CN113155869A - 一种焊缝ｘ射线底片自动数字化采集及智能检测评定装置 - Google Patents
一种焊缝ｘ射线底片自动数字化采集及智能检测评定装置 Download PDFInfo
- Publication number
- CN113155869A CN113155869A CN202110299731.0A CN202110299731A CN113155869A CN 113155869 A CN113155869 A CN 113155869A CN 202110299731 A CN202110299731 A CN 202110299731A CN 113155869 A CN113155869 A CN 113155869A
- Authority
- CN
- China
- Prior art keywords
- film
- area
- guide roller
- belt wheel
- welding seam
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000003466 welding Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 title claims abstract description 28
- 238000003860 storage Methods 0.000 claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 8
- 235000012431 wafers Nutrition 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 26
- 230000007547 defect Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000003825 pressing Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000006855 networking Effects 0.000 claims description 2
- 230000001133 acceleration Effects 0.000 abstract description 5
- 206010063385 Intellectualisation Diseases 0.000 abstract description 2
- 238000004140 cleaning Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 239000007769 metal material Substances 0.000 description 5
- 238000012216 screening Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/05—Programmable logic controllers, e.g. simulating logic interconnections of signals according to ladder diagrams or function charts
- G05B19/054—Input/output
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，包括观片区1，观片区1一侧为送片区2、其另一侧为收片区3；观片区1的观测面上方设有支撑架101，支撑架101内依次安装有通过水平皮带111传动的带轮Ⅰ107、带轮Ⅱ108、带轮Ⅲ109、带轮Ⅳ110，支撑架101上靠近送片区2一端安装有电机102，电机102用于驱动靠近送片区2设置的第一纵轴103，带轮Ⅰ107安装于第一纵轴103上端。本发明从自动化观片灯装置、超高清摄像头、客户端上位机控制、FPGA计算器协同加速、存储、识别、图形洁面等方面展开设计，具备软硬件协同性高、系统化、智能化、自动化、易操作等特点。
Description
技术领域
本发明涉及无损检测技术领域，具体为一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置。
背景技术
金属材料在日常生活和工业中已经被大量的使用，应用场合也逐渐拓宽，比较重要的会涉及到国防、航空航天等方面，这些领域对金属材料的质量要求极其严格。在利用金属材料进行生产的过程中，由于制作工艺的原因，可能会导致一些金属材料由于焊接存在局部不可见性，作为完整构件最薄弱区域的焊缝常会产生气孔、夹渣、裂纹等缺陷，难以实现高质量窄间隙焊接；并随着使用寿命增加和操作环境影响，也会产生新的缺陷。由于忽视焊缝质量造成的事故屡见不鲜，这就要求必须对焊缝进行严格的质量检测，最大限度的降低经济损失，减少安全事故的发生。因此，如何提升准确率、提升检测效率、提升自动化水平将会是金属材料缺陷检测未来几年的重要研究方向，具备广阔的应用前景和发展前景。
