韓 超，張理澤

(1.中核建中核燃料元件有限公司，宜賓 644000；2.重慶大學 光電技術與系統(tǒng)教育部重點實驗室，重慶 400044；3.重慶大學 工業(yè)CT無損檢測教育部工程研究中心，重慶 400044)

粉末材料廣泛應用于國防工業(yè)、生物醫(yī)藥、化工、汽車制造、能源、機械工程等各個領域[1]，其作為工業(yè)生產(chǎn)中的原料，需要通過特定的設備和工藝將粉末原材料加工處理為滿足生產(chǎn)所需的團狀物料。這種使小顆粒團聚為較大實體的過程稱為造粒。在粉末材料的造粒過程中不可避免地會引入夾雜物[2]，為了確保成品的質(zhì)量符合要求，必須采用有效的無損檢測方法來實現(xiàn)夾雜物的定量測量，保證粉末材料中的夾雜物含量符合規(guī)定。磁粉檢測需要將磁粉置于被測件表面，滲透檢測也需要將滲透劑涂抹于被測件表面，因此這類接觸式檢測方法并不適用于檢測粉末材料。而X射線檢測技術憑借其成像直觀、檢測效率高等優(yōu)點，成為粉末材料雜質(zhì)和缺陷檢測的主要手段。

數(shù)字射線成像檢測(DR)是一種基于X射線原理，使用平板探測器代替?zhèn)鹘y(tǒng)膠片成像的無損檢測技術[3-4]。DR技術成像具有動態(tài)范圍大、成像質(zhì)量高、空間分辨率高等優(yōu)點，被廣泛應用于復雜工件的自動化檢測。筆者使用DR技術對粉末材料中的夾雜物進行識別并實現(xiàn)了夾雜物的定量檢測，保證了粉末材料的質(zhì)量。

1 粉末材料夾雜物的數(shù)字射線檢測

1.1 圖像預處理

受X射線成像原理限制，獲取的原始DR圖像存在隨機噪聲和對比度低等問題，因此需要對圖像進行一定的預處理[5]。原始DR圖像為16位圖像，灰度級范圍為0～65 535級，而顯示器只支持8位至10位圖像，導致圖像中缺陷部分和非缺陷部分難以分辨。通常采用窗寬/窗位調(diào)節(jié)對圖像的對比度進行增強，窗寬/窗位調(diào)節(jié)公式為

(1)

式中：f(i,j)和g(i,j)為窗寬/窗位調(diào)節(jié)前后的圖像；ww為窗寬；wl為窗位；Imax為顯示設備的最大灰度級。

DR圖像窗寬/窗位調(diào)節(jié)前后對比如圖1所示，可以看到經(jīng)過調(diào)節(jié)后圖像中夾雜物的對比度得到了顯著提高，但由于X射線成像過程中的各個環(huán)節(jié)都有可能產(chǎn)生噪聲，為避免噪聲對圖像中夾雜檢測準確度的影響，需要對圖像進行降噪處理。文章使用中值濾波進行降噪，中值濾波可以在保持圖像邊緣信息的同時有效消除圖像中的孤立噪聲點，中值濾波公式可表示為

圖1 DR圖像窗寬/窗位調(diào)節(jié)前后對比

g(x)=med{f(k)}

(2)

式中：x為圖像中待濾波點坐標;f(k)和g(x)為濾波前后的圖像；k為以點x為中心方形掩膜中的點。

圖1中夾雜物的邊緣區(qū)域較弱，為了更好地保持邊緣區(qū)域的成像效果，采用尺寸為3×3(長×寬)掩膜。DR圖像中值濾波降噪處理效果如圖2所示，中值濾波對圖像中偏離的噪聲點具有較好的抑制效果，但是由于該圖像中對比度相對較低，噪聲點較小，降噪效果并不是很顯著。

圖2 DR圖像中值濾波降噪處理效果

1.2 SIFT特征匹配

若要對DR圖像中夾雜物進行尺寸測量，至少需要對同一夾雜物進行3個角度的檢測以確定夾雜物的真實尺寸。為解決同一夾雜物的多角度匹配問題，使用尺度不變特征轉換(SIFT)算法對多張DR圖像的特征點進行匹配。SIFT特征匹配算法主要有以下4個步驟[6-7]。

(1) 尺度空間中關鍵點檢測

首先使用多尺寸參數(shù)的高斯平滑對輸入圖像進行處理從而構造多尺度空間。空間函數(shù)L(x,y,σ)可以由可變參數(shù)的高斯函數(shù)G(x,y,σ)和原圖像I(x,y)卷積得到，即

