CN115308310A - 一种管路内壁的超声探伤识别方法 - Google Patents

一种管路内壁的超声探伤识别方法 Download PDF

Info

Publication number
CN115308310A
CN115308310A CN202211195248.9A CN202211195248A CN115308310A CN 115308310 A CN115308310 A CN 115308310A CN 202211195248 A CN202211195248 A CN 202211195248A CN 115308310 A CN115308310 A CN 115308310A
Authority
CN
China
Prior art keywords
image
analyzed
ultrasonic
wave
possibility
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
CN202211195248.9A
Other languages
English (en)
Other versions
CN115308310B (zh
Inventor
涂辉
陈吉福
陶朝清
黄维
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.)
Yulong Semiconductor Equipment Jiangsu Co ltd
Original Assignee
Yulong Semiconductor Equipment Jiangsu Co ltd
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 Yulong Semiconductor Equipment Jiangsu Co ltd filed Critical Yulong Semiconductor Equipment Jiangsu Co ltd
Priority to CN202211195248.9A priority Critical patent/CN115308310B/zh
Publication of CN115308310A publication Critical patent/CN115308310A/zh
Application granted granted Critical
Publication of CN115308310B publication Critical patent/CN115308310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N29/0654—Imaging
    • G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
    • 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
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4454—Signal recognition, e.g. specific values or portions, signal events, signatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Signal Processing (AREA)
  • Acoustics & Sound (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及超声探伤技术领域，具体涉及一种管路内壁的超声探伤识别方法，该方法包括：获取管路内壁的超声波图像，根据波的幅值和波峰数量计算可能性指标；获取可能性指标大于阈值的超声波图像记为待分析图像，根据波的类别数和波幅宽度计算待分析图像对应的第一可能性指标；根据待分析图像与相邻帧超声波图像上波动振幅获得波的相似度，进而得到第二可能性指标；根据所述可能性指标、第一可能性指标和第二可能性指标得到待分析图像存在裂缝缺陷的可能性，若待分析图像存在裂缝缺陷的可能性大于可能性阈值，则该待分析图像存在裂缝缺陷。本发明加大了裂缝区域识别的准确率，提高了识别效率。

