CN114994097A - 一种基于人工智能的远程无损检测装置及其使用方法 - Google Patents

Abstract

本发明涉及一种基于人工智能的远程无损检测装置及其使用方法，其包括：扫描单元、数据传输单元、数字化评定单元和结果显示单元；所述扫描单元设置在检测现场，用于对检测现场得到的射线物理胶片进行数字化处理后，通过所述数据传输单元发送到所述数字化评定单元；所述数字化评定单元设置在远程端，用于对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过所述数据传输单元发送到所述结果显示单元；所述结果显示单元用于接收到的缺陷评定结果后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。本发明可以广泛应用于射线检测技术领域。

Description

一种基于人工智能的远程无损检测装置及其使用方法

技术领域

本发明涉及射线检测技术领域，特别涉及一种基于人工智能的远程无损检测装置及其使用方法。

背景技术

工业上的无损检测，主要用于判定被检测工件的内部质量状况，根据质量要求给出合格与否的结论。射线检测(RT)属于无损检测的一种，其原理是在不损坏探测体的情况下，利用不同厚度的材料对X射线吸收程度的差异检测出金属材料、设备等的内部缺陷。

在工业金属焊接领域，RT检测是检测和保证金属焊缝质量最有效的手段。高效高质量的RT评片结论能够防止不可靠的工件转入下道工序，并将评片结果反馈到生产过程中，提高产品质量及可靠性。传统的射线检测工艺需经历X射线检测成像、专业工程师人工阅片以及物理胶片恒温长期保存等步骤，该方法能直观显示缺陷形状。但是，传统RT检测耗时耗力；物理胶片过多，不易储存和检索；人为因素影响大，存在误判和错判以及多人判断结果不一致等问题。

发明内容

针对上述问题，本发明的目的是提供一种基于人工智能的远程无损检测装置及其使用方法，能够自动且连续阅片，缺陷识别精度高，有效提升无损检测的效率，可以克服RT检测中数据分散、数据查询以及评定环节存在的缺陷漏判等困难。

为实现上述目的，本发明采取以下技术方案：

第一方面，本发明提供一种基于人工智能的远程无损检测装置，其包括：

扫描单元、数据传输单元、数字化评定单元和结果显示单元；

所述扫描单元设置在检测现场，用于对检测现场得到的射线物理胶片进行数字化处理后，通过所述数据传输单元发送到所述数字化评定单元；

所述数字化评定单元设置在远程端，用于对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过所述数据传输单元发送到所述结果显示单元；

所述结果显示单元用于接收到的缺陷评定结果后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

进一步，所述扫描单元采用数字化扫描仪。

进一步，所述扫描单元采用无损检测专业数字化扫描仪。

进一步，所述数字化评定单元包括计算机以及设置在所述计算机内的软件系统；

所述软件系统包括启动面板、底片记录窗口、工作窗口、缺陷显示窗口以及结果输出面板；

所述启动面板中设置有“开始”按钮，用于启动所述软件系统；

所述底片记录窗口用于显示数字化底片的信息，同时对数字化底片信息进行查询和过滤；

所述工作窗口用于对数字化底片信息进行缺陷检测与识别，并显示处理得到的底片缺陷图像；

所述缺陷显示窗口用于显示选定数字化底片的缺陷信息，并对缺陷信息进行筛选，便于用户查找；

所述结果输出面板用于对缺陷信息进行统计，以对数字化底片信息进行批量处理，同时实现数据迁移与数据备份。

进一步，所述工作窗口中存储有智能评片深度学习模型，其包括字符提取模块、缺陷检测模块和评定模块；

所述字符提取模块用于提取数字化底片中的字符信息；

所述缺陷检测模块用于根据提取的字符信息在识别区域内对焊缝缺陷进行检测，得到缺陷的位置、类型，并测量出缺陷的大小；

所述评定模块用于根据缺陷检测模块生成的缺陷位置、类型和大小信息，确定焊缝图像的缺陷最密集区域的位置，并且根据施工项目要求等级，输出该数字化底片的缺陷等级、是否需要返修、确定返修位置信息。