L(x,y,σ)=G(x,y,σ)*I(x,y)

(3)

在不同尺度參數(shù)的組數(shù)中，首先對某一相同尺度層的相鄰圖像作差值得到高斯差分圖像；再通過差分圖像和原圖像做卷積獲得DOG(高斯差分)函數(shù)，最后可以由DOG空間的局部極值點構成關鍵點。

(2) 對關鍵點補充特征信息

通過給關鍵點補充方向信息解決關鍵點的角度和旋轉不變性問題。方向信息是通過計算特征點的梯度得到的，對于任一特征點其梯度幅值信息m(x,y)和方向信息θ(x,y)可以描述為

m(x,y)={[L(x+1,y)-L(x-1,y)]2+

[L(x,y+1)-L(x,y-1)]2}1/2

(4)

(5)

式中：L(x,y)為尺度圖像。

(3) 計算特征點的描述子

為了保證特征矢量具有旋轉不變性，需要以關鍵點為中心將原圖像旋轉至與主方向相同。此外還需要為關鍵點建立一個描述子向量，使其在不同光線與視角下皆能保持不變性，并且能夠與其他關鍵點區(qū)分開[7]。描述子構造過程如圖3所示，關鍵點位于左圖的窗口中間，其余小格代表鄰域范圍內(nèi)像素，首先計算鄰域內(nèi)所有像素的梯度信息并使用高斯函數(shù)進行加權，然后通過對圖像中每個4×4子塊進行8方向梯度直方圖統(tǒng)計操作，獲得每個方向的梯度幅值，最后得到一個包含128個維度的特征向量。

圖3 描述子構造過程示意

(4) 特征匹配

SIFT特征匹配是通過兩幅圖像上不同關鍵點的特征向量的歐氏距離來度量，在兩幅圖像中關鍵點的歐式距離越小，可以認為兩點的相似度越高，當兩關鍵點的最近歐式距離與次近歐式距離的比值小于所設定的某一閾值時，即可判定該對關鍵點匹配成功。DR圖像特征匹配效果如圖4所示，圖4(a)，(b)均為經(jīng)過圖像預處理增強后的DR圖像，圖4(c)為圖4(a)，(b)匹配后的重疊圖，可以看到使用SIFT匹配算法后獲得了較好的匹配效果。

圖4 DR圖像特征匹配效果

1.3 基于邊緣檢測的圖像分割

在獲取DR圖像后，由于夾雜物通常在圖像中只占據(jù)很少的部分，為了減少圖像處理的工作量加快計算速度，文章考慮對包含夾雜物的感興趣區(qū)域(ROI)單獨做圖像處理。

經(jīng)典分割方法如OSTU、區(qū)域生長算法針對夾雜物，特別是對比度較低、邊緣存在交疊的小尺寸夾雜物的提取，很難得到較好的效果。因此文章中使用Canny邊緣檢測算法進行圖像分割。圖像中的邊緣即可視為圖像中灰度變化劇烈的區(qū)域，在圖形學中使用梯度來描述灰度的變化程度和方向[8]。

Canny邊緣檢測算法可以分為4步。

(1) 圖像降噪

首先對圖像進行降噪處理，由于在圖像預處理中已經(jīng)對圖像中的隨機噪聲和孤立噪聲進行處理，因此不再進行圖像降噪。

(2) 計算梯度值和梯度方向

sobel算子是一種離散差分算子，可以用于計算圖像梯度函數(shù)，在圖像中的任意點都可以通過使用此算子產(chǎn)生對應x和y梯度，并求出對應的梯度值和梯度方法，即

(6)

θ=arctan(Gy/Gx)

(7)

式中：G為梯度值；Gx為x方向梯度；Gy為y方向梯度；θ為梯度方向。

(3) 非極大值抑制

應使圖像邊緣的寬度盡可能為單像素，若一個像素點屬于邊緣且在梯度方向上是極大值，則進行保留，否則進行抑制將灰度值設為0。

(4) 上下限閾值檢測邊緣

在應用非極大值抑制后，因為噪聲所引起的邊緣像素點可能在圖像濾波后依然存在，所以為了減少這類虛假邊緣，通過選擇上下限閾值來保留真實邊緣。當邊緣像素的梯度值高于上限即可認為是邊緣，當?shù)陀谙孪迺r則認為其不是邊緣。當介于上下限之間時，則根據(jù)已確定為邊緣的像素是否鄰接來進行判定[9]。

