余煥偉 任緒凱 廖曉平 歐陽星峰 杜錫勇

（1.紹興市特種設(shè)備檢測(cè)院 紹興 312071）

（2.紹興市特種設(shè)備智能檢測(cè)與評(píng)價(jià)重點(diǎn)實(shí)驗(yàn)室 紹興 312071）

（3.浙江德力裝備有限公司 紹興 312599）

1 引言

TOFD(衍射時(shí)差超聲檢測(cè))具有可靠性好、檢測(cè)效率高、可記錄等優(yōu)點(diǎn)，其測(cè)量精度能夠控制在±1 mm[1]，對(duì)焊縫中裂紋類缺陷檢出效果明顯，在大型承壓設(shè)備的無損檢測(cè)中發(fā)揮著不可替代的作用。隨著TOFD 成像技術(shù)的迅速發(fā)展和普遍應(yīng)用，其正逐步替代射線檢測(cè)成為焊縫質(zhì)量評(píng)價(jià)的主要手段[2]，得益于爬行機(jī)器人的不斷成熟，高度自動(dòng)化的TOFD 掃查成像已在推廣應(yīng)用，但是在對(duì)TOFD 圖像的自動(dòng)判讀和釋義方面仍存在巨大技術(shù)障礙，成為制約全自動(dòng)化TOFD 檢測(cè)技術(shù)發(fā)展的瓶頸。雖然現(xiàn)在的商業(yè)化TOFD 設(shè)備一般會(huì)提供離線分析軟件，但這類軟件自動(dòng)化程度低，大多需要檢測(cè)人員手動(dòng)確定直通波和底波位置來校準(zhǔn)圖像，再通過拉線的方法進(jìn)行缺陷測(cè)量，最后再結(jié)合人工經(jīng)驗(yàn)進(jìn)行缺陷評(píng)定與質(zhì)量分級(jí)，整個(gè)過程要消耗檢測(cè)人員大量的精力和時(shí)間，而且還存在誤判的可能。

針對(duì)上述問題，國內(nèi)外學(xué)者也進(jìn)行了一些研究，如Zhu H J 等[3]將TOFD 圖像分為多個(gè)圖像塊，采用基于大律法（OTSU 法）的局部最優(yōu)閾檢測(cè)圖像中的裂紋邊緣；王燕等[4]采用圖像形態(tài)學(xué)處理和Hough 變換相結(jié)合的方法對(duì)TOFD 圖像進(jìn)行自動(dòng)快速標(biāo)定；Merazi-Meksen T 等[5]利用分水嶺方法實(shí)現(xiàn)對(duì)TOFD圖像的區(qū)域分割和缺陷輪廓提??；陳欣[6]在直通波峰值捕捉前引入改進(jìn)的霍夫搜索算法，提高了標(biāo)定結(jié)果的準(zhǔn)確性和處理效率。在TOFD 缺陷分類與定性識(shí)別方面，一般是先提取缺陷圖像特征再進(jìn)行模式識(shí)別或模式分類，常見的TOFD 圖像特征參數(shù)有圖像紋理特征[7]、缺陷區(qū)域圖像統(tǒng)計(jì)參數(shù)[8]、小波能量特征[9]、傅里葉頻譜系數(shù)[10]等，模式識(shí)別方法有主成分分析[11，12]、支持向量機(jī)、深度學(xué)習(xí)[13]等。上述研究中，TOFD 圖像標(biāo)定和缺陷分割等方面的相關(guān)算法的自適應(yīng)能力、自動(dòng)化較弱，不適合在工程上推廣應(yīng)用，雖然缺陷定性識(shí)別方法對(duì)特定缺陷信號(hào)具有較好的識(shí)別率，但受制于缺陷訓(xùn)練樣本數(shù)量及標(biāo)注準(zhǔn)確性的影響，對(duì)復(fù)雜場(chǎng)景下缺陷的識(shí)別率還較低。