目前，X射线检测作为一种主要的无损检测手段，具有分辨率高、稳定可靠、有利于作定性定量分析的优点。随着电子技术、信息技术的融入，涌现出了以电子及信息技术为基础的计算机射线照相、射线实时成像、数字射线成像等前沿技术。然而，虽然新的照相技术层出不穷，但是其底片的评定仍是以人工为主。采用人工评定的缺点也是显而易见：人工识别主要采用的是人工肉眼的识别方法，识别简单，但是为了保证底片顺序，需要人工将一张一张待测底片按照底片编号顺序放在观片机上（同时也需要顺序收回），并通过旋钮或开关方式控制观片灯光强，效率较低，且长期光强照射对容易引起人眼疲劳；同时这样检测方式以人的主观感受和经验主导的，所以很难形成统一的标准；而且，生产现场环境恶劣，质检人员的身体和心理都极易受到影响，因此检查质量难以保障。
为了解决人工评定的这些无法回避的问题，本发明设计一种工业焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，通过对现有观片灯的改进，实现射线底片自动化数字采集处理；并利用人工智能及计算机视觉技术对底片进行智能缺陷识别、评定。利用计算机强大的处理能力，模拟完成原本需要人工评定的过程，评定过程非常稳定和高效。该装置的研发不仅为焊缝缺陷智能检测提供有效的技术支撑，为自动化、智能化无损检测领域的发展提供新的动力，具有实际的工程意义和广阔的市场前景。
发明内容
本发明目的是提供一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，实现焊缝Ｘ射线底片自动化顺序数字采集处理；并利用人工智能及计算机视觉技术对底片进行智能缺陷识别、评定。
本发明是采用如下技术方案实现的：
一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，包括观片区，所述观片区一侧为送片区、其另一侧为收片区；所述观片区的观测面上方设有支撑架，所述支撑架内依次安装有通过水平皮带传动的带轮Ⅰ、带轮Ⅱ、带轮Ⅲ、带轮Ⅳ，所述支撑架上靠近送片区一端安装有电机，所述电机用于驱动靠近送片区设置的第一纵轴，所述带轮Ⅰ安装于第一纵轴上端，所述第一纵轴上部（位于带轮Ⅰ下方）安装上传片橡胶滚轮、其（第一纵轴）下部安装下传片橡胶滚轮，所述上传片橡胶滚轮和下传片橡胶滚轮用于压合焊缝X射线底片的上沿和下沿；所述带轮Ⅱ和上主动导向滚轮Ⅰ同轴装配于第二纵轴的上端和下端，所述上主动导向滚轮Ⅰ下方设置有下从动导向滚轮Ⅰ；所述带轮Ⅲ和上主动导向滚轮Ⅱ同轴装配于第三纵轴的上端和下端，所述上主动导向滚轮Ⅱ下方设置有下从动导向滚轮Ⅱ；所述带轮Ⅳ和上收片橡胶滚轮、下收片橡胶滚轮同轴装配于第四纵轴上；所述上传片橡胶滚轮、上主动导向滚轮Ⅰ、上主动导向滚轮Ⅱ、上收片橡胶滚轮位于同一水平直线上，所述下传片橡胶滚轮、下从动导向滚轮Ⅰ、下从动导向滚轮Ⅱ、下收片橡胶滚轮位于同一水平直线上；所述观片区的观测区斜对角设置两个传感器；所述观片区的观测区底面和收片区底面设有连通的底片导向槽，所述底片导向槽也同样衔接送片区的前挡板；所述送片区的底板前端固定设有前挡板、其底板后端固定设有后挡板，位于前挡板和后挡板之间设有活动挡板，所述活动挡板与后挡板之间由压紧弹簧连接。
使用时，焊缝Ｘ射线底片自动数字化采集及智能检测评定方法：在送片区内前挡板和活动挡板之间放置待观测样片，通过压紧弹簧时刻保持样片与上、下传片橡胶滚轮、前挡板压紧；开启电机，转动的上、下传片橡胶滚轮将最外层样片与其他样片分离，同时皮带将动力同步传至上主动导向滚轮Ⅰ、上主动导向滚轮Ⅱ和上、下收片橡胶滚轮，将样片传送至观片区的观测区，当观测区斜对角两个传感器同时被样片挡住后，发送信号至观片灯的PLC控制单元，然后PLC控制单元发出信号使电机断电停转，提高观测区光强度，保持样片在观测区驻留一定时间，进行图像采集过程；待观片区内的读片装置（观片机）读取完毕，PLC控制单元倒计时结束再发送通电指令至电机，上、下传片橡胶滚轮继续转动，开始传输下一张样片，同时留在观测区的样片在位于两侧的主动导向滚轮和从动导向滚轮的作用下，传至上、下收片橡胶滚轮处，在底片导向卡槽作用下，使已观测完的样片落至收片区，完成整个样片自动观测的过程。
本发明设计合理，满足国家制造业领域质量保障的重大需求，与国家大力推进智能制造行业健康有序发展密切相关，具有广阔的市场应用及前景。
附图说明
图1表示装置的正视图。
图2表示装置的整体图。
图3表示装置的右视图。
图4表示装置中送片结构与底片导向槽示意图。
图5表示焊缝X射线底片数字化图像关键信息识别流程图。
图中：1-观片区，101-支撑架，102-电机，103-第一纵轴，104-第二纵轴，105-第三纵轴，106-第四纵轴，107-带轮Ⅰ，108-带轮Ⅱ，109-带轮Ⅲ，110-带轮Ⅳ，111-皮带，112-上传片橡胶滚轮，113-下传片橡胶滚轮，114-上主动导向滚轮Ⅰ，115-下从动导向滚轮Ⅰ，116-上主动导向滚轮Ⅱ，117-下从动导向滚轮Ⅱ，118-上收片橡胶滚轮，119-下收片橡胶滚轮，120-传感器，121-底片导向槽；2-送片区，201-前挡板，202-后挡板，203-活动挡板，204-压紧弹簧；3-收片区。