进一步，所述结果显示单元包括设置在远程端的远程结果显示单元和设置在检测现场的现场结果打印单元；所述远程结果显示单元用于对缺陷评定结果进行浏览、复核和标注；所述现场结果打印单元用于供检测现场打印底片缺陷信息，显示射线探伤结果图像和射线探伤报告。

进一步，所述远程结果显示单元包括非移动终端和移动终端。

进一步，所述现场结果打印单元与所述扫描单元集成设置装置，且所述现场结果打印单元包括进片单元、电气控制单元、打印机、打印纸存储盒和底片存储盒；

所述进片单元设置在所述扫描单元上方，并与所述扫描单元紧密连接；所述底片存储盒设置在所述扫描单元落片口的下方，且能够自由抽出；所述电气控制单元和打印机依次设置在所述扫描单元的下方，且所述电气控制单元通过上、下两隔板独立设置于所述扫描单元和打印机中间，用于保证装置平稳运行；所述打印纸存储盒镶嵌在所述打印机中，且能够自由抽出。

第二方面，本发明提供一种基于人工智能的远程无损检测装置的使用方法，其包括以下步骤：

扫描单元对检测现场得到的射线物理胶片进行数字化处理，得到数字化底片信息；

扫描单元处理后的数字化底片信息通过数据传输单元传递至数字化评定单元；

数字化评定单元对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过数据传输单元发送到结果显示单元；

结果显示单元接收到的缺陷评定结果后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

进一步，所述扫描单元对检测现场得到的射线物理胶片进行数字化处理，得到数字化底片信息的方法，包括以下步骤：

利用射线探伤对储罐焊缝进行检测，经过一系列处理生成含有焊缝质量信息的射线物理胶片；

将预设张数的射线物理胶片和打印纸放入扫描单元内；

点击启动按钮，对物理胶片进行数字化处理。

本发明由于采取以上技术方案，其具有以下优点：

1、本发明的数字化评定单元中采用人工智能(AI)技术，能够自动且连续阅片，缺陷识别精度高，提升无损检测的效率，可以克服RT检测中数据分散、数据查询以及评定环节存在的缺陷漏判等困难。

2、本发明设置有数据传输单元，有效将检测现场和评片现场分隔开，检测手段高效且先进，远程访问可设置移动终端使操作更简便。

3、本发明数字化评定单元中使用数字化手段管理物理胶片，建立胶片的电子档案，有利于实现底片信息存档、调阅、复检等需求；

4、本套装置能够人为地对缺陷进行复查和标注，通过阅片人的经验识别并验证缺陷检测数据，使得缺陷识别结果可控而准确，并且通过深度学习的方式实现算法的优化与迭代，不断提升缺陷识别的精度与效率。

因此，本发明可以广泛应用于射线检测技术领域。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：

图1为本发明实施例中基于人工智能的远程无损检测装置的结构示意图；

图2为本发明实施例中数字化评定单元内的软件系统界面；

图3为本发明实施例中将扫描单元1与现场结果打印单元4B集于一体的现场装置5结构示意图；

图中，1、扫描单元；2、数据传输单元；21、网络；22、云端服务器；3、数字化评定单元；4、结果显示单元；4A、远程结果显示单元；41A、非移动终端；42A、移动终端；4B、现场结果打印单元；41B、进片单元；42B、电气控制单元；43B、打印机；44B、打印机存储盒；45B、底片存储盒；5、现场装置。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例1

如图1所示，本实施例提供一种基于人工智能的远程无损检测装置，其包括：扫描单元1、数据传输单元2、数字化评定单元3和结果显示单元4。其中，扫描单元1设置在检测现场，用于对检测现场得到的射线物理胶片进行数字化处理后，通过数据传输单元2发送到数字化评定单元3；数字化评定单元3设置在远程端，用于对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过数据传输单元2发送到结果显示单元4；结果显示单元4用于对接收到的缺陷评定结果进一步处理后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