2 TOFD 圖像的自動(dòng)分區(qū)與標(biāo)定

2.1 TOFD 圖像結(jié)構(gòu)特點(diǎn)

典型的TOFD 圖像如圖1 所示，直通波、底波和底面反射橫波這3 條近似水平線將圖像分割縱波衍射區(qū)域、波形轉(zhuǎn)換區(qū)域，而對(duì)缺陷的定位和分析主要集中在縱波衍射區(qū)域。在TOFD 掃查時(shí)，由于探頭延時(shí)誤差、耦合面力度不均、探頭中心間距PCS波動(dòng)等的影響，上述區(qū)域位置可能產(chǎn)生變化，影響后續(xù)缺陷定量精度，因此在圖像分析前需要先進(jìn)行標(biāo)定。傳統(tǒng)標(biāo)定方法是借助TOFD 儀器自帶的離線分析軟件進(jìn)行的，首先觀察確定圖1 所示的幾個(gè)區(qū)域，然后再手動(dòng)對(duì)直通波第一個(gè)波峰及底波第一個(gè)波谷進(jìn)行定位標(biāo)記，基本原理如下：假設(shè)直通波到達(dá)時(shí)刻為t1，底波到達(dá)時(shí)刻為t2，探頭延時(shí)為t0，縱波聲速為c，工件厚度為D，如圖2 所示，直通波和底波之間的時(shí)間差Δt=t2-t1，S為探頭中心間距PCS的1/2，聲程差cΔt可由式（1）得到，只要給出?t、D、PCS中任意兩個(gè)就可以求解第三個(gè)。

圖1 典型TOFD 圖像分解

圖2 直通波與底波之間的聲程差示意圖

2.2 TOFD 圖像自動(dòng)分區(qū)算法

TOFD 圖像中直通波、底波與背景在灰度上存在較大差異，本文采用OTSU 閾值分割算法對(duì)TOFD 圖像進(jìn)行二值化處理。OTSU 閾值分割算法采用的是最大類間方差圖像分割方法，圖像前景和背景之間的類間方差如果越大，就說明構(gòu)成圖像的兩個(gè)部分之間的差別越大，當(dāng)所取閾值的分割使類間方差最大時(shí)就意味著圖像錯(cuò)分概率最小，具體步驟如下：假設(shè)圖像的總像素?cái)?shù)為A，初始灰度閾值為k，灰度k及以下的像素?cái)?shù)為Bk，大于灰度k的像素?cái)?shù)為Ck=A-Bk，圖像的全局灰度均值為μ，i為灰度級(jí)數(shù)(0 ≤i≤255)，pi為處于灰度級(jí)i上的像素?cái)?shù)。

閾值k把圖像分為Bk和Ck兩部分，其灰度平均值bk和ck分別為：

令ω1=Bk/A和1-ω1，由式（2）、式（3）可得Bk與Ck的類間方差σ2為：

閾值k遍歷0 ～255 灰度級(jí)可得使σ2最大時(shí)的最佳分割閾值kmax，對(duì)圖3 所示的TOFD 圖像進(jìn)行OTSU閾值分割，最優(yōu)閾值kmax=176，結(jié)果如圖4 所示。