具体实施方式
下面结合附图对本发明的具体实施例进行详细说明。
一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，如图1所示，包括观片区1（包括观片机和传片机构）、送片区2（包括送片机构）及收片区3（包括收片架），观片区1一侧为送片区2、其另一侧为收片区3。用于在保证焊缝X射线底片原有编号顺序的情况下，自动实现底片的传送、底片就位后采集、收片。
如图1、2所示，观片区1的观测面上方设有支撑架101，支撑架101内依次水平安装有通过皮带111传动的带轮Ⅰ107、带轮Ⅱ108、带轮Ⅲ109、带轮Ⅳ110（带轮Ⅰ107和带轮Ⅳ110关于观测面中心线对称布置，带轮Ⅱ108和带轮Ⅲ109关于观测面中心线对称布置），支撑架101上靠近送片区2一端安装有电机102，电机102用于驱动靠近送片区2设置的第一纵轴103，带轮Ⅰ107安装于第一纵轴103上端，第一纵轴103上部安装上传片橡胶滚轮112、其下部安装下传片橡胶滚轮113，上传片橡胶滚轮112和下传片橡胶滚轮113用于压合焊缝X射线底片的上沿和下沿。带轮Ⅱ108和上主动导向滚轮Ⅰ114同轴装配于第二纵轴104的上端和下端，上主动导向滚轮Ⅰ114下方设置有下从动导向滚轮Ⅰ115；带轮Ⅲ109和上主动导向滚轮Ⅱ116同轴装配于第三纵轴105的上端和下端，上主动导向滚轮Ⅱ116下方设置有下从动导向滚轮Ⅱ117；带轮Ⅳ110和上收片橡胶滚轮118、下收片橡胶滚轮119同轴装配于第四纵轴106上。上传片橡胶滚轮112、上主动导向滚轮Ⅰ114、上主动导向滚轮Ⅱ116、上收片橡胶滚轮118位于同一水平直线上（上传片橡胶滚轮112和上收片橡胶滚轮118关于观测面中心线对称布置，上主动导向滚轮Ⅰ114和上主动导向滚轮Ⅱ116关于观测面中心线对称布置），下传片橡胶滚轮113、下从动导向滚轮Ⅰ115、下从动导向滚轮Ⅱ117、下收片橡胶滚轮119位于同一水平直线上（下传片橡胶滚轮113和下收片橡胶滚轮119关于观测面中心线对称布置，下从动导向滚轮Ⅰ115和下从动导向滚轮Ⅱ117关于观测面中心线对称布置）。观片区1的观测区斜对角设置两个传感器120；观片区1的观测区底面和收片区3底面设有连通的底片导向槽121，底片导向槽121也同样衔接送片区的前挡板201。如图3、4所示，送片区2的底板前端固定设有前挡板201、其底板后端固定设有后挡板202，位于前挡板201和后挡板202之间设有活动挡板203，活动挡板203与后挡板202之间连接有压紧弹簧204。送片收纳机构的前挡板201和活动挡板203之间放置待观测样片，活动挡板203和压紧弹簧204相连，时刻保持样片与上下传片橡胶滚轮和前挡板压紧。如图4所示，前挡板朝观测区方向设有底片导向槽（L型导槽）121，支撑架101下边沿也相应设有底片导向槽（L型导槽），保障样片传输过程中不脱离观片机或滚轮。
如图5所示，焊缝Ｘ射线底片自动数字化扫描及智能检测评定方法，如下：
在送片区内前挡板201和活动挡板203之间放置待观测样片，通过压紧弹簧204时刻保持样片与上、下传片橡胶滚轮112、113以及前挡板201压紧；开启电机102，将动力传至上、下传片橡胶滚轮，转动的胶轮将最外层样片与其他样片分离，同时皮带111将动力同步传至上主动导向滚轮Ⅰ114、上主动导向滚轮Ⅱ116和上、下收片橡胶滚轮118、119，将样片传送至观片区1的观测区，当观测区斜对角两个传感器120同时被样片挡住后，发送信号至PLC控制单元，然后PLC控制单元发出信号使电机102断电停转，提高观测区光强度，保持样片在观测区驻留一定时间，进行图像采集过程；待读片装置读取完毕，PLC控制单元倒计时结束再发送通电指令至电机102，上、下传片橡胶滚轮112、113继续转动，开始传输下一张样片，同时留在观测区的样片在位于两侧的主动导向滚轮和从动导向滚轮的作用下，传至上、下收片橡胶滚轮118、119处，在底片导向卡槽121作用下，使已观测完的样片落至收片区，完成整个样片自动观测的过程。
其中，图像采集过程为：观片区内观片机的读片装置通过8K超高清摄像头采集传送就位的焊缝X射线底片的数字化图像。8K超高清摄像头摆放和设置范围应正对观测区，用于采集已传送就位的焊缝X射线底片的数字化图像，并连接PC端上位机。工作时，当底片就位后，自动观片灯装置的PLC控件停止底片传输，增强观片区光强，并将反馈信息实时传送给PC，PC依据 PLC 的反馈信息及时通过OpenCV调用UVC协议开始控制8K超高清摄像头按照视频的帧为单位采集底片数字图像，每张底片通过交互操作界面GUI设置间隔采集按帧为单位间隔采集，当两次采集的底片数字化图像一样时覆盖前一次X射线底片的采集结果，数字化底片信息采集分析完毕后PC端控制摄像头停止记录，并向自动观片灯装置的PLC 发送启动传送指令，继续底片的传送更新，完成摄像头对底片的采集过程。同时也支持手动控制采集。
PC端上位机主要用于对观片灯装置与摄像头的控制、识别运算、数据存储各部件的协调，以及图形用户界面。
一、观片机的观片灯装置与读片装置（摄像头）的协调控制已在底片采集部分介绍。