Description

一种管路内壁的超声探伤识别方法
技术领域
本发明涉及超声探伤技术领域，具体涉及一种管路内壁的超声探伤识别方法。
背景技术
超声波检测也叫超声检测、超声波探伤，是无损检测的一种。无损检测是在不损坏工件或原材料工作状态的前提下，对被检验不见的表面和内部质量进行检查的一种检测手段。
目前便携式的脉冲反射式超声波无损检测探伤仪大部分是A扫描方式的，所谓A扫描显示方式即显示器的横坐标是超声波在被检测材料中的传播时间或者传播距离，纵坐标是超声波反射波的幅值。譬如，在一个钢工件中存在一个缺陷，由于这个缺陷的存在，造成了缺陷和钢材料之间形成了一个不同介质之间的交界面，交界面之间的声阻抗不同，当发射的超声波遇到这个界面之后，就会发生反射，反射回来的能量又被探头接受到，在显示屏幕中横坐标的一定的位置就会显示出来一个反射波的波形，横坐标的这个位置就是缺陷在被检测材料中的深度。这个反射波的高度和形状因不同的缺陷而不同，反映了缺陷的性质。
然而其缺点是对工作表面要求平滑、要求富有经验的检验人员才能辨别缺陷种类、对缺陷没有直观性，故亟需一种可以自动化识别方法获取的探伤曲线，进而增加超声探伤检测效率。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种管路内壁的超声探伤识别方法，所采用的技术方案具体如下：
利用管路内壁超声波探伤装置获取对应管路内部的超声波图像，根据超声波图像中波的幅值以及波峰的数量，计算超声波图像中出现缺陷的可能性指标；
获取可能性指标大于阈值的超声波图像记为待分析图像，根据待分析图像中波的位置和波峰的大小进行聚类，得到多个类别；根据波的类别数和波幅宽度以及振幅得到第一可能性指标；
获取在待分析图像之前和之后相邻帧超声波图像，获取待分析图像以及相邻帧图像中振幅大于阈值的波，根据波的幅值和宽度计算待分析图像中波的相似度；根据所述波的相似度计算第二可能性指标；
根据所述可能性指标、第一可能性指标和第二可能性指标得到待分析图像存在裂缝缺陷的可能性，设置可能性阈值，若待分析图像存在裂缝缺陷的可能性大于可能性阈值，则该待分析图像存在裂缝缺陷。
优选地，所述超声波图像中出现缺陷的可能性指标的获取方法具体为：
获取无缺陷的管路内壁的超声回波图像，计算超声波图像中出现缺陷的可能性指标，用公式表示为：
Figure 460723DEST_PATH_IMAGE002
其中，Q为超声回波图像出现缺陷的可能性指标，
Figure 100002_DEST_PATH_IMAGE003
、
Figure 264250DEST_PATH_IMAGE004
分别表示超声波图像中波峰的数量和无缺陷的管路内壁的超声回波图像中波峰的数量，
Figure 100002_DEST_PATH_IMAGE005
、
Figure 98345DEST_PATH_IMAGE006
分别表示超声波图像中波峰最大值和无缺陷的管路内壁的超声回波图像中波峰的最大值。
优选地，所述第一可能性指标的获取方法具体为：
Figure 831946DEST_PATH_IMAGE008
其中，
Figure 100002_DEST_PATH_IMAGE009
表示待分析图像中第i个类别内波的波幅宽度，
Figure 850717DEST_PATH_IMAGE010
表示振幅值，e表示图像中波的种类数量，所述波幅宽度为第i个类别中所有波的波幅宽度之和。
优选地，所述波的相似度的获取方法具体为：
Figure 200927DEST_PATH_IMAGE012
其中，
Figure 100002_DEST_PATH_IMAGE013
、
Figure 101362DEST_PATH_IMAGE014
分别表示待分析图像中和相邻帧超像素图像中波的幅值，
Figure 100002_DEST_PATH_IMAGE015
、
Figure 892732DEST_PATH_IMAGE016
表示待分析图像中和相邻帧超像素图像中波的宽度，
Figure 100002_DEST_PATH_IMAGE017
、
Figure 426613DEST_PATH_IMAGE018
表示待分析图像中和相邻帧超像素图像中波的波峰所在横坐标，
Figure 100002_DEST_PATH_IMAGE019
分别表示待分析图像中和相邻帧超像素图像中的波的形状相似性。
优选地，所述第二可能性指标的获取方法具体为：
Figure 60856DEST_PATH_IMAGE020
其中，E表示第二可能性指标，u表示待分析图像中的波的数量，v表示相邻帧超声波图像中的波与待分析图像中第i个波相似的波的数量，
Figure 100002_DEST_PATH_IMAGE021
即为待分析图像中第i个波和相邻帧超声波图像中第j个波的相似度，
Figure 236754DEST_PATH_IMAGE022
表示相邻帧超声波图像中所有与待分析图像中第i个波相似的波的幅值差异的平均值。
优选地，所述待分析图像存在裂缝缺陷的可能性的获取方法具体为：
Figure 201737DEST_PATH_IMAGE024