在一个优选的实施例中，扫描单元1采用数字化扫描仪，该数字化扫描仪以一定的扫描采样率对检测现场的射线物理胶片进行采样、量化，并转换为射线检测的数字化图像，实现物理胶片的数字化，确保物理胶片向数字化底片图像有效信息的完整传递，满足下一步智能识别需求。

在一个优选的实施例中，数字化扫描仪可以采用无损检测专业数字化扫描仪，扫描仪能够保证扫描图像质量和图像灰度再现。

在一个优选的实施例中，数据传输单元2采用网络21或云端服务器22中的至少一种。其中，网络21可以采用常规的有线网络或无线网络，本发明对此不做限制。云端服务器22采用云技术搭建而成，作为信息传递的枢纽，即建立云端无损检测数据中心存储数据，供检测现场及远程端客户进行上传或下载。

具体地，当数据传输单元2采用网络21时，检测现场的扫描单元1将处理得到的数字化底片信息通过网络21发送到远程端的数字化评定单元3，数字化评定单元3将处理得到的缺陷评定结果通过网络21发送到结果显示单元4。

当数据传输单元2采用云端服务器22时，检测现场的扫描单元1将处理得到的数字化底片信息传输到云端服务器22上，在远程端数字化评定单元3从云端服务器22下载并进行缺陷检测与识别，然后将得到的缺陷评定结果上传至云端服务器22；结果显示单元4从云端服务器22下载缺陷评定结果进行进一步处理，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

在一个优选的实施例中，云端服务器22包括网络、CPU、内存和存储系统等部分，本发明对此不做限制。

在一个优选的实施例中，数字化评定单元3包括计算机31以及设置在计算机31内的软件系统32。

如图2所示，软件系统32由启动面板(图2左侧下部)、底片记录窗口(图2左侧上部)、工作窗口(图2中部)、缺陷显示窗口(图2右侧上部)以及结果输出面板(图2右侧下部)组成。其中，启动面板中设置有“开始”按钮，用于启动软件系统32；底片记录窗口用于依次显示数字化底片的信息，包括板材厚度、底片编号、拍照时间、焊工编号等，且具有查询底片和过滤的功能；工作窗口用于对数字化底片信息进行缺陷检测与识别，并显示处理得到的底片缺陷图像，还可以对缺陷信息进行标注，例如添加/删除缺陷、调整缺陷位置/大小/方向等，还添加了隐藏/显示缺陷、缩放底片等辅助功能；缺陷显示窗口用于显示选定底片的缺陷信息，并可对缺陷信息进行筛选，便于用户查找；结果输出面板用于对焊接缺陷数据进行统计，能对底片信息批量处理，实现数据迁移与数据备份。

其中，工作窗口利用AI算法对数字化图像信息进行缺陷识别和评级，该AI算法结合无损检测的国内标准(NB/T 47013)、国际标准(ISO 17636、ISO 5817)和美国标准(ASMEⅤ)等标准定义整个算法部分的输入输出及其具体的功能指标，可对数字化底片中的图形缺陷(气孔)、条形缺陷(夹渣)、未熔合、未焊透、裂纹等各类缺陷进行识别和缺陷。

具体地，工作窗口中存储有智能评片深度学习模型，其包括字符提取模块、缺陷检测模块和评定模块。其中，字符提取模块用于提取数字化底片中的字符信息，包含板材厚度、图纸编号、中心标记等信息，提取的字符不仅作为物理胶片的数字化数据得以保存，其中的关键字符还可以被人为标注，也是焊缝缺陷评定的重要参数与依据。每张数字化底片图像都有各自对应的字符边界，作为每张数字化底片缺陷的识别区域；缺陷检测模块用于根据提取的字符信息在识别区域内对焊缝缺陷进行检测，得到缺陷的位置、类型，并测量出缺陷的大小；评定模块用于根据缺陷检测模块生成的缺陷位置、类型和大小信息，确定焊缝图像的缺陷最密集区域的位置，并且根据施工项目要求等级，输出该焊缝图像的缺陷等级、是否需要返修、确定返修位置等信息。