二、PC端上位机的识别运算如下：
识别运算主要用于焊缝X射线底片数字化图像保存及数字化图像中底片编号及缺陷的识别。
焊缝X射线底片数字化图像关键信息识别流程图如图5所示。
为了提高检测效率，底片关键信息识别使用“双筛选”方法，即分为初次筛选和二次筛选，初次筛选主要是对观片区探测区域初次识别是否存在缺陷，若无缺陷直接对X射线底片中的数字编号进行抽取、识别并保存，并通过上位机启动自动观片灯装置的PLC部件控制胶片继续传送；若存在缺陷，在保留底片编号的同时采Mask R-CNN架构再次对探测区域进行缺陷检测、分类、标注，再通过上位机启动自动观片灯装置PLC部件控制胶片继续传送。
X射线底片包含底片编号和检测区域，其中数字编号为印刷体，具有清晰、整洁、统一的优点，因此对于数字编号的识别采用经典的数字识别技术即可达到预期的准确度要求。另一方面对于算法的选择要着重于计算量以及运行速度，力求在有限时间内快速高效地识别数字编号。此外，对于有缺陷的图片进行标注，利用Mask R-CNN算法对缺陷进行检测、分类和标注。
Ⅰ、X射线底片数字编号识别：将底片图片转化为具有数据量小、占用内存少的二值图；转换完成后进行轮廓检测和勾勒，轮廓检测是将二值图中的可连通的区域用一坨点表示，默认的轮廓检查会返回一个点的序列，使这个序列构成一个图形将该连通区域的所有点包围起来；轮廓检测完毕后对所有轮廓进行迭代以找出轮廓的最小包围矩形，进一步使用感兴趣区域（Region of Interest，ROI）进行数字切割；最后将按照轮廓切割好的数字采用逐点像素遍历的方法进行对比识别并进行数字序列保存。
Ⅱ、基于Mask-RCNN算法的焊缝X射线底片缺陷检测、分类和标注：具体步骤如下：
（1）、为了提高图片质量，对采集到的图片进行降噪、增强等图像预处理，提高图像的分辨率和清晰度；
（2）、增强预处理的图片经过预训练好ResNet-101网络进行特征提取，再使用多尺度特征金字塔网络（Feature Pyramid Networks，FPN）进行特征融合构建特征图；
（3）、利用轻量级区域选取网络（Region Proposal Network，RPN ）对特征图中的每一点设置预定数量的ROI，生成多个候选区域ROI，得到的特征图中找出可能存在目标的区域，并将候选区域ROI送入RPN网络进行二值分类（前景或背景）和边框回归，过滤掉一部分候选的ROI；
（4）、对剩余的ROI进行ROIAlign操作，得到固定的特征图尺寸并将其输入到预测网络中，实现缺陷类型与掩膜预测；
（5）、Mask-RCNN检测算法部署在Xilinx Zynq UltraScale + MPSoC ZCU102 FPGA评估套件上，在评估板上开展推理应用计算，并将检测结果反馈回PC端，实现低功耗、高时效检测；
（6）、并将实例分割好的缺陷图像和缺陷类型信息同底片编号进行服务器保存。
识别运算采用“CPU+FPGA”异构协同计算，异构计算主要是指使用不同类型指令集和体系架构的计算单元组成系统的计算方式。“CPU+FPGA”异构协同计算模型是指在运算中既使用CPU，又使用具有可重构、高度线程化的并行处理能力的现场可编程门阵列（field-programmable gate array，FPGA）实现基于深度学习识别网络模型的X射线底片信息识别推理加速，避免当数据量较大时CPU底片信息识别效率低，难以保证实时性的问题。
MasK R-CNN 算法的 FPGA 硬件加速器设计：基于 MASK R-CNN检测模型，在Xilinx Zynq UltraScale+MPSoC ZCU102评估套件上实现定制化 FPGA 硬件计算加速实现。通过使用 OpenCL 高层次综合工具，设计数据传输、卷积、最大池化、ROI 、ResNet、FPN等加速内核，通过异步 FIFO 将加速内核连接，实现了深度流水线设计缓解带宽压力。设计高效且通用的数据缓存，对网络中的特殊结构进行灵活的适配，保证了硬件架构的高吞吐量。并通过不同计算内核间合理组织，充分提高层间计算并行性，同时平衡不同类型层的片外访存带宽利用率以及结构复用情况，并通过指令优化策略实现对可编程逻辑区域硬件加速模块的高并行指令优化，充分实现计算空间并行和时间并行；最后，在宏观和局部上需要进行片上计算与片外访存间的充分协调实现高并行计算。
三、数据存储
当焊缝X射线底片数字化图像及底片编号、缺陷信息采集完成后上传至服务器进行存储，服务器系统采用Ubuntu Server，数据库采用MySQL的方式进行存储。MySQL简易轻便，对硬件要求少，Ubuntu Server相比于Windows Server更易于维护，这样能节省更多的后期成本。客户端将记录好的焊缝X射线底片关键信息发送给存储服务进行最后的存储方便日后的查询。X射线底片的存储采用C/S模式（Client/Server，客户/服务器模式），连接的方式采用TCP协议可靠连接，保证X射线底片信息的准确性以及完整性，用户的客户端为Client端，存储服务器为Server端，建立连接后将记录好信息的X射线底片发送给服务器，由服务器完成最后的记录。
四、图形用户界面
