CN118043650A - 通过x射线监测部件的方法、装置和计算机程序 - Google Patents
通过x射线监测部件的方法、装置和计算机程序 Download PDFInfo
- Publication number
- CN118043650A CN118043650A CN202280066512.0A CN202280066512A CN118043650A CN 118043650 A CN118043650 A CN 118043650A CN 202280066512 A CN202280066512 A CN 202280066512A CN 118043650 A CN118043650 A CN 118043650A
- Authority
- CN
- China
- Prior art keywords
- vector
- component
- projections
- parameters
- ini
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000004590 computer program Methods 0.000 title claims description 11
- 238000012544 monitoring process Methods 0.000 title description 2
- 239000013598 vector Substances 0.000 claims abstract description 206
- 238000002601 radiography Methods 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 230000007547 defect Effects 0.000 claims abstract description 17
- WYDKPTZGVLTYPG-UHFFFAOYSA-N 2,8-diamino-3,7-dihydropurin-6-one Chemical compound N1C(N)=NC(=O)C2=C1N=C(N)N2 WYDKPTZGVLTYPG-UHFFFAOYSA-N 0.000 claims description 76
- 230000005855 radiation Effects 0.000 claims description 36
- 230000035945 sensitivity Effects 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 32
- 238000007689 inspection Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 21
- 230000001066 destructive effect Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 abstract description 19
- 238000009659 non-destructive testing Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 17
- 239000000463 material Substances 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 10
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 102100028043 Fibroblast growth factor 3 Human genes 0.000 description 2
- 102100024061 Integrator complex subunit 1 Human genes 0.000 description 2
- 101710092857 Integrator complex subunit 1 Proteins 0.000 description 2
- 108050002021 Integrator complex subunit 2 Proteins 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 101100446506 Mus musculus Fgf3 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000011153 ceramic matrix composite Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000003574 free electron Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
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
- G01N23/046—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 using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/10—Different kinds of radiation or particles
- G01N2223/101—Different kinds of radiation or particles electromagnetic radiation
- G01N2223/1016—X-ray
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/645—Specific applications or type of materials quality control
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (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
本发明涉及一种通过透射射线摄影的方法对部件进行无损检测的方法,该方法包括以下步骤:采集部件的N个投影(P(n));生成(E2)部件的N个计算图像(P(n));通过连续的迭代,通过使投影(P(n))和图像(P(n))之间的方差之和最小化,进行以下估计(E3a,E3b,E3c):根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计向量c,和/或根据初始向量α=αini来估计参数向量α;对所述投影(P(n))和/或所述图像(P(n))进行处理;通过将处理后的投影(P(n))和处理后的图像(P(n))进行比较,来识别所述部件的缺陷。
Description
技术领域
本发明涉及一种通过X射线摄影对部件进行无损检测的方法、装置和计算机程序。
本发明的领域涉及航空部件,特别是涡轮机叶片,特别是航空部件的涡轮叶片。
背景技术
航空部件的无损检测(CND)是飞机运行安全的重要组成部分,其目的是避免任何可能导致飞行故障的缺陷。在CND方法中,X射线摄影的特点是能够以很大程度或完全的非侵入性方式观察部件内部,并分辨出小到微米大小的细节。这些性能使所述X射线摄影在航空领域广受欢迎。X射线摄影可以在透射模式下对部件的内部结构进行成像。X射线层析摄影包括在部件旋转(通常是完全旋转)期间采集大量X射线,目的是计算部件的完整三维图像。这些层析图像的长采集时间导致工业制造商仅考虑有限数量的射线摄影图像(以下称为X射线或投影)来执行材料健康状况和尺寸(三维几何信息)的CND。然而,由于射束硬化和康普顿散射引起的图像伪影会影响X射线,并使无损检测过程中进行的计量分析变得困难或不确定。当例如在层析成像的情况下考虑大量投影时,这些伪影可以被忽略。另一方面,当根据少量视图进行无损检测时,必须仔细考虑这些伪影。