其中，T为待分析图像对应的管路内壁存在裂缝缺陷的可能性，Q为超声波图像中出现缺陷的可能性指标，W为第一可能性指标，E为第二可能性指标，
Figure 100002_DEST_PATH_IMAGE025
为自然常数e的指数函数。
本发明实施例至少具有如下有益效果：
本发明通过对超声波图像进行分析，根据不同缺陷类型特征，尤其为在探头移动时，裂缝区域与未焊透、未融化区域形成独特特征进行区别，加大了裂缝区域识别的准确率，提高了识别效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1是本发明的一种管路内壁的超声探伤识别方法的方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种管路内壁的超声探伤识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种管路内壁的超声探伤识别方法的具体方案。
实施例：
请参阅图1，其示出了本发明一个实施例提供的一种管路内壁的超声探伤识别方法的方法流程图，该方法包括以下步骤：
步骤一，利用管路内壁超声波探伤装置获取对应管路内部的超声波图像，根据超声波图像中波的幅值以及波峰的数量，计算超声波图像中出现缺陷的可能性指标。
首先，通过使用管路内壁超声波探伤装置获取对应管路内壁超声波图像。根据获取的图像进行分析。其中超声波探伤装置获取图像的频率为人为设定。但为方便后续计算及实际效率要求，需要保障每次拍摄获取的图像波与相邻获取的图像波有最少20%的重复区域。
需要说明的是，根据先验知识能够获得管路内壁常见的几种探伤缺陷，即气孔缺陷，单个气孔回波高度低，波形稳定，稍微移动探头就消失，密集气孔为一组反射波，其波杜随气孔大小不易。未焊透缺陷，声波在缺陷表面类似镜面反射，探头移动时，波形稳定。未熔合缺陷，超声波垂直入射到期表面时，回波幅值大，探头平移时，波形较稳定。裂缝缺陷，裂缝回波较大，波幅宽，会出现多峰，探头平移时，反射波连续出现，波幅有变化。
然后，在进行探伤的过程中，不仅存在着除了待检测的裂缝缺陷形成的超声回波，还存在着噪声行程的超声回波，由于不同缺陷对应不同的超声回波图像，故需要在排除噪声干扰的情况下对超声回波进行分析，进而获取管路内壁真实情况。
根据现有先验知识可以将缺陷类型分为气孔缺陷，夹渣缺陷、裂缝缺陷、及其它缺陷或噪声几种。本发明使用超声探伤获取超声回波图像，主要根据图像判断管路内壁是否出现裂缝缺陷。根据对裂缝缺陷及其它缺陷的分析可知，在无噪声的情况下，可以根据超声回波形成的图像较高准确的判断裂缝缺陷。故本发明旨在减少超声回波图像中噪声对裂缝检测的干扰，并且对获取波形是否满足裂缝缺陷的识别。
最后，本发明根据对获取的超声回波进行初步分析，进而确定其是否出现缺陷。具体地，获取标准正常的不存在缺陷的管路内壁的超声回波图像，根据超声波图像中回波的幅值及波形的形态与标准正常不存在缺陷的管路内壁超声回波图像的波形的差异，进行初步判断。计算超声回波图像出现缺陷问题的可能性指标，用公式表示为：
Figure 172098DEST_PATH_IMAGE002
其中，Q为超声回波图像出现缺陷的可能性指标，
Figure 355955DEST_PATH_IMAGE003
、
Figure 397860DEST_PATH_IMAGE004
分别表示超声波图像中波峰的数量和无缺陷的管路内壁的超声回波图像中波峰的数量，其获取方法为获取图像对应的拟合函数曲线，根据函数曲线中极大值的数量进行获取。
Figure 694981DEST_PATH_IMAGE005
、
Figure 429718DEST_PATH_IMAGE006
分别表示超声波图像中波峰最大值和无缺陷的管路内壁的超声回波图像中波峰的最大值，即幅值大小。
当所获取的超声回波图像与标准无缺陷超声波图像的波峰数量的差异以及波峰幅值的差越大，则其图像对应检测区域出现缺陷的可能越大。设置阈值φ=0.7，即当超声波图像对应的可能性指标大于阈值φ时，则超声波图像对应的检测区域可能存在缺陷，便需对图像进行进一步分析，进而确定是否出现裂缝缺陷。
步骤二，获取可能性指标大于阈值的超声波图像记为待分析图像，根据待分析图像中波的位置和波峰的大小进行聚类，得到多个类别；根据波的类别数和波幅宽度以及振幅得到第一可能性指标。
具体地，可能性指标大于阈值φ的超声波图像记为待分析图像。由于噪声或小幅度振幅的原因，可能导致有些区域获取的波宽度不准确。故本实施例使用基于密度的聚类方法DBSCAN算法进行聚类，根据待分析图像中的波的位置及波峰大小对波进行聚类，
根据波的类别数和波幅宽度以及振幅得到第一可能性指标，用公式表示为：
Figure 835292DEST_PATH_IMAGE026
其中，
Figure 680888DEST_PATH_IMAGE009
表示待分析图像中第i个类别内波的波幅宽度，
Figure 363673DEST_PATH_IMAGE010