圖3 TOFD 原始圖像

圖4 OTSU 閾值分割后的二值化圖像

圖4中直通波、底波、底面橫波回波已與背景分離，對(duì)圖4 進(jìn)行形態(tài)學(xué)開運(yùn)算，選擇像素長(zhǎng)度為100的水平直線作為結(jié)構(gòu)元素，消除細(xì)小不連續(xù)的線條，如圖5 所示，選擇相同的結(jié)構(gòu)元素，再對(duì)圖5 進(jìn)行形態(tài)學(xué)閉運(yùn)算，連接斷開的直線，如圖6 所示，至此只需要檢測(cè)出直線位置即可確定TOFD 圖像的幾個(gè)關(guān)鍵區(qū)域。Hough 變換的原理是利用笛卡爾坐標(biāo)系中的直線與Hough 參數(shù)空間中的點(diǎn)的對(duì)應(yīng)關(guān)系，將直線或曲線從圖像空間中轉(zhuǎn)換到Hough 參數(shù)空間，轉(zhuǎn)換后的直線在參數(shù)空間映射成為一個(gè)峰值點(diǎn)，直線檢測(cè)的問題就轉(zhuǎn)換成在Hough 參數(shù)空間中求共線點(diǎn)的累加峰值的問題[14]?利用Hough 變換直線檢測(cè)算法在圖6 中進(jìn)行直線檢測(cè)，并根據(jù)TOFD 圖像的特點(diǎn)進(jìn)行以下限制：1)舍棄長(zhǎng)度小于100 像素的短線段；2)當(dāng)線段之間的距離小于100 像素時(shí)，這些線段合并為一條線段；3)直線的水平度在±1°之內(nèi)?直線檢測(cè)結(jié)果如圖7 所示，根據(jù)這些直線的行像素坐標(biāo)即可大致定位TOFD圖像的直通波、縱波衍射區(qū)和底面反射波。

圖5 形態(tài)學(xué)開運(yùn)算結(jié)果

圖6 形態(tài)學(xué)閉運(yùn)算結(jié)果

圖7 Hough 變換直線檢測(cè)結(jié)果

2.3 TOFD 圖像自動(dòng)標(biāo)定算法

TOFD圖像標(biāo)定需要精確定位A掃信號(hào)中的波峰、波谷位置，本文采用“局部極值-閾值”搜索算法在直線附近進(jìn)一步定位直通波和底波中波峰、波谷的位置，即先搜索A 掃信號(hào)的波峰和波谷，并判斷后續(xù)搜索點(diǎn)是否達(dá)到一定閾值，只有滿足設(shè)定的閾值條件，先前確定的極值點(diǎn)才能被認(rèn)定為波峰或波谷，經(jīng)過實(shí)驗(yàn)以灰度平均值的4/5 作為截止閾值。假設(shè)TOFD 圖像大小為M×N，行數(shù)M代表A 掃信號(hào)采樣長(zhǎng)度，列數(shù)N代表A 掃信號(hào)數(shù)個(gè)數(shù)，與TOFD 掃查長(zhǎng)度相關(guān)。通過上述“局部極值-閾值”搜索算法對(duì)第j個(gè)A 掃信號(hào)中與Hough 直線相對(duì)應(yīng)的位置附近搜索，得到直通波第1 個(gè)波峰LPj和底波上第1 個(gè)波谷BTj，記直通波與底波之間的像素差LBj=LPj-BTj。由于TOFD 掃查時(shí)的表面耦合情況變化以及TOFD 數(shù)據(jù)采集時(shí)的隨機(jī)誤差影響，得到的N個(gè)LB并不都相等，本文以LB重復(fù)次數(shù)最多、概率最大時(shí)的值作為TOFD 圖像直通波與底波之間的行像素差，以此時(shí)直通波波峰位置平均值LPM作為校正缺陷深度的基準(zhǔn)值。根據(jù)TOFD 成像原理，可得圖3 中相鄰像素行之間的聲程差ΔRL見式（5）。

cΔt可由式(1)或者由直通波與底波的時(shí)差Δt得到。假設(shè)縱波衍射區(qū)任一點(diǎn)的行像素行號(hào)為i，則此點(diǎn)的深度Di可由式(6)得到，最終的TOFD 深度標(biāo)定曲線如圖8 所示。