数字射线摄影CND机柜(注册商标如Yxlon、GE、Nikon)或操作软件(Vg Studio、Aviso、RX solution)以及用于处理通过X射线摄影获得的图像的软件都具有过滤器,以帮助控制器完成估计任务。(归一化的)X射线被解释为当X射线穿过部件时的衰减图像,衰减本身通过通常近似为指数函数的定律(比尔-兰伯特定律(Beer-Lambert定律))与厚度相关联。几何指示器的表征中的相关量本质上是三维的,并且基于X射线(二维图像)的这些量的估计是部分的并且不太可靠。这可能在测试中引起不小的误差,并且使得估计过程在采集每个图像时对视角的变化敏感。因此,分析需要对机舱部件系统的几何形状有精确的了解并且对图像伪影进行忠实的校正。X射线层析扫描的使用涉及一千个或数千个投影的采集,这是耗时的,并且还产生必须要考虑的处理步骤。因此,优选的是仅获得少量的投影(大约十个),即通常少一百倍。
基于少量视图的通过X射线的部件估计通常是手动完成的:测试人员、受过这项任务培训的专业技术人员分析系统产生的图像,以寻找任何异常。异常由图像灰度级别的异常变化来表示。然而,图像伪影改变了这些灰度级别,从而给估计带来不确定性且困难:当考虑少量图像时,图像伪影具有很高的权重,不能忽略。因此,为了基于有限数量投影对航空部件进行估计,减少图像伪影是这种应用的关键因素。对于大约350keV的加速电压(通常用于获取涡轮叶片图像),要处理的伪影基本上是射束硬化和康普顿散射。
测试者之间和测试者内部存在可变性,降低了估计的可靠性。此外,控制者对图像进行彻底分析在生理层面和心理层面上都是一项费力、累人的工作。
发明内容
本发明的一个目的是获得一种用于通过X射线摄影对部件进行无损检测的方法、装置和计算机程序,其通过最小化一种或多种类型的图像伪影,然后允许利用少量采集的投影来进行无损检测,从而克服了上述缺点。
出于该目的,本发明的第一个主题是通过透射射线摄影对部件进行无损检测的方法,包括由计算器执行的以下步骤:
使用透射射线摄影装置采集部件的N个投影,所述N个投影来自所述部件的N个不同的预定视角,其中,N是给定的自然整数,
根据部件的与N个视角对应的参考模型并根据参数的向量p,生成所述部件的N个计算图像,所述参数的向量p表征多次连续迭代中的每一次迭代的N个视角的采集的投影几何形状,
通过连续的迭代,通过使已经采集的N个投影和N个计算图像之间的范数之和最小化,进行以下估计:根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计参数的向量c中的至少一个,根据初始向量α=αini来估计参数的向量α,其中,参数的向量c说明了部件中辐射的射束硬化,并且参数的向量α表征了部件中辐射的康普顿散射,
对所述N个投影和/或所述N个计算图像进行处理,所述处理包括第一处理和/或第二处理,
所述第一处理包括:根据已经估计的向量c来校正N个投影上的射束硬化,或者根据已经估计的向量c来生成N个计算图像上的射束硬化,
所述第二处理包括:根据已经估计的向量α来校正N个投影上的康普顿散射或者根据已估计的向量α来生成N个计算图像上的康普顿散射,
通过将已经处理的N个投影和已经处理的N个计算图像进行比较,来识别所述部件的缺陷。
因此,本发明使得能够基于有限数量的采集的投影,通过X射线摄影对航空部件进行无损检测。本发明能够使用被检查部件的有限数量的采集到的投影(例如可以小于或等于1000)来估计航空部件。具体地,在应用本发明所述的算法处理之后,可以定量地比较由系统采集的图像和通过仿真再现的图像,并且基于它们的差异进行估计。根据本发明的方法、装置和控制程序有助于对被检查部件进行估计。该过程被系统地参数化,然后该估计变得更加可靠。
本发明提出了一种基于少量投影的CND方法。本发明通过允许用有限数量的投影来估计部件,使得能够增加测试方法和装置的可靠性及其性能。为了做到这一点,一种或多种类型的伪影是根据它们的模型来估计的。所述估计用于校正采集到的图像中的伪影,或者基于理想部件的模型(例如其计算机辅助设计模型或CAO模型)在仿真图像中再现这些伪影。由于导致偏离简单的比尔-朗伯定律的物理现象,例如射束硬化或康普顿散射,因此可以通过再现像素强度的变化(被描述为伪影)来实现所述估计。考虑到这些现象,可以对采集到的灰度级别和仿真的灰度级别进行更有意义的比较,从而进行更准确的估计。一旦考虑到这些伪影,无论其性质(材料健康状况、几何形状)或在部件中的位置如何,所提出的无损检测方法都能够突出显示所有指标,这与所使用的采集条件(遵循工业环境中定义的无损检测估计流程)或部件几何形状无关。可靠性的提高并不伴随着任何成本,除非是建模所述投影的适度成本。
本发明特别涉及一种控制系统的安装,该控制系统包括用于采集由单一的已知材料组成的部件的X射线照片的装置,该装置与估计和验证算法相结合。该算法处理使得能够最小化为材料预期的一种或多种类型的图像伪影以及所使用的X射线束的功率,或者能够以使获得的图像和仿真图像在数量上具有可比性的方式再现所述图像伪影。
可以由计算机通过执行衰减的校准,然后执行图像强度的校正来校正射束硬化。
根据本发明的实施例,所述方法包括:在每次迭代时,由计算器估计N个视角的采集的投影几何形状的参数pi的向量p,该估计包括:
根据初始值的初始向量p=pini,来计算投影残差
根据初始值的初始向量p=pini,根据下述方程来计算灵敏度场
其中,
是N个视角的N个计算图像,
P(n)是部件的已经采集的N个投影,
p是投影几何形状的参数pi的列向量,
pini是投影几何形状的参数pi的初始值的列向量,
n是自然整数,表示视角的数量,范围从1到N,
根据p*=p+δp*来更新p,其中
p*是投影几何形状的参数pi的已经更新的列向量,
δp*是投影几何形状的参数pi的变化的列向量,并且通过在n从1到N时使投影残差与δp和/>的乘积之间的平方差的范数之和最小化,δp*被计算为δp:
其中,δp是列向量,是灵敏度场/>的矩阵。
根据本发明的实施例,所述方法包括:在每次迭代时,由计算器估计部件中辐射的射束硬化的校准的参数ck的向量c,该估计包括:
根据初始值的初始向量c=cini,来计算投影残差
根据初始值的初始向量c=cini,根据下述方程来计算灵敏度场
其中,是通过将函数u(y)应用于/>的每个像素x的强度y得到的图像,
是针对N个视角的N个计算图像,
P(n)部件的已经采集的N个投影,
c是射束硬化的校准的参数ck的列向量,
cini是所述部件中辐射的射束硬化的校准的参数ck的初始值的列向量,
是给定形式函数的基,
K3是大于或等于1的给定自然整数,
k是范围从1到K3的自然整数,
根据来c*=c+δc*来更新c,其中,
c*是部件中辐射的射束硬化的校准的参数ck的已经更新的列向量,
δc*是部件中辐射的射束硬化的校准的参数ck的变化的列向量,并且通过在n从1到N时使投影残差与δc和/>的乘积之间的平方差的范数之和最小化,δc*被计算为δc:
其中,δc是列向量,是灵敏度场/>的矩阵。
根据本发明的实施例,所述方法包括:在每次迭代时,由计算器估计部件中的辐射的康普顿散射的参数αj的向量α,该估计包括:
根据初始值的初始向量α=αini,来计算投影残差
根据初始值的初始向量α=αini,根据下述公式来计算灵敏度场
其中,P(n)是部件的已经采集的N个投影,
是针对N个视角的N个计算图像,
是通过用核δ+K对仿真图像/>进行卷积得到的图像,所述仿真图像/>已经根据至少N个计算图像获得,
α是部件中的辐射的康普顿散射的参数αj的列向量,
αini是部件中的辐射的康普顿散射的参数αj的初始值的列向量,
K是由下述定义的卷积核:
K2是大于或等于1的规定自然整数,
j是范围从1到K2的自然整数,
gσj规定的标准偏差σj的二维高斯核,
δ(x)是像素x处的狄拉克(Dirac)函数,