表示振幅值，e表示图像中波的种类数量。所述波幅宽度为第i个类别中所有波的波幅宽度之和。其中e即为聚类后获取的聚类种类数。当所求波幅宽度越宽，振幅越大，波峰分布数量越少，则其对应待分析图像为裂缝区域的可能性越大。
需要说明的是，根据裂缝图像在超声波图像中的特征可知，将图像进行分析，获取其波峰幅值、波的传播时间，波的密度、波峰幅值等信息进行分析时，可能会将未熔合、未焊透等其他缺陷误识为裂缝缺陷。故可以根据超声检测探头移动时，获取对其移动过程中的特征进行分析，进一步确定缺陷类型。
步骤三，获取在待分析图像之前和之后相邻帧超声波图像，获取待分析图像以及相邻帧图像中振幅大于阈值的波，根据波的幅值和宽度计算待分析图像中波的相似度；根据所述波的相似度计算第二可能性指标。
具体地，对待分析图像的相邻的前后帧超声波图像中波峰的变化进行分析，通过对裂缝缺陷平移时，即探头平移时，反射波连续出现，波幅有变化的特征，对待分析图像的相邻的前后帧超声波图像进行分析。其中参考帧数量根据实际情况进行设置，本实施例对待分析图像相邻的前后3帧图像共计7帧图像进行分析。
根据常见的缺陷类型进行分析可知，当对波幅宽度、振幅等图像信息进行分析时可知，与此要求类似的波形态还有未焊透、未熔合等情况，并不能准确将图像中裂缝缺陷识别出来。故可以根据连续移动时，裂缝区域出现的独特特征将裂缝区域识别出来。
获取待分析图像中的波，设置阈值φ=10，所述波即满足波的振幅大于阈值φ的波。同时，待分析图像的相邻的前后m帧超声波图像，在本实施例中m的取值为3，并且也获取相邻的前后m帧超声波图像中振幅大于阈值φ的波。
将获取的波进行匹配，其中匹配方法为：将图像中的波按照反射时间，即横坐标，波的幅值即纵坐标，波的宽度，以及波的形状进行匹配。计算波的相似度，用公式表示为：
Figure 804DEST_PATH_IMAGE012
其中，
Figure 34619DEST_PATH_IMAGE013
、
Figure 683906DEST_PATH_IMAGE014
分别表示待分析图像中和相邻帧超像素图像中波的幅值，
Figure 486777DEST_PATH_IMAGE015
、
Figure 422372DEST_PATH_IMAGE016
表示待分析图像中和相邻帧超像素图像中波的宽度，
Figure 943483DEST_PATH_IMAGE017
、
Figure 865303DEST_PATH_IMAGE018
表示待分析图像中和相邻帧超像素图像中波的波峰所在横坐标，
Figure 522680DEST_PATH_IMAGE019
分别表示待分析图像中和相邻帧超像素图像中的波的形状相似性。所述波的形状相似度采用形状上下文算法获取，且该算法为公知技术，在此不再过多介绍。
即所求两个波的纵横坐标差异越小，形状越相似，波宽度差异越小，则两个波越相似，设置阈值ψ=10，即当所求波的相似度D小于阈值ψ时，便可认为两个波相似。
将其中与待分析图像中的波匹配的波进行分析，即获取相似度小于阈值ψ的波进行分析，获取图像中波的稳定性，也即计算待分析图像对应的第二可能性指标，用公式表示：
Figure 504542DEST_PATH_IMAGE020
其中，E表示第二可能性指标，u表示待分析图像中的波的数量，v表示相邻帧超声波图像中的波与待分析图像中第i个波相似的波的数量，
Figure 372004DEST_PATH_IMAGE021
即为待分析图像中第i个波和相邻帧超声波图像中第j个波的相似度，
Figure 366024DEST_PATH_IMAGE022
表示相邻帧超声波图像中所有与待分析图像中第i个波相似的波的幅值差异的平均值。
相邻帧超声波图像中的波与待分析图像中的波的相似性越小，
Figure 877908DEST_PATH_IMAGE021
的取值越大，相似波的幅值差异越大，则说明其不平稳程度越大，图像波为缺陷的可能性越大，即第二可能性指标E的取值越大。
步骤四，根据所述可能性指标、第一可能性指标和第二可能性指标得到待分析图像存在裂缝缺陷的可能性，设置可能性阈值，若待分析图像存在裂缝缺陷的可能性大于可能性阈值，则该待分析图像存在裂缝缺陷。
具体地，根据获取的超声波图像，通过检测图像中异常超声波进而对内壁缺陷进行判断。根据超声波图像中出现缺陷的可能性指标Q、待分析图像对应的管路内壁存在裂缝缺陷的第一可能性指标W以及待分析图像对应的管路内壁存在裂缝缺陷的第二可能性指标E获取待分析图像对应的管路内壁存在裂缝缺陷的可能性T，用公式表示为：
Figure 296251DEST_PATH_IMAGE028
其中，T为待分析图像对应的管路内壁存在裂缝缺陷的可能性，Q为超声波图像中出现缺陷的可能性指标，W为第一可能性指标，E为第二可能性指标，
Figure 526375DEST_PATH_IMAGE025
为自然常数e的指数函数。
设置可能性阈值，在本实施例中可能性阈值的取值为μ=0.7，当待分析图像对应的管路内壁存在裂缝缺陷的可能性T的取值大于可能性阈值时，则认为该待分析图像对应的管路内壁存在的缺陷为裂缝缺陷。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种管路内壁的超声探伤识别方法，其特征在于，该方法包括以下步骤：