圖8 TOFD 深度標(biāo)定曲線

2.4 TOFD 圖像有效性評(píng)價(jià)

TOFD 檢測(cè)時(shí)比較關(guān)鍵的一步是設(shè)定合適的檢測(cè)靈敏度，一般可通過在被檢工件上將直通波的波幅調(diào)到滿屏高的40%～80%進(jìn)行設(shè)置，靈敏度過大或過小都將直接影響圖像的質(zhì)量及后續(xù)缺陷檢出率，如圖9 所示的3 條A 掃信號(hào)分別代表不同的靈敏度，圖10為靈敏度過大的不合格圖像。當(dāng)前TOFD 圖像有效性評(píng)價(jià)是由分析人員目視進(jìn)行的，對(duì)圖像靈敏度的檢查存在較大的主觀性，而且對(duì)于提高TOFD 圖像分析的自動(dòng)化程度來說，也需要尋找一種便捷、客觀的圖像靈敏度評(píng)價(jià)方法。自然圖像質(zhì)量評(píng)估方法（NIQE）不需要與參考圖像進(jìn)行比較，僅利用圖像自身的統(tǒng)計(jì)特征來評(píng)估圖像質(zhì)量，可以對(duì)多種類型的失真圖像進(jìn)行準(zhǔn)確評(píng)估[15]?具體來說，NIQE 算法先將原始圖像分解成多個(gè)子帶圖像，再選取其中的圖像顯著特征區(qū)域建立多元高斯特征模型，最終得到原始圖像的無參考圖像質(zhì)量指標(biāo)，指標(biāo)越小表示圖像感知質(zhì)量越好。

圖9 不同靈敏度下TOFD 圖像中提取的A 掃信號(hào)

圖10 靈敏度過高時(shí)的TOFD 圖像

對(duì)圖3 中的TOFD 圖像分別進(jìn)行-12 dB、-6 dB、0 dB，6 db、12 dB 的額外增益，其NIQE 指標(biāo)分別如圖11 中虛線所示，隨著額外增益的增大而增大，這是因?yàn)橹蓖úā⒌酌娣瓷洳ǖ鹊拇嬖谘谏w了縱波衍射區(qū)的微弱圖像信息差異。提取TOFD 圖像的縱波衍射區(qū)，如圖12 所示，再計(jì)算圖像在-12 dB 至12 dB 額外增益下的NIQE 指標(biāo)，如圖11 中實(shí)線所示，可看出NIQE 指標(biāo)對(duì)TOFD 圖像的過增益比較敏感，可用來對(duì)TOFD 圖像質(zhì)量進(jìn)行評(píng)價(jià)，合格的TOFD 圖像的NIQE 指標(biāo)一般不超過25。

圖11 不同靈敏度下TOFD 圖像的NIQE 指標(biāo)

圖12 額外增益下的TOFD 縱波衍射區(qū)圖像

2.5 TOFD 埋藏缺陷自動(dòng)評(píng)定與質(zhì)量分級(jí)

采用基于局部圖像均值的自適應(yīng)圖像閾值分割法對(duì)圖12（a）進(jìn)行二值化，如圖13（a）所示，選擇像素長(zhǎng)度為8 的水平直線作為結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算和閉運(yùn)算，消除不同缺陷圖像之間的勾連和輪廓上的不平整，得到的缺陷區(qū)域圖像如圖13（b）所示。采用缺陷區(qū)域面積和圓度2 個(gè)幾何特征對(duì)點(diǎn)狀與非點(diǎn)狀缺陷進(jìn)行判斷，點(diǎn)狀缺陷需滿足面積和圓度同時(shí)小于某一閾值。假設(shè)二值化圖像中非點(diǎn)狀缺陷的集合為NP，單一非點(diǎn)狀缺陷的集合為SNP，需要合并顯示的非點(diǎn)狀缺陷集合為CNP，其中任意兩個(gè)缺陷編號(hào)記為i、j，缺陷深度為Di、Dj，缺陷長(zhǎng)度為L(zhǎng)i、Lj，缺陷長(zhǎng)度方向的間距記為L(zhǎng)Xij，高度方向的間距記為HZij，?ij為缺陷i、j之間的行像素差，?Peak為直通波中相鄰波峰與波谷的像素差。對(duì)于相鄰兩個(gè)或多個(gè)非點(diǎn)狀缺陷，按照NB/T 47013.10—2015《承壓設(shè)備無損檢測(cè)第10 部分：衍射時(shí)差法超聲檢測(cè)》的缺陷評(píng)定與質(zhì)量分級(jí)規(guī)則要求，需根據(jù)其區(qū)域特征以及相互之間的幾何位置關(guān)系判斷是否作為一條缺陷處理。