圖像分割效果如圖5所示，圖5 (a)為經(jīng)過預處理后的DR圖像，圖5(b)為檢測到的夾雜物邊緣，對檢測到的邊緣進行內(nèi)部填充即可得到圖5(c)的夾雜物掩膜，從而完成對夾雜物的圖像分割。

圖5 圖像分割效果

2 夾雜物檢測流程

粉末材料夾雜檢測方法的流程如圖6所示，首先使用X射線對工件進行掃描，采集多個角度的DR圖像，并對圖像進行預處理；然后對圖像進行窗寬/窗位調(diào)節(jié)，增強圖像的對比度和亮度，使用中值濾波器消去隨機噪聲；再使用SIFT特征匹配算法找到不同角度下DR圖像中的同一夾雜物；最后利用基于邊緣檢測的圖像分割方法得到夾雜物，得到夾雜物后計算不同角度下夾雜的尺寸參數(shù)值。

圖6 夾雜物檢測流程圖

關于夾雜物體積，文章選取不同掃描角度下長度、寬度的最大值進行計算。最后根據(jù)夾雜物體積在總體粉末材料中的占比評估粉末材料的質(zhì)量[10]。

3 試驗結果與分析

3.1 試驗驗證

文章使用一組標準直徑的金屬絲來驗證檢測效果，其中金屬絲的標準直徑最大為1.00 mm，最小為0.20 mm，金屬絲的DR檢測結果如圖7所示，放置金屬絲的容器體積為9 L。在不同掃描角度下對一組金屬絲的尺寸進行測量，其結果如表1～3所示，最終計算得到的金屬絲體積如表4所示。

表4 金屬絲體積測量結果 mm3

圖7 金屬絲的DR檢測結果

表1 -15°掃描角度下金屬絲尺寸

從金屬絲尺寸測量結果可以看到，除了標準直徑為0.20 mm的金屬絲邊緣輪廓不清晰導致測量誤差結果波動較大，其余標準直徑金屬絲的相對誤差較小，能控制在10%以內(nèi)，在該范圍內(nèi)檢測結果較穩(wěn)定。金屬絲可以近似看作圓柱形，因此在不同掃描角度下寬度不會發(fā)生明顯變化，但是部分金屬絲長度會由于彎曲引發(fā)較大變化。關于金屬絲體積的計算，文章采用不同掃描角度下的長度和寬度的最大值進行計算，再根據(jù)總金屬絲體積和粉末材料體積求出夾雜物含量為0.071 7%，該方法降低了單次掃描隨機性導致的一些誤差，提高了測量結果的準確性。

表2 -7.5°掃描角度下金屬絲尺寸

表3 -30°掃描角度下金屬絲尺寸

3.2 實際檢測驗證

該研究中主要針對粉末物料的夾雜檢測，試驗所用粉末材料為灰白色，其化學性質(zhì)活潑，長期受氬氣氣氛保護，材料顆粒粒徑小于1.0 mm，密度小于0.8 g·cm-3。檢測工藝參數(shù)設置如表5所示。

表5 檢測工藝參數(shù)設置

采用文章方法對900批次的粉末進行檢測，可將單次檢測時間控制在5 min以內(nèi)，經(jīng)過檢測的粉末材料夾雜物含量合格率為100%，不存在長邊尺寸大于1.0 mm的顆粒狀夾雜物、不存在絲狀夾雜物，其中夾雜物總體積占比小于0.000 007%，遠小于規(guī)定的夾雜物總體積占比小于0.07%的要求，從而驗證了所采用方法的可行性。

4 結論

筆者提出一種多角度掃描的粉末材料DR圖像夾雜物自動檢測方法，并進行檢測試驗，得出以下結論。

(1) 相較于單次DR掃描，多次DR掃描可以避免夾雜物的空間位置和自身形態(tài)對檢測準確性和穩(wěn)定性的影響，可以降低因單次掃描隨機性帶來的負面影響。

(2) 金屬絲檢測試驗驗證了文章所提方法的可行性，實際生產(chǎn)中的粉末檢測結果也驗證了方法的檢測穩(wěn)定性。

(3) 使用不同掃描角度中測量得到的尺寸最大值作為夾雜物尺寸的近似值，然而被測工件在旋轉多個角度后仍可能得不到最佳掃描角度參數(shù)，因此可以從該方向預測夾雜物的尺寸以提升檢測的準確性。