工作窗口能够利用AI算法识别缺陷并评级，针对射线检测图像建立数字化档案，在高性能GPU硬件平台上训练智能评片深度学习模型。在模型参数收敛后，将模型集成到数字评片流程中，由模型算法自动计算缺陷评定结果，最终由远程端核对判定后输出数字评片结果。

通过AI技术，建立算法模型，能够自动且不间断连续阅片，提高工作效率，大幅度提高缺陷检测的召回率(真实缺陷中被检测出来的比率)和准确率(检测到缺陷中真实缺陷的比率)。当录入的检测数据(即样本数量)、人为标注数据越多，或者根据阅片人的复核结果反馈的数据量越多，模型可通过深度学习、训练算法等方式不断优化算法，提升缺陷识别精度与效率。该套基于人工智能的远程无损检测装置对于缺陷识别的最终目标是召回率不低于95％、准确度不低于90％。

远程端可实现多客户端录入，即可以同时接收、处理、管理由不同边端的扫描单元输入的数字化底片，并利用网络21传递数据并在数字化评片单元3开展底片浏览、信息标注和统计分析等工作，或者从云端服务器22下载底片数字化信息并在数字化评定单元3进行缺陷评定。

在一个优选的实施例中，结果显示单元4包括设置在远程端的远程结果显示单元4A和设置在检测现场的现场结果打印单元4B。其中，远程结果显示单元4A用于对缺陷评定结果进行浏览、复核和标注；现场结果打印单元4B用于供检测现场打印底片缺陷信息，显示射线探伤结果图像和射线探伤报告。

在一个优选的实施例中，远程结果显示单元4A包括非移动终端41A和移动终端42A。其中，非移动终端41A和移动终端42A作为系统主体和人机交互工具，可根据客户需求以及便携程度来划分。

具体地，非移动终端41A指不易携带、安装固定的设备，一般指计算机。当采用与数字化评定单元3相同的计算机，那么该计算机除了进行数字化缺陷评定外，还可以用于显示缺陷评定结果。

移动终端42A指的是可在移动中使用的便携设备，主要包括笔记本、手机、平板电脑等。移动终端42A集成CPU、内存、网络等硬件系统以及软件系统。软件系统则配套于数字化评定单元3的软件系统32。移动终端42A的软件系统需配置相应的操作系统，如Windows、Android、IOS等。通过数据传输单元2，实现数字化评定单元3与结果显示单元4的数据互通共联。用户可以通过移动终端42A的电子显示屏读取并操作由数字化评定单元3处理并通过数据传输单元2传输的缺陷评定数据。移动终端42A通过人机交互的模式，可以实现结果显示、结果存储、数据下载等功能。

在一个优选的实施例中，如图3所示，现场结果打印单元4B与扫描单元1可集成为一个现场装置5，以便实现装置功能的连贯性与统一性，但不同单元间能够单独工作，互不影响。为提高现场装置工作效率，现场装置5还需实现自动进片、多张物理胶片共同放入等功能。

具体地，现场装置5包括扫描单元1、进片单元41B、电气控制单元42B、打印机43B、打印纸存储盒44B和底片存储盒45B等。其中，进片单元41B设置在现场装置5的最顶部；扫描单元1位于进片单元41B的下方，并与进片单元41B紧密连接；底片存储盒45B设置在扫描单元1落片口的下方，可以自由抽出；电气控制单元42B和打印机43B依次设置在扫描单元1的下方，且电气控制单元42B通过上、下两隔板独立于扫描单元1和打印机43B中间，保证装置平稳运行；打印纸存储盒44B镶嵌在打印机43B中，可以自由抽出。

本实施例将人工智能(AI)技术引入无损检测领域，通过采用数字化评片技术，能够实现自动且连续阅片，提高工作效率与检测精度。数字化的管理方式能够实现远程阅片，不仅利于保存胶片，还可便于事后复检。通过形成标准化、系列化焊缝缺陷智能评定产品和服务，AI无损检测方法结合云技术建立无损检测数据中心。除了覆盖LNG接收站的焊接检测，应用范围可拓展至压力容器、管道和阀门无损检测领域，远期可覆盖造船、核电以及轨道交通等领域，具有非常可期的市场前景。