圖13 TOFD 圖像中缺陷區(qū)域提取

根據(jù)式（7）和式（8），缺陷i、缺陷j遍歷非點(diǎn)狀缺陷集合NP，可得到單一的非點(diǎn)狀缺陷集合SNP和需要當(dāng)作一條缺陷顯示的缺陷對(duì)集合CNP，然后再對(duì)兩個(gè)以上缺陷的合并顯示情況進(jìn)行判定，具體方法為：在缺陷對(duì)集合CNP中，對(duì)任意n個(gè)缺陷對(duì)c1，c2，…，cn進(jìn)行比較，若c1∩c2…∩cn≠0，則該n個(gè)缺陷對(duì)合并進(jìn)同一條缺陷進(jìn)行顯示?對(duì)于任意兩個(gè)需要合并顯示的缺陷i、缺陷j，假設(shè)缺陷高度為Hi、Hj，缺陷深度為Di、Dj，其在X方向上兩端點(diǎn)的坐標(biāo)分別為(xi1，xi2)、(xj1，xj2)，則合并顯示缺陷的深度D、長(zhǎng)度L及自身高度H按以下規(guī)則進(jìn)行計(jì)算：

1)合并顯示缺陷的深度D=min(Di，Dj)；

3)合并顯示缺陷的高度H：L≥L1+L2時(shí)，H=max(Hi,Hj)；L

依據(jù)NB/T 47013.10—2015 中焊接接頭的質(zhì)量分級(jí)規(guī)則，編制程序化的邏輯語言對(duì)自動(dòng)檢出焊接埋藏缺陷按點(diǎn)狀和非點(diǎn)狀缺陷進(jìn)行分級(jí)，以質(zhì)量級(jí)別最低的分級(jí)作為最終的質(zhì)量分級(jí)。在點(diǎn)狀缺陷分級(jí)時(shí)，需要?jiǎng)澏?00 mm 長(zhǎng)度的評(píng)定區(qū)域，劃定區(qū)域不同可能導(dǎo)致不同的評(píng)定結(jié)果，為減少人為因素的影響，本文采用“正逆滑動(dòng)窗口”的方法來尋找包含點(diǎn)狀缺陷最多的評(píng)定區(qū)域?假設(shè)焊縫上的點(diǎn)狀缺陷X方向坐標(biāo)依次為x1，x2，…，xN，N為點(diǎn)狀缺陷總數(shù)，窗口寬度為100 mm，正向窗口從x1開始向X正向滑動(dòng)，逆向則從xN開始反方向滑動(dòng)，分別得到窗口正、逆向滑動(dòng)時(shí)的點(diǎn)狀缺陷數(shù)最大值PNum、NNum，則max(PNum，NNum)即為評(píng)定區(qū)域中最多可能包含的點(diǎn)狀缺陷數(shù)NumMax。

3 實(shí)驗(yàn)結(jié)果及分析

TOFD 掃查實(shí)驗(yàn)圖像1 和圖像2 分別來自大型球罐上極板和人工焊接試塊，板厚分別為47.0 mm、30 mm，PCS為115 mm、78.5 mm，檢測(cè)靈敏度為67.0 dB、82.0 dB，采用單通道非平行掃查，掃查精度為0.75 mm、1 mm，掃查長(zhǎng)度約為1 100 mm、270 mm，TOFD 探頭中心頻率均為5 MHz。利用前文提出的軟件算法對(duì)TOFD 圖像進(jìn)行自動(dòng)評(píng)定與質(zhì)量分級(jí)，本文軟件自動(dòng)分析結(jié)果分別如圖14、圖15 和圖16 所示，其中綠色標(biāo)記點(diǎn)處為點(diǎn)狀缺陷，紅色方框內(nèi)為單一缺陷，黃色方框內(nèi)為合并顯示缺陷。自動(dòng)分析軟件在圖像1 中共評(píng)定出53 個(gè)點(diǎn)狀埋藏缺陷、3 個(gè)非點(diǎn)狀缺陷和6 個(gè)合并顯示的非點(diǎn)狀缺陷，在圖像2 中共評(píng)定出13 個(gè)點(diǎn)狀埋藏缺陷和2 個(gè)合并顯示的非點(diǎn)狀缺陷，自動(dòng)質(zhì)量分級(jí)結(jié)果見表1 和表2。