利用管路内壁超声波探伤装置获取对应管路内部的超声波图像，根据超声波图像中波的幅值以及波峰的数量，计算超声波图像中出现缺陷的可能性指标；
获取可能性指标大于阈值的超声波图像记为待分析图像，根据待分析图像中波的位置和波峰的大小进行聚类，得到多个类别；根据波的类别数和波幅宽度以及振幅得到第一可能性指标；
获取在待分析图像之前和之后相邻帧超声波图像，获取待分析图像以及相邻帧图像中振幅大于阈值的波，根据波的幅值和宽度计算待分析图像中波的相似度；根据所述波的相似度计算第二可能性指标；
根据所述可能性指标、第一可能性指标和第二可能性指标得到待分析图像存在裂缝缺陷的可能性，设置可能性阈值，若待分析图像存在裂缝缺陷的可能性大于可能性阈值，则该待分析图像存在裂缝缺陷。
2.根据权利要求1所述的一种管路内壁的超声探伤识别方法，其特征在于，所述超声波图像中出现缺陷的可能性指标的获取方法具体为：
获取无缺陷的管路内壁的超声回波图像，计算超声波图像中出现缺陷的可能性指标，用公式表示为：
Figure 442761DEST_PATH_IMAGE002
其中，Q为超声回波图像出现缺陷的可能性指标，
Figure DEST_PATH_IMAGE003
、
Figure 497917DEST_PATH_IMAGE004
分别表示超声波图像中波峰的数量和无缺陷的管路内壁的超声回波图像中波峰的数量，
Figure DEST_PATH_IMAGE005
、
Figure 153020DEST_PATH_IMAGE006
分别表示超声波图像中波峰最大值和无缺陷的管路内壁的超声回波图像中波峰的最大值。
3.根据权利要求1所述的一种管路内壁的超声探伤识别方法，其特征在于，所述第一可能性指标的获取方法具体为：
Figure 485913DEST_PATH_IMAGE008
其中，
Figure DEST_PATH_IMAGE009
表示待分析图像中第i个类别内波的波幅宽度，
Figure 175651DEST_PATH_IMAGE010
表示振幅值，e表示图像中波的种类数量，所述波幅宽度为第i个类别中所有波的波幅宽度之和。
4.根据权利要求1所述的一种管路内壁的超声探伤识别方法，其特征在于，所述波的相似度的获取方法具体为：
Figure 935797DEST_PATH_IMAGE012
其中，
Figure DEST_PATH_IMAGE013
、
Figure 815547DEST_PATH_IMAGE014
分别表示待分析图像中和相邻帧超像素图像中波的幅值，
Figure DEST_PATH_IMAGE015
、
Figure 889813DEST_PATH_IMAGE016
表示待分析图像中和相邻帧超像素图像中波的宽度，
Figure DEST_PATH_IMAGE017
、
Figure 168479DEST_PATH_IMAGE018
表示待分析图像中和相邻帧超像素图像中波的波峰所在横坐标，
Figure DEST_PATH_IMAGE019
分别表示待分析图像中和相邻帧超像素图像中的波的形状相似性。
5.根据权利要求1所述的一种管路内壁的超声探伤识别方法，其特征在于，所述第二可能性指标的获取方法具体为：
Figure 37209DEST_PATH_IMAGE020
其中，E表示第二可能性指标，u表示待分析图像中的波的数量，v表示相邻帧超声波图像中的波与待分析图像中第i个波相似的波的数量，
Figure DEST_PATH_IMAGE021
即为待分析图像中第i个波和相邻帧超声波图像中第j个波的相似度，
Figure 398395DEST_PATH_IMAGE022
表示相邻帧超声波图像中所有与待分析图像中第i个波相似的波的幅值差异的平均值。
6.根据权利要求1所述的一种管路内壁的超声探伤识别方法，其特征在于，所述待分析图像存在裂缝缺陷的可能性的获取方法具体为：
Figure 73090DEST_PATH_IMAGE024
其中，T为待分析图像对应的管路内壁存在裂缝缺陷的可能性，Q为超声波图像中出现缺陷的可能性指标，W为第一可能性指标，E为第二可能性指标，
Figure DEST_PATH_IMAGE025
为自然常数e的指数函数。
CN202211195248.9A 2022-09-29 2022-09-29 一种管路内壁的超声探伤识别方法 Active CN115308310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211195248.9A CN115308310B (zh) 2022-09-29 2022-09-29 一种管路内壁的超声探伤识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211195248.9A CN115308310B (zh) 2022-09-29 2022-09-29 一种管路内壁的超声探伤识别方法

