像處理與缺陷識別［J］.華東理工大學(xué)學(xué)報，2004，30（2）：199－202.

［4］DAUM W，ROSE P，HEIDT H，et al.Automatic rec－ognition of weld defects in X－ray inspection ［J］.British Journal of NDT，1987，29（3）：79－82.

［5］金忠.X 射線底片焊縫缺陷智能識別研究［D］.長沙：湖南大學(xué)，2006.