表1 TOFD 圖像1 中的缺陷自動(dòng)測(cè)量與分級(jí)

表2 TOFD 圖像2 中的缺陷自動(dòng)測(cè)量與分級(jí)

圖14 TOFD 圖像1 中的缺陷自動(dòng)分割

圖16 TOFD 圖像2 中的缺陷自動(dòng)評(píng)定

表3 為TOFD 圖像的離線測(cè)量分析結(jié)果與本文軟件自動(dòng)分析結(jié)果的對(duì)比情況：對(duì)于TOFD 實(shí)驗(yàn)圖像1，人工離線測(cè)量分析評(píng)出1 個(gè)3 級(jí)缺陷，而本文軟件自動(dòng)評(píng)定出3 個(gè)3 級(jí)缺陷。在最長(zhǎng)的3 級(jí)缺陷（50，56，57）的起點(diǎn)位置、長(zhǎng)度、深度、自身高度測(cè)量上，本文軟件自動(dòng)測(cè)量結(jié)果與人工離線測(cè)量的偏差分別為（-0.2%，-2.7%，9.8%，-9.8%），基本一致；對(duì)于TOFD 實(shí)驗(yàn)圖像2 中的缺陷（5，6）和缺陷（11，12，14，15），2 種方法得到的缺陷信息與試塊證書記載的缺陷信息符合較好，其中本文軟件自動(dòng)測(cè)量結(jié)果與試塊證書記載的缺陷起點(diǎn)位置、長(zhǎng)度、深度的偏差分別為（0.0%，2.8%，10.5%）和（-1.3%，7.0%，5.4%），與人工離線測(cè)量的缺陷自身高度偏差分別為11.5%、8.1%。上述偏差主要是由自動(dòng)分析軟件算法在缺陷分割環(huán)節(jié)對(duì)缺陷邊緣像素增減造成的，但基本都在12%以內(nèi)，而且不影響最終的焊接接頭質(zhì)量分級(jí)結(jié)果。

表3 TOFD 圖像離線測(cè)量分析結(jié)果與本文軟件自動(dòng)分析結(jié)果對(duì)比

4 結(jié)論

1）提出一套不依賴人工干預(yù)的埋藏缺陷自動(dòng)評(píng)定與質(zhì)量分級(jí)方法，包括TOFD圖像智能分區(qū)、自動(dòng)標(biāo)定、圖像靈敏度無參考評(píng)價(jià)、缺陷區(qū)域自適應(yīng)分割、缺陷自動(dòng)評(píng)定與質(zhì)量分級(jí)等功能算法，具有不依賴人工干預(yù)、效率高等優(yōu)點(diǎn)；

2）采用OTSU 閾值分割算法、Hough 直線檢測(cè)方法，結(jié)合局部閾值峰值搜索算法和最大概率統(tǒng)計(jì)方法，可以智能識(shí)別直通波、縱波衍射區(qū)和底面反射波在圖像中的準(zhǔn)確位置，實(shí)現(xiàn)了對(duì)TOFD 圖像的自動(dòng)區(qū)域劃分和自動(dòng)標(biāo)定；

3）結(jié)合TOFD 圖像的形態(tài)學(xué)特點(diǎn)，采用自適應(yīng)閾值分割技術(shù)和形態(tài)學(xué)運(yùn)算方法對(duì)缺陷前景圖像與背景圖像進(jìn)行分割和特征提取，并依據(jù)NB/T 47013.10—2015 實(shí)現(xiàn)了對(duì)焊縫中埋藏的點(diǎn)狀缺陷和非點(diǎn)狀缺陷進(jìn)行自動(dòng)評(píng)定與質(zhì)量分級(jí)。