Publications (2)

Publication Number Publication Date
CN115308310A true CN115308310A (zh) 2022-11-08
CN115308310B CN115308310B (zh) 2022-12-20

Family

ID=83866124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211195248.9A Active CN115308310B (zh) 2022-09-29 2022-09-29 一种管路内壁的超声探伤识别方法

Country Status (1)

Country Link
CN (1) CN115308310B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104990925A (zh) * 2015-06-23 2015-10-21 泉州装备制造研究所 一种基于梯度多阈值优化缺陷检测方法
CN114384073A (zh) * 2021-11-30 2022-04-22 杭州申昊科技股份有限公司 一种基于地铁隧道裂纹检测方法及系统
CN114519792A (zh) * 2022-02-16 2022-05-20 无锡雪浪数制科技有限公司 基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法
CN115082683A (zh) * 2022-08-22 2022-09-20 南通三信塑胶装备科技股份有限公司 一种基于图像处理的注塑缺陷检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104990925A (zh) * 2015-06-23 2015-10-21 泉州装备制造研究所 一种基于梯度多阈值优化缺陷检测方法
CN114384073A (zh) * 2021-11-30 2022-04-22 杭州申昊科技股份有限公司 一种基于地铁隧道裂纹检测方法及系统
CN114519792A (zh) * 2022-02-16 2022-05-20 无锡雪浪数制科技有限公司 基于机器与深度视觉融合的焊缝超声波图像缺陷识别方法
CN115082683A (zh) * 2022-08-22 2022-09-20 南通三信塑胶装备科技股份有限公司 一种基于图像处理的注塑缺陷检测方法

Also Published As

Publication number Publication date
CN115308310B (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
EP1952137B1 (en) System and method for ultrasonically detecting discontinuous fibers in composite laminates
CN105806948B (zh) 基于局部水浸耦合方式单晶直探头的中厚板超声检测方法
CN108956775A (zh) 一种发动机复杂型面轴承件的高灵敏度超声波检测方法
JP2019197007A (ja) 超音波探傷の判定装置、判定プログラム及び判定方法
CN117825516A (zh) 精准定位的超声波缺陷检测系统及方法
CN113884035A (zh) 一种厚壁管材的超声波检测系统及检测方法
CN116776103B (zh) 一种基于机器视觉的焊缝检测智能调控系统及方法
CN115308310B (zh) 一种管路内壁的超声探伤识别方法
CN103529123A (zh) 超声波双探头手动检测方法
JP3581333B2 (ja) 超音波パルスのエコー高さを利用した配管内面腐食の形状寸法の推定方法
CN111458415B (zh) 一种超声相控阵换能器与待测工件耦合状态的检测方法
JP4596325B2 (ja) 内面フィン付き管の超音波探傷方法及び装置
CN112816557B (zh) 一种缺陷检测方法、装置、设备和存储介质
JPWO2020184521A1 (ja) 超音波探傷方法、超音波探傷装置、鋼材の製造設備、鋼材の製造方法、及び鋼材の品質管理方法
CN111047547B (zh) 一种基于多视图tfm的联合缺陷定量方法
CN113219054B (zh) 一种磁瓦内部缺陷检测装置及检测方法
JP5033152B2 (ja) 超音波検査装置および超音波検査方法
JP3748228B2 (ja) 超音波探傷における有害欠陥判定方法及びその判定結果の利用方法
JP2005331439A (ja) 探傷信号の分析方法及び分析装置
JP2006337030A (ja) 超音波探傷方法及び探傷装置
JP2002139478A (ja) 構造材料のクリープ損傷検出方法及び装置
US11913911B2 (en) System and method for dual pulse-echo sub-surface detection
Al-Nuaimy et al. Time-of-flight diffraction-from semi-automatic inspection to semi-automatic interpretation
US11885767B2 (en) Automated scan data quality assessment in ultrasonic testing
Burch et al. Practical automated ultrasonic characterization of welding defects

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
GR01 Patent grant
GR01 Patent grant