CN105259252A - 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 - Google Patents

超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 Download PDF

Info

Publication number
CN105259252A
CN105259252A CN201510666070.5A CN201510666070A CN105259252A CN 105259252 A CN105259252 A CN 105259252A CN 201510666070 A CN201510666070 A CN 201510666070A CN 105259252 A CN105259252 A CN 105259252A
Authority
CN
China
Prior art keywords
defect
resistance wire
image
ultrasonic
characteristic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510666070.5A
Other languages
English (en)
Other versions
CN105259252B (zh
Inventor
施建峰
聂新宇
郭伟灿
侯东圣
郑津洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201510666070.5A priority Critical patent/CN105259252B/zh
Publication of CN105259252A publication Critical patent/CN105259252A/zh
Priority to PCT/CN2016/080314 priority patent/WO2017063355A1/zh
Application granted granted Critical
Publication of CN105259252B publication Critical patent/CN105259252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C66/00—General aspects of processes or apparatus for joining preformed parts
    • B29C66/70—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material
    • B29C66/71—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material characterised by the composition of the plastics material of the parts to be joined
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C65/00—Joining or sealing of preformed parts, e.g. welding of plastics materials; Apparatus therefor
    • B29C65/02—Joining or sealing of preformed parts, e.g. welding of plastics materials; Apparatus therefor by heating, with or without pressure
    • B29C65/34—Joining or sealing of preformed parts, e.g. welding of plastics materials; Apparatus therefor by heating, with or without pressure using heated elements which remain in the joint, e.g. "verlorenes Schweisselement"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C65/00—Joining or sealing of preformed parts, e.g. welding of plastics materials; Apparatus therefor
    • B29C65/82—Testing the joint
    • B29C65/8292—Testing the joint by the use of ultrasonic, sonic or infrasonic waves
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C66/00—General aspects of processes or apparatus for joining preformed parts
    • B29C66/50—General aspects of joining tubular articles; General aspects of joining long products, i.e. bars or profiled elements; General aspects of joining single elements to tubular articles, hollow articles or bars; General aspects of joining several hollow-preforms to form hollow or tubular articles
    • B29C66/51—Joining tubular articles, profiled elements or bars; Joining single elements to tubular articles, hollow articles or bars; Joining several hollow-preforms to form hollow or tubular articles
    • B29C66/52—Joining tubular articles, bars or profiled elements
    • B29C66/522—Joining tubular articles
    • B29C66/5229—Joining tubular articles involving the use of a socket
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C66/00—General aspects of processes or apparatus for joining preformed parts
    • B29C66/70—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material
    • B29C66/73—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material characterised by the intensive physical properties of the material of the parts to be joined, by the optical properties of the material of the parts to be joined, by the extensive physical properties of the parts to be joined, by the state of the material of the parts to be joined or by the material of the parts to be joined being a thermoplastic or a thermoset
    • B29C66/739—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material characterised by the intensive physical properties of the material of the parts to be joined, by the optical properties of the material of the parts to be joined, by the extensive physical properties of the parts to be joined, by the state of the material of the parts to be joined or by the material of the parts to be joined being a thermoplastic or a thermoset characterised by the material of the parts to be joined being a thermoplastic or a thermoset
    • B29C66/7392—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material characterised by the intensive physical properties of the material of the parts to be joined, by the optical properties of the material of the parts to be joined, by the extensive physical properties of the parts to be joined, by the state of the material of the parts to be joined or by the material of the parts to be joined being a thermoplastic or a thermoset characterised by the material of the parts to be joined being a thermoplastic or a thermoset characterised by the material of at least one of the parts being a thermoplastic
    • B29C66/73921—General aspects of processes or apparatus for joining preformed parts characterised by the composition, physical properties or the structure of the material of the parts to be joined; Joining with non-plastics material characterised by the intensive physical properties of the material of the parts to be joined, by the optical properties of the material of the parts to be joined, by the extensive physical properties of the parts to be joined, by the state of the material of the parts to be joined or by the material of the parts to be joined being a thermoplastic or a thermoset characterised by the material of the parts to be joined being a thermoplastic or a thermoset characterised by the material of at least one of the parts being a thermoplastic characterised by the materials of both parts being thermoplastics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及焊接接头缺陷识别技术，旨在提供一种超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法。包括：利用超声波设备对聚乙烯电熔接头进行相控阵检测，输出超声相控阵检测图谱，截取二维实时扫描图像后进行数字化处理；进行优化和分区后提取图形特征，简化和归类缺陷特征；建立缺陷自动识别准则，确定缺陷种类，并根据规定的缺陷表征规则确定定量信息。本发明由分析软件自动识别缺陷类型，解决了聚乙烯电熔接头超声检测与安全评定自动衔接的技术问题。直接处理含缺陷信息的二维矩阵，数据量小，识别精度大、识别效率高。避免了人为因素的干扰，使缺陷识别结果更加可靠以及评价结果更加客观，可对各种不规则典型缺陷自动识别和量化分析。