客户PC端采用Qt做用户操作交互界面（Graphical User Interface，简称GUI）设计，联网部分采用Qt封装的套接字编程即Qtsocket标准库，采用Qt作界面和网络的编程优点是可移植性，为满足用户在不同操作系统上细致的需求，同时对比Java方案，在界面上Qt除C++外还有QML可以采用，所以从界面的美观性以及多样性角度都要比Java做界面要有许多优势，同时整个APP的逻辑代码采用C++编程，在运行速度上也要优于采用Java编程的方案。进一步的，由用户对客户端进行相关设置，如采集设置、存储设置、观片灯传输设置等。
与现有的技术比较，本发明的优点是：
1、相比现有观片灯人工操作、单机工作等现象，本发明围绕焊缝Ｘ射线底片自动数字化采集及智能检测评定装置系统性地从自动化观片灯装置、超高清摄像头、客户端上位机控制、FPGA计算器协同加速、存储、识别、图形洁面等方面展开设计，具备软硬件协同性高、系统化、智能化、自动化、易操作等特点。
2、本发明中自动观片灯装置整体机构紧凑，设计和布局合理，传输机构用主动导向滚轮和从动导向滚轮配合传动保障动力连续且不影响观片，采用双L型卡槽保障传片过程稳定。
3、本发明中自动观片灯装置中送片机构采用自动压紧以及橡胶滚轮滚动分片，使样片实现准确分离；传片区采用上下双L型卡槽保障传片过程稳定、准确；收片架利用L型卡槽实现自动回收样片。
4、本发明采用8K超高清摄像头读取底片信息，并构建PC端-PLC-8K超高清摄像头协同工作方法。
5、本发明采用“双筛选”+“异构计算”方法提高焊缝Ｘ射线底片关键信息的分析与采集。
6、本发明采用Mask R-CNN对焊缝Ｘ射线底片进行检测，并将Mask R-CNN部署在FPGA上，采用“CPU+FPGA”异构方式突破CPU计算资源和功耗有限引起的计算耗时的技术瓶颈，有效提高计算的并行性和计算效率，其中CPU负责交互和控制流程项目，FPGA负责高并行密集计算，最终实现软硬件协同优化的智能化、高精度高效率焊缝缺陷检测，有效避免了人为识别引起的误差。
应当指出，对于本技术领域的一般技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和应用，这些改进和应用也视为本发明的保护范围。
Claims (7)
1.一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，其特征在于：包括观片区（1），所述观片区（1）一侧为送片区（2）、其另一侧为收片区（3）；所述观片区（1）的观测面上方设有支撑架（101），所述支撑架（101）内依次安装有通过水平皮带（111）传动的带轮Ⅰ（107）、带轮Ⅱ（108）、带轮Ⅲ（109）、带轮Ⅳ（110），所述支撑架（101）上靠近送片区（2）一端安装有电机（102），所述电机（102）用于驱动靠近送片区（2）设置的第一纵轴（103），所述带轮Ⅰ（107）安装于第一纵轴（103）上端，所述第一纵轴（103）上部安装上传片橡胶滚轮（112）、其下部安装下传片橡胶滚轮（113），所述上传片橡胶滚轮（112）和下传片橡胶滚轮（113）用于压合焊缝X射线底片的上沿和下沿；所述带轮Ⅱ（108）和上主动导向滚轮Ⅰ（114）同轴装配于第二纵轴（104）的上端和下端，所述上主动导向滚轮Ⅰ（114）下方设置有下从动导向滚轮Ⅰ（115）；所述带轮Ⅲ（109）和上主动导向滚轮Ⅱ（116）同轴装配于第三纵轴（105）的上端和下端，所述上主动导向滚轮Ⅱ（116）下方设置有下从动导向滚轮Ⅱ（117）；所述带轮Ⅳ（110）和上收片橡胶滚轮（118）、下收片橡胶滚轮（119）同轴装配于第四纵轴（106）上；所述上传片橡胶滚轮（112）、上主动导向滚轮Ⅰ（114）、上主动导向滚轮Ⅱ（116）、上收片橡胶滚轮（118）位于同一水平直线上，所述下传片橡胶滚轮（113）、下从动导向滚轮Ⅰ（115）、下从动导向滚轮Ⅱ（117）、下收片橡胶滚轮（119）位于同一水平直线上；所述观片区（1）的观测区斜对角设置两个传感器（120）；所述观片区（1）的观测区底面和收片区（3）底面设有连通的底片导向槽（121），所述底片导向槽（121）衔接前挡板（201）；所述送片区（2）的底板前端固定设有前挡板（201）、其底板后端固定设有后挡板（202），位于前挡板（201）和后挡板（202）之间设有活动挡板（203），所述活动挡板（203）与后挡板（202）之间连接有压紧弹簧（204）。
2.根据权利要求1所述的一种焊缝Ｘ射线底片自动数字化采集及智能检测评定装置，其特征在于：所述观片区（1）内的读片装置通过8K超高清摄像头采集传送就位的焊缝X射线底片的数字化图像。