根据α*=αβ+δα*来更新α,其中,
α*是部件中的辐射的康普顿散射的参数αj的已经更新的列向量,
δα*是部件中的辐射的康普顿散射的参数αj的变化的列向量,并且通过在其n从1到N时使投影残差与δα和/>的乘积之间的平方差的范数之和最小化,δα*被计算为δα:
其中,δα是列向量,是灵敏度场/>的矩阵。
根据本发明的实施例,是通过将函数u(y)应用于计算图像的每个像素x的强度获得的仿真图像。
根据本发明的实施例,N小于或等于1000。
本发明的第二个主题是一种包括代码指令的计算机程序,所述代码指令在由计算机执行时,用于实现通过透射射线摄影对部件进行无损检测的方法的以下步骤:
从透射射线摄影装置接收来自部件的N个不同的预定视角的所述部件的N个投影,其中,N是给定的自然整数,
根据部件的与N个视角对应的参考模型并根据参数的向量p,生成所述部件的N个计算图像,所述参数的向量p表征多次连续迭代中的每一次迭代的N个视角的采集的投影几何形状,
通过连续的迭代,通过使已经采集的N个投影和N个计算图像之间的范数之和最小化,进行以下估计:根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计参数的向量c中的至少一个,根据初始向量α=αini来估计参数的向量α,其中,参数的向量c说明了部件中辐射的射束硬化,并且参数的向量α表征了部件中辐射的康普顿散射,
对所述N个投影和/或所述N个计算图像进行处理,所述处理包括第一处理和/或第二处理,
所述第一处理包括:根据已经估计的向量c来校正N个投影上的射束硬化,或者根据已经估计的向量c来生成N个计算图像上的射束硬化,
所述第二处理包括:根据已经估计的向量α来校正N个投影上的康普顿散射或者根据已经估计的向量α来生成N个计算图像上的康普顿散射,
通过将已经处理的N个投影和已经处理的N个计算图像进行比较,来识别所述部件的缺陷。
本发明的第三个主题是一种用于通过透射射线摄影对部件进行无损检测的装置,包括:
透射射线摄影装置,用于沿部件的N个不同的预定视角采集所述部件的N个投影,其中,N是给定的自然整数,
计算机,被配置为执行以下步骤:
根据部件的与N个视角对应的参考模型并根据参数的向量p,生成所述部件的N个计算图像,所述参数的向量p表征多次连续迭代中的每一次迭代的N个视角的采集的投影几何形状,
通过连续的迭代,通过使已经采集的N个投影和N个计算图像之间的范数之和最小化,进行以下估计:根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计参数的向量c中的至少一个,根据初始向量α=αini来估计参数的向量α,其中,参数的向量c说明了部件中辐射的射束硬化,并且参数的向量α表征了部件中辐射的康普顿散射,
对所述N个投影和/或所述N个计算图像进行处理,所述处理包括第一处理和/或第二处理,
所述第一处理包括:根据已经估计的向量c来校正N个投影上的射束硬化,或者根据已经估计的向量c来生成N个计算图像上的射束硬化,
所述第二处理包括:根据已经估计的向量α来校正N个投影上的康普顿散射或者根据已估计的向量α来生成N个计算图像上的康普顿散射,
通过将已经处理的N个投影和已经处理的N个计算图像进行比较,来识别所述部件的缺陷。
附图说明
通过阅读以下描述将更好地理解本发明,以下描述仅通过参照附图以非限制性示例的方式给出。
[图1]示意性地表示根据本发明实施例的用于通过X射线摄影对部件进行无损检测的装置的模块化框图。
[图2]示意性地表示根据本发明实施例的用于通过X射线摄影对部件进行无损检测的装置的模块化框图。
[图3]示意性地表示根据本发明实施例的用于通过X射线摄影对部件进行无损检测的装置的模块化框图。
[图4]示意性地表示根据本发明实施例的用于通过X射线摄影对部件进行无损检测的装置的模块化框图。
[图5]示意性地表示根据本发明实施例的用于通过X射线摄影对部件进行无损检测的方法的组织图。
[图6]示意性地表示由现有技术中的装置获得的在理想场景中投影P(x)的像素的强度曲线和在实际场景中投影P(x)的像素的强度通过射束硬化伪影而发生改变的曲线。
[图7]表示在X射线投影的采集期间康普顿散射的解释图。
[图8]表示由现有技术中的装置在对涡轮机涡轮的叶片翼型件的部件进行校正之前获得的差,所述差是首先采集的投影的强度指数的倒数和其次仿真的投影的强度指数的倒数之间的差。
[图9]表示由现有技术中的装置在对涡轮机涡轮的叶片根部的部件进行校正之前获得的差,所述差是首先采集的投影的强度指数的倒数和其次仿真的投影的强度指数的倒数之间的差。
[图10]表示由根据本发明实施例的用于通过X射线摄影对部件进行无损检测的方法、装置和计算机程序在对如图8所示的涡轮机涡轮的相同叶片翼型件的部件进行校正之后获得的差,所述差是首先采集的投影的强度指数的倒数和其次仿真的投影的强度指数的倒数之间的差。
[图11]表示由根据本发明实施例的用于通过X射线摄影对部件进行无损检测的方法、装置和计算机程序在对如图9所示的涡轮机涡轮的相同叶片根部的部件进行校正之后获得的差,所述差是首先采集的投影的强度指数的倒数和其次仿真的投影的强度指数的倒数之间的差。
具体实施方式
如图1至图5所示,用于实际部件200的无损检测的装置1包括透射射线摄影装置100,所述透射射线摄影装置100用于在所述方法的步骤E1期间采集部件200的多个投影P(n),也称为原始采集投影。在下文中,所述辐射是X射线。射线摄影装置100使得能够在具有已知采集几何形状的受控采集条件下检查部件200,并且使得能够对部件200的内部结构的进行透射成像。在本文的其余部分,下面提到的投影P(n)和图像是由它们的不同像素x的灰度级别(或强度)定义的。
在下面描述的实施例中,在通过X射线摄影对部件进行无损检测的方法、用于通过X射线摄影对部件进行无损检测的装置1、以及用于通过X射线摄影对部件进行无损检测的计算机程序中,投影P(n)是X射线透射模式下的X射线图像P(n)。
部件200是机械部件,并且可以是但不限于航空部件,特别是涡轮机叶片(例如涡轮喷气发动机),例如是它们的涡轮叶片之一(涡轮翼型件),或者可以是另一种类型。部件200由对辐射,这里是X射线,半透明的材料制成,并且可以由单一材料组成。部件200可以是金属部件或陶瓷基复合材料部件或其他种类。用于通过X射线摄影对部件进行无损检测的方法、装置1和计算机程序用于在部件200的制造或维护操作期间对部件200进行检测,以便检测该部件中的缺陷,该缺陷例如在航空部件的情况下会导致飞行故障。
用于对部件200进行无损检测的装置1包括一个(或多个)计算器CAL,并且对部件200进行无损检测的方法使用了一个(或多个)计算器CAL。计算器CAL可以是或者可以包括一个或多个计算机、一个或多个服务器、一个或多个机器、一个或多个处理器、一个或多个微处理器、一个或多个永久存储器MEM、或一个或多个随机存取存储器MEM。计算器CAL可以包括一个或多个物理数据输入接口INT1和一个或多个物理数据输出接口INT2。所述或这些物理数据输入接口INT1可以是或者可以包括一个或多个计算机键盘、一个或多个物理数据通信端口、一个或多个触摸敏感屏幕或其他类型。所述或这些物理数据输出接口INT2可以是或者可以包括一个或多个物理数据通信端口、一个或多个触摸敏感屏幕或其他类型。计算机程序可以被记录并在装置1的计算器CAL上执行,以用于对所述部件200进行无损检测,并且所述计算机程序包括代码指令,所述代码指令在装置1上执行时,实现根据本发明的对部件200进行无损检测方法的全部或部分(包括在步骤E1期间接收N个投影)。
X射线摄影装置100包括X射线的源101、部件200所在的支架102、控制机构104,该控制机构104使支架102和源101相对于彼此101绕旋转轴线103转动,该旋转轴线103可以例如是垂直的(例如源101是固定的并且支架102绕轴线103旋转)。穿过部件200的X射线的检测器105,因此部件200位于源101和检测器105之间的X射线路径上。源101、支架102和检测器105设置在高功率的X射线机柜中。检测器105在第一个步骤E1期间提供部件200的投影P(n)。控制机构104被控制用于通过检测器105在部件200关于X射线的N个彼此不同的视角ANG(n)处采集N个投影P(n)。N是大于或等于1的给定的自然整数。自然整数n的范围从1到N,并且表示相应的视角ANG(n)的数量,并因此表示所采集的投影P(n)的数量。因此,射线摄影装置100能够分别从N个视角ANG(n)采集部件200的体积的N个投影(即N个投影P(n))。所述N个视角ANG(n)是预先确定的,以用于部件的分析的后续步骤E5。通过X射线采集的投影的长采集时间导致仅考虑有限数量的N个采集的投影P(n),少于1000个或者甚至少于100个,或者其他情况。X射线摄影装置100因此提供在步骤E1期间采集的所有投影P(n)。
在第二个步骤E2期间,如图1至图5所示,在第一个步骤E1之后,计算器CAL基于部件200的参考数字模型MODP生成部件200的N个计算图像这N个计算图像/>与所述N个视角ANG(n)对应,即分别采用与N个投影P(n)相同的视角ANG(n)。该模型MODP是部件200的几何参考,预先记录在计算器CAL的存储器中,并且可以是例如部件200的计算机辅助设计(或CAD)模型,其复制理想的无缺陷部件200,并且其具有定义的三维坐标的外部形状。该模型MODP可以考虑部件200的材料的组成。在每个步骤E2处,计算器CAL基于部件200的与所述N个视角ANG(n)对应的参考模型MODP和基于参数pi的向量p,生成部件200的N个计算图像,所述参数pi的向量p表征多次连续迭代中的每一次迭代的N个视角ANG(n)的采集的投影几何形状。
计算器CAL执行步骤E3a、步骤E3b、步骤E3c中的一个或多个步骤,所述步骤E3a、步骤E3b、步骤E3c是将在下面描述对多视图采集的投影伪影进行估计的步骤。根据实施例,下述参数的确定通过优化过程来完成,该优化过程利用灵敏度场来最小化投影残差。
在第三个步骤E3a期间,在第一个步骤E1之后,所述计算器CAL通过最小化由计算器CAL计算的N个采集的投影P(n)和N个计算图像之间的平方差的二次范数之和,来估计N个视角ANG(n)的E1步骤中采集的投影几何形状的pi的向量p。在第三个步骤E3a期间,计算器CAL估计向量p,所述向量p描述相对于理想部件200的模型MODP(例如其CAD模型)的X射线摄影装置100的几何形状。第三个步骤E3使得能够通过计算器CAL精确地确定在X射线摄影装置100采集投影P(n)期间所使用的投影几何形状的向量p。这使得能够确保图像的更可靠的仿真。第三个步骤E3a使得能够在步骤E2的下一次迭代期间,通过计算N个计算图像,来执行针对N个视角ANG(n)计算的N个图像/>的几何配准,所述N个计算图像/>是根据由N个采集的投影P(n)的向量p确定的几何形状将模型MODP投影到检测器105的平面上得到的。步骤E3a可以由如图4所示的仿真器SIMX实现。在第三个步骤E3a期间,计算器CAL基于初始向量p=pini,通过连续的迭代来估计采集的投影几何形状的参数pi的向量p。
投影几何形状的参数的向量p用于仿真计算图像因此,在步骤E2期间,在第一次迭代期间使用投影几何形状的参数的给定初始值的参数的向量pini;然后,在步骤E2的后续迭代期间,使用向量p的估计值。所述计算图像/>后续用于在步骤E3a和步骤E3b和/或E3c中估计向量c和/或α。不仅在步骤E4中校正所述计算图像/>而且还在步骤E2中也校正所述计算图像/>因此,步骤E2包括在每个新的迭代中使用在步骤E3a期间已经估计的新向量p*再次生成计算图像/>在步骤E3a期间对向量p的估计是一种迭代过程,因此在每次迭代中,使用最佳可能估计(直到收敛)来生成计算的图像/>在步骤E2中以及步骤E3a的每个迭代中使用向量p。
伪影的再现或校正是基于通过X射线系统采集的投影P(n)的数字仿真。然后,在再现(步骤E4)或校正(步骤E4)之前,基于参数化模型来估计所述伪影(步骤E3b、E3c)。
投影参数pi(例如投影的角度ANG(n)、从源101到检测器105的距离)使得能够将部件200的理想模型MODP链接到部件200的所采集的投影P(n),并且因此所述投影参数pi是部件200的理想模型MODP与所采集的投影P(n)的配准参数。
根据本发明的实施例,在步骤E3a期间,在每次迭代中,计算器CAL(例如经由图4所示的残差计算机CRES)计算投影残差。根据方程 这些残差是观察到的投影P(n)和仿真的投影之间/>之间的差。基于这些参数pi的第一给定近似值,记为pini,计算器CAL(例如通过图4中的估计器ESTV)估计出向量p*,所述向量p*尽可能好地描述观察到的系统,即,最小化投影残差/>由计算器CAL根据以下方程(例如通过有限差分或其他方式)计算灵敏度场/>
所述灵敏度场表示每个参数pi的变化对计算图像的影响。通过基于投影残差值pini和灵敏度场/>的优化,由计算器CAL计算出投影几何形状的参数pi。计算器CAL计算参数的向量p的最佳变化δp*,并根据以下方程更新所述向量p:
p*=p+δp*
其中,p*是投影几何形状的参数pi的已经更新的列向量,
δp*是投影几何形状的参数pi的变化的列向量,并且,通过在n从1到N时使投影残差与δp和/>的乘积之间的平方差的范数之和最小化,δp*由计算器CAL计算为δp:
其中,δp是列向量,
是灵敏度场/>的矩阵。
在计算图像和残差/>中,矩阵/>的行数是所述投影P(n)中利用的像素数量。矩阵/>的列数就是参数pi的数量。
然后,计算器CAL在步骤E3a期间针对n从1到N以及i从1到K1,计算出灵敏度场的集合。
计算器CAL针对N个视角ANG(n)的投影几何形状的参数pi的向量p的估计通过对p的连续迭代来执行,所述p变为pini,使得:
-在每次当前迭代中,基于代替上述向量pini的前一次迭代的向量p,根据上述方程计算出灵敏度场
-针对每次当前迭代:根据p*=p+δp*来计算新的δp*并更新p,并且根据以下方程,通过在n从1到N时使投影残差与δp和/>的乘积之间的平方差的范数之和最小化,将所述δp*计算为δp:
-直到p收敛于更好的估计(例如通过当前迭代的p和前一次迭代的p之间的计算差的范数变得小于规定的阈值来确定)。
在第四个步骤E3b期间,在第一个步骤E1之后,计算器CAL通过最小化由计算器CAL计算的N个采集的投影P(n)和计算器CAL计算的N个计算图像之间的平方差的范数之和,来估计部件200中X射线的射束硬化的校准的参数ck的向量c。射束硬化是指被分析部件的组成材料对光子的吸收取决于其能量。与高能量光子相比,低能量光子优先被吸收。所谓的射束硬化伪影出现在间隙中,所述间隙存在于由测量投影P(n)的像素x的灰度级别P(x)给出的实际曲线CRI与由投影分析中使用的建模(比尔-兰伯特定律)产生的理论曲线CTI之间,如图6所示。在单一材料的部件的情况下,射束硬化导致投影的测量到的强度P(x)和所穿过的材料的厚度ξ(x)之间的非线性关系(偏离比尔-兰伯特定律)。所述厚度ξ(x)是光线在到达像素x之前穿过的厚度。在单一材料的部件200的情况下,可以通过校准射束硬化衰减来精确校正射束硬化伪影。计算器CAL识别校准函数,所述校准函数与穿过部件200的X射线的有效衰减和穿过部件200的材料长度相关。步骤E3b可以通过如图4所示的X射线射束硬化模拟器SIMBH来实现。在步骤E3b中,计算器CAL通过连续的迭代,基于初始向量c=cini来估计向量c。
下面是对第四个步骤E3b的实施例的描述。在步骤E3b的每次迭代中执行下面描述的内容。
计算器CAL通过识别使得变为P(n)(x)的函数u来校准射束硬化,该函数即
根据本发明的实施例,通过应用连接P(n)(x)和的分段线性函数u来完成射束硬化校准。
根据本发明的实施例,在给定形式函数(例如一维有限元、或样条函数、或多项式函数、或其他)的基上离散化所述函数u:
其中,K3是大于或等于1的给定自然整数,k是范围从1到K3的自然整数,y是表示参考图像的像素的灰度级别(强度)的哑变量。针对K从1到K3,包含参数ck的列向量c量化X射线射束硬化校准函数。基于这些参数的给定的初始估计cini,计算器CAL计算出c*,所述c*尽可能好地计算描述观察到的影响。
根据本发明的实施例,计算器CAL(例如通过有限差分)基于部件200中X射线的射束硬化的校准的参数ck的初始给定值的向量c=cini,并且使用仿真图像计算与每个自由度ck相关联的灵敏度场/>/>
所述仿真图像是通过在每个/>的像素处应用函数u(具有包含在向量cini中的参数)得到的。所述初始值的向量cini使得u(y)=y。因此有:
灵敏度场表示参数ck中的每一个参数的变化对计算图像的影响。
根据本发明的实施例,在步骤E3b期间,计算器CAL计算(例如通过图4所示的残差计算机CRES)投影残差这些残差是观察到的投影P(n)和仿真的投影/>之间的差。基于参数ck的列向量c的第一给定近似值cini,计算器CAL估计(例如通过图4所示的估计器ESTV)向量c*,所述向量c*尽可能好地描述观察到的系统,即,最小化投影残差通过基于投影残差/>值cini和灵敏度场/>的优化,由计算器CAL计算出向量c。计算器CAL计算参数的向量c的最佳变化δc*,并根据以下方程更新所述向量c:
c*=c+δc*
其中,c*是部件200中的X射线射束硬化参数ck的更新后的列向量,δc*是部件200中X射线的射束硬化的校准的参数ck的变化的列向量,并且,通过在n从1到N时使投影残差与δc的和/>的乘积之间的平方差的范数之和最小化,δc*被计算为δc:
其中,δc是列向量,
是灵敏度场/>的矩阵。
在计算图像和残差/>中,矩阵/>的行数是所述投影P(n)中利用的像素数量。矩阵/>的列数就是参数ck的数量。
然后,计算器CAL在步骤E3b期间针对n从1到N以及i从1到K1,计算灵敏度场的集合。
计算器CAL对射束硬化的校准的参数ck的向量c的估计通过对c的连续迭代来执行,所述c变为cini,从而:
-在每次当前迭代中,基于代替上述向量cini的前一次迭代的向量c,根据上述方程计算灵敏度场
-针对每次当前迭代:根据c*=c+δc*来计算新的δc*并更新c,并且根据以下方程,通过在n从1到N时使投影残差与δc和/>的乘积之间的平方差的范数之和最小化,将所述δc*计算为δc:/>
-直到c收敛于更好的估计(例如通过当前迭代c和前一迭代的c之间的计算差的范数变得小于规定的阈值来确定)。
第五步骤E3c期间,在第一个步骤E1之后,计算器CAL通过最小化由计算器CAL计算的N个采集的投影P(n)和N个仿真图像之间的平方差的范数之和,来估计部件200中X射线的康普顿散射的参数αj的向量α,所述仿真图像/>是基于N个计算图像/>计算出的。康普顿散射参数αj表示康普顿散射对采集的投影P(n)的影响。如图7所示,康普顿散射包括X射线的光子与被检查部件200的自由电子(或弱附着于其原子的电子)之间的相互作用,这导致光子偏离其初始轨迹。到达检测器105时,如此散射和偏离的光子PDEV导致:DEV区域中的测量强度(在本文的其余部分中称为辅信号/>)增加,所述DEV区域位于主射线PCENT的直接和中心撞击点CENT周围,并且在该撞击点CENT处的强度(在本文的其余部分中称为主信号)减少,从而在投影中产生使计量分析降级的模糊。与通过反卷积操作直接校正康普顿效应的已知方法不同,所述反卷积操作在数值上是不稳定的,使得这些再处理后的射线照片不可靠,步骤E3c规定在仿真图像上再现该康普顿散射效应,以允许它们与采集的投影进行比较。可以用如图4所示的康普顿散射估计器ESDC来实现步骤E3c。在步骤E3c期间,计算器CAL基于初始向量α=αini通过连续的迭代来估计向量α。对于步骤E3c的每次迭代,执行下面所描述的内容。
根据本发明的实施例,根据以下方程,计算器CAL将每个采集的投影P(n)建模为两个分量的和:主信号其来自穿过物体的光子,且所述光子并未经历康普顿散射,但是经历材料的组成原子的吸收(光电效应);以及辅信号/>其对应于通过来自部件200的康普顿散射进行散射后的光子的贡献:
计算器CAL将辅信号或散射后的信号计算为主信号与参数核进行卷积的结果:
计算器CAL将参数核K计算为不同宽度(不同标准偏差σ)的二维高斯的加权和:
其中,K2是大于或等于1的给定的自然整数,
j是范围从1到K2的自然整数,
gσ是给定的标准偏差σ的二维高斯核(遵循序列σj),并且δ(x)是像素x处的狄拉克(Dirac)函数。
在变型中,高斯核的参数αj可以通过实验或通过蒙特卡罗(Monte-Carlo)模拟来识别。/>
根据本发明的实施例,通过识别数字仿真图像上的主信号/>计算器CAL计算最接近观察到的康普散射的向量α*。α*是针对j从1到K2时,部件200中X射线的康普顿散射的参数αj的列向量。
基于部件200中X射线的康普顿散射的参数αj的给定的初始值的向量αini,计算器CAL根据下述方程,基于仿真图像来计算图像/>所述仿真图像/>是基于N个计算图像/>获得的:
其中,散射后的信号被模拟并被添加到所述图像/>中,以生成图像/>因此,计算器CAL在步骤E3c期间计算仿真的N个图像/>的集合。
根据本发明的实施例,是通过将函数u应用于计算图像/>的每个像素x的强度(灰度级别)而获得的图像。当然,在不执行步骤E3b而实现步骤E3c的情况下,可以基于N个计算图像/>以另一种方式获得仿真图像/>
康普顿散射的参数αj的给定的初始值的向量αini使得对于αini,
根据本发明的实施例,在步骤E3c期间,计算器CAL计算(例如通过图4所示的残差计算器CRES)投影残差根据下述方程,这些投影残差/>是采集的投影P(n)和仿真的投影/>之间的差:
基于参数的向量α的第一给定近似值,记为αini,计算器CAL估计出(例如通过图4所示的估计器ESTV)向量α*,所述向量α*尽可能好地描述观察到的系统,即,最小化投影残差。
根据本发明的实施例,基于部件200中X射线的康普顿散射的参数αj的给定的初始值的列向量αini,计算器CAL计算(例如通过有限差分)与每个自由度αj相关联的灵敏度场
部件200中的X射线的康普顿散射的参数αj由计算器CAL通过基于投影残差值αini和灵敏度场αini的优化来计算。
计算器CAL计算参数的向量α的最佳变化δα*,并且根据下述方程更新向量α:
α*=α+δα*
其中,δα*是部件200中的X射线的康普顿散射的参数αj的至少变化的列向量,并且通过在n从1到N时使投影残差与δα和/>的乘积之间的平方差的范数之和最小化,将δα*计算为δα:
/>
其中,δα是列向量,
至少是灵敏度场/>的矩阵。
在计算图像和残差/>中,矩阵/>的行数是投影P(n)中利用的像素数量。矩阵的列数就是参数αj的数量。
然后,计算器CAL在步骤E3c期间针对n从1到N以及j从1到K1,计算的灵敏度场的集合。
计算器CAL对X射线的康普顿散射的参数αj的向量α的估计通过对α的连续迭代来执行,所述α变为αini,从而:
-在每次当前迭代中,基于代替上述向量αini的前一次迭代的向量α,根据上述方程计算灵敏度场
-针对每个当前迭代:根据α*=α+δα*来计算新的δα*并更新α,并且根据以下方程,通过在n从1到N时使投影残差与δα和/>的乘积之间的平方差的范数之和最小化,将δα*计算为δα:
-直到α收敛于更好的估计(例如通过当前迭代α的和前一迭代的α之间的计算差的范数变得小于给定的阈值来确定)。
根据本发明的实施例,N小于或等于1000,或小于或等于100,或小于或等于50,或小于或等于10。这表明,尽管本发明能够工作,但采集的投影数量很少。该数量小于现有技术中用于部件200的层析重建所需的采集投影的数量。
在第七个步骤E4期间,在步骤E3a和步骤E3b和/或E3c的迭代之后,计算器CAL处理在步骤E1中获得的N个投影P(n)和/或N个计算图像所述计算图像/>已经在步骤E2的迭代之后获得。计算器CAL执行第一处理和/或第二处理。
第一处理包括:基于已经估计的向量c来校正N个投影P(n)上的射束硬化,或者基于已经估计的向量c来生成N个计算图像上的射束硬化。
第二处理包括:基于已经估计的向量α来校正N个投影P(n)上的康普顿散射,或者基于已经估计的向量α来生成N个计算图像上的康普顿散射。
因此,计算器获得N个采集的投影所述N个采集的投影/>等于部件200的N个采集的投影P(n),或者基于部件200的N个采集的投影P(n)来校正所述N个采集的投影/>以及获得N个仿真图像/>所述N个仿真图像/>等于部件200的N个计算图像/>或者基于部件200的N个计算图像/>来生成所述N个仿真图像/>这些采集的投影/>可以直接与N个仿真图像/>相比,然后使得能够在步骤E5期间执行部件200的分析。
例如,在步骤E2期间,计算器CAL首先通过对N个视角ANG(n)应用几何配准来生成N个计算图像并且通过使用投影参数pi来模拟N个计算图像/>来完成。正是这些被修改(配准)的计算图像/>在下面的处理中被用作所述计算图像/>以下描述了步骤E4的第一实施例和第二实施例中通过使用投影参数pi的配准对N个计算图像/>预先进行这种修改。
根据步骤E4的第一实施例,根据下述方程,计算器CAL通过对采集的投影P(n)应用函数u的倒数来校正采集的投影P(n)(从而进行射束硬化的校正),以获得N个校正后的采集的投影,所述函数u取决于在P(n)的每个像素处的X射线的射束硬化的校准的参数ck:
计算器CAL根据以下方程来计算取决于X射线的射束硬化的校准的参数ck的函数u:
其中,表示X射线的射束硬化的校准的参数ck,其包含在向量c*中并且已经被计算出。
计算器CAL通过将N个计算图像与核δ+K进行卷积来处理所述N个计算图像以根据以下方程获得N个仿真图像/>所述K已经被计算为康普顿散射参数αj的函数(康普顿散射在N个计算图像/>上的再现):
其中,表示康普顿散射参数αj,其包含在向量α*中并且已经被计算出。
根据步骤E4的第二实施例,计算器CAL根据以下方程计算采集的投影
计算器通过将N个计算图像应用到函数u来处理所述N个计算图像(所述计算图像使用上述描述的计算来计算),所述函数u依赖于X射线的射束硬化的校准的参数ck(从而再现所述射束硬化),然后通过将它们与(使用上述描述的计算)已经计算的作为康普顿散射的参数αj的函数(在N个计算图像上再现康普顿散射)的核δ+K进行卷积,以根据以下方程获得N个仿真图像/>
在实际部件200的分析的第八个步骤E5期间,在步骤E4之后,计算器CAL通过将N个处理后的投影P(n)与N个处理后的计算图像进行比较来识别部件200的缺陷。根据上述实施例之一,计算器CAL通过将N个采集的投影/>与N个仿真图像/>进行比较来识别部件200的缺陷。计算器CAL通过比较采集的图像P(n)和仿真图像/>来识别部件的缺陷,所述采集的图像P(n)和仿真图像/>已经考虑了对其中一些图像或其他图像的校正或处理。
计算器CAL根据以下方程计算N个投影残差ρ(n),相当于采集的投影和仿真图像/>之间的差:
计算器CAL在存储器MEM中记录N个采集的投影和/或N个仿真图像和/或N个投影残差ρ(n)。计算器CAL分析这N个投影残差ρ(n),以便识别被检查部件200固有的缺陷。计算器CAL可以经由输出接口INT2提供这些N个投影残差ρ(n)和/或基于这些N个投影残差ρ(n)识别的缺陷。计算器CAL可以经由输出接口INT2提供由计算器CAL基于N个投影残差ρ(n)确定的部件有效性或无效性的证书。计算器CAL或用户可以基于N个采集的投影和/或N个仿真图像和/或N个投影残差ρ(n),来评估部件200为无效,因为它具有太多缺陷,或者验证部件200为有效,因为它没有太多缺陷。
根据本发明的实施例,向量p将投影几何形状的所有K1个参数pi、部件200中辐射的射束硬化的K3个参数ck以及辐射的康普顿散射的K2个参数αj依次进行分组,因此具有的维数为K1+K2+K3。相应地,向量将所有的K1个灵敏度场/>K3个灵敏度/>和K2个灵敏度场/>依次进行分组,因此具有的维数为K1+K2+K3。相应地,向量δp将所有的投影几何形状的K1个参数pi的变化、部件200中辐射的射束硬化的K3个参数ck的变化和辐射的康普顿散射的K2个参数αj的变化依次进行分组,因此具有的维数为K1+K2+K3。
图10示出了一方面根据本发明基于采集的投影P(n)获得的校正后的采集图像的强度(其中,I0是基于采集的投影P(n)的给定设置)与另一方面基于涡轮机涡轮叶片翼型件的仿真投影/>获得的校正后的仿真图像的强度/>之间的差的示例。图11示出了一方面根据本发明基于采集的投影P(n)获得的校正后的采集图像的强度/>(其中,I0是基于N个采集的投影P(n)的给定设置)与另一方面基于涡轮机涡轮叶片根部的仿真投影/>获得的仿真图像的强度/>之间的差的示例。图10和图11示出了本发明通过考虑伪影来对部件200的分析进行简化。图8和图9示出了并未对Ia进行校正且使用pini,cini,以及αini来生成Is时的Is–Ia。图10和图11示出了并未对Ia进行校正且使用p*,c*,以及α*来生成Is时的Is–Ia。
在步骤E3a、E3b和E3c组合的情况下,考虑采集系统(机舱和部件,步骤E3a)的知识并将其与合适的图像处理算法方法E3a、E3b、E3c进行关联的事实使得包含在由系统产生的图像和通过仿真再现的图像中的信息的质量能够显著提高,因此它们的差异也显著提高。这使得能够在基于有限数量的多视图投影的航空部件分析的背景下估计射束硬化的伪影(1)和康普顿散射的伪影(2)。步骤E3a能够对几何参数进行估计,使得能够将理想部件的模型MODP与待测试部件的采集的投影连接起来。该步骤E3a使得能够找到参数,其目的特别是使用这些参数来数字化仿真所述投影并再现仿真图像中的伪影。本发明还能够在步骤E4中校正由于采集的投影中的射束硬化(E3b)引起的伪影,或者在仿真图像中再现它们;以及再现由于仿真图像中的康普顿散射(E3c)引起的伪影,或者在采集的投影中校正它们。图像采集系统和算法序列提高了基于有限数量N的X射线摄影视图对材料健康指标和部件200的三维几何形状指标进行验证和评估的可靠性。
根据本发明的实施例,根据本发明的方法、装置和程序可以在由计算器CAL的选择模块选择的投影P(n)中一个或多个感兴趣区域上实现。
当然,上述实施例、特征、可能性和示例可以彼此组合或者彼此独立地选择。
Claims (8)
1.一种通过透射射线摄影对部件(200)进行无损检测的方法,由计算器(CAL)执行,所述方法包括以下步骤:
使用透射射线摄影装置(100)采集(E1)部件(200)的N个投影(P(n)),所述N个投影(P(n))来自所述部件(200)的N个不同的预定视角(ANG(n)),其中,N是给定的自然整数,根据所述部件(200)的与N个视角(ANG(n))对应的参考模型(MODP)并根据参数(pi)的向量p,生成(E2)所述部件(200)的N个计算图像所述参数(pi)的向量p表征多次连续迭代中的每一次迭代的N个视角(ANG(n))的采集的投影几何形状,
通过连续的迭代,通过使已经采集的N个投影(P(n))和N个计算图像之间的范数之和最小化,进行以下估计(E3a,E3b,E3c):根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计参数的向量c中的至少一个,根据初始向量α=αini来估计参数的向量α,其中,参数(ck)的向量c说明了所述部件(200)中的辐射的射束硬化,并且参数(αj)的向量α表征了所述部件(200)中辐射的康普顿散射,
对所述N个投影(P(n))和/或所述N个计算图像进行处理(E4),所述处理包括第一处理和/或第二处理,所述第一处理包括:根据已经估计的向量c来校正N个投影(P(n))上的射束硬化,或者根据已经估计的向量c来生成N个计算图像/>上的射束硬化,所述第二处理包括:根据已经估计的向量α来校正N个投影(P(n))上的康普顿散射,或者根据已估计的向量α来生成N个计算图像/>上的康普顿散射,
通过将已经处理的N个投影(P(n))和已经处理的N个计算图像进行比较,来识别(E5)所述部件(200)的缺陷。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:在每次迭代时,由所述计算器(CAL)估计(E3a)所述N个视角(ANG(n))的采集的投影几何形状的参数pi的向量p,该估计包括:
根据初始值的初始向量p=pini,来计算投影残差
根据初始值的初始向量p=pini,根据下述方程来计算灵敏度场
其中,是针对N个视角(ANG(n))的N个计算图像,
P(n)是所述部件(200)的已经采集的N个投影,
p是投影几何形状的参数pi的列向量,
pini是投影几何形状的参数pi的初始值的列向量,
n是自然整数,表示视角(ANG(n))的数量,范围从1到N,
根据p*=p+δp*来更新p,其中,
p*是投影几何形状的参数pi的已经更新的列向量,
δp*是投影几何形状的参数pi的变化的列向量,并且通过在n从1到N时使投影残差与δp和/>的乘积之间的平方差的范数之和最小化,δp*被计算为δp,
其中,δp是列向量,是灵敏度场/>的矩阵。
3.根据前述权利要求中任一项所述的方法,其特征在于,所述方法包括:在每次迭代时,由所述计算器(CAL)估计(E3b)所述部件(200)中的辐射的射束硬化的校准的参数ck的向量c,该估计包括:
根据初始值的初始向量c=cini,来计算投影残差
根据初始值的初始向量c=cini,根据下述方程来计算灵敏度场
其中,是通过将函数u(y)应用于/>的每个像素x的强度y得到的图像,
是针对所述N个视角(ANG(n))的N个计算图像,
P(n)是所述部件(200)的已经采集的N个投影,
c是射束硬化的校准的参数ck的列向量,
cini是所述部件(200)中辐射的射束硬化的校准的参数ck的初始值的列向量,
是给定形式函数的基,
K3是大于或等于1的给定自然整数,
k是范围从1到K3的自然整数,
根据来c*=c+δc*来更新c,其中,
c*是所述部件(200)中辐射的射束硬化的校准的参数ck的已经更新的列向量,
δc*是所述部件(200)中辐射的射束硬化的校准的参数ck的变化的列向量,并且通过在n从1到N时使投影残差与δc和/>的乘积之间的平方差的范数之和最小化,δc*被计算为δc:
其中,δc是列向量,是灵敏度场/>的矩阵。
4.根据前述权利要求中任一项所述的方法,其特征在于,所述方法包括:在每次迭代时,由所述计算器(CAL)估计(E3c)所述部件(200)中的辐射的康普顿散射的参数αj的向量α,该估计包括:
根据初始值的初始向量α=αini,来计算投影残差
根据初始值的初始向量α=αini,根据下述公式来计算灵敏度场
其中,P(n)是所述部件(200)的已经采集的N个投影,
是针对N个视角(ANG(n))的N个计算图像,
是通过用核δ+K对仿真图像/>进行卷积得到的图像,所述仿真图像/>已经根据至少N个计算图像/>获得,
α是所述部件(200)中的辐射的康普顿散射的参数αj的列向量,
αini是所述部件(200)中的辐射的康普顿散射的参数αj的初始值的列向量,
K是由下述定义的卷积核:
K2是大于或等于1的规定自然整数,
j是范围从1到K2的自然整数,
规定的标准偏差σj的二维高斯核,
δ(x)是像素x处的狄拉克函数,
根据α*=α+δα*来更新α,其中,
α*是所述部件(200)中的辐射的康普顿散射的参数αj的已经更新的列向量,
δα*是所述部件(200)中的辐射的康普顿散射的参数αj的变化的列向量,并且通过在n从1到N时使投影残差与δα和/>的乘积之间的平方差的范数之和最小化,δα*被计算为δα,
其中,δα是列向量,是灵敏度场/>的矩阵。
5.根据权利要求3和4所述的方法,其特征在于,是通过将函数u(y)应用于计算图像/>的每个像素x的强度获得的仿真图像。
6.根据前述权利要求中任一项所述的方法,其特征在于,N小于或等于1000。
7.一种包括代码指令的计算机程序,所述代码指令在由计算器(CAL)执行时,用于实现通过透射射线摄影对部件(200)进行无损检测的方法的以下步骤:
从透射射线摄影装置(100)接收(E1)来自所述部件(200)的N个不同的预定视角(ANG(n))的所述部件(200)的N个投影(P(n)),其中,N是给定的自然整数,
根据所述部件(200)的与N个视角(ANG(n))对应的参考模型(MODP)并根据参数(pi)的向量p,生成(E2)所述部件(200)的N个计算图像所述参数(pi)的向量p表征多次连续迭代中的每一次迭代的N个视角(ANG(n))的采集的投影几何形状,
通过连续的迭代,通过使已经采集的N个投影P(n))和N个计算图像之间的范数之和最小化,进行以下估计(E3a,E3b,E3c):根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计参数的向量c中的至少一个,根据初始向量α=aini来估计参数的向量α,其中,参数(ck)的向量c说明了所述部件(200)中辐射的射束硬化,并且参数(αj)的向量α表征了所述部件(200)中辐射的康普顿散射,
对所述N个投影(P(n))和/或所述N个计算图像进行处理(E4),所述处理包括第一处理和/或第二处理,所述第一处理包括:根据已经估计的向量c来校正N个投影(P(n))上的射束硬化,或者根据已经估计的向量c来生成N个计算图像/>上的射束硬化,所述第二处理包括:根据已经估计的向量α来校正N个投影(P(n))上的康普顿散射,或者根据已估计的向量α来生成N个计算图像/>上的康普顿散射,
通过将已经处理的N个投影(P(n))和已经处理的N个计算图像进行比较,来识别(E5)所述部件(200)的缺陷。
8.一种用于通过透射射线摄影对部件(200)进行无损检测的装置,包括:
透射射线摄影装置(100),用于沿所述部件(200)的N个不同的预定视角(ANG(n))采集(E1)所述部件(200)的N个投影(P(n)),其中,N是给定的自然整数,
计算器(CAL),被配置为执行以下步骤:
根据所述部件(200)的与N个视角(ANG(n))对应的参考模型(MODP)并根据参数(pi)的向量p,生成(E2)所述部件(200)的N个计算图像所述参数(pi)的向量p表征多次连续迭代中的每一次迭代的N个视角(ANG(n))的采集的投影几何形状,
通过连续的迭代,通过使已经采集的N个投影(P(n))和N个计算图像之间的范数之和最小化,进行以下估计(E3a,E3b,E3c):根据初始向量p=pini来估计向量p,根据初始向量c=cini来估计参数的向量c中的至少一个,根据初始向量α=αini来估计参数的向量α,其中,参数(ck)的向量c说明了所述部件(200)中辐射的射束硬化,并且参数(αj)的向量α表征了所述部件(200)中辐射的康普顿散射,
对所述N个投影(P(n))和/或所述N个计算图像进行处理(E4),所述处理包括第一处理和/或第二处理,所述第一处理包括:根据已经估计的向量c来校正N个投影(P(n))上的射束硬化,或者根据已经估计的向量c来生成N个计算图像/>上的射束硬化,所述第二处理包括:根据已经估计的向量α来校正N个投影(P(n))上的康普顿散射,或者根据已估计的向量α来生成N个计算图像/>上的康普顿散射,
通过将已经处理的N个投影(P(n))和已经处理的N个计算图像进行比较,来识别(E5)所述部件(200)的缺陷。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FRFR2109443 | 2021-09-09 | ||
FR2109443A FR3126779B1 (fr) | 2021-09-09 | 2021-09-09 | Procédé, dispositif et programme d’ordinateur de contrôle d’une pièce par radiographie aux rayons X |
PCT/FR2022/051698 WO2023037078A1 (fr) | 2021-09-09 | 2022-09-08 | Procede, dispositif et programme d'ordinateur de controle d'une piece par radiographie aux rayons x |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118043650A true CN118043650A (zh) | 2024-05-14 |
Family
ID=79602208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280066512.0A Pending CN118043650A (zh) | 2021-09-09 | 2022-09-08 | 通过x射线监测部件的方法、装置和计算机程序 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4399510A1 (zh) |
CN (1) | CN118043650A (zh) |
FR (1) | FR3126779B1 (zh) |
WO (1) | WO2023037078A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10902650B2 (en) * | 2018-04-19 | 2021-01-26 | Fei Company | X-ray beam-hardening correction in tomographic reconstruction using the Alvarez-Macovski attenuation model |
-
2021
- 2021-09-09 FR FR2109443A patent/FR3126779B1/fr active Active
-
2022
- 2022-09-08 EP EP22789262.7A patent/EP4399510A1/fr active Pending
- 2022-09-08 CN CN202280066512.0A patent/CN118043650A/zh active Pending
- 2022-09-08 WO PCT/FR2022/051698 patent/WO2023037078A1/fr active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP4399510A1 (fr) | 2024-07-17 |
FR3126779B1 (fr) | 2024-05-31 |
FR3126779A1 (fr) | 2023-03-10 |
WO2023037078A1 (fr) | 2023-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kruth et al. | Computed tomography for dimensional metrology | |
US11953451B2 (en) | Item inspection by dynamic selection of projection angle | |
US20080212734A1 (en) | Correction of Non-Linearities in an Imaging System by Means of a Priori Knowledge in Radiography | |
KR102493849B1 (ko) | 화상 취득 장치 및 화상 취득 방법, 그리고 화상 보정 프로그램 | |
AU2010246365B2 (en) | Computed tomography method, computer software, computing device and computed tomography system for determining a volumetric representation of a sample | |
JP5675978B2 (ja) | コンピュータ断層撮影方法、コンピュータプログラム、コンピュータデバイスおよびコンピュータ断層撮影システム | |
Fragnaud et al. | CAD-based X-ray CT calibration and error compensation | |
US9857163B2 (en) | Parametric control of object scanning | |
JP2023166550A (ja) | コンピュータ断層撮影撮像のための散乱補正 | |
CN118043650A (zh) | 通过x射线监测部件的方法、装置和计算机程序 | |
JP6858391B2 (ja) | X線ct装置、画像補正方法及び画像補正プログラム | |
JP7314228B2 (ja) | コンピュータ断層撮影撮像のための散乱補正 | |
US20220042932A1 (en) | Estimating Background Radiation from Unknown Sources | |
US20060233459A1 (en) | Imaging method and device for the computer-assisted evaluation of computer-tomographic measurements by means of direct iterative reconstruction | |
JP6803768B2 (ja) | 材料分析装置、材料分析方法及びx線ct装置 | |
Turner | Erosion and dilation of edges in dimensional X-ray computed tomography images | |
EP2715670B1 (en) | Computed tomography method, computer software, computing device and computed tomography system for determining a volumetric representation of a sample | |
WO2016190218A1 (ja) | 測定方法および放射線撮影装置 | |
True et al. | Geometry Aware X-ray Imaging and Reconstruction for PCB Assurance | |
Fleßner et al. | Analyzing image data to detect a CT system’s error state and identify the corresponding root cause | |
Hughes | Computed Tomography (CT) Analysis of 3D Printed Lattice Structures | |
Fragnaud | Shape parameter estimation of a 3D model from multi-view radiographic images | |
Reuter et al. | Transferring measured X-ray focal spots to virtual CT systems for more realistic simulations of dimensional measurements | |
JP2018121929A (ja) | 放射線撮影装置、放射線撮影方法およびプログラム |
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 |