Page 127 - 无损检测2021年第十一期

检测案例

液体火箭发动机小直径导管焊缝的

X 射线检测

空间推进系统中的液体火箭发动机被广泛应 特征丰富，但是会将小尺度目标卷积到容易被忽略
用于运载火箭、卫星、载人航天、导弹武器和深 的特征尺度上。实际上，小尺度目标在实际检测任
空探测等领域，因此其安全性和可靠性对于整个 务中却占据了较大的比例，比大目标更难检测。针
发射任务特别重要。导管是液体火箭发动机的重 对直径为 0.1 ～ 0.5 mm 的导管焊缝缺欠，笔者使
要组成部分，其多级连接使用的是焊接技术，故 用了一种基于特征金字塔的多尺度分析方法。
有效识别焊接过程中可能产生的缺欠显得尤为重 笔者搭建了一个全数字的 X 射线成像系统，
要。现有技术使用 X 射线胶片成像技术对导管进 在数字导管图像上进行缺欠识别，为了识别出不
行检测，然后由人工在观片灯下对胶片进行评定。 同大小和形态的缺欠，使用了基于多尺度的图像
人眼在观片灯的强光下工作会产生视觉疲劳，进 分析技术，并在 GPU（图形处理器）平台上进行
而可能影响判定结果的准确性。 了算法优化，最终实现了对缺欠的自动、定量检测。
现有的射线缺欠检测算法种类很多，包括陆
锋、楼国红、郭延龙、王勇等 [1-4] 都使用了基于 1 方案介绍
形态学的阈值分割算法，但单一阈值的方法无法 1.1 X 射线数字化图像平台
适应图像背景灰度值变化范围大的情况；崔亚楠 相比于 X 射线胶片检测平台，X 射线数字化
等 [5] 使用的压缩感知算法和卓辉、蔡国瑞等 [6-7] 图像平台可以实时成像，是 X 射线缺欠自动检测
使用的传统机器视觉算法都属于基于特征的检测 的前提。X 射线数字化图像平台的核心部分包括
算法，对特征的规则指定与表达要求较高；胡巍 微焦点 X 射线管、X 射线数字平板探测器、X 射
等 [8] 使用了基于 SVM( 支持向量机 ) 的算法，卞 线数字采集与成像软件等。其具体配置如表 1 所
国龙、刘涵等 [9-10] 使用了 CNN( 卷积神经网络 )， 示。
这些都需要大量的数据样本用于模型的训练；石 表 1 数字化图像采集平台具体配置
涵、王靖娜等 [11-12] 的方法都属于传统机器视觉中 名称 配置或型号
的各种滤波算法，余永维等 [13] 使用反几何算法生 微焦点 X 射线 电压为 160 kV，电流为 1 mA，
成的阈值面进行缺欠识别，对灰度变化较大的背
管 焦点为尺寸 15 m
景图像有更好的适用性。
X 射线数字平 成像视野130 mm×130 mm （长
笔者使用的多尺度分析是当今目标检测领域 板探测器 × 宽），像素尺寸为 85 m
最为活跃的研究课题之一，检测算法需要将不同
X 射线数字采
尺度的目标都检测出来，这要求算法模型对于不 集与成像软件 自编程
同尺度的目标具有鲁棒性。卷积神经网络处理大
尺度目标的应用效果比较好，这是因为其面积大、 1.2 X 射线图像预处理

85
2021年 第43卷 第11 期
无损检测