3.一种焊缝Ｘ射线底片自动数字化采集及智能检测评定方法，其特征在于：在送片区内前挡板（201）和活动挡板（203）之间放置待观测样片，通过压紧弹簧（204）时刻保持样片与上、下传片橡胶滚轮（112、113）、前挡板压紧；开启电机（102），转动的上、下传片橡胶滚轮（112、113）将最外层样片与其他样片分离，同时皮带（111）将动力同步传至上主动导向滚轮Ⅰ（114）、上主动导向滚轮Ⅱ（116）和上、下收片橡胶滚轮（118、119），将样片传送至观片区（1）的观测区，当观测区斜对角两个传感器（120）同时被样片挡住后，发送信号至PLC控制单元，然后PLC控制单元发出信号使电机（102）断电停转，提高观测区光强度，保持样片在观测区驻留一定时间，进行图像采集过程；待读片装置读取完毕，PLC控制单元倒计时结束再发送通电指令至电机（102），上、下传片橡胶滚轮（112、113）继续转动，开始传输下一张样片，同时留在观测区的样片在位于两侧的主动导向滚轮和从动导向滚轮的作用下，传至上、下收片橡胶滚轮（118、119）处，在底片导向卡槽（121）作用下，使已观测完的样片落至收片区，完成整个样片自动观测的过程。
4.根据权利要求3所述的一种焊缝Ｘ射线底片自动数字化采集及智能检测评定方法，其特征在于：图像采集过程为：8K超高清摄像头摆放和设置范围应正对观测区，并连接PC端上位机，工作时，当底片就位后，自动观片灯装置的PLC控件停止底片传输，增强观片区光强，并将反馈信息实时传送给PC，PC依据 PLC 的反馈信息及时通过OpenCV调用UVC协议开始控制8K超高清摄像头按照视频的帧为单位采集底片数字图像，每张底片通过交互操作界面设置间隔采集按帧为单位间隔采集，当两次采集的底片数字化图像一样时覆盖前一次X射线底片的采集结果，数字化底片信息采集分析完毕后PC端控制摄像头停止记录，并向自动观片灯装置的PLC 发送启动传送指令，继续底片的传送更新，完成摄像头对底片的采集过程。
5.根据权利要求4所述的一种焊缝Ｘ射线底片自动数字化采集及智能检测评定方法，其特征在于：PC端上位机的识别运算如下：
Ⅰ、X射线底片数字编号识别：将底片图片转化为二值图；转换完成后进行轮廓检测和勾勒，轮廓检测是将二值图中的可连通的区域用一坨点表示，默认的轮廓检查会返回一个点的序列，使这个序列构成一个图形将该连通区域的所有点包围起来；轮廓检测完毕后对所有轮廓进行迭代以找出轮廓的最小包围矩形，进一步使用感兴趣区域进行数字切割；最后将按照轮廓切割好的数字采用逐点像素遍历的方法进行对比识别并进行数字序列保存；
Ⅱ、基于Mask-RCNN算法的焊缝X射线底片缺陷检测、分类和标注：具体步骤如下：
（1）、对采集到的图片进行图像预处理，提高图像的分辨率和清晰度；
（2）、增强预处理的图片经过预训练好ResNet-101网络进行特征提取，再使用多尺度特征金字塔网络FPN进行特征融合构建特征图；
（3）、利用轻量级区域选取网络RPN对特征图中的每一点设置预定数量的ROI，生成多个候选区域ROI，得到的特征图中找出可能存在目标的区域，并将候选区域ROI送入RPN网络进行二值分类和边框回归，过滤掉一部分候选的ROI；
（4）、对剩余的ROI进行ROIAlign操作，得到固定的特征图尺寸并将其输入到预测网络中，实现缺陷类型与掩膜预测；
（5）、Mask-RCNN检测算法部署在Xilinx Zynq UltraScale + MPSoC ZCU102 FPGA评估套件上，在评估板上开展推理应用计算，并将检测结果反馈回PC端；
（6）、并将实例分割好的缺陷图像和缺陷类型信息同底片编号进行服务器保存。
6.根据权利要求5所述的一种焊缝Ｘ射线底片自动数字化采集及智能检测评定方法，其特征在于：数据存储：当焊缝X射线底片数字化图像及底片编号、缺陷信息采集完成后上传至服务器进行存储，服务器系统采用Ubuntu Server，数据库采用MySQL的方式进行存储；X射线底片的存储采用C/S模式，连接的方式采用TCP协议可靠连接，保证X射线底片信息的准确性以及完整性，PC客户端为Client端，存储服务器为Server端，建立连接后将记录好信息的X射线底片发送给服务器，由服务器完成最后的记录。
7.根据权利要求6所述的一种焊缝Ｘ射线底片自动数字化采集及智能检测评定方法，其特征在于：图形用户界面：PC端采用Qt做图形用户界面设计，联网部分采用Qt封装的套接字编程即Qtsocket标准库，由用户对PC端进行相关设置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110299731.0A CN113155869A (zh) | 2021-03-22 | 2021-03-22 | 一种焊缝ｘ射线底片自动数字化采集及智能检测评定装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110299731.0A CN113155869A (zh) | 2021-03-22 | 2021-03-22 | 一种焊缝ｘ射线底片自动数字化采集及智能检测评定装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113155869A true CN113155869A (zh) | 2021-07-23 |
Family
ID=76887743