实施例2

本实施例以检测储罐九镍钢焊缝缺陷为例，对基于人工智能的远程无损检测装置的使用方法进行介绍，当数据传输单元2采用网络21进行数据传输时，其包括以下步骤：

(1)扫描单元1对检测现场得到的射线物理胶片进行数字化处理，得到数字化底片信息。

具体地，上述步骤(1)可以通过以下步骤实现：

(1.1)利用射线探伤对储罐焊缝进行检测，经过一系列处理生成含有焊缝质量信息的射线物理胶片；其中，X射线焊缝原始图像格式可为16bit TIF；

(1.2)将射线物理胶片(一次性可至少放入20张胶片)和打印纸放入现场装置5的进片单元41B内；

(1.3)点击现场装置5的启动按钮，对物理胶片进行数字化处理。

现场装置5工作时，进片单元41B将预先放置的射线物理胶片输送到扫描单元1，扫描单元1对落入的射线物理胶片自动识别，并完成底片数字化识别处理工作；工作完成后沿滑板架落入底片存储盒45B，检测现场可抽出底片存储盒45B，取出扫描完成的胶片，并依次放入下一批胶片。

(2)扫描单元1处理后的数字化底片信息通过数据传输单元2传递至数字化评定单元3。

具体地，当数据传输单元2采用网络21进行数据传输时，按照常规方法将扫描单元1、数字化评定单元3和结果显示单元4进行网络连接即可。

(3)数字化评定单元3对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过数据传输单元2发送到结果显示单元4。

(4)结果显示单元4对接收到的缺陷评定结果进一步处理后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

其中，现场端通过数字化流程扫描物理胶片，并将数字化底片及其底片数据上传至数字化评定单元3。数字化评定单元3处理得出缺陷评定结果，若数字化评定单元3和远程显示单元4A为同一计算机设备，那么阅片人即在焊缝缺陷评定后，对缺陷评定结果进行浏览、复核和标注；若数字化评定单元3和远程显示单元4A为不同设备，那么在数字化评定单元3完成缺陷评定后，经数据传输单元2上传到结果显示单元4后，阅片人在远程结果显示单元4A对缺陷评定结果进行浏览、复核和标注。在评片完成后经数据传输单元2传输到现场结果打印单元4B，供检测现场打印底片缺陷信息，显示探伤结果图像和探伤报告。

实施例3

当数据传输单元2采用云端服务器22进行数据传输时，本实施例对基于人工智能的远程无损检测装置的使用方法进行介绍，其包括以下步骤：

1)在检测现场和远程端设定配置文件，包括数据中心IP、现场自动上传开关、远程端自动查询下载开关，并具备联网和无线等功能；

2)通过扫描单元1，将其扫描的数字化底片信息上传至无损检测数据中心；

3)开启数字化评定单元3中的软件系统32，无损检测数据中心检测新增数据，软件32将自动下载新增数据并提醒远程端的阅片人；

4)数字化评定单元3中的软件系统32对数字化底片信息进行缺陷检测和识别，阅片人对数字化底片图像进行评片标注以及复核。若无异议，则将得到的缺陷评定结果上传到无损检测数据中心；

5)现场端配备的现场装置5将自动下载缺陷评定数据，并打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。最终现场端的施工人员将根据现场装置打印的评片结果对焊接问题(返修片)进行处理。

上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。

Claims (9)

1.一种基于人工智能的远程无损检测装置，其特征在于，包括：

扫描单元、数据传输单元、数字化评定单元和结果显示单元；

所述扫描单元设置在检测现场，用于对检测现场得到的射线物理胶片进行数字化处理后，通过所述数据传输单元发送到所述数字化评定单元；

所述数字化评定单元设置在远程端，用于对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过所述数据传输单元发送到所述结果显示单元；