Description

超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法
技术领域
本发明涉及一种焊接接头缺陷识别技术。更具体的说，本发明涉及一种基于模式识别的超声相控阵检测聚乙烯电熔接头缺陷类型的自动识别方法。
背景技术
电熔焊接是聚乙烯燃气管道最主要的焊接方式之一。在聚乙烯管道电熔焊接过程中，由于接头装配质量、焊接工艺、连接面的清洁程度、焊接设备和器材、焊接人员、焊接环境等诸多因素，使焊接接头容易产生各种缺陷，焊接质量难以得到可靠保证，焊接接头成为聚乙烯管道系统的薄弱环节。电熔焊接接头容易发生冷焊、电阻丝错位、熔合面夹杂等缺陷，一旦在服役过程中失效，将对聚乙烯燃气管道沿线的人民生命财产安全造成巨大威胁。目前，国内外对电熔接头的质量控制除了通过施工规范、外观检验以及抽样的力学性能测试(破坏性检测)等常规检测手段外，也已经采用超声检测技术对聚乙烯管电熔接头进行无损检测。中国制定并实施了世界上首部关于含缺陷聚乙烯管道电熔接头无损检测和安全评定的国家标准，分别为GB/T29461和GB/T29460。
GB/T29461-2012《聚乙烯管道电熔接头超声检测》规定了聚乙烯管道电熔接头超声检测的检测程序，提供了正常焊接超声图谱和焊接缺陷超声图谱以及典型缺陷的超声相控阵成像特征。标准根据超声相控阵探伤仪相控阵模块采集的人工缺陷信号的几何特征，将缺陷分为熔合面缺陷、孔洞、电阻丝错位、冷焊/过焊四类。熔合面缺陷出现在熔合界面，属于面积型缺陷；孔洞缺陷是位于焊接界面上或在焊接界面附近出现的空洞，属于体积型缺陷；电阻丝错位指原先均匀排布的电阻丝在焊接后发生了水平或垂直方向的位移；冷焊/过焊是指由于接头焊接热量不足/过量造成的缺陷，依赖于特征线与电阻丝之间距离的判断。
GB/T29460-2012《含缺陷聚乙烯管道电熔接头安全评定》规定了含缺陷聚乙烯管道电熔接头安全评定的一般要求，缺陷定量表征方法和安全性评定准则。标准规定，熔合面缺陷可表征为由其外接矩形之长和宽围成的矩形；孔洞缺陷可表征为其在熔合面上投影的轴向长度；电阻丝水平/垂直错位缺陷可表征为水平/垂直最大错位量；冷焊的严重程度可表征为特征线与电阻丝间的距离；过焊缺陷可由孔洞和电阻丝错位来表征。
在对聚乙烯管道电熔接头超声检测输出结果进行安全评定之前，需要对超声图谱中典型缺陷准确识别。缺陷识别既是对根据GB/T29461得到的超声检测结果有效信息的提取，又是按照GB/T29460进行安全评定的原始数据来源，因此是超声检测和安全评定的重要联接环节。然而，两个标准均没有给出可程序化的缺陷识别准则。目前，聚乙烯管道电熔接头缺陷识别依赖于检测人员的专业知识和工程经验，技术门坎高，且难以满足工程实践中对缺陷识别自动化的要求。例如，专利CN102285120A提供了一种电熔接头冷焊缺陷判定方法，其判定步骤涉及：在获得超声检测图之后，需要专业技术人员“在图谱上识别特征线和管材-套筒界面”，然后测量得到两者的距离L，继而才能判定该图谱中是否存在冷焊缺陷。其发明内容可以作为标准GB/T29460-2012关于“冷焊缺陷判定”部分的补充，但是并不涉及自动缺陷识别方法。例如，专利CN102009474A提供了一种电熔接头焊接质量检测与实现自动评判的方法，在“自动评判部分”，其判定步骤涉及：“获得清晰的电熔接头超声截面图之后，分别找出图像中的电阻丝超声反射信号和特征线信号”，然后测量得到特征线与电阻丝的距离L’并输入到运算模块中，继而通过与内置数据库(剥离能-特征线关系)比对实现冷焊缺陷的“自动判定”。其发明内容实际上是“自动评价”，可以作为标准GB/T29460-2012关于“冷焊缺陷判定”部分的补充，但“缺陷识别”过程依然依赖于专业技术人员，并不涉及自动缺陷识别方法。
国内外针对聚乙烯管道电熔接头缺陷自动识别的研究鲜有报道。国外研究已存在的缺陷自动识别手段主要有：基于傅里叶变化或小波分析进行的波谱分析，基于神经网络理论、模糊理论、或遗传算法进行的智能手段，以及基于形态学的数学方法等。这些缺陷自动识别方法都需要建立缺陷与一维实时扫描图像(A扫描图像)中提取的超声信号的时域或频域信息之间的关系，因此不但需要复杂的计算和大量的数据分析，而且不能对缺陷进行定量检测。国内已经有学者尝试利用相控阵检测图谱二维成像特点，直接获取聚乙烯管道电熔接头内部特征的数字化信息，进而实现缺陷的自动识别。福州大学黄跃鑫等将超声相控阵检测得到的二维实时扫描图像(即超声相控阵检测图谱中的B扫描图像，是由若干A扫描结果叠加而成)信息转化为一组一维信号，通过小波分析实现冷焊缺陷的自动识别。这种方法由于将全部列水平信号相加求和做归一化处理，忽略了图像大量有用信息，对超声图谱质量要求较高，且仅能实现对冷焊单一缺陷的识别，而对于背景噪声较大，或含有其他缺陷的图谱则无法识别。目前，国内外尚无一种便捷可靠的针对聚乙烯管道电熔接头的超声相控阵图像的缺陷自动识别技术。
发明内容
本发明的目的在于提供一种便捷可靠的超声相控阵检测聚乙烯电熔接头缺陷自动识别方法。
为解决技术问题，本发明的解决方案是：
提供一种超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法，是通过对聚乙烯电熔接头的超声相控阵检测图谱进行数字化处理后，提取缺陷特征，并进行缺陷的识别和量化；具体包括以下步骤：
(1)利用超声波设备对聚乙烯电熔接头进行相控阵检测，并输出超声相控阵检测图谱；截取其中的二维实时扫描图像后，以RGB格式保存；
所述二维实时扫描图像应符合GB/T29461-2012关于特征图谱的要求，至少包含下述基本信息：色条、标尺、电阻丝、内外冷焊区界面和管材内壁面回波信号；
(2)对二维实时扫描图像进行数字化处理
根据图谱像素点的RGB值与声强的一一对应关系，将二维实时扫描图像的像素点的“位置-RGB值”关系转化为“位置-声强”关系，进而得到一个二维矩阵，实现将相控阵超声扫描所得原始RGB图像转化为由二维矩阵表征的数字化图谱；
在数字化图谱中构建平面坐标系，去除光标线、聚焦线和A扫描线对应的强度值，并用邻近像素点的强度值代替被去除位置的强度值，以此排除对缺陷识别过程的干扰；
根据图像中像素点强度差异，绘制初始图像的等高线图；
(3)对数字化图谱进行优化和分区
在数字化图谱中截取包含完整熔融区的部分作为感兴趣区域(ROI)，以排除(近场盲区等)不相关信息；
对感兴趣区域进行图像二值化处理，即高于设定阈值的强度点予以保留，反之则归零，以排除背景噪声或低于设定阈值的强度值干扰点；采用开环运算处理信号以分割粘连图像，采用闭环运算处理信号以圆整图形边缘，将强度点分区成块；
过上述后处理，感兴趣区域被分割成独立的强度区块，计算获得各区块的中心坐标、区域面积、区域横向跨度、纵向跨度；
(4)提取图形特征，简化和归类缺陷特征
在保留声压分布特点的基础上建立简化分析模型：将单一强度区块中波高超过设定阈值的像素点定义为黑，波高低于设定阈值的像素点定义为白，黑色块位置和高度与对应强度区块位置和强度值一致；
