CN103472078A - 多视角图像中批量缺陷的自动对应方法 - Google Patents

Abstract

本发明公开了一种多视角图像中批量缺陷的自动对应方法；属材料的无损检测领域。该方法在小缺陷分割及细化的基础上提出了批量缺陷的自动对应准则，并按照提出的对应准则实现了批量缺陷的自动对应。解决了目前射线检测左右转图像中手动对应缺陷存在着对应速度慢、对应结果受检测人员素质、视觉疲劳等影响较大、对应容易出错等问题，实现了左右转图像中批量缺陷的自动对应，减少了人为因素的干扰，提高了焊件检测的速度和鲁棒性，为后续的缺陷空间位置可视化程序提供自动输入的数据，从而为工程应用奠定良好的基础。

Description

多视角图像中批量缺陷的自动对应方法

技术领域：

本发明涉及一种多视角图像中批量缺陷的自动对应方法。属材料的无损检测领域。

背景技术：

在无损检测中确定缺陷的深度一直是缺陷定位、定量研究的热点和难点，国内外在定位定量方面已经开展了相关的研究，并取得了一定的研究成果，但上述研究主要针对普通焊接结构中的大尺寸缺陷进行深度定位，定位精度也不高，而且也无法确定缺陷偏离焊缝中心的尺寸。目前对于复杂结构焊件中小缺陷的空间定位研究报道很少，因此开展复杂结构焊件内部小缺陷的空间定位数据自动对应和提取有着极为重要的现实意义和工程应用背景。实现左右转图像中批量缺陷的自动对应，可减少人为因素的干扰，提高焊件检测的速度和鲁棒性，也可为后续的缺陷空间位置可视化程序提供自动输入的数据，从而为工程应用奠定良好的基础。

发明内容：

针对目前射线检测左右转图像中手动对应缺陷存在着对应速度慢、对应结果受检测人员素质、视觉疲劳等影响较大、对应容易出错等问题，本发明提供一种多视角图像中批量缺陷自动对应的方法。该方法在小缺陷分割及细化的基础上提出了批量缺陷的自动对应准则，并按照提出的对应准则实现批量缺陷的自动对应。

本发明的技术方案如下：一种多视角图像中批量缺陷的自动对应方法，具体如下

（1）确定焊缝中缺陷即气孔在焊件中的空间位置分布：其具体方法是：采用旋转焊件的方法对其进行射线检测，获得检测图像；并根据检测图像中的几何关系建立缺陷深度及偏移量的数学模型；建立的缺陷深度数学模型为公式(1)，建立的缺陷偏移量数学模型为公式(2)：

$d=\sqrt{2}{d}_l-[(W/2+x)-\mathrm{\δ}]---\left(1\right)$

$x=\frac{d_l-d_r}{\sqrt{2}}---\left(2\right)$

式中d—计算得到的缺陷到翼板表面的距离(mm)；d_l—焊件右转时缺陷到射线穿透焊件最薄处的投影距离(mm)；d_r—焊件左转时缺陷到射线穿透焊件最薄处的投影距离(mm)；W—腹板宽度(mm)；δ—翼板厚度(mm)；x—缺陷偏离焊缝中心的距离(mm)；

根据偏移量数学模型，欲求出缺陷偏离焊缝中心的距离，需先自动提取焊件右转及左转检测图像中的投影距离d_l和d_r，d_l和d是两幅相对应图像中的投影距离；也就是说如果要计算出偏移量x,需先获得左右旋转两幅射线检测图像，然后对两幅图像进行分割及细化，经缺陷自动对应后，把提取的d_l和d_r代入公式(2)即可确定，进而可计算缺陷深度，并确定缺陷的空间位置分布特征；

（2）缺陷分割及细化；实现焊件中缺陷空间位置数据的自动提取，需提前把缺陷分割及细化出来，而后再进行缺陷的自动对应；缺陷的自动对应须首先获得左转及右转检测图像的分割及细化结果；所述细化就是把缺陷缩减至其中心点，此时其中心坐标点位置可确定下来，这样就可以自动提取缺陷的投影距离；

（3）缺陷自动对应，其方法是：如果左右旋转图像中的缺陷距离图像一端的距离在一定的范围内，则符合设定的判定准则，就判断其为同一个缺陷；采用此对应准则对检测图像逐行扫描后，即能把左右转图像中的细化缺陷进行自动对应；而后自动计算缺陷的偏移量和深度，进而确定缺陷的空间位置分布。

本发明的有益效果是：解决了目前射线检测左右转图像中手动对应缺陷存在着对应速度慢、对应结果受检测人员素质、视觉疲劳等影响较大、对应容易出错等问题，实现了左右转图像中批量缺陷的自动对应，减少了人为因素的干扰，提高了焊件检测的速度和鲁棒性，也为后续的缺陷空间位置可视化程序提供自动输入的数据，从而为工程应用奠定良好的基础。

附图说明

图1是模拟焊件局部外观图；

图2是焊件横断面；

图3是左右转图像中焊缝及焊缝中缺陷的对应关系图；

图3(a)是焊件左转示意图；

图3(b)是焊件左转图像；

图3(c)是焊件右转示意图；

图3(d)是焊件右转图像；

图4为左转图像分割及细化结果，其中：

图4(a)是提取的感兴趣区域，

图4(b)为是左转图像缺陷分割结果；

图4(c)为左转图像缺陷细化结果；

图4(d)为左转图像中标注细化缺陷距图像上端距离的结果；其中的△₁为左转图像左侧焊缝中某缺陷距图像上端的距离。

图5为右转图像分割及细化结果，其中：

图5(a)为提取的感兴趣区域；

图5(b)为右转图像的分割结果；

图5(c)为右转图像的细化结果；

图5(d)为右转图像中标注细化缺陷距图像上端距离的结果，其中的△₂为右转图像右侧焊缝中某缺陷距图像上端的距离；

图6为批量缺陷对应准则流程图。

具体实施方式

1、研究对象及对应方式

研究对象是工字形的激光焊件，其为蒙皮框架结构，上下两面均有激光焊缝，接头的最薄弱环节为焊件结合面位置，如在结合面位置有大量气孔存在，将会对接头的强度、疲劳性能等造成很大的不利影响，因此确定气孔在焊件中的空间位置分布极为重要。见图1所示的模拟焊件的局部外观图和图2所示的焊件横断面图。其上下两面为翼板，中间为腹板。

为了确定缺陷在焊件中的空间位置，采用旋转焊件的方法对其进行了射线检测，获得了检测图像。并根据检测图像中的几何关系建立了缺陷深度及偏移量的数学模型。建立的缺陷深度数学模型见公式(1)，建立的缺陷偏移量数学模型见公式(2)。

$d=\sqrt{2}{d}_l-[(W/2+x)-\mathrm{\δ}]---\left(1\right)$

$x=\frac{d_l-d_r}{\sqrt{2}}---\left(2\right)$

式中d—计算得到的缺陷到翼板表面的距离(mm)；d_l—焊件右转时缺陷到射线穿透焊件最薄处的投影距离(mm)；d_r—焊件左转时缺陷到射线穿透焊件最薄处的投影距离(mm)；W—腹板宽度(mm)；δ—翼板厚度(mm)；x—缺陷偏离焊缝中心的距离(mm)。

从偏移量数学模型中可以看出欲求出缺陷偏离焊缝中心的距离，需提前自动提取焊件右转及左转检测图像中的投影距离d_l和d_r，这里的d_l和d_r并不是同一幅射线检测图像中的投影距离，而是两幅相对应图像中的投影距离。也就是说如果要计算出偏移量x,需先获得左右旋转两幅射线检测图像，然后对两幅图像进行分割及细化，经缺陷自动对应后，把提取的d_l和d_r代入公式(2)即可确定。进而可计算缺陷深度，并确定缺陷的空间位置分布特征。

焊缝及焊缝中缺陷的对应关系如下：左转图像中的左侧焊缝缺陷与右转图像中的右侧焊缝缺陷对应，左转图像中的右侧焊缝缺陷与右转图像中的左侧焊缝缺陷对应。见图3所示的左右转图像中焊缝及焊缝中缺陷的对应关系图，其中图3(a)、图3(c)中O点为焊件的旋转中心，其为腹板高度中心与垂直线的交点。图3(b)中的左侧焊缝及缺陷与图3(d)中的右侧焊缝及缺陷分别对应，用绿箭头标示；图3(b)中的右侧焊缝及缺陷与图3(d)中的左侧焊缝及缺陷分别对应用红箭头标示。

2、缺陷分割及细化

为了实现焊件中缺陷空间位置数据的自动提取，需提前把缺陷分割及细化出来，而后才可进行缺陷的自动对应。根据前述要求，要实现缺陷的自动对应需要获得左转及右转检测图像的分割及细化结果。对上述检测图像进行了处理，如图4(a)-图4(d)所示是左转图像分割及细化结果，其中图4(a)为提取的感兴趣区域，提取感兴趣区域后可消除区域外背景对分割结果的影响，而且由于处理区域减少，可大大提高图像处理的速度；图4(b)为左转图像缺陷分割结果；图4(c)为左转图像缺陷细化结果，细化就是把缺陷缩减至其中心点；图4(d)为左转图像中标注细化缺陷距图像上端距离的结果，其中的△₁为左转图像左侧焊缝中某缺陷距图像上端的距离。图5(a)-图5(d)为右转图像分割及细化结果，图5(a)为提取的感兴趣区域；图5(b)为右转图像的分割结果；图5(c)为右转图像的细化结果；图5(d)为右转图像中标注细化缺陷距图像上端距离的结果，其中的△₂为右转图像右侧焊缝中某缺陷距图像上端的距离。

3、缺陷自动对应准则

在自动提取投影距离的基础上，就可以自动计算出缺陷深度和偏移量的大小，同时也可以自动提取计算气孔缺陷半径的大小和距离图像一端的距离，这样通过对比缺陷距图像一端的距离就可以自动把缺陷的三维位置及其半径对应到一起，从而可实现缺陷空间位置数据的自动提取。由于检测到的缺陷并非全为正球形，在左右旋转图像中同一缺陷中心点的位置并非完全相同，因此可设计对应准则如下：如果左右旋转图像中的缺陷距离图像一端的距离在一定的范围内，符合设定的判定准则，就判断其为同一个缺陷。实现缺陷的自动对应将对后续的缺陷数据自动输入及缺陷空间位置可视化打下良好的基础，同时也可减少人为因素的干扰，对于提高焊件检测的自动化和鲁棒性有着积极的意义。

自动对应准则算法流程见图6。其中△₁=左转图像中左侧缺陷距图像上端距离,△₂=右转图像中右侧缺陷距图像上端距离。

多次试验研究表明经细化后左右转图像中同一缺陷距图像上端的距离差一般不超过2个像素，如其差值超过2个像素，即判定不是同一缺陷。采用提出的对应准则对检测图像逐行扫描后，即可把左右转图像中的细化缺陷进行自动对应。而后可自动计算缺陷的偏移量和深度，进而确定缺陷的空间位置分布。

4发明成果成效

把本发明提出的方法对应缺陷的结果与有丰富经验的无损检测人员的人工对应结果进行了对比，对比结果表明本发明提出的方法与手工对应结果准确率基本一致，可达到98.6%。而采用手工对应两幅左右转图像需要花费一天甚至更长的时间，而自动对应只需不到4秒的时间，大大提高了检测的效率和一致性。

Claims (2)

1.一种多视角图像中批量缺陷的自动对应方法，其特征在于：具体如下

（1）确定焊缝中缺陷即气孔在焊件中的空间位置分布：其具体方法是：采用旋转焊件的方法对其进行射线检测，获得检测图像；并根据检测图像中的几何关系建立缺陷深度及偏移量的数学模型；建立的缺陷深度数学模型为公式(1)，建立的缺陷偏移量数学模型为公式(2)：

$d=\sqrt{2}{d}_l-[(W/2+x)-\mathrm{\δ}]---\left(1\right)$

$x=\frac{d_l-d_r}{\sqrt{2}}---\left(2\right)$

式中d—计算得到的缺陷到翼板表面的距离(mm)；d_l—焊件右转时缺陷到射线穿透焊件最薄处的投影距离(mm)；d_r—焊件左转时缺陷到射线穿透焊件最薄处的投影距离(mm)；W—腹板宽度(mm)；δ—翼板厚度(mm)；x—缺陷偏离焊缝中心的距离(mm)；

根据偏移量数学模型，欲求出缺陷偏离焊缝中心的距离，须先自动提取焊件右转及左转检测图像中的投影距离d_l和d_r，d_l和d是两幅相对应图像中的投影距离；即如果要计算出偏移量x,需先获得左右旋转两幅射线检测图像，然后对两幅图像进行分割及细化，经缺陷自动对应后，把提取的d_l和d_r代入公式(2)即可确定，进而可计算缺陷深度，并确定缺陷的空间位置分布特征；

（2）缺陷分割及细化：实现焊件中缺陷空间位置数据的自动提取，需提前把缺陷分割及细化出来，而后再进行缺陷的自动对应；缺陷的自动对应须首先获得左转及右转检测图像的分割及细化结果；所述细化就是把缺陷缩减至其中心点，此时其中心坐标点位置确定下来，就能自动提取缺陷的投影距离；

（3）缺陷自动对应方法：如果左右旋转图像中的缺陷距离图像一端的距离在一定的范围内，则符合设定的判定准则，就判断其为同一个缺陷；采用此对应准则对检测图像逐行扫描后，即能把左右转图像中的细化缺陷进行自动对应；而后自动计算缺陷的偏移量和深度，进而确定缺陷的空间位置分布。

2.根据权利要求1所述的多视角图像中批量缺陷的自动对应方法，其特征在于：自动对应准则算法流程是缺陷经细化后，左右转图像中缺陷距图像上端的距离差不超过2个像素，即可判定其为同一缺陷；否则，如其差值超过2个像素，即判定不是同一缺陷；采用提出的对应准则对检测图像逐行扫描后，即可把左右转图像中的细化缺陷进行自动对应；而后自动计算缺陷的偏移量和深度，进而确定缺陷的空间位置分布。

Images