所述结果显示单元用于接收到缺陷评定结果后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

2.如权利要求1所述的一种基于人工智能的远程无损检测装置，其特征在于，所述扫描单元采用数字化扫描仪。

3.如权利要求1所述的一种基于人工智能的远程无损检测装置，其特征在于，所述数字化评定单元包括计算机以及设置在所述计算机内的软件系统；

所述软件系统包括启动面板、底片记录窗口、工作窗口、缺陷显示窗口以及结果输出面板；

所述启动面板中设置有“开始”按钮，用于启动所述软件系统；

所述底片记录窗口用于显示数字化底片的信息，同时对数字化底片信息进行查询和过滤；

所述工作窗口用于对数字化底片信息进行缺陷检测与识别，并显示处理得到的底片缺陷图像；

所述缺陷显示窗口用于显示选定数字化底片的缺陷信息，并对缺陷信息进行筛选，便于用户查找；

所述结果输出面板用于对缺陷信息进行统计，以对数字化底片信息进行批量处理，同时实现数据迁移与数据备份。

4.如权利要求3所述的一种基于人工智能的远程无损检测装置，其特征在于，所述工作窗口存储有智能评片深度学习模型，其包括字符提取模块、缺陷检测模块和评定模块；

所述字符提取模块用于提取数字化底片中的字符信息；

所述缺陷检测模块用于根据提取的字符信息在识别区域内对焊缝缺陷进行检测，得到缺陷的位置、类型，并测量出缺陷的大小；

所述评定模块用于根据缺陷检测模块生成的缺陷位置、类型和大小信息，确定焊缝图像的缺陷最密集区域的位置，并且根据施工项目要求等级，输出该数字化底片的缺陷等级、是否需要返修、确定返修位置信息。

5.如权利要求1所述的一种基于人工智能的远程无损检测装置，其特征在于，所述结果显示单元包括设置在远程端的远程结果显示单元和设置在检测现场的现场结果打印单元；所述远程结果显示单元用于对缺陷评定结果进行浏览、复核和标注；所述现场结果打印单元用于供检测现场打印底片缺陷信息，显示射线探伤结果图像和射线探伤报告。

6.如权利要求5所述的一种基于人工智能的远程无损检测装置，其特征在于，所述远程结果显示单元包括非移动终端和移动终端。

7.如权利要求5所述的一种基于人工智能的远程无损检测装置，其特征在于，所述现场结果打印单元与所述扫描单元集成设置，且所述现场结果打印单元包括进片单元、电气控制单元、打印机、打印纸存储盒和底片存储盒；

所述进片单元设置在所述扫描单元上方，并与所述扫描单元紧密连接；所述底片存储盒设置在所述扫描单元落片口的下方，且能够自由抽出；所述电气控制单元和打印机依次设置在所述扫描单元的下方，且所述电气控制单元通过上、下两隔板独立设置于所述扫描单元和打印机中间，用于保证装置平稳运行；所述打印纸存储盒镶嵌在所述打印机中，且能够自由抽出。

8.一种采用如权利要求1～7任一项所述基于人工智能的远程无损检测装置的使用方法，其特征在于包括以下步骤：

扫描单元对检测现场得到的射线物理胶片进行数字化处理，得到数字化底片信息；

扫描单元处理后的数字化底片信息通过数据传输单元传递至数字化评定单元；

数字化评定单元对接收到的数字化底片信息进行缺陷检测与识别，并将得到的缺陷评定结果通过数据传输单元发送到结果显示单元；

结果显示单元接收到的缺陷评定结果后，供检测现场打印底片缺陷信息，对探伤结果图像和探伤报告进行显示。

9.如权利要求8所述的一种基于人工智能的远程无损检测装置的使用方法，其特征在于：所述扫描单元对检测现场得到的射线物理胶片进行数字化处理，得到数字化底片信息的方法，包括以下步骤：

利用射线探伤对储罐焊缝进行检测，经过处理生成含有焊缝质量信息的射线物理胶片；

将预设张数的射线物理胶片和打印纸放入扫描单元内；

点击启动按钮，对物理胶片进行数字化处理。

Images