根据像素点分布和强度值提取简化模型中缺陷形状、位置、波幅、群集的特征，归类所有缺陷信号的组合特征；
(5)建立缺陷自动识别准则，确定缺陷种类
确定数字化超声图谱中计算机可识别的缺陷特征作为典型缺陷特征图像判断的依据，以建立缺陷自动识别准则；所述缺陷特征应符合GB/T29460的规定，且数字化特征稳定；
将步骤(4)所述缺陷信号的组合特征与识别准则进行比对，由此确定缺陷种类；
(6)数字化超声图谱上的每一处缺陷都是由一定数目的像素点组合呈现的，当缺陷被识别、定性后，根据GB/T29460-2012规定的缺陷表征规则，由缺陷的强度区块所包含像素点的数目来确定具体位置、面积、距离的定量信息。
本发明中，在步骤(3)中进行图形二值化处理时，设置多重阈值并进行矩阵叠加，以避免超声图谱中电阻丝拖尾成像被遗漏；或者通过重复二值化-开闭运算-二值化-叠加的操作，以避免漏掉回波强度相对较低的电阻丝信息，同时细化分区；重复操作二值化次数为2～3次。
本发明中，聚乙烯电熔接头中的缺陷类型是指：熔合面缺陷、孔洞、电阻丝错位、冷焊或过焊。
本发明中，是通过下述方式对电阻丝进行识别：
在二维实时扫描图像中，电熔接头中的电阻丝是自上而下带强度逐渐减弱的一串影像(这是判断电阻丝所处位置的依据)；同时满足以下特征的判断为电阻丝特征图像：在外冷焊区界面-4～+1mm位置；相邻之间电阻丝波幅值相差在6dB以内；所有电阻丝面积相差在40％以内；长径值相差在60％以内；长径短径比值在2.5以内；周向平方面积比值在6以内；
当电阻丝上表面存在气隙时，在二维实时扫描图像中显示为非均匀介质中的薄层；此时，同时满足以下特征的判断为电阻丝特征图像：深度方向位置，在外冷焊区界面-4～+1mm位置；水平方向位置，与其它电阻丝组合成形完整排列；电阻丝上表面存在气隙时第一次反射形成的信号强度大于界面无气隙时的信号强度，波幅增加2～10dB；与电阻丝面积相差在40％以内；长径值相差在60％以内；长径短径比值在2.5以内；周向平方面积比值在6以内。
本发明中，是通过下述方式对孔洞进行识别：
满足以下三种情况中的一种，即可判定缺陷类型为孔洞：
A、凡在电阻丝上方的感兴趣区域中一切线状且非连续的影像都设定为孔洞(包括套洞原材料缺陷)；
B、如果在第一个水平方向区域2mm位置上出现奇异声压信号(即不满足规则的电阻丝成像特征信号)，且奇异点声压幅度影像大于电阻丝超过20％，则为孔洞，其尺寸包括孔洞尺寸以及与其相连贯的电阻丝尺寸；
C、如果在第一个水平方向区域位置上判定为电阻丝影像中间出现异常点，该点图像不符合电阻丝特征图像标准，则该点图像为孔洞图像。
本发明中，是通过下述方式对熔合面缺陷进行识别：
在二维实时扫描图像中确定熔合面位置有以下3种方法：
A、如果有界面冷区的信号线，则熔合面就在界面冷区的信号线的延伸线上；
B、从电阻丝位置确定熔合面位置，熔合面位置在电阻丝位置线下方1-2mm范围内；
C、按实测套筒厚度，熔合面位置在检测界面以下实测套筒厚度位置上；
熔合面缺陷存在于内外冷焊区之间，满足以下规则，则为熔合面缺陷：
A、凡在确定熔合面位置时一切非电阻丝连续投影的影像都设定为熔合面缺陷；
B、在电阻丝下方出现另一组规律的声压幅度分布，即在电阻丝间隙下方存在周期性的断续的线状缺陷，则为熔合面缺陷；
C、在电阻丝下方出现单一声压信号点，即存在单个缺陷，从位置、方向、形状三方面区别其为孔洞还是熔合面夹杂，具体如下：单一声压信号点全部位于电阻丝正下方，识别为孔洞缺陷；单一声压信号点在电阻丝水平面上的投影覆盖整个电阻丝间隙，则为熔合面夹杂；单一声压信号点部分位于电阻丝正下方，其投影覆盖部分电阻丝间隙，如果声压点形状接近圆形，判断为孔洞，否则为熔合面夹杂。
本发明中，是通过下述方式对特征线进行识别：
如果在电阻丝上方水平方向区域1～2mm位置上出现一个连续的长条形的声压幅度分布，则这组波形组成为冷焊特征线。
相对于现有技术，本发明的有益之处在于：
(1)基于模式识别的聚乙烯电熔接头缺陷自动识别方法，实质上是将电熔接头相控阵超声检测B扫描图像(二维实时扫描图像)转化为软件可识别的数字化图谱，采用模式识别原理，根据本发明提出的典型缺陷的判断准则，可自动识别缺陷类型，解决了聚乙烯电熔接头超声检测与安全评定自动衔接的技术问题。
(2)数字化图谱保留了全部超声图谱信息，准确度高；在本方法基础上，可开发出软件直接处理含缺陷信息的二维矩阵，数据量小，识别精度大、识别效率高。
(3)当标准中的安全评定准则被写入分析软件固化下来作为缺陷类型数字化特征的识别准则后，可自动完成超声检测到安全评定的嫁接，对技术人员的专业要求大大降低，另一方面也避免了人为因素的干扰，使缺陷识别结果更加可靠以及评价结果更加客观。
(4)本发明可以对各种不规则典型缺陷自动识别和量化分析，也为其他复杂结构的缺陷自动识别提供了很好的技术思路。
附图说明
图1基于模式识别的超声相控阵检测聚乙烯电熔接头缺陷自动识别流程图；
图2电熔接头超声检测输出图像(含电阻丝错位、孔洞、熔合面缺陷)；
图3关于图2的数字化超声图谱B-扫描图像(二维实时扫描图像)；
图4关于图2的ROI超声图像优化与分区结果；
图5关于图2的ROI图形特征分布；
图6关于图2的ROI图形声学特征提取；
图7关于图2的ROI图谱缺陷自动识别结果。
图2中的附图标记：主菜单1，B-扫描图像2，副菜单3，A-扫描图像4，数据栏5；
图7中的附图标记：标识6，特征线7，电阻丝8，冷焊区9，熔合面缺陷10，孔洞11。
具体实施方式
本发明的超声相控阵聚乙烯电熔接头缺陷自动识别方法的技术方案包括：超声图谱数字化，超声图谱优化和分区，缺陷特征提取，缺陷识别，缺陷量化。具体内容如下：
(1)对B扫描图像(二维实时扫描图像)进行数字化处理
一张完整的相控阵检测输出超声图谱如图2所示，包含数据栏5、主菜单1、副菜单3、B-扫描图像2、A-扫描图像4等，各分区位置、尺寸固定。超声图谱数字化，首先需要将包含全部缺陷超声信息的B-扫描图像2截取出来。一张完整的可识别的B-扫描图像2应符合GB/T29461-2012关于特征图谱的要求，包含色条，标尺，电阻丝，内外冷焊区界面，管材内壁面回波信号等基本信息。本发明专利以此类图谱为识别对象。
B-扫描图像2以RGB形式呈现，即图谱上任意位置的像素点都以特定颜色(不同RGB值)来显示，需要在有效信息完整保留的基础上将其数字化，以方便分析软件识别和处理。扫描图谱上的色条显示了像素点的RGB值与声强存在一一对应关系，建立声强与RGB值的线性函数，利用待定系数法将像素点的“位置-RGB值”关系转化为“位置-声强”关系，进而得到一个二维矩阵。二维矩阵中某数值的行、列位置分别代表实际图谱上像素点的水平方向、深度方向坐标，该数值代表该像素点的声强，从而实现了相控阵超声扫描原始RGB图像转化为由二维矩阵表征的数字化图谱。二维矩阵的获得可由本领域技术人员利用常用数学手段实现，本发明不再赘述。