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110299731.0A Pending CN113155869A (zh) | 2021-03-22 | 2021-03-22 | 一种焊缝ｘ射线底片自动数字化采集及智能检测评定装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113155869A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115193741A (zh) * | 2022-08-22 | 2022-10-18 | 中国特种设备检测研究院 | 射线底片自动分拣系统 |
| CN116630264A (zh) * | 2023-05-21 | 2023-08-22 | 阿里巴巴（中国）有限公司 | 密封钉焊接缺陷的检测方法、存储介质以及电子设备 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5159771A (en) * | 1987-08-24 | 1992-11-03 | Ohlson Carl Eric | Method of examining x-ray films and the like and an examination cabinet for such film examination |
| US5823454A (en) * | 1996-06-26 | 1998-10-20 | Eastman Kodak Company | Film transport apparatus |
| CN101123693A (zh) * | 2007-09-21 | 2008-02-13 | 北京工业大学 | 采用线阵摄像机的工业x射线底片专用扫描仪 |
| CN101178369A (zh) * | 2007-10-23 | 2008-05-14 | 西安交通大学 | 工业射线检测底片数字化装置 |
| CN102590240A (zh) * | 2012-01-16 | 2012-07-18 | 西安交通大学 | 工业射线检测底片数字化装置 |
| CN202488548U (zh) * | 2012-02-24 | 2012-10-10 | 北京国电电科院检测科技有限公司 | 工业底片扫描仪 |
| CN102830129A (zh) * | 2012-08-27 | 2012-12-19 | 张峰 | 用于承压类设备焊缝的射线检测底片的快速高清数字化录入装置 |
| CN105334236A (zh) * | 2015-10-28 | 2016-02-17 | 浙江工业大学义乌科学技术研究院有限公司 | 一种钢板焊缝探伤胶片自动化阅片装置 |
| CN109285139A (zh) * | 2018-07-23 | 2019-01-29 | 同济大学 | 一种基于深度学习的x射线成像焊缝检测方法 |
| CN109696448A (zh) * | 2019-01-18 | 2019-04-30 | 江苏大学 | 一种工业x光胶片数字化成像装置 |
| CN111141765A (zh) * | 2020-01-17 | 2020-05-12 | 中海石油气电集团有限责任公司 | 一种储罐焊缝缺陷自动检测和识别装置 |
-
2021
- 2021-03-22 CN CN202110299731.0A patent/CN113155869A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5159771A (en) * | 1987-08-24 | 1992-11-03 | Ohlson Carl Eric | Method of examining x-ray films and the like and an examination cabinet for such film examination |
| US5823454A (en) * | 1996-06-26 | 1998-10-20 | Eastman Kodak Company | Film transport apparatus |
| CN101123693A (zh) * | 2007-09-21 | 2008-02-13 | 北京工业大学 | 采用线阵摄像机的工业x射线底片专用扫描仪 |
| CN101178369A (zh) * | 2007-10-23 | 2008-05-14 | 西安交通大学 | 工业射线检测底片数字化装置 |
| CN102590240A (zh) * | 2012-01-16 | 2012-07-18 | 西安交通大学 | 工业射线检测底片数字化装置 |
| CN202488548U (zh) * | 2012-02-24 | 2012-10-10 | 北京国电电科院检测科技有限公司 | 工业底片扫描仪 |
| CN102830129A (zh) * | 2012-08-27 | 2012-12-19 | 张峰 | 用于承压类设备焊缝的射线检测底片的快速高清数字化录入装置 |
| CN105334236A (zh) * | 2015-10-28 | 2016-02-17 | 浙江工业大学义乌科学技术研究院有限公司 | 一种钢板焊缝探伤胶片自动化阅片装置 |
| CN109285139A (zh) * | 2018-07-23 | 2019-01-29 | 同济大学 | 一种基于深度学习的x射线成像焊缝检测方法 |
| CN109696448A (zh) * | 2019-01-18 | 2019-04-30 | 江苏大学 | 一种工业x光胶片数字化成像装置 |
| CN111141765A (zh) * | 2020-01-17 | 2020-05-12 | 中海石油气电集团有限责任公司 | 一种储罐焊缝缺陷自动检测和识别装置 |
Non-Patent Citations (3)
| Title |
|---|
| 中国大学生计算机设计大赛组织委员会: "《全国大学生计算机设计大赛2019年参赛指南》", 30 April 2019, 中国铁道出版社有限公司, pages: 183 * |
| 李春明等: "《现代坦克装甲车辆电子综合系统》", 30 June 2019, 北京理工大学出版社, pages: 221 - 222 * |
| 蔡彪等: "基于Mask R-CNN的铸件X射线DR图像缺陷检测研究", 《仪器仪表学报》, vol. 41, no. 3, pages 2 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115193741A (zh) * | 2022-08-22 | 2022-10-18 | 中国特种设备检测研究院 | 射线底片自动分拣系统 |
| CN115193741B (zh) * | 2022-08-22 | 2024-02-20 | 中国特种设备检测研究院 | 射线底片自动分拣系统 |
| CN116630264A (zh) * | 2023-05-21 | 2023-08-22 | 阿里巴巴（中国）有限公司 | 密封钉焊接缺陷的检测方法、存储介质以及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109724984B (zh) | 一种基于深度学习算法的缺陷检测识别装置和方法 | |
| WO2021062536A1 (en) | System and method for ai visual inspection | |
| CN111415329B (zh) | 一种基于深度学习的工件表面缺陷检测方法 | |
| CN111667455B (zh) | 一种刷具多种缺陷的ai检测方法 | |
| CN113155869A (zh) | 一种焊缝ｘ射线底片自动数字化采集及智能检测评定装置 | |
| CN111650210A (zh) | 高速高精度锂离子电池极片的毛刺检测方法及检测系统 | |
| CN107643295A (zh) | 一种基于机器视觉的布匹缺陷在线检测的方法和系统 | |
| CN110794569B (zh) | 细胞微型显微图像采集装置及图像识别方法 | |
| CN110245635B (zh) | 一种煤和矸石的红外图像识别方法 | |
| CN113421230B (zh) | 基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法 | |
| US20210035305A1 (en) | Image-based classification system | |
| CN115184359A (zh) | 一种自动调参的表面缺陷检测系统与方法 | |
| CN111753707B (zh) | 颗粒状农作物不完善粒检测方法及系统 | |
| CN110929795A (zh) | 高速焊线机焊点快速识别与定位方法 | |
| KR20220164124A (ko) | 딥 러닝 모델에 기반하여 제품의 결함 여부를 유형별로 검사하기 위한 시스템 | |
| KR20230147636A (ko) | 자동 목시 검사를 이용한 제조 품질 관리 시스템 및 방법 | |
| CN114674830A (zh) | 一种高速生产线上瓶盖瑕疵检测模组 | |
| KR20240014575A (ko) | 안과용 렌즈들의 이미지들의 획득 및 검사 | |
| CN114972246A (zh) | 一种基于深度学习的模切产品表面缺陷检测方法 | |
| CN114723668A (zh) | 一种基于面阵相机的阴极铜质量检测方法及系统 | |
| CN116128879B (zh) | 一种轻量化输电线路缺陷检测方法和装置 | |
| CN117309892A (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
| CN105973910A (zh) | 基于结构纹理特征的灯管质量检测与瑕疵分类方法及系统 | |
| CN113228049A (zh) | 用于将奶分类的奶分析仪 | |
| CN115861160A (zh) | 一种手机电源接口表面缺陷检测方法、装置和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |