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(xué) 光電技術(shù)與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，重慶 400044；3.重慶大學(xué) 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(yīng)用于國防工業(yè)、生物醫(yī)藥、化工、汽車制造、能源、機(jī)械工程等各個(gè)領(lǐng)域[1]，其作為工業(yè)生產(chǎn)中的原料，需要通過特定的設(shè)備和工藝將粉末原材料加工處理為滿足生產(chǎn)所需的團(tuán)狀物料。這種使小顆粒團(tuán)聚為較大實(shí)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(huì)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(shí)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(shù)憑借其成像直觀、檢測效率高等優(yōu)點(diǎn)，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(shù)[3-4]。DR技術(shù)成像具有動(dòng)態(tài)范圍大、成像質(zhì)量高、空間分辨率高等優(yōu)點(diǎn)，被廣泛應(yīng)用于復(fù)雜工件的自動(dòng)化檢測。筆者使用DR技術(shù)對粉末材料中的夾雜物進(jìn)行識別并實(shí)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(yù)處理

受X射線成像原理限制，獲取的原始DR圖像存在隨機(jī)噪聲和對比度低等問題，因此需要對圖像進(jìn)行一定的預(yù)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(dǎo)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(jìn)行增強(qiáng)，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(shè)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(gè)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(zhǔn)確度的影響，需要對圖像進(jìn)行降噪處理。文章使用中值濾波進(jìn)行降噪，中值濾波可以在保持圖像邊緣信息的同時(shí)有效消除圖像中的孤立噪聲點(diǎn)，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(diǎn)坐標(biāo);f(k)和g(x)為濾波前后的圖像；k為以點(diǎn)x為中心方形掩膜中的點(diǎn)。

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(diǎn)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(diǎn)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(jìn)行尺寸測量，至少需要對同一夾雜物進(jìn)行3個(gè)角度的檢測以確定夾雜物的真實(shí)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(zhuǎn)換(SIFT)算法對多張DR圖像的特征點(diǎn)進(jìn)行匹配。SIFT特征匹配算法主要有以下4個(gè)步驟[6-7]。

(1) 尺度空間中關(guān)鍵點(diǎn)檢測

首先使用多尺寸參數(shù)的高斯平滑對輸入圖像進(jìn)行處理從而構(gòu)造多尺度空間?？臻g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(diǎn)構(gòu)成關(guān)鍵點(diǎn)。

(2) 對關(guān)鍵點(diǎn)補(bǔ)充特征信息

通過給關(guān)鍵點(diǎn)補(bǔ)充方向信息解決關(guān)鍵點(diǎn)的角度和旋轉(zhuǎn)不變性問題。方向信息是通過計(jì)算特征點(diǎn)的梯度得到的，對于任一特征點(diǎn)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(jì)算特征點(diǎn)的描述子

為了保證特征矢量具有旋轉(zhuǎn)不變性，需要以關(guān)鍵點(diǎn)為中心將原圖像旋轉(zhuǎn)至與主方向相同。此外還需要為關(guān)鍵點(diǎn)建立一個(gè)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(guān)鍵點(diǎn)區(qū)分開[7]。描述子構(gòu)造過程如圖3所示，關(guān)鍵點(diǎn)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(jì)算鄰域內(nèi)所有像素的梯度信息并使用高斯函數(shù)進(jìn)行加權(quán)，然后通過對圖像中每個(gè)4×4子塊進(jìn)行8方向梯度直方圖統(tǒng)計(jì)操作，獲得每個(gè)方向的梯度幅值，最后得到一個(gè)包含128個(gè)維度的特征向量。

圖3 描述子構(gòu)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(guān)鍵點(diǎn)的特征向量的歐氏距離來度量，在兩幅圖像中關(guān)鍵點(diǎn)的歐式距離越小，可以認(rèn)為兩點(diǎn)的相似度越高，當(dāng)兩關(guān)鍵點(diǎn)的最近歐式距離與次近歐式距離的比值小于所設(shè)定的某一閾值時(shí)，即可判定該對關(guān)鍵點(diǎn)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(yù)處理增強(qiáng)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(jì)算速度，文章考慮對包含夾雜物的感興趣區(qū)域(ROI)單獨(dú)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(jìn)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(xué)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(jìn)行降噪處理，由于在圖像預(yù)處理中已經(jīng)對圖像中的隨機(jī)噪聲和孤立噪聲進(jìn)行處理，因此不再進(jìn)行圖像降噪。

(2) 計(jì)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(jì)算圖像梯度函數(shù)，在圖像中的任意點(diǎn)都可以通過使用此算子產(chǎn)生對應(yīng)x和y梯度，并求出對應(yīng)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(yīng)使圖像邊緣的寬度盡可能為單像素，若一個(gè)像素點(diǎn)屬于邊緣且在梯度方向上是極大值，則進(jìn)行保留，否則進(jìn)行抑制將灰度值設(shè)為0。

(4) 上下限閾值檢測邊緣

在應(yīng)用非極大值抑制后，因?yàn)樵肼曀鸬倪吘壪袼攸c(diǎn)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(shí)邊緣。當(dāng)邊緣像素的梯度值高于上限即可認(rèn)為是邊緣，當(dāng)?shù)陀谙孪迺r(shí)則認(rèn)為其不是邊緣。當(dāng)介于上下限之間時(shí)，則根據(jù)已確定為邊緣的像素是否鄰接來進(jìn)行判定[9]。

圖像分割效果如圖5所示，圖5 (a)為經(jīng)過預(yù)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(jìn)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(jìn)行掃描，采集多個(gè)角度的DR圖像，并對圖像進(jìn)行預(yù)處理；然后對圖像進(jìn)行窗寬/窗位調(diào)節(jié)，增強(qiáng)圖像的對比度和亮度，使用中值濾波器消去隨機(jī)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(jì)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(guān)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(jìn)行計(jì)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(yàn)結(jié)果與分析

3.1 試驗(yàn)驗(yàn)證

文章使用一組標(biāo)準(zhǔn)直徑的金屬絲來驗(yàn)證檢測效果，其中金屬絲的標(biāo)準(zhǔn)直徑最大為1.00 mm，最小為0.20 mm，金屬絲的DR檢測結(jié)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(jìn)行測量，其結(jié)果如表1～3所示，最終計(jì)算得到的金屬絲體積如表4所示。

表4 金屬絲體積測量結(jié)果 mm3

圖7 金屬絲的DR檢測結(jié)果

表1 -15°掃描角度下金屬絲尺寸

從金屬絲尺寸測量結(jié)果可以看到，除了標(biāo)準(zhǔn)直徑為0.20 mm的金屬絲邊緣輪廓不清晰導(dǎo)致測量誤差結(jié)果波動(dòng)較大，其余標(biāo)準(zhǔn)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(jié)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(huì)發(fā)生明顯變化，但是部分金屬絲長度會(huì)由于彎曲引發(fā)較大變化。關(guān)于金屬絲體積的計(jì)算，文章采用不同掃描角度下的長度和寬度的最大值進(jìn)行計(jì)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(jī)性導(dǎo)致的一些誤差，提高了測量結(jié)果的準(zhǔn)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(shí)際檢測驗(yàn)證

該研究中主要針對粉末物料的夾雜檢測，試驗(yàn)所用粉末材料為灰白色，其化學(xué)性質(zhì)活潑，長期受氬氣氣氛保護(hù)，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(shè)置如表5所示。

表5 檢測工藝參數(shù)設(shè)置

采用文章方法對900批次的粉末進(jìn)行檢測，可將單次檢測時(shí)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?yuàn)A雜物、不存在絲狀?yuàn)A雜物，其中夾雜物總體積占比小于0.000 007%，遠(yuǎn)小于規(guī)定的夾雜物總體積占比小于0.07%的要求，從而驗(yàn)證了所采用方法的可行性。

4 結(jié)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(dòng)檢測方法，并進(jìn)行檢測試驗(yàn)，得出以下結(jié)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(zhǔn)確性和穩(wěn)定性的影響，可以降低因單次掃描隨機(jī)性帶來的負(fù)面影響。

(2) 金屬絲檢測試驗(yàn)驗(yàn)證了文章所提方法的可行性，實(shí)際生產(chǎn)中的粉末檢測結(jié)果也驗(yàn)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(zhuǎn)多個(gè)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(yù)測夾雜物的尺寸以提升檢測的準(zhǔn)確性。