在数字化图谱中，构建平面坐标系。去除光标线、聚焦线、A扫描线等对应的强度值，并用邻近像素点强度值代替，以排除对缺陷识别过程的干扰。根据图像中像素点强度差异，绘制初始图像的等高线图。
对于A扫描线的说明：简单地理解，二维实时扫描图像是由从左到右很多竖直扫描线(A扫描线)扫描结果叠加得到的。有些仪器提供了A扫描线的显示功能(一条红线标记，位置可沿水平方向移动，得到对应的波形图)。在图像识别前，需要将这条带颜色的辅助线去掉。
(2)对数字化图谱进行优化和分区
数字化图谱往往对比度较差，并且包含不规则图形，因此需要进行后处理以提高图谱背景与熔融区域的对比度，突出图形轮廓线，去除干扰单元：
在数字化图谱中截取包含完整熔融区的部分作为感兴趣区域(ROI)，以排除近场盲区等不相关信息；
图像二值化，即高于设定阈值的强度点保留，反之则归零，以排除背景噪声和其他低强度值干扰点；
采用开环运算处理信号，分割粘连图像；采用闭环运算处理信号，圆整图形边缘；从而将强度点分区成块。
需要特别指出，图形二值化时可以设置多重阈值并进行矩阵叠加，以避免超声图谱中电阻丝拖尾成像被遗漏。也可以通过重复操作避免漏掉回波强度相对较低的电阻丝信息，同时细化分区，操作顺序是二值化-开闭运算-二值化-叠加，以进行2-3次二值化为宜。
通过上述后处理，ROI被分割成独立的强度区块，求出各区块的中心坐标，区域面积，区域横向跨度、纵向跨度等信息：每个区块的中心坐标，为该区块中所有像素点横、纵坐标的平均值；区域面积为该区块所含像素点个数；横向、纵向跨度分别为该区块横、纵向最大像素个数。
(3)提取图像特征，简化和归类缺陷特征
在保留声压分布特点的基础上建立简化分析模型：将单一强度区块中波高超过设定阈值(如60％，可根据精度要求调整)的像素点定义为黑，波高低于设定阈值(60％，可根据精度要求调整)定义为白，黑色块位置和高度与对应强度区块位置和强度值一致。识别软件进而根据像素点分布和强度值提取简化模型中缺陷形状、位置、波幅、群集等特征，归类所有缺陷信号的组合特征。
(4)建立缺陷自动识别准则，确定缺陷种类
在数字化超声图谱中，确定计算机可识别的缺陷特征作为典型缺陷特征图像判断的依据，要求符合GB/T29460要求，且数字化特征相对稳定。
具体而言：
1)电阻丝的识别
在B扫描实时成像时，电熔接头中的电阻丝是自上而下带强度逐渐减弱的一串影像，这是从B扫描图像中判断电阻丝位置的依据。识别软件识别出具有下列特征的强度区块，判断为电阻丝。
同时满足特征：在外冷焊区界面-4～+1mm位置；相邻之间电阻丝波幅值相差在6dB以内；所有电阻丝面积相差在40％以内；长径值相差在60％以内；长径短径比值在2.5以内；周向平方面积比值在6以内。
当电阻丝上表面存在气隙，相当于非均匀介质中的薄层，同时满足下列特征可识别为电阻丝：深度方向位置，在外冷焊区界面-4～+1mm位置；水平方向位置，与其它电阻丝组合，成形完整排列；电阻丝上表面存在气隙时第一次反射形成的信号强度大于界面无气隙时的信号强度，波幅通常增加2-10dB；与电阻丝面积相差在40％以内；长径值相差在60％以内；长径短径比值在2.5以内；周向平方面积比值在6以内。
2)孔洞的识别
软件识别数字化图谱中强度区块的组合特征后，满足以下三种情况中的一种，可判定缺陷类型为孔洞。
A、凡在电阻丝上方感兴趣区域一切线状且非连续的影像都设定为孔洞缺陷(包括套洞原材料缺陷)。
B、如果在第一个水平方向区域(可定义为2mm)局部位置上出现奇异声压信号(不满足规则的电阻丝成像特征信号)，且奇异点声压幅度影像明显大于电阻丝(超过20％)，则为孔洞，其尺寸包括孔洞尺寸以及与其相连贯的电阻丝尺寸。
C、如果在第一个水平方向区域位置上判定为电阻丝影像中间出现异常点，该点图像不符合电阻丝特征图像标准，则该点图像为孔洞图像。异常点范围更广泛，比如声压信号显示为圆形、大小与电阻丝接近(声压信号并不奇异)，但是不满足电阻丝的等间距排布，没有拖尾，故不是电阻丝，应该判断为孔洞。
3)熔合面缺陷的识别
软件识别数字化图谱中强度区块的组合特征后，首先筛选出熔合面位置处的强度区块。确定熔合面位置有以下3种方法：
A、如果超声图像中有界面冷区的信号线，，则熔合面就在界面冷区的信号线的延伸线上；
即：存在某区块面积大于“熔合面最小面积阈值(大于电阻丝最大面积阈值)”，记录区块中心位置和横向跨度信息
设定熔融面最小面积阈值min_surface_square和电阻丝最大面积阈值max_zone_square，若某个区块的区域面积大于max_zone_square，则将其自疑似电阻丝集合中移除。若其区域面积同时大于min_surface_square，则将其设为疑似熔融面区域，记录其中心位置以及横向跨度信息。若不存在疑似熔融面，则默认疑似熔融面中心位于处理区域的右下角。
B、从电阻丝位置确定熔合面位置，通常情况下熔合面位置在电阻丝位置线下方1-2mm范围内；
C、按实测套筒厚度，在超声图像中，熔合面位置在检测界面以下实测套筒厚度位置上
熔合面深度位置确定后，可以确定内外冷焊区。内外冷焊区与熔合面区域深度方向近似相等，ROI中心左侧最远处强度区块为内/外冷焊区，相应地，右侧最远处强度区块为外/内冷焊区。熔合面缺陷存在于内外冷焊区之间。
在熔合面位置处的强度区块，满足以下特征中的任何一种，识别软件可判断其为熔合面缺陷。
A、凡在确定熔合面位置一切非电阻丝连续投影的影像都设定为熔合面缺陷。在电阻丝下方出现另一组规律的声压幅度分布，即在电阻丝间隙下方存在周期性的断续的线状缺陷，则为熔合面缺陷。在电阻丝下方出现单一声压信号点，即存在单个缺陷，可从位置、方向、形状三方面区别其为孔洞还是熔合面夹杂，具体如下：单一声压信号点全部位于电阻丝正下方，识别为孔洞缺陷；单一声压信号点在电阻丝水平面上的投影覆盖整个电阻丝间隙，则为熔合面夹杂；单一声压信号点部分位于电阻丝正下方，其投影覆盖部分电阻丝间隙，如果声压点形状接近圆形，判断为孔洞，否则为熔合面夹杂。
4)特征线的识别
特征线是固液交界线的超声波反射信号，特征线与电阻丝间的距离来间接表征冷焊的严重程度。识别软件识别特征线的依据为：如果在电阻丝上方一定位置处(水平方向区域1～2mm位置)上出现一个连续的长条形的声压幅度分布，则这组波形对应的强度区块代表冷焊特征线。
(5)每一处被识别的缺陷，在数字化超声图谱上都是由一定数目的像素点组合呈现，缺陷的位置、面积、距离等定量信息需要根据其强度区块所包含像素点的数目来确定。根据GB/T29460-2012规定的缺陷表征方法，可进一步通过软件直接读取。
本发明的特征在于将相控阵超声检测B扫描图像数字化，即将图像RGB值转化为分析软件可识别的声压强度建立二维矩阵，经预处理后绘制出超声检测结果的数字化等高线图像。
本发明的特征还在于所绘制的初始数字化图像需要进一步优化和分区，得到声压强度区块，以便于软件分析其声学特征。
本发明的特征还在于确定了缺陷自动识别需要提取的聚乙烯电熔接头缺陷超声图谱特征为形状、位置、波幅、群集特征。
本发明的特征还在于提供了在相控阵超声图谱上识别电阻丝，孔洞缺陷，熔合面缺陷，特征线的判断准则。
图1显示了基于模式识别的超声相控阵检测聚乙烯电熔接头缺陷自动识别方法。下面结合具体实施例子对本发明的实现方法进行详细表述。
具体实施案例1：
按照GB/T29461-2012，对正常无缺陷的电熔接头进行超声相控阵检测，输出超声图像如图2所示。在根据GB/T29460-2012对该电熔接头进行安全评定之前，首先需要进行缺陷识别。具体步骤为：
(1)超声图谱数字化。提取超声图谱B-扫描图像2(尺寸固定407*312)；建立图片RGB值与声压强度的一一对应关系，根据标准色条插值结果得出声压强度对应的R、G、B曲线，用线性回归法拟合对应曲线的三个分段线性函数，采用权重法确定不同像素点对应强度的计算公式，最终得到二维矩阵；利用RGB值识别焦点线(绿线)，取得焦点信息，然后删除红、黄、绿线(用线两侧的像素点RGB值取代)；通过等高线函数绘制初始图像，如图3所示。
(2)超声图谱优化和分区。选取图谱感兴趣区域(ROI)，主要是清除上方高强度干扰区。设定上下阈值jam_min、jam_max分别为110、20，计数red_mark＝0，强度矩阵每一列从上方向下遍历，当强度大于jam_max，计数red_mark＝red_mark+1，当出现强度小于jam_min时，若red_mark＝0则继续向下遍历，若red_mark>＝1，则本列数据此位置以上强度全部设置为0。
采用图像二进制处理函数，将强度点分区成块。设置两个阈值red_id＝180和yellow_id＝150，可以认为分别对应红色像素和黄色像素，255>red_id>yellow_id>0。强度矩阵中大于red_id处赋值1，小于red_id处赋值0，如此生成二值矩阵matrix_image_red。对matrix_image_red矩阵分别进行开闭运算，以滤除杂点，修整区块边缘。利用bwlabel函数对matrix_image_red矩阵进行分区。同理可以得到matrix_image_red矩阵，并完成分区。将两个矩阵进行叠加，若某个matrix_image_yellow的1值区块与matrix_image_red的1值区块有重合区域，则保留matrix_image_red下对应的1值区块，删除matrix_image_yellow矩阵下的该1值区块；若存在某个matrix_image_yellow的1值区块与matrix_image_red的任意1值区块不重合，则保留matrix_image_yellow矩阵下该1值区块。如此叠加后，形成新的矩阵，再次进行二值化，矩阵不小于1的元素赋值为1，在此用bwlabel函数进行分区，每个区块均为疑似电阻丝区域。两次二值化并叠加的步骤用于避免漏掉回波强度相对较低的电阻丝信息，同时避免出现电阻丝图像粘连。但同时可能出现将拖尾信号误认为电阻丝的情况，需要在后续识别中进行滤除。将依据上述方法得到的所有区块纵坐标求取平均值，以此平均值为中心选取101*312的区域作为ROI区域，结果如图4所示，该区域包含电阻丝、特征线等用于判断电熔缺陷的有效信息。
(3)基于模式识别基本原理的阐述和相关特性的分析，利用数值方法对数字化超声图谱中强度区块进行分解，提取图形特征。将单一强度区块中波高超过60％的像素点定义为黑，波高低于60％定义为白，黑色块位置和高度与对应强度区块位置和强度值一致，结果如图5所示。进而提取简化模型中缺陷形状、位置、波幅、群集等特征，归类所有缺陷信号的组合特征，结果如图6所示。求出各区块的中心坐标，区域面积，区域横向跨度、纵向跨度等信息：每个区块的中心坐标，为该区块中所有像素点横、纵坐标的平均值；区域面积为该区块所含像素点个数；横向、纵向跨度分别为该区块横、纵向最大像素个数。
(4)基于本发明提出的各类缺陷在超声图谱的数字特征判断准则，分析软件对各强度区块缺陷形状、位置、波幅、群集等特征进行识别和匹配。具体而言：
确定熔合面区域位置，设定熔融面最小面积阈值min_surface_square＝150，和电阻丝最大面积阈值max_zone_square＝80，若某个区块的区域面积大于max_zone_square，则将其自疑似电阻丝集合中移除。若其区域面积同时大于min_surface_square，则将其设为疑似熔融面区域，记录其中心位置以及横向跨度信息。内外冷焊区与熔合面区域深度方向近似相等，ROI中心左侧最远处强度区块为内/外冷焊区，相应地，右侧最远处强度区块为外/内冷焊区。熔合面缺陷存在于内外冷焊区之间。
在分区优化后得到的简化模型中(图6)，软件识别出14个区块满足电阻丝特征：在外冷焊区界面-4～-2mm位置；相邻之间电阻丝波幅值相差在4.6dB以内；所有电阻丝面积相差在30％以内；长径值相差在50％以内；长径短径比值在2以内；周向平方面积比值在4以内。
软件识别出2个区块满足孔洞特征：在第一个水平方向区域1～2mm位置上出现奇异声压信号，奇异点声压幅度影像大于电阻丝10.5dB，为孔洞缺陷，其尺寸应该包括孔洞及连贯电阻丝(步骤5)。
软件识别出一组区块满足熔合面缺陷特征：在电阻丝下方出现另一组规律的声压幅度分布，即在电阻丝间隙下方存在周期性的断续的线状缺陷，为熔合面缺陷。
软件识别出一组区块满足特征线特征：在电阻丝上方一定位置处水平方向区域2～3mm位置上出现一个连续的长条形的声压幅度分布，这组波形组成为特征线。
综合软件识别结果为：该超声扫描图像中不存在电阻丝错位，孔洞缺陷，熔合面缺陷；同时，可以清晰识别特征线。被检测接头是否存在冷焊缺陷，需要进一步的定量分析来确定(步骤5)。如图7所示。
(5)在缺陷识别的基础上，可通过计算对应的像素点数目对缺陷进行量化分析。将GB/T29460规定的聚乙烯管道电熔接头安全评定准则写入分析软件，可以实现各类缺陷的安全性评定。
以电阻丝8深度平均值为作为参考位置，最大垂直错位量为0.6567mm，出现在左起第五、第十二根电阻丝之间。
以孔洞在熔合面方向上的投影长度X来表征孔洞大小，60％回波高度为图像边缘。两个孔洞11大小分别为2.4mm、3.2mm，出现在左起第四、五根电阻丝之间。
以熔合面缺陷外接矩形之长和宽的围成的矩形来表征熔合面缺陷，60％回波高度为图像边缘。熔合面缺陷10长度为10.4mm，出现在左起第七到第十一根电阻丝下方。
采用特征线与电阻丝间的距离来表征冷焊的严重程度。特征线7与电阻丝8的距离L′为3.2432mm，位于正常焊接范围，不存在冷焊缺陷。
对原超声图像进行测量，可以观察到，两个孔洞11大小分别为2.3mm，2.9mm，与软件识别量相比误差分别是4.3％和10.3％，融合面缺陷10长度为11.4mm，误差为8.8％，特征线7与电阻丝8的测量距离为2.9mm，相应误差是11.2％。都在可接受范围(20％)内。
最后，以上公布的仅是本发明的具体实施例。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法，其特征在于，是通过对聚乙烯电熔接头的超声相控阵检测图谱进行数字化处理后，提取缺陷特征，并进行缺陷的识别和量化；具体包括以下步骤：
(1)利用超声波设备对聚乙烯电熔接头进行相控阵检测，并输出超声相控阵检测图谱；截取其中的二维实时扫描图像后，以RGB格式保存；
所述二维实时扫描图像应符合GB/T29461-2012关于特征图谱的要求，至少包含下述基本信息：色条、标尺、电阻丝、内外冷焊区界面和管材内壁面回波信号；
(2)对二维实时扫描图像进行数字化处理
根据图谱像素点的RGB值与声强的一一对应关系，将二维实时扫描图像的像素点的“位置-RGB值”关系转化为“位置-声强”关系，进而得到一个二维矩阵，实现将相控阵超声扫描所得原始RGB图像转化为由二维矩阵表征的数字化图谱；
在数字化图谱中构建平面坐标系，去除光标线、聚焦线和A扫描线对应的强度值，并用邻近像素点的强度值代替被去除位置的强度值，以此排除对缺陷识别过程的干扰；
根据图像中像素点强度差异，绘制初始图像的等高线图；
(3)对数字化图谱进行优化和分区
在数字化图谱中截取包含完整熔融区的部分作为感兴趣区域，以排除不相关信息；
对感兴趣区域进行图像二值化处理，即高于设定阈值的强度点予以保留，反之则归零，以排除背景噪声或低于设定阈值的强度值干扰点；采用开环运算处理信号以分割粘连图像，采用闭环运算处理信号以圆整图形边缘，将强度点分区成块；
过上述后处理，感兴趣区域被分割成独立的强度区块，计算获得各区块的中心坐标、区域面积、区域横向跨度、纵向跨度；
(4)提取图形特征，简化和归类缺陷特征
在保留声压分布特点的基础上建立简化分析模型：将单一强度区块中波高超过设定阈值的像素点定义为黑，波高低于设定阈值的像素点定义为白，黑色块位置和高度与对应强度区块位置和强度值一致；
根据像素点分布和强度值提取简化模型中缺陷形状、位置、波幅、群集的特征，归类所有缺陷信号的组合特征；
(5)建立缺陷自动识别准则，确定缺陷种类
确定数字化超声图谱中计算机可识别的缺陷特征作为典型缺陷特征图像判断的依据，以建立缺陷自动识别准则；所述缺陷特征应符合GB/T29460的规定，且数字化特征稳定；
将步骤(4)所述缺陷信号的组合特征与识别准则进行比对，由此确定缺陷种类；
(6)数字化超声图谱上的每一处缺陷都是由一定数目的像素点组合呈现的，当缺陷被识别、定性后，根据GB/T29460-2012规定的缺陷表征规则，由缺陷的强度区块所包含像素点的数目来确定具体位置、面积、距离的定量信息。
2.根据权利要求1所述的方法，其特征在于，在步骤(3)中进行图形二值化处理时，设置多重阈值并进行矩阵叠加，以避免超声图谱中电阻丝拖尾成像被遗漏；或者通过重复二值化-开闭运算-二值化-叠加的操作，以避免漏掉回波强度相对较低的电阻丝信息，同时细化分区；重复操作二值化次数为2～3次。
3.根据权利要求1所述的方法，其特征在于，聚乙烯电熔接头中的缺陷类型是指：熔合面缺陷、孔洞、电阻丝错位、冷焊或过焊。
4.根据权利要求1所述的方法，其特征在于，通过下述方式对电阻丝进行识别：
在二维实时扫描图像中，电熔接头中的电阻丝是自上而下带强度逐渐减弱的一串影像；同时满足以下特征的判断为电阻丝特征图像：在外冷焊区界面-4～+1mm位置；相邻之间电阻丝波幅值相差在6dB以内；所有电阻丝面积相差在40％以内；长径值相差在60％以内；长径短径比值在2.5以内；周向平方面积比值在6以内；
当电阻丝上表面存在气隙时，在二维实时扫描图像中显示为非均匀介质中的薄层；此时，同时满足以下特征的判断为电阻丝特征图像：深度方向位置，在外冷焊区界面-4～+1mm位置；水平方向位置，与其它电阻丝组合成形完整排列；电阻丝上表面存在气隙时第一次反射形成的信号强度大于界面无气隙时的信号强度，波幅增加2～10dB；与电阻丝面积相差在40％以内；长径值相差在60％以内；长径短径比值在2.5以内；周向平方面积比值在6以内。
5.根据权利要求1所述的方法，其特征在于，通过下述方式对孔洞进行识别：
满足以下三种情况中的一种，即可判定缺陷类型为孔洞：
A、凡在电阻丝上方的感兴趣区域中一切线状且非连续的影像都设定为孔洞；
B、如果在第一个水平方向区域2mm位置上出现奇异声压信号，且奇异点声压幅度影像大于电阻丝超过20％，则为孔洞，其尺寸包括孔洞尺寸以及与其相连贯的电阻丝尺寸；
C、如果在第一个水平方向区域位置上判定为电阻丝影像中间出现异常点，该点图像不符合电阻丝特征图像标准，则该点图像为孔洞图像。
6.根据权利要求1所述的方法，其特征在于，通过下述方式对熔合面缺陷进行识别：
在二维实时扫描图像中确定熔合面位置有以下3种方法：
A、如果有界面冷区的信号线，则熔合面就在界面冷区的信号线的延伸线上；
B、从电阻丝位置确定熔合面位置，熔合面位置在电阻丝位置线下方1-2mm范围内；
C、按实测套筒厚度，熔合面位置在检测界面以下实测套筒厚度位置上；
熔合面缺陷存在于内外冷焊区之间，满足以下规则，则为熔合面缺陷：
A、凡在确定熔合面位置时一切非电阻丝连续投影的影像都设定为熔合面缺陷；
B、在电阻丝下方出现另一组规律的声压幅度分布，即在电阻丝间隙下方存在周期性的断续的线状缺陷，则为熔合面缺陷；
C、在电阻丝下方出现单一声压信号点，即存在单个缺陷，从位置、方向、形状三方面区别其为孔洞还是熔合面夹杂，具体如下：单一声压信号点全部位于电阻丝正下方，识别为孔洞缺陷；单一声压信号点在电阻丝水平面上的投影覆盖整个电阻丝间隙，则为熔合面夹杂；单一声压信号点部分位于电阻丝正下方，其投影覆盖部分电阻丝间隙，如果声压点形状接近圆形，判断为孔洞，否则为熔合面夹杂。
7.根据权利要求1所述的方法，其特征在于，通过下述方式对特征线进行识别：
如果在电阻丝上方水平方向区域1～2mm位置上出现一个连续的长条形的声压幅度分布，则这组波形组成为冷焊特征线。
CN201510666070.5A 2015-10-15 2015-10-15 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 Active CN105259252B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201510666070.5A CN105259252B (zh) 2015-10-15 2015-10-15 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法
PCT/CN2016/080314 WO2017063355A1 (zh) 2015-10-15 2016-04-27 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510666070.5A CN105259252B (zh) 2015-10-15 2015-10-15 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法

Publications (2)

Publication Number Publication Date
CN105259252A true CN105259252A (zh) 2016-01-20
CN105259252B CN105259252B (zh) 2018-09-21

Family

ID=55099019

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510666070.5A Active CN105259252B (zh) 2015-10-15 2015-10-15 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法

Country Status (2)

Country Link
CN (1) CN105259252B (zh)
WO (1) WO2017063355A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017063355A1 (zh) * 2015-10-15 2017-04-20 浙江大学 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法
CN109239206A (zh) * 2018-06-20 2019-01-18 诸暨市逍遥管道科技有限公司 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法
CN109493311A (zh) * 2017-09-08 2019-03-19 上海宝信软件股份有限公司 一种无规则缺陷图片模式识别与匹配方法及系统
CN109917019A (zh) * 2019-02-18 2019-06-21 中国石油天然气集团有限公司 一种钢骨架聚乙烯复合管相控阵成像检测装置及方法
CN110487906A (zh) * 2018-05-15 2019-11-22 上海纳川核能新材料技术有限公司 一种聚乙烯电熔接头的超声波相控阵检测方法
CN110910373A (zh) * 2019-11-25 2020-03-24 西南交通大学 正交异性钢桥面板疲劳裂纹检测图像的识别方法
CN111122705A (zh) * 2019-12-26 2020-05-08 中国科学院工程热物理研究所 一种风力机叶片超声无损检测方法
CN111354039A (zh) * 2018-12-20 2020-06-30 核动力运行研究所 一种基于b扫图像识别的焊缝区域提取快速算法
CN112014476A (zh) * 2020-09-04 2020-12-01 山东大学 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统
CN112348803A (zh) * 2020-11-19 2021-02-09 西安维控自动化科技有限公司 一种超声波边缘检测方法及系统
CN112816550A (zh) * 2019-10-30 2021-05-18 乔治费歇尔管路系统公开股份有限公司 用于检查焊缝的方法
CN112903813A (zh) * 2021-01-14 2021-06-04 北京安铁软件技术有限公司 一种铁路轨道超声自动探伤方法
CN113034442A (zh) * 2021-03-04 2021-06-25 北京科技大学设计研究院有限公司 一种基于缺陷分布图谱的热轧带钢表面质量分级方法
CN113222947A (zh) * 2021-05-19 2021-08-06 上海派普诺管道检测科技发展有限公司 一种非金属材料焊接缺陷智能检测方法及系统
CN113470003A (zh) * 2021-07-22 2021-10-01 北京爱康宜诚医疗器材有限公司 工具的确定方法、装置、计算机可读存储介质及处理器
CN114092398A (zh) * 2021-10-19 2022-02-25 北京市燃气集团有限责任公司 聚乙烯燃气管道热熔接头缺陷分级评定的方法、装置、设备及介质
CN114594157A (zh) * 2020-12-03 2022-06-07 中国石油天然气股份有限公司 聚乙烯钢骨架管电熔接头的超声检测方法及装置
CN117808814A (zh) * 2024-03-01 2024-04-02 深圳市新技智能设备有限公司 基于机器视觉的焊接缺陷检测与识别方法及系统
CN114594157B (zh) * 2020-12-03 2024-05-28 中国石油天然气股份有限公司 聚乙烯钢骨架管电熔接头的超声检测方法及装置

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376454B (zh) * 2018-11-12 2022-11-29 湘潭大学 一种基于超椭圆方程的随机孔洞缺陷材料离散元建模方法
CN111261305A (zh) * 2019-12-30 2020-06-09 太原科技大学 海上浮动核电站反应堆压力容器顶盖封头无损探伤方法
CN111524181B (zh) * 2020-04-28 2023-03-24 陕西科技大学 一种基于扫描电镜图像分割的多孔材料孔洞自动测量方法
CN113619127B (zh) * 2021-06-27 2022-06-07 浙江大学 基于电阻丝的电阻温度系数自动测量的电熔管件焊接方法
CN113554604B (zh) * 2021-07-01 2024-02-02 常州大学 一种基于机器视觉的熔喷布缺陷区域检测方法
CN113808092B (zh) * 2021-09-09 2023-06-23 广州大学 钢管混凝土界面脱粘缺陷检测方法、系统、装置及介质
CN114088817B (zh) * 2021-10-28 2023-10-24 扬州大学 基于深层特征的深度学习的平板陶瓷膜超声缺陷检测方法
CN114200019A (zh) * 2021-11-10 2022-03-18 深圳市燃气集团股份有限公司 一种聚乙烯管道电熔接头相控阵测试方法及测试系统
CN114964581B (zh) * 2022-06-01 2024-05-03 合肥工业大学智能制造技术研究院 一种基于超声相控阵聚焦原理的应力检测方法
CN114913178B (zh) * 2022-07-19 2022-09-23 山东天宸塑业有限公司 一种熔喷布缺陷检测方法及系统
CN116482229B (zh) * 2023-06-26 2023-09-08 河北宇天材料科技有限公司 一种扩散焊焊接质量的无损检测判定方法
CN117494393B (zh) * 2023-10-16 2024-05-17 南京市锅炉压力容器检验研究院 一种超声波在聚乙烯管道热熔接头内传播的数值模拟方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004089310A (ja) * 2002-08-30 2004-03-25 Fuji Photo Film Co Ltd 超音波受信装置
JP2007309771A (ja) * 2006-05-18 2007-11-29 Hitachi Ltd 超音波探傷方法及び超音波探傷装置
CN101101276A (zh) * 2007-06-05 2008-01-09 浙江省特种设备检验中心 聚烯烃管道电熔焊接接头冷焊缺陷的超声检测方法
CN101393170A (zh) * 2008-10-18 2009-03-25 浙江省特种设备检验研究院 聚乙烯管道热熔对接接头耦合聚焦超声检测方法及检测装置
CN102009474A (zh) * 2010-08-31 2011-04-13 浙江大学 电熔接头焊接质量检测与实现自动评判的方法
CN102285120A (zh) * 2011-07-27 2011-12-21 浙江大学 电熔接头冷焊缺陷判定方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6473517B1 (en) * 1999-09-15 2002-10-29 Siemens Corporate Research, Inc. Character segmentation method for vehicle license plate recognition
US7606445B2 (en) * 2005-11-30 2009-10-20 General Electric Company Methods and systems for ultrasound inspection
CN100567978C (zh) * 2007-09-12 2009-12-09 天津大学 超声相控阵检测油气管道环焊缝缺陷类型自动识别方法
CN103323526A (zh) * 2013-05-30 2013-09-25 哈尔滨工业大学 一种基于超声相控阵和支持向量机的焊缝缺陷检测识别方法
CN104535586B (zh) * 2014-11-18 2017-05-17 华东理工大学 带钢边部缺陷检测识别方法
CN105259252B (zh) * 2015-10-15 2018-09-21 浙江大学 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004089310A (ja) * 2002-08-30 2004-03-25 Fuji Photo Film Co Ltd 超音波受信装置
JP2007309771A (ja) * 2006-05-18 2007-11-29 Hitachi Ltd 超音波探傷方法及び超音波探傷装置
CN101101276A (zh) * 2007-06-05 2008-01-09 浙江省特种设备检验中心 聚烯烃管道电熔焊接接头冷焊缺陷的超声检测方法
CN101393170A (zh) * 2008-10-18 2009-03-25 浙江省特种设备检验研究院 聚乙烯管道热熔对接接头耦合聚焦超声检测方法及检测装置
CN102009474A (zh) * 2010-08-31 2011-04-13 浙江大学 电熔接头焊接质量检测与实现自动评判的方法
CN102285120A (zh) * 2011-07-27 2011-12-21 浙江大学 电熔接头冷焊缺陷判定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
伏喜斌等: "聚乙烯管道电熔接头缺陷分类研究", 《机电工程》 *
施建峰: "聚乙烯管道电熔接头冷焊形成机理及其检测和评定方法", 《中国博士学位论文全文数据库工程科技Ⅰ辑》 *
高扬清: "CRH动车轮对相控阵探伤缺陷识别算法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017063355A1 (zh) * 2015-10-15 2017-04-20 浙江大学 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法
CN109493311A (zh) * 2017-09-08 2019-03-19 上海宝信软件股份有限公司 一种无规则缺陷图片模式识别与匹配方法及系统
CN110487906A (zh) * 2018-05-15 2019-11-22 上海纳川核能新材料技术有限公司 一种聚乙烯电熔接头的超声波相控阵检测方法
CN109239206A (zh) * 2018-06-20 2019-01-18 诸暨市逍遥管道科技有限公司 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法
CN109239206B (zh) * 2018-06-20 2023-05-23 诸暨市逍遥管道科技有限公司 缺陷自动识别辅助电熔接头智能相控阵的超声检测方法
CN111354039A (zh) * 2018-12-20 2020-06-30 核动力运行研究所 一种基于b扫图像识别的焊缝区域提取快速算法
CN109917019A (zh) * 2019-02-18 2019-06-21 中国石油天然气集团有限公司 一种钢骨架聚乙烯复合管相控阵成像检测装置及方法
CN112816550A (zh) * 2019-10-30 2021-05-18 乔治费歇尔管路系统公开股份有限公司 用于检查焊缝的方法
CN110910373A (zh) * 2019-11-25 2020-03-24 西南交通大学 正交异性钢桥面板疲劳裂纹检测图像的识别方法
CN110910373B (zh) * 2019-11-25 2023-01-24 西南交通大学 正交异性钢桥面板疲劳裂纹检测图像的识别方法
CN111122705A (zh) * 2019-12-26 2020-05-08 中国科学院工程热物理研究所 一种风力机叶片超声无损检测方法
CN112014476A (zh) * 2020-09-04 2020-12-01 山东大学 一种碳纤维复合材料制造缺陷分类、定量评估方法及系统
CN112348803B (zh) * 2020-11-19 2024-03-29 西安维控自动化科技有限公司 一种超声波边缘检测方法及系统
CN112348803A (zh) * 2020-11-19 2021-02-09 西安维控自动化科技有限公司 一种超声波边缘检测方法及系统
CN114594157B (zh) * 2020-12-03 2024-05-28 中国石油天然气股份有限公司 聚乙烯钢骨架管电熔接头的超声检测方法及装置
CN114594157A (zh) * 2020-12-03 2022-06-07 中国石油天然气股份有限公司 聚乙烯钢骨架管电熔接头的超声检测方法及装置
CN112903813A (zh) * 2021-01-14 2021-06-04 北京安铁软件技术有限公司 一种铁路轨道超声自动探伤方法
CN112903813B (zh) * 2021-01-14 2023-03-14 北京安铁软件技术有限公司 一种铁路轨道超声自动探伤方法
CN113034442A (zh) * 2021-03-04 2021-06-25 北京科技大学设计研究院有限公司 一种基于缺陷分布图谱的热轧带钢表面质量分级方法
CN113034442B (zh) * 2021-03-04 2023-10-13 北京科技大学设计研究院有限公司 一种基于缺陷分布图谱的热轧带钢表面质量分级方法
CN113222947B (zh) * 2021-05-19 2022-08-19 上海派普诺管道检测科技发展有限公司 一种非金属材料焊接缺陷智能检测方法及系统
CN113222947A (zh) * 2021-05-19 2021-08-06 上海派普诺管道检测科技发展有限公司 一种非金属材料焊接缺陷智能检测方法及系统
CN113470003A (zh) * 2021-07-22 2021-10-01 北京爱康宜诚医疗器材有限公司 工具的确定方法、装置、计算机可读存储介质及处理器
CN114092398A (zh) * 2021-10-19 2022-02-25 北京市燃气集团有限责任公司 聚乙烯燃气管道热熔接头缺陷分级评定的方法、装置、设备及介质
CN117808814A (zh) * 2024-03-01 2024-04-02 深圳市新技智能设备有限公司 基于机器视觉的焊接缺陷检测与识别方法及系统
CN117808814B (zh) * 2024-03-01 2024-05-28 深圳市新技智能设备有限公司 基于机器视觉的焊接缺陷检测与识别方法及系统

Also Published As

Publication number Publication date
WO2017063355A1 (zh) 2017-04-20
CN105259252B (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
CN105259252A (zh) 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法
US11221107B2 (en) Method for leakage detection of underground pipeline corridor based on dynamic infrared thermal image processing
CN105976352B (zh) 一种基于灰度图像形态学的焊缝表面缺陷特征提取方法
CN101871895B (zh) 连铸热坯表面缺陷激光扫描成像无损检测方法
CN115205290B (zh) 一种pcb板生产过程在线检测方法及系统
CN109859177A (zh) 基于深度学习的工业射线影像评定方法及装置
Liang et al. Defect detection of rail surface with deep convolutional neural networks
CN104964886A (zh) 一种焊接构件疲劳应力及应变实时非接触式监测方法
CN102279190A (zh) 一种激光焊接不等厚板焊缝表面缺陷图像检测方法
CN109447011B (zh) 红外对蒸汽管道泄露的实时监控方法
CN103674968A (zh) 材料外观腐蚀形貌特征机器视觉原值检测评价方法及装置
CN109991306A (zh) 基于荧光磁粉的金属工件焊接缺陷的分类识别与定位
US9996766B2 (en) Imaging-based methods for detecting and measuring defects in extruded cellular ceramic articles
CN115601369B (zh) 一种输变电工程用变电设备支架质量评估方法
CN110007493A (zh) 液晶显示屏中碎亮点检测方法
CN106403818A (zh) 多规格大型方矩形管在线尺寸参数检测用的系统及方法
CN115330774A (zh) 焊接图像熔池边缘检测方法
CN114972204A (zh) 一种钢制品表面裂纹检测方法及设备
CN114782728A (zh) 一种探地雷达的数据可视化方法
CN105787955A (zh) 一种带钢缺陷的稀疏分割方法及其分割装置
Mustaffar et al. Automated pavement imaging program (APIP) for pavement cracks classification and quantification-a photogrammetric approach
CN103177426A (zh) 一种基于形态学的强干扰激光边缘图像修复方法
CN115830021B (zh) 一种用于五金件加工的金属表面缺陷检测方法
CN108363958B (zh) 一种基于高分辨率光学遥感影像的油罐检测方法
CN108645865A (zh) 一种基于ccd的埋弧焊钢管焊缝焊偏量参数的测量方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant