JP5162583B2 - パイプの作製中または完成状態における非破壊検査用の操作工具を形成するデバイス、パイプの非破壊検査デバイス、およびパイプの非破壊検査工程 - Google Patents

Description

本発明は、パイプの作製中または完成状態における非破壊検査用の操作工具を形成するデバイス、パイプの非破壊検査デバイス、パイプの非破壊検査工程に関する。

材料の非破壊検査に関して最近のものほどさらにニューラルネットワークを用いることに資する種々のオプションが知られている。しかし、現在既存のオプションは、既に稼動中の機器で、リアルタイムで産業環境において操作することができないが、タイプに応じて欠陥（imperfection）の実行中の分類を可能にし、これにより作製段階中に生じる問題に迅速に対処することが可能である。

ニューラルネットワークの公知の使用
材料の非破壊検査に関してニューラルネットワークの使用は、種々の刊行物の主題であり、現在考えられている大部分はかなり理論的である。

非特許文献１の論文が、この分野における提案を説明している。しかし、これらの提案は、研究室における活動という状況で行われており、記載された用途は、産業環境の生産ラインにおける実現は可能ではない。さらに、フーコー電流の検出のみが扱われており、不適切であることが多い。

非特許文献２の論文は、いわゆるスキャンタイプＴＯＦＤ解釈に対する画像処理およびニューラルネットワークの適用について記載している。ＴＯＦＤ（飛行時間回折）法は、欠陥のエッジでビームの回折を観察することを可能にする超音波センサの位置を特定することからなり、欠陥の次の次元決定(dimensioning)を可能にする。この方法は、特に産業環境において、既存の非破壊検査機器に適応させることが困難である。

非特許文献３の論文は、パイプライン腐食に関する診断に関する。システムは、精密な非破壊検査を可能にし、実時間における３次元調査を可能にする。しかし、システムは、きわめて遅い。このことは、産業環境におけるその使用を相対的に困難にする。

非特許文献４の論文は、欠陥検出アルゴリズムを、ニューラルネットワークと組み合わせたファジー論理要素の使用によって改善することができることを示唆している。しかし、これも同様に、検討された技術は、パイプライン欠陥の検査および腐食欠陥の診断に関する。

特許文献１は、ニューラルネットワーク向けの信号を作成するための方法について記載しているが、診断に関して結果の解釈に関する情報はほとんどまたは全く提供されていない。さらに、この場合もフーコー電流による検出のみが取り扱われている。

特許文献２は、フーコー電流だけによる長手方向の欠陥のみの検出に関する。

特許文献３は、超音波によって得られた信号の周波数の研究にとどまっている。

特許文献４は、ニューラルネットワークを用いた製品の良好と見なされた領域と不良な領域との間で分別するためのプログラムについて記載している。このプログラムは、これだけにとどまり、欠陥の分類または位置特定のいずれも可能ではない。結果として、このプログラムの用途は、結果が技師(人間)によって解釈されている場合に、良好と考えられるような部分の排除を頻繁にもたらす可能性がある。

パイプの非破壊検査−従来技術
以下の詳細な説明は、作製から離れるときに本質的にパイプの非破壊検査に関して提供されるが、これに限定されるわけではない。

図１に示されているように、パイプＴにおける欠陥は、その位置に応じて識別することができる。したがって、表面欠陥としては、内部であれ、外部であれ、長手方向の欠陥ＬＤ、円周方向（または横方向または交差方向または横断方向）の欠陥ＣＤおよび斜め方向または傾斜方向の欠陥ＩＤが挙げられ、センサの種々の配置によって、標準要件または規格要件または顧客の要件（たとえば、標準において記載される欠陥の長さの値は１／２インチまたは約１２．７ｍｍであり、検査される製品の厚さの約５％の深さである）に応じて定義される長さおよび深さを超えて延在するとすぐに、これらを検出しようとする試みがなされている。「壁内」の欠陥もまた、重大で、すなわち、大部分のＭＤ（図１には見えない）において、包含および分割端部に対応することが多く、その検出は、厚さ測定と同時に試みられる。超音波ビームは、欠陥の検出を説明するために、図１において広がることが示されている。実際には、図から分かるように、かなり収束する。

従来、超音波による非破壊検査において、取り付けの以下の３つのタイプ、すなわち、いわゆる「回転ヘッド」取り付け、いわゆる「回転パイプ」取り付けおよび多要素取り囲みタイプセンサ取り付けのうちの１つが、用いられる。いずれの取り付けも、当業者には公知である。電子スキャンによって動作するセンサの使用の場合には、相対的なパイプ／センサの回転は、仮想(virtual)である。これが用いられる場合には、パイプとトランスデューサ配置との間の相対的な回転移動／並進移動なる表現は、相対的な回転が仮想である場合を含む。

図２において、回転ヘッド非破壊検査装置は、ウォータエンクロージャまたはウォータボックス１００上にいわゆる適切に取り付けられる超音波デバイスを含み、この超音波デバイスは、たとえば、ｖ＝０．５ｍ／秒の速度でパイプＴと交差する。超音波センサまたはプローブは、水中で縦波を発する。所与のセンサは、たとえば、１〜数ＭＨｚで動作する。選択された波形のパルスによって、数ｋＨｚまたは数十ｋＨｚ程度、たとえば、１０ｋＨｚである反復速度（または周波数）Ｆｒで反復的に励起される。

さらに、超音波トランスデューサは、
−数々の干渉が存在するいわゆるフレネル領域において実際に平行である近接場放射線であって、ビームの軸に沿ったその長さが、Ｎ＝０．２５Ｄ２／λであり、式中、Ｄは、トランスデューサの能動パッドの直径であり、λは、その動作波長である近接場放射線と、
−角度２αの発散ビームに基づいて、いわゆるフラウンホーファ領域における遠方場放射線であって、ｓｉｎα＝１．２２λ／Ｄである遠方場放射線と、を有する。

図３Ａ、図３Ｂおよび図３Ｃは、パイプ用途において現在用いられているような凹面（超音波）レンズによって収束を行うセンサを示す。外乱が少ないため、フラウンホーファ領域が用いられることが好ましい。

したがって、Ｐ１１およびＰ１２のようなセンサの場合には、通常焦点を結ぶ超音波ビームは、パイプＴの軸に対して垂直な平面付近に延在する。その結果、断面において、検出は顕著に行われる。その役割は、以下の通りである。
−ビームもまた、断面においてパイプＴの軸に対して垂直であり、厚さ（たとえば、Ｐ１、図３Ａ）を測定するように機能し、これはこのとき「直線プロービング」と呼ばれるか、
−または、断面において、パイプＴの軸における入射を有し、長手方向の欠陥（たとえば、Ｐ１１、図３Ｂ）を検出するように機能する。この場合には、パイプ（原則的には水／鋼）の水／金属の境界の特性を念頭に置いて、断面において入射角は好ましくは、超音波の横波またはせん断波のみをパイプに生成するために選択される。一般に２つのセンサが提供され、Ｐ１１およびＰ１２は、パイプの軸に対して対向する入射を有する（図２）。

装置はまた、Ｐ２１およびＰ２２などのセンサを備え、その超音波ビームもまた、焦点を結び、他方では、パイプの軸を通過する平面付近まで延在するが、パイプＴの軸に対して垂直である平面に関して入射を有する（センサＰ２１、図３Ｃ参照）。この場合には、パイプの軸に対して垂直である平面に関する入射角は、パイプ（原則的には水／鋼）の水／金属の境界の特性を念頭に置いて、超音波の横波またはせん断波のみをパイプに生成するために選択されることが好ましい。これらのセンサは、横断方向の欠陥を検出するように機能する。通常２つのセンサが提供され、Ｐ２１およびＰ２２は、パイプの軸の垂直平面に対して対向する入射を有する（図２）。

欠陥に関する検査は一般に、ビームの焦点を結ぶことによって行われる。焦点は、接合に関して測定され、パイプの厚さにおける超音波の最初の出射および戻りの軌跡に対応する。したがって、図３Ａにおけるセンサは、半接合に焦点を結び、図３Ｂおよび図３Ｃのセンサは、４分の３接合に焦点を結ぶ。さらに、外部欠陥に関する検査は一般に、接合において行われ、内部欠陥の場合には、半接合において行われる。

Ｔａが留意され、これは、考えられる欠陥を表す戻り超音波ビームを正確に受信することができるようにするために、プローブに関して必要な時間である。この時間Ｔａは、以下の２つの時間の和に左右される。
−最初に、超音波の軌跡に沿って、プローブとパイプとの間に存在する水柱の高さに関して、超音波の縦波の出射して戻る伝搬時間と、
−第二に、非破壊検査自体を行うために、パイプ内で必要とされるように、超音波の横波の伝搬時間と、である。この時間は主に、パイプの壁内で横波の選択された数の反射に左右される。

従来、プローブは、毎分数千回転（たとえば、６，０００ｒｐｍ）程度の速度Ｔで、示されていない手段によって、パイプの軸の周囲を回転するように構成される。当業者にも公知であるように、パイプが回転され、プローブが回転するように構成されていない（いわゆる回転パイプ取り付け）場合において、パイプの回転速度は、毎分数十〜数千回転程度である。

セルは、各センサ−伝導媒体（水）−パイプアセンブリに与えられる名前である。セルの場合には、検出超音波プローブのビーム開口Ｏｄに対して考慮しなければならない。開口は、２つの構成要素（図１）、パイプの断面における１つのＯｄ１とパイプおよびプローブの軸を通過する平面における他のＯｄ２とによって定義することができる。

（回転速度、スループット速度、寸法Ｏｄ１およびＯｄ２およびプローブの数の関数としての）取り付けの調整は、検査対象のパイプの表面および体積のすべてを超音波ビームによってスキャンすることを保証すべきである。

一定の標準要件または顧客の要件または仕様は、スキャン領域の範囲について記載していることを留意すべきである。

したがって、解析時間Ｔａは、
−反復速度（または周波数）Ｆｒと、
−パイプの断面において、超音波プローブの検出開口Ｏｄ１を考慮した回転速度ω（言い換えれば、センサの回転速度を念頭において、ビーム開口の成分Ｏｄ１は、センサの前における欠陥の存在に関してＴａに少なくとも等しい時間を許容しなければならない）と、
−パイプに沿って、超音波プローブの検出開口Ｏｄ２を念頭に置き、このスループットの速度ｖおよびパイプの周囲の同一の機能Ｆｉ専用のプローブの数ＮＦｉ（したがってプローブのグループを構成する）（言い換えれば、パイプの供給を念頭に置いて、ビーム開口の成分Ｏｄ２は、センサ（またはセンサのグループ）の前における欠陥の存在に関してＴａに少なくとも等しい時間を許容しなければならない）と、
−同一の役割（すなわち同一の機能）専用のプローブの数と、
−前に定義された波の伝搬時間と、の間の妥協によって定義される。

従来、装置は一般に、ＬＤタイプの欠陥および可能であればＩＤタイプの欠陥の検査に関して、Ｐ１１、Ｐ１２などの合わせて２つのセンサを備え、タイプＣＤの欠陥の検査にはＰ２１、Ｐ２２などの２つのセンサに加えて、原則としてタイプＰ１の１つのセンサを備え、製品の厚さを測定し、タイプＭＤの欠陥の検査を行う。各センサは実際に、図から分かるように、共に作用するセンサのグループであってもよい。

装置は、センサのそれぞれに関連する一体型または個別の励起および検出の電子機器のいずれかを有する。装置は、ウォータボックス１００に取り付けられるプローブＰ０の励起用に、たとえば、２５０ボルトで７０パルス送信器を備える（図４）。非破壊検査システムの一体部品として、超音波プローブＰ０、ここではトランシーバは、この励起後にエコーを受信する。ライン７００および７１０がそれぞれ、プローブの端子で励起パルスおよび信号を増幅器７３に送信する。

増幅器７３からの出力は、オペレータおよび／または（下流の）不適合パイプを分離することができる分類ロボットの制御のための表示として機能する。

表示は、たとえば、オシロスコープ７５０上で行われ、信号として増幅器７３からの出力を受信し、時間基準７５２として送信器７０から生じる同期化段階７５３の信号を受信する。閾値段階７５４は、送信パルスの時点でオシロスコープのブラインディングを回避する。

増幅器７３からの別の出力は、信号処理段階７６０に進む。この処理は一般に、整流、平滑化およびフィルタリングを含む。信号処理は、公知の態様で著しいエコーを分離することができる検出またはセレクタ段階７６２に続く。欠陥の検出に関して、これは、一定の時間窓(windows)において、著しいその振幅またはその持続時間（したがってそのエネルギ）を有するエコーの存在であり、本質的に半接合および接合である。厚さの検出のために、それぞれの下部エコーの間の時間のずれに等しい距離が、パイプの所望の厚さに正確に対応するかどうかの検査が行われる。これらの基準に基づいて検出された異常は、７６４において警報を発するため、および／または不適合なパイプを除去し、これらに、検出された異常の機能としてマーキングする分類ロボット７６６を制御するために用いることができる。

物理的に回転ヘッド取り付け（図５Ａおよび図５Ｂ）の場合には、セルはまた、機械支持材８０の上に、図４のライン７００および７１０を接合する接続部７０１によってセンサアセンブリＰ０を収容するウォータボックス１００を備える。３つのローラベアリング８１〜８３は、たとえば、パイプＴを中心に置くために設けられる。

公知の方法（たとえば、ドイツ企業ＧＥ ＮＵＴＲＯＮＩＫ、かつてのＮＵＫＥＭによって販売された装置）によれば、センサアセンブリＰ０は、パイプの周囲で毎分数千回回転するセンサを備える。多数のセンサはまた、パイプの周囲に環に分散させて用いることができる。リングは、たとえば、周囲に分散された１２８個の超音波センサの６つのセクタを備える。センサセクタは、パイプの軸の方向において交互にわずかなオフセットを有する。これは、長手方向に２つの連続するセンサのセクタの間を網羅することを可能にし、干渉の問題も低減する。所与のセンサが別のセンサで行われる超音波の発射に起因するエコーを受信する場合には、干渉が生じる。

これに加えて、非破壊検査ステーションの上流および下流にパイプを案内するためのベンチ（図示せず）があり、超音波センサを連続的に通りすぎるパイプを正確に位置決めする。

非破壊検査は、パイプの全周囲で行われなければならない。しかし、この検査は、作製の最後にパイプの直線速度ｖを監視することも重要である。したがって、パイプの直線速度ｖと、反復速度（または周波数）Ｆｒと、解析時間Ｔａと、検出中の超音波プローブの作動開口Ｏｄと、回転速度ωと、同一の機能を実行するセンサの数と、超音波の伝搬速度との間で、妥協に達する。

また、同一の取り付けは、作製範囲を網羅するパイプの直径（パイプの厚さも）の全範囲にわたって動作することができる状態が望ましい。次に、回転速度ωおよび反復速度Ｆｒの複数の値を提供することが共通であり、この値は、処理対象のパイプの直径の関数として選択される。

最後に、作製に対する任意の変更が、パイプの周囲に各センサの超音波の入射角の再調整を伴うことに留意されたい。この繊細な動作は、手動で行われ、パイプの作製が中断される時間中、現在、約半時間かかる。これは、パイプまたは他の外形および／または薄壁の製品の超音波による非破壊検査が、作製を中断したときに、現在行われる条件に基づいている。

超音波非破壊検査の分野において、以下の専門用語がしばしば、採用される。
−「スキャン」は、一連の相対的なパイプ／センサの位置を意味する。
−「インクリメント」は、スキャニングのピッチ（反復周波数または超音波発射周波数に反比例）を意味する。
−「Ａスキャン」は、超音波センサの端子で測定された電圧のグラフを意味し、横座標を飛行時間、縦座標を超音波振幅とも呼ばれる電圧とする。
−「Ｂスキャン」は、インクリメントの所与の値に対する画像を意味し、横座標を超音波発射に対応するスキャン、縦座標を飛行時間とし、各点における超音波振幅がグレースケールに変換される。
−「エコー波形」は、超音波発射の横座標および対応する発射に関してＡスキャンの時間セレクタで検出される最大振幅を縦座標に表示する曲線を意味する。
−「Ｃスキャン」は、横座標および縦座標を超音波発射の平坦な空間における等価な位置とする画像を意味し、Ａスキャン（画像振幅）から考えられる時間セレクタに検出されるこの発射に関する最大超音波振幅を表し、グレースケールに変換される。パイプの場合には、Ｃスキャンの横座標における点は、パイプの長さにおける位置に対応し、縦座標における点は、パイプの円周における位置に対応する。平坦な製品の場合には、Ｃスキャンの横座標における点は、平坦な製品の長さにおける位置に対応し、縦座標における点は、平坦な製品の幅における位置に対応する。

図６Ａは、センサ、その水柱およびパイプを備えるシステムの概略長手断面図であり、エコーを形成する種々の超音波軌跡を示す。これらの軌跡の複雑さおよび解析の困難さをより理解することができる。

図６Ｂは、斜め入射下で作動するセンサのレベルにおける超音波信号の概略的な振幅／時間の図である。センサの励起の瞬間Ｔｅｘｃｉｔから、水−パイプの境界のエコーＴｉｎｔｅｒｆ（Ｔｐｈｉ（Ｅｘｔｅｒ０）と呼ぶこともできる）がある。次に、超音波ビームが、反射および屈折する場所であるパイプの内膜に達する瞬間ＴｐｈｉＩｎｔｅｒのマーキング（垂直の点線）のほか、超音波ビームが、パイプの外膜に達する瞬間ＴｐｈｉＥｘｔｅｒ１がある。斜め入射の結果として、このスポットにおける欠陥がない場合には、ＴｐｈｉＩｎｔｅｒでセンサに戻る反射エコーはほとんどない。これは、ＴｐｈｉＥｘｔｅｒ１にも当てはまる。

図６Ｃは、法線入射下で作動するセンサのレベルにおける超音波信号の概略的な振幅／時間の図である。信号の一般的な時間順序は、（入射に関連する要因を除き）図６Ｂの場合と同様である。他方、法線入射下で、関連するパイプの点における欠陥がない場合であっても、ＴｐｈｉＩｎｔｅｒおよびＴｐｈｉＥｘｔｅｒ１において著しいエコーがある。

パイプの製作において用いる従来の非破壊検査は、
−検査対象のパイプから生じる信号の振幅Ａｓと、
−関連する検査のタイプに関する基準エタロン欠陥から生じる信号の振幅Ａ０と、の間の比Ｋを確立することによって動作する。この「基準エタロン欠陥」は一般に、たとえば、非破壊検査標準要件および／または顧客の要件に基づいて、選択された寸法特性の人工的な欠陥（たとえば、Ｕ字形またはＶ字形切欠き）を保持するエタロンパイプで定義される。

示唆される仮定は、この信号振幅が欠陥の重大性、すなわちその深さ（ＤＤ）に比例することである。図７のグラフ（当業者には公知であり、ＡＳＮＴ−米国非破壊試験協会によって出版されたＮｏｎｄｅｓｔｒｕｃｔｉｖｅ Ｔｅｓｔｉｎｇ Ｈａｎｄｂｏｏｋの第７巻の統計部分）は、実際の分布Ｋ＝ｆ（ＤＤ）を表す。これは、実際には、相関は、きわめて貧弱（超音波検査の場合には０．３〜０．４程度）であることを示している。

さらに詳細には、図７のグラフにおいて、基準振幅Ａ０（Ｋ＝１）が、分布の中心（それ自体が、斜めのＴＤｉｓを中心とする）で値ＸＬ（不完全度の最大の許容可能深さ）で固定される場合には、ＸＬより大きい深さＤＤで欠陥をＫ＝０．５で依然として見つけることができることが分かる。そのことで、ＸＬよりはるかに低い値にＡ０を設定する必要があるということになる。結果として、作製において、どうしても、実際には問題のないパイプを処分することになる。これは、パイプ作製が高い工業技術および高いエネルギ使用を伴うため、経済的には一層問題である。

したがって、本出願人は、状況を改善するためにさらなる努力を捧げている。

ＺＡＯＵＩ、ＭＡＲＣＨＡＮＤ ａｎｄ ＲＡＺＥＫ「Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｓｈａｐｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｄｅｆｅｃｔｓ ｕｓｉｎｇ ｔｈｅ Ｆｉｎｉｔｅ Ｅｌｅｍｅｎｔ Ｍｅｔｈｏｄ ａｎｄ ｔｈｅ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ」（ＮＤＴ．ＮＥＴ−ＡＵＧＵＳＴ １９９９、Ｖｏｌ．ＩＶ、ａｂｒｉｄｇｅｄ Ｎｕｍｂｅｒ ８） Ｌａｗｓｏｎ ａｎｄ Ｐａｒｋｅｒ「Ａｕｔｏｍａｔｉｃ Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｄｅｆｅｃｔｓ ｉｎ Ｉｎｄｕｓｔｒｉａｌ Ｕｌｔｒａｓｏｕｎｄ Ｉｍａｇｅｓ ｕｓｉｎｇ ａ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ」（Ｐｒｏｃ．ｏｆ Ｉｎｔ． Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｌａｓｅｒｓ， Ｏｐｔｉｃｓ， ａｎｄ Ｖｉｓｉｏｎ ｆｏｒ Ｐｒｏｄｕｃｔｉｖｉｔｙ ｉｎ Ｍａｎｕｆａｃｔｕｒｉｎｇ Ｉ（Ｖｉｓｉｏｎ Ｓｙｓｔｅｍｓ：Ａｐｐｌｉｃａｔｉｏｎｓ），Ｊｕｎｅ １９９６， Ｐｒｏｃ． ｏｆ ＳＰＩＥ ｖｏｌ．２７８６，ｐ．３７−４７ １９９６） Ｄｕｎｌｏｐ ａｎｄ ＭｃＮａｂ「Ｓｈａｐｅ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ Ｆｌａｗ Ｉｎｄｉｃａｔｉｏｎｓ ｉｎ ３−Ｄｉｍｅｎｓｉｏｎａｌ Ｕｌｔｒａｓｏｎｉｃ Ｉｍａｇｅｓ」（ＩＥＥ Ｐｒｏｃｅｅｄｉｎｇｓ−Ｓｃｉｅｎｃｅ，Ｍｅａｓｕｒｅｍｅｎｔ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ−Ｊｕｌｙ １９９５−Ｖｏｌｕｍｅ １４２，Ｉｓｓｕｅ ４，ｐ．３０７−３１２） Ｒａｖａｎｂｏｄ「Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｎｕｅｒｏ−ｆｕｚｚｙ ｔｅｃｈｎｉｑｕｅｓ ｉｎ ｏｉｌ ｐｉｐｅｌｉｎｅｓ ｕｌｔｒａｓｏｎｉｃ ｎｏｎ−ｄｅｓｔｒｕｃｔｉｖｅ ｔｅｓｔｉｎｇ」（ＮＤＴ＆Ｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ ３８（２００５），ｐ．６４３−６５３）

独国特許第４２０１５０２号明細書 特開平１１−２６２６号公報 特開平８−１１０３２３号公報 特開２００３−２７９５５０号公報

本発明の目的は、
−産業環境において用いることができ、この環境において既に存在する機器で容易に取り付けられることができ、
−実時間で用いることができ、すなわち、（作製の全体速度を減速することなく十分に高速の速度で）高速診断を提供することができ、
−重大性を認識するために、タイプに応じて欠陥の分類を可能にし、欠陥に関する技術的な理由の決定を可能にするほか、作製段階中の問題に迅速に対処することを可能にする、システムに近づけることによって状況を改善することである。

本発明の初期の態様によれば、作製中および作製の最後に、パイプ（または他の鉄および鋼製品）の非破壊検査用の操作工具を形成するデバイスが、提案される。そのような工具は、パイプにおいて可能な欠陥に関する情報を抽出することを意図している。超音波センサ送信器は、選択された時間規則に応じて、選択的に励起される。フィードバック信号は、液体媒体の媒介によってパイプと超音波連結で取り付けられる選択された幾何構成を有する配置を形成する超音波センサ受信器によって捕捉される。最後に、一般に、パイプとトランスデューサの配置との間の相対的な回転／並進移動がある。

提案された操作工具は、
−相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのディジタル表示を選択的に分離し、これからパイプにおいて考えられる欠陥の画像を抽出することができる変換器と、
−画像において推定された欠陥領域のほか、各推定された欠陥の特性を決定することができるフィルタと、
−推定された欠陥領域に対応する画像の抽出物、フィルタから生じる同領域における推定された欠陥の特性および出現箇所のデータからニューラル回路用のディジタル入力を準備するように配置された結合器と、
−結合器から入力を受信する少なくとも１つのニューラル回路と、
−ニューラル回路からの出力に基づいて操作する決定および警報ディジタル段階と、
−決定および警報ディジタル段階に適合しないと思われるパイプを分離して印を付けるように配置される分類およびマーキングロボットと、
を備える。

本発明は等しく、作製中および作製の最後に、パイプ（または他の鉄および鋼製品）の非破壊検査デバイスとして長けており、
−液体媒体の媒介によってパイプと超音波連結で取り付けられる選択された幾何構成を有し、パイプとトランスデューサの配置との間で相対的な回転／並進移動による超音波トランスデューサの配置と、
−選択された時間規則に応じて、これらのトランスデューサ素子を選択的に励起し、捕捉するフィードバック信号を収集するための回路と、
−上記で定義され、以下で詳述されるような操作工具と、
を備える。

本発明の別の態様は、作製中および作製の最後に、パイプ（または他の鉄および鋼製品）の非破壊検査手順の形態で明示され、以下の段階、すなわち、
ａ．液体媒体の媒介によってパイプと超音波連結で取り付けられる選択された幾何構成を有し、パイプとトランスデューサの配置との間で相対的な回転／並進移動によって超音波トランスデューサの配置を設ける段階と、
ｂ．選択された時間規則に応じて、これらのトランスデューサ素子を選択的に励起する段階と、
ｃ．捕捉するフィードバック信号を収集し、これらのフィードバック信号を選択的に解析して、パイプにおける任意の欠陥に関する情報を抽出する段階と、を備える。

提案された手順はまた、以下の段階、すなわち、
ｄ．相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのディジタル表示を選択的に分離し、これからパイプにおいて考えられる欠陥の画像を抽出する段階と、
ｅ．選択されたフィルタ基準に基づいて、画像をフィルタリングして、そこで推定された欠陥領域のほか、各推定された欠陥の特性を決定する段階と、
ｆ．推定された欠陥領域に対応する画像の抽出物、フィルタから生じる同領域における推定された欠陥の特性および出現箇所のデータからニューラル回路用のディジタル入力を形成する段階と、
ｇ．そのように形成された入力を少なくとも１つのニューラル回路に適用する段階と、
ｈ．選択された決定基準に基づいて、ニューラル回路からの出力をディジタルで処理し、
これから決定および／または警報を抽出する段階と、
ｉ．段階ｈによって適合しないと考えられるパイプを分離して印を付ける段階と、
を備える。

本発明の他の態様は、この特許出願の残部において見出せるであろう。

本発明の他の特徴および利点は、以下の詳細な説明および添付図面から明らかになるであろう。

欠陥またはいわゆるエタロン欠陥を有するパイプの概略斜視図である。 パイプ離脱作製における「回転ヘッド検査」タイプの取り付け例を示す概略側面図である。 厚さ測定の種々のタイプの詳細である。 長手方向の欠陥検査の種々のタイプの詳細である。 横方向の欠陥検査の種々のタイプの詳細である。 従来の取り付けにおける非破壊検査の超音波センサに関連付けられる電子機器の概略図である。 「回転ヘッド」として公知であり、概略的に示される非破壊検査セルの特定のタイプの端面図である。 「回転ヘッド」として公知であり、概略的に示される非破壊検査セルの特定のタイプの側面図である。 簡単な例におけるパイプで遭遇した超音波軌跡の複雑さを示す。 斜め入射の下で、センサ用に超音波信号の概略タイミング図である。 法線（垂直）入射の下で、センサ用に超音波信号の概略タイミング図である。 検査設定の選択の従来の表示を示すグラフである。 本発明を実装することができる設定の実施例において非破壊検査における超音波センサに関連付けられる電子機器の概略図である。 図８Ａの一部のさらに詳細なブロック図である。 パイプにおける潜在的な欠陥の２つのディジタル化された超音波画像を示す概略画面ダンプである。 米国石油協会（ＡＰＩ）分類による欠陥の種々のタイプの概略図であり、欠陥のタイプを決定することに資するニューラルネットワークからの出力データを構成してもよい。 米国石油協会（ＡＰＩ）分類による欠陥の種々のタイプの概略図であり、欠陥のタイプを決定することに資するニューラルネットワークからの出力データを構成してもよい。 米国石油協会（ＡＰＩ）分類による欠陥の種々のタイプの概略図であり、欠陥のタイプを決定することに資するニューラルネットワークからの出力データを構成してもよい。 米国石油協会（ＡＰＩ）分類による欠陥の種々のタイプの概略図であり、欠陥のタイプを決定することに資するニューラルネットワークからの出力データを構成してもよい。 図８Ａの一部のさらに詳細なブロック図である。 画像における連続的な潜在的な欠陥の処理を示す順序チャートである。 本発明によって用いることができるフィルタのシステムのブロック図である。 パイプにおける欠陥のタイプを決定することに資するニューラルネットワーク設定のブロック図である。 パイプにおける欠陥の深さの程度を決定することに資するニューラルネットワーク設定のブロック図である。 ニューロンモデルのブロック図である。 例示のニューロン伝達関数の実施例である。 各種のセンサを用いた欠陥の検出への本発明の導入の概略図である。

図面は、要素の明確な定義を含む。したがって、図面は、本発明をよりよく理解するために供するだけでなく、必要に応じて、その定義にも寄与する。

本文において、超音波センサは、センサ、またはプローブもしくはトランスデューサと区別なく呼ばれてもよく、そのすべてが、当業者には公知である。

図８Ａは、図４のデバイスと類似のデバイスを示しているが、本発明を実現するために改善されている。

増幅器７３からの出力は、段階７６１に適用され、増幅器７３から生じる信号の振幅をディジタル化し、このディジタル化した信号で動作する。この処理は、図１１を参照して以下で説明される。図８Ａの段階に機能的に類似である段階７６４および７６６を、次に保持することができる。オシロスコープ７５０で分かるように、センサの未処理の信号は、当業者によってＡスキャンと呼ばれる。Ａスキャンは、図６Ａによって定義された図に基づくエコーを含む。

超音波信号の助けによってパイプの欠陥の画像化を行うことが望ましい。説明はここでは、画像がどのように得られるかについて提供する。

実際には、画像は、パイプの断面を略網羅する連続的な角度の下で、センサＰｘによって、パイプの複数の連続スキャンを検討することによって得られる。パイプ／センサの相対的な回転を用いて、１つのセンサからの連続発射によって、これを行うことが可能である。

実施例によって、限定されることなく、ここでは、いわゆる回転ヘッドタイプの取り付けの場合である。

図８Ｂにおいて、上述のタイプＰ１、Ｐ１１、Ｐ１２、Ｐ２１およびＰ２２のうちの１つであってもよいセンサＰｘが、検討される。示された実施例において、このセンサＰｘは、実際にはｎ個の基本センサＰｘ−１、．．．、Ｐｘ−ｉ、．．．Ｐｘ−ｎを備え、パイプの長手方向の軸に沿って整列され、同時に超音波発射の対象である。図８Ｂにおいて、基本センサと出力画像７６９Ａおよび７６９Ｂとの間にあるものは、変換器であると考えることができる。

第１の基本センサＰｘ−１からのＡスキャン信号は、増幅器７３−１に適用され、次に、２つの並列チャネルが続く。セレクタ７６１−１Ａのチャネルは、ライン７６５−１Ａのディジタイザが後に続き、セレクタ７６１−１Ｂのチャネルは、ライン７６５−１Ｂのディジタイザが後に続く。

エタロンパイプを通過するときに得られる情報に基づいて、オペレータは、セレクタ７６１−１Ａに位置および時間幅の表示に対応する情報Ｔ＿１Ａを入力し、この情報は、パイプの公知の幾何構成の関数として、パイプの内側に関連する「内膜エコー」、たとえば、図６Ａの第１のエコーＩｎｔ１を見つける瞬間を示す。図６Ｂは、ＴｐｈｉＩｎｔｅｒの周囲で対応する時間窓「Ｉｎｔ」をさらに明確に示している。

同様に、エタロンパイプを通過するときに得られる情報に基づいて、オペレータは、セレクタ７６１−１Ｂに位置および時間幅の表示に対応する情報Ｔ＿１Ｂを入力し、この情報は、パイプの公知の幾何構成の関数として、パイプの外側に関連する「外膜エコー」、たとえば、図６Ａの第１のエコーＥｘｔ１を見つける瞬間を示す。図６Ｂは、ＴｐｈｉＥｘｔｅｒの周囲で対応する時間窓「Ｅｘｔ」をさらに明確に示している。

図は、他のセンサＰｘ−２、．．．、Ｐｘ−ｉ、．．．Ｐｘ−ｎに関して反復される。

したがって、毎回、セレクタ７６１が、超音波の伝送の瞬間およびこのセレクタに関するエコーであると予想することができる場合には、予め定義可能な時間間隔を考慮する時間窓によって動作する。図６Ａの図は、パイプの超音波ビームの入射角のほか、パイプの直径（内径または外径）および厚さを考慮して、関心領域の時間間隔をどのように定義することが可能であるかを示す。パイプとセンサとの間の所与の相対位置に関して所与の時間間隔は、パイプの所与の点における所与のエコーに対応する。

簡略化のために、ここでは、発射の瞬間がパイプ／センサの相対回転と同期化されると仮定され、したがって、基本センサは常に、パイプの同一の長手方向の生成ラインで動作する。このように、そのセレクタの出力は、一定間隔で連続するアナログ信号サンプルを提供し、各サンプルは、パイプの壁で予想されるエコーの振幅に対応する。センサＰｘ−１（例）のこれらのサンプルは、７６５でディジタル化される。

伝送との同期化は、送信器７０とのリンク（図示せず）によって、またはそのトリガによって同期化回路７５３またはその時間基準７５２（図８Ａ）によって保証することができる。必要であれば、表示７５０を維持することができる。システムは、略一定の速度で回転するパイプで機能することができる。この場合には、パイプの角度速度および供給は、たとえば、Ｈｅｎｇｓｔｌｅｒ社によって供給されるモデルＲＳ０５５０１６８などの正確な角度符号器と、たとえば、Ｐｏｌｙｔｅｃ社によって供給されるモデルＬＳＶ ０６５などのレーザ速度計の助けによって測定することができる。パイプはまた、回転しなくてもよいのに対して、センサのシステムは回転する。この場合には、レーザ速度計は、パイプの供給を測定するために十分であるのに対して、センサの回転速度は、角度符号器によって認識される。

所与の発射に関して、すべてのセンサＰｘ−１〜Ｐｘ−ｎは、パイプの断面に対応する画像ラインを提供する。画像の他の次元において、基本センサは、パイプの生成ラインに対応するラインを提供する。

ディジタイザ７６５−１Ａ、７６５−２Ａ、．．．、７６５−ｉＡ、．．．、７６５−ｎＡは、パイプの内膜に関する「内部」画像７６９Ａの塗り込みを可能にする。ディジタイザ７６５−１Ｂ、７６５−２Ｂ、．．．、７６５−ｉＢ、．．．、７６５−ｎＢは、（図をわかりやすくするために異なる点線が用いられる出力で）パイプの外膜に関する「外部」画像７６９Ｂの塗り込みを可能にする。

７６９Ａまたは７６９Ｂに格納される画像は、上記で定義されるようにＣスキャンであり、検討されるセンサＰｘのグループのセンサに関して妥当である。この画像の各点は、グレースケールに置き換えられ、検討されるパイプ領域において考えられる欠陥における超音波信号の反射に起因するエコーの振幅から引き出される値に対応する。この値（以下においてＫと呼ぶ）は、試験下のパイプで捕捉される超音波信号の最大振幅と、上記で定義されたような人工の「基準エタロン欠陥」によって得られる超音波信号の最大振幅との間の関係を表し得る。

この画像はここで、ディジタル化されたラインのそれぞれに対応するパイプの略環状領域を共に接合することによって得られるパイプの領域に対応する。実際には、超音波ビームが、パイプの軸に対して略垂直に適用される場合には、それは環状領域の場合である。一定のタイプの欠陥の場合には異なることが知られている。領域は次に、どちらかといえばさらに楕円であり、結果として、空間において歪むか、またはねじれる。本説明において、「環状領域」なる表現は、種々の可能性を網羅する。

Ｃスキャン画像のこの完全な復元を得るために、センサに対するパイプの位置決めに関する追加情報が、必要とされることを留意すべきである。それは、個別の入力７４０から入手可能である。この情報は、符号器ＸＹＺまたはレーザＸＹＺから生じる。パイプが厚みのない円筒に例えることができるため、位置情報は、２次元まで削減することができる。

既存の超音波検査ベンチにおける本発明の実現は、
−たとえば、Ｎａｔｉｏｎａｌ Ｉｎｓｔｒｕｍｅｎｔ社からのモデルＮＩ ６０２４、ＥシリーズまたはＮＩ ６２５１、Ｍシリーズなどのデータ取得カードの助けによって提供される超音波検査生データへのアクセスしやすさ、
−（パイプまたはセンサヘッド）の回転速度に関するオンライン情報のアクセスしやすさ、
−パイプ供給速度に関するオンライン情報のアクセスしやすさ、を伴うことは理解される。

図８Ｂの図は、以下のように適用することができる。
−タイプＰ１１のセンサおよびタイプＰ１２のセンサに並列に適用することができ、２つの異なる方向からパイプの同一の領域を観察する。各センサは、内部画像７６９Ａおよび外部画像７６９Ｂを得ることが可能である。次に、画像の１つは、表記「Ｉｎｔ／Ｅｘｔ」のコマンドの機能として選択されてもよい。
−タイプＰ２１のセンサおよびタイプＰ２２のセンサに並列に適用することができ、ここでも同様に、内部画像７６９Ａおよび外部画像７６９Ｂを得ることが可能である。

図８Ｂの図はまた、タイプＰ１のセンサに適用することができ、この場合には、３つの並列チャネルが、各増幅器（少なくとも仮想上で）の背後に提供される。これらのチャネルの１つは、図６Ｃにおいて、「Ｖｏｌｕｍ．」という名で示されたように、位置決めされる反復時間窓において機能する。このチャネルは、ボリューム、すなわちパイプの厚さにおける欠陥の検査を可能にする。

２つの他のチャネルは、図６Ｃにおいて、「ＷｐｈｉＥｘｔｅｒ０」および「ＷｐｈｉＩｎｔｅｒ１」に示されているように位置決めされる反復時間窓においてそれぞれ機能することができる。これらの２つの他のチャネルは、パイプの厚さの測定を可能にする。

３つのチャネル間の区別は、純粋に機能的（仮想上）である。実際には、上述の２つの他のチャネルは、物理的に同じであってもよく、瞬間または窓「ＷｐｈｉＥｘｔｅｒ０」および「ＷｐｈｉＩｎｔｅｒ１」の区別がある。１つの物理チャネルを用いることも可能であり、瞬間または窓「ＷｐｈｉＥｘｔｅｒ０」、「Ｖｏｌｕｍ．」および「ＷｐｈｉＩｎｔｅｒ１」の区別がある。

タイプＰ１２のセンサを用いて、タイプＰ１１のセンサの場合をさらに詳細に記載することが典型的である。これが、ここで行われることである。

センサＰ１１およびＰ１２のこれらの２つのグループが、パイプにおける長手方向の欠陥の検出ために用いられることが想起される。超音波検査は、２つの好ましい方向（時計回り−反時計回り）における超音波発射（ＵＳ）によって行われる。
−センサまたはセンサのグループＰ１１は、作動方向（時計回り）においてパイプの超音波画像を提供する。
−第２のセンサまたはセンサのグループＰ１２は、別の作動方向（反時計回り）において同一のパイプの超音波画像を提供する。

したがって、長手方向の欠陥は有利には、ビーム軸がパイプの軸に垂直である平面に関して対称に傾斜される２つのセンサまたはセンサのグループを用いて検出される。傾斜は、たとえば、約±１７°である。これは、上述したように、２つのセンサまたはセンサのグループを用いるシステムの適用の実施例を提供する。

図９は、同一の時間基準で、上下に示されたＣスキャンタイプの２つの画像９０１および９０２の実施例である。これらの２つの画像は、対向する位置におけるセンサの２つのグループ、ここでは、タイプＰ１１およびＰ１２のセンサのグループ（変形としてタイプＰ２１およびＰ２２のセンサのグループ）による情報から生じ、これらの場合の一方を「内部」／「外部」とする。

ブロック９０１および９０２の画像は、グレーレベル（実際には色のパレットで）信号を表す。補足画像を含む追加表示が、必要に応じて示される。
−９２１、画像９０１において選択された垂直線９１１に応じた信号振幅の図である。
−９２２、画像９０２において選択された垂直線９１２に応じた信号振幅の図である。
−９１０、２つの曲線を含み、画像９０１および９０２の対応する垂直線で遭遇する最大値をそれぞれ表す。

ここで、図１１を参照する。画像ブロック９０１および９０２は、たとえば、図９において見られるようなセンサグループＰ１１およびＰ１２に関して格納される画像を表す。画像９０１は、図８Ｂに示されているように準備されている。図１１の変換器ブロック８９１は、図８Ｂの設定に対応し、センサＰ１１に適用される。同様に、変換器ブロック８９２もまた、図８Ｂの設定に対応するが、センサＰ１２に適用される。変換器ブロック８９１および８９２は、ブロック７４０のパイプ／センサの出現箇所のデータを用いる。これらのデータは、検査中のパイプの特性および使用中のセンサの特性に関連する。データはまた、変換器ブロック８９１および８９２に送信され、画像ブロック９０１および９０２に送信され、結合器ブロック９６０に至る。

図から分かるように、ブロック９０１および９０２の後で、フィルタ９２１および９２２が示され、特に、抽出物を画像から取り出すことを可能にし、予備データからニューラル処理９７０用の結合器ブロック９６０によって結合された入力データとして示される。

示された実施形態において、フィルタ９２１は、以下のものを有する。
−画像における動作領域を示す信号出力Ｚｃｕｒ。この出力は、抽出機能９５１によって用いられ、結果として、Ｚｃｕｒ領域用の画像（Ｃスキャン）からの抽出を行い、同Ｚｃｕｒ領域に関連してそこに格納された情報（いわゆるＡスキャン）を得るために、画像準備８９１へのアクセスを行う。これらのデータはすべて、ニューラル処理９７０への入力として抽出機能９５１によって結合器９６０に送信される。
−フィルタリングによって得られた情報を提供する出力。一部は少なくとも領域Ｚｃｕｒに関し、ニューラル処理９７０用の入力として送信する（結合器９６０）。
−任意に（点線）メモリ９９０への追加データ出力。

同じことが、同Ｚｃｕｒカレント領域に関して抽出機能９５２を有するフィルタ９２２にも当てはまる。

ニューラル処理９７０は、決定および警報回路９９２を供給し、分類およびマーキングロボット９９４を制御する。オペレータ解釈インターフェイス９９６を、提供することができ、検査中のパイプの断面に関してメモリ９９０に収容されるデータのすべてまたは一部を提示することができる。

ここで、図１１は、同一の機能を提供するか、または検査の同一のタイプ向けのセンサの少なくとも２つのグループ（Ｐ１１およびＰ１２の２つのグループまたはＰ２１およびＰ２２の２つのグループ）から生じる情報を扱っている。同一の図を、異なるタイプの検査向けの多数のセンサグループから生じる情報を処理するために用いることができる。同時に処理される画像の数は、同量だけ増大される。

フィルタ９２１および９２２の主要機能は、Ｃスキャン画像９０１および９０２における欠陥領域を決定することである。一般的に言えば、フィルタリングは、解析される領域を特定し、他の兆候から欠陥を区別するために配置される。フィルタリングは、図９の２つの画像の２つの等価な部分で作用する。実際には、２つのフィルタは、図１１において共に連結する双方向のリンクによって示されるように共に作用する。

ディジタル画像をスキャンすることによって、まず、潜在的な欠陥がある画像の領域が識別される。

このために、較正によって確立された一定の閾値を適用することが可能である。

本出願人は現在、画像において優勢な雑音レベルに適応する閾値を用いることを好む。本方法は、２つの仮説に基づき得る白色雑音における信号の検出の理論に基づいている。

仮説Ｈ０：測定値＝平均白色雑音ｍ＿ｂおよび標準偏差ｓｔｄ＿ｂ
仮説Ｈ１：測定値＝信号＋白色雑音
状況が仮説Ｈ０または仮説Ｈ１の範囲内に収まるかどうかの決定を可能にする統計的検査が行われる。これらの統計的な計算は、連続発射に対応する画像のｎ個のスライディング点（ｓｌｉｄｉｎｇ ｐｏｉｎｔ）で実時間で行われる。数ｎは、学習によって決定することができる。

この方法（いわゆるガウス加算）によれば、たとえば、ネイマン−ピアソン基準を用いて、誤認警報（ｐｆａ）の所与の確率に基づいて決定閾値を決定することが可能である。これは、公式［２１］によって表現される。一般にＱ（またはエラー関数ｅｒｆとも呼ぶ）として公知のガウス累積関数が、用いられ、公式［２２］によって閾値を得るために反転することが必要である。

実際には、種々の発生源（たとえば、パイプ内部の水の存在、電気的干渉、試験中の製品の材料の構造に起因する音響現象）を有し得る背景雑音の存在が、頻繁に留意される。変数閾値の使用は、一定の閾値が適用される場合に生じる誤認警報を回避する。

現れそうな他の誤った表示の中で、超音波信号におけるきわめて短いピークの形態で干渉が生じる。この干渉は、累積的計数アルゴリズムまたは積分岐（例：「警報前にｎ回生じる」または「二重閾値］）と呼ぶことができる簡単なアルゴリズムによって除去することができる。

本出願人はまた、パイプが例えられる円筒表面に沿ってセンサに従う軌跡である「ターン」も考慮した。フィルタリングは、誤認警報の割合をさらに低減するために、各ターンに沿って行うことができる。このために、たとえば、バターワースフィルタおよび／または高速フーリエ変換などの離散フーリエ変換が使用される。この方法は、各ディジタルラインに適用される。

同タイプのアルゴリズムをパイプの長手方向に適用することができる。

このように、潜在的な欠陥が特定される。一旦、欠陥が特定されると、その位置は、図９（たとえば）の画像において解析される位置に対応する。この２次元画像は、厚みのない円筒に例えられるパイプの展開に対応する。半径方向の位置／厚さの表示（またはさらに簡単に言えば、内部であれ、外部であれまたは大量であれ、欠陥の位置）は、画像の点の属性として表すことができる。したがって、
−２つの２次元画像は、パイプの外膜において考えられる欠陥を表し、
−２つの２次元画像は、パイプの内膜において考えられる欠陥を表し、
−１つの２次元画像は、パイプの厚さにおいて考えられる欠陥を表す。

欠陥は、特に干渉および誤認警報の排除後に、ここで「確認される」と考えられる。

ここから後では、本出願人は、一定のサイズの画像領域で作用することを決定している。したがって、得たばかりの欠陥の存在するデータにおけるデータとこの領域を位置合わせすることが必要である。

言い換えれば、欠陥の周囲の完全な領域を決定するために、閾値より大きいと識別されている点を位置決めすることが必要である。これは、たとえば、欠陥の傾斜を決定することが望ましい場合に必要である。

アルゴリズは、多数のステップを経る。
−輪郭決定（たとえば、ロバーツ勾配）
−拡張（付近輪郭の収集）
−衰退（ｅｒｏｓｉｏｎ）、次に閉鎖、欠点の周囲のマスクの決定を可能にする。
−欠陥の全体的な局所化を可能にする最終包囲段階
したがって、各欠陥に関して、対応する画像領域からの座標が得られ、これは、次に行うニューラルネットワーク解析用に有用である。

図１２は、流れ図の形態で画像領域のこの処理を示す。

画像の始まり（８０１）で、ゼロと処理対象のｐ画像領域との間に確認された欠陥を表す。動作８０３は、少なくとも初期領域があると仮定し、この領域は、８０５においてＺｃｕｒを処理するためのカレント領域として機能する。この領域Ｚｃｕｒに関して、−動作８０７は、この領域（画像におけるその座標によって定義される）に対応する画像９０１および９０２からデータを選択的に抽出する。
−動作８０９は、画像９０１および９０２の準備において役割を果たし、領域Ｚｃｕｒに対応するデータを選択的に抽出する。これらのデータの実施例は、以下で提供される。
−動作８１１は、いわゆる適切にニューラル処理を行い、その多くは、後に行われる。
−領域Ｚｃｕｒに関して得られた結果が、８１３において選択的に格納され、Ｚｃｕｒ領域表示に対応する。
−検査８２０は、画像において処理される別の領域があるかどうかを確認するために調べ、その場合には、８２１において示されるようにこの別の領域に関して８０５において再始動が行われ、そうでない場合には、現在の画像の処理は、終了する（８２２）。

センサＰ１の処理の場合において、唯一の画像があり、入力変数の数を変化させる。これ以外は、処理は一般に同一であってもよい。

各関心領域Ｚｃｕｒの決定後、フィルタリングは、他の機能を含み得る。これらの他の機能に関して、図１３は、フィルタリングと図１１に示された一連の動作との間の相互作用を概略態様で示す。

図１３は、図１１に類似であるが、画像９０１に関してのみである。図１３は、
−ブロック７４０のパイプ−センサの出現箇所の要素
−画像９０１およびその準備８９１におけるＺｃｕｒ領域に関するデータを見つける抽出器９５１
−検討されるＺｃｕｒ領域における欠陥が、内膜または外膜において特定されるかどうかを示している内部／外部ブロック７４１０
フィルタリングによって基本データに追加されるものは、さらに詳細に定義される。すなわち、各Ｚｃｕｒ領域（ブロック８０５）の場合には、破線のボックスの中身によって示されている通りである。
−９３１における傾斜の角度の調査
−欠陥９３２の長さの表示
さらに、特に以下のものが含まれてもよい。
−９３５ではＣスキャンにおける位置合わせの表示
−９３６ではパイプの同一の断面における他の欠陥の存在の表示
記載された実施形態において、９３５および９３６などのデータが、メモリ９９０に進む。残りは、ニューラルネットワーク９７０に進む。これらは、ここで図から分かるように、２つの機能に分割される。
ニューラル回路
パイプにおける欠陥は、その位置、そのタイプおよびその深さによって例えられることが多いその深刻度によって定義される。記載された実施形態において、パイプの欠陥のタイプおよび深さの度合いは、ここで実施例を用いて詳述される同一の一般的な構造の２つのニューラル処理の助けによって個別に決定される。

欠陥のタイプの場合には、図１４に基づいて対処され、深刻度の場合には図１５に基づいて対処される。

タイプは、たとえば、図１０Ａ〜図１０Ｄに示されているように、定義することができる。これらの図は、４つのタイプを示しており、ＡＰＩによって供給される欠陥のリストに比較して簡略化された選択を表し、パイプ構成処理によって生じ得る。見出しは、欠陥のタイプを表すために当業者によって用いられる見出しである。タイプ１および３の欠陥は直線であり、タイプ２および４は円弧形状（「弦」）であることを留意されたい。

実際の欠陥と４つの上記のタイプとの間の対応関係は、以下のように定義することができる。

ここで、図１４および図１５はいずれも、図１４の場合にはＮＣ１２１〜ＮＣ１２３および図１５の場合にはＮＣ１４１〜ＮＣ１４３と呼ばれる３つの中間ニューロン（または「隠れニューロン」）によるニューラル回路を用いる。

図１４および図１５は、共通の一定数の入力を有する。理解を助けるものとして、入力は、異なるタイプのラインを用いて示される。二重線は、入力が複数であること、すなわち、Ｚｃｕｒ領域の各点に関して反復されることを示す。

まず、７４１０において、関連するセレクタ７６１によって検討される状態に基づいて、パイプの壁の内膜又は外膜に位置する欠陥を処理する場合であるかどうかを示す情報が提供される。

共通の入力変数の第２の分類は、ブロック７４０（図１３）から生じる出現箇所の変数を含む。
−７４０１において、ＷＴ／ＯＤは、壁厚対パイプ直径の比であり、
−７４０２において、Ｆｒｅｑは、超音波プローブの動作周波数であり、
−７４０３において、ＰｒｏｂＤｉａｍは、超音波プローブの有効直径である。

共通の入力変数の第３の分類は、フィルタリングから生じる量に対応し、２つのセンサ９２１および９２２（またはそれ以上）に共通であると考えることができる。たとえば、２つのセンサからの結果の平均が取られ、または最大の典型的な結果（場合によっては、最大値／最小値）が取られる。これらの量は、９２０１において欠陥の傾斜、９２０２においてその長さという変数である。これらの２つの変数は、鏡面対称を有する図９の２つの画像において特定しやすい。

ここで、図１４のみが参照される。変数の以下の分類は、２つのセンサ（またはグループのセンサ）のそれぞれに関して異なる測定の変数を含み、Ｚｃｕｒ領域のそれぞれの場合には、二重線の使用によって図に反映される。

第１のセンサの場合には、
−９５１１において、Ｋ１は、Ｚｃｕｒ領域および画像９０１において遭遇する超音波信号の最大振幅と上述の「基準エタロン欠陥」の最大振幅との間の比である。実際には、実施例において、画像９０１の各画素における振幅は、この比によって定義される。Ｋ１はこのとき、単に画像９０１のＺｃｕｒ領域において遭遇する超音波信号の最大振幅であり、この最大値が遭遇するＺｃｕｒ領域の点をＰｍａｘ１と表記する。
−９５１２において、ＱＢＥ１は、ＱｕａｎｔＢｕｍｐｓＥｃｈｏｄｙｎと呼ばれるＣスキャンの変数であり、最大振幅の点Ｐｍａｘ１の付近における画像９０１のＺｃｕｒ領域で遭遇する極大値の数を示す。この数ＱＢＥ１は、いずれかの側で、Ｐｍａｘ１の付近で遭遇する極大を制限するが、背景雑音に対応するレベル未満に収まる信号振幅はない。ＱＢＥ１は一般に、値１または値２のいずれかを取る。

これらの２つの変数は、抽出器９５１を介して画像９０１から生じ、図面において表記９５１（９０１）によって示される。これに加えて、
−９５１８において、ＲＴ１は、Ａスキャンとして公知の未加工の超音波信号におけるエコー立ち上がり時間を表す変数である（これは、信号がその最大値にある瞬間と信号がマイクロ秒で一般に表現される背景雑音レベルにある最後の前の瞬間との間の差である）。この変数ＲＴ１は、関連する増幅器７３（図８Ｂ）の出力で既に測定されている。たとえば、８９１において関連するパイプの点に対応して格納されている。この変数は、このように、抽出器９５１によって選択的に検索することができる。

第２のセンサの場合には、
−９５２１において、Ｋ２は、Ｋ１のように定義されるが、画像９０１ではなく、画像９０２に関する。実施例において、Ｋ２は、単に画像９０２のＺｃｕｒ領域において遭遇する最大振幅であり、この最大値が遭遇するＺｃｕｒ領域の点をＰｍａｘ２と表記する。
−９５２２において、ＱＢＥ２は、ＱＢＥ１のように定義されるが、画像９０１ではなく、画像９０２においてであり、Ｐｍａｘ２の付近である。この場合も同様に、ＱＢＥ２は、値１または値２を取る。

これらの２つの変数は、抽出器９５２を介して画像９０２から生じる。これに加えて、
−９５２８において、ＲＴ２は、Ａスキャンとして公知の未加工の超音波信号におけるエコー立ち上がり時間を表す変数である。既に述べたように、この変数ＲＴ２は、関連する増幅器７３（図８Ｂ）の出力で既に測定されている。たとえば、８９２において関連するパイプの点に対応して格納されている。この変数は、このように、抽出器９５２によって選択的に検索することができる。

ニューラルネットワークの最後の入力９５８は、定数Ａと呼ばれる定数値であり、モデルの較正時に決定される定数を表し、学習から生じる。

図１４の出力９９８は、欠陥のタイプおよびその平均勾配（タイプの関数として定義される）を表す変数である。

欠陥の深さの度合い（または深刻度）の場合には、図１５に基づいて対処される。入力は、図１４の場合と同様であるが、
−第１のセンサの場合には、ブロック９５１２が、ブロック９５１３によって置き換えられ、この第１のセンサの場合には、エコー波形の中間高さ（５０％）の幅である変数ＥＷ＿１またはＥｃｈｏｄｙｎＷｉｄｔｈを処理する。この変数ＥＷ＿１は、Ｃスキャンから引き出される。
−同様に、第２のセンサの場合には、ブロック９５２２が、ブロック９５２３によって置き換えられ、この第２のセンサの場合には、エコー波形の中間高さ（５０％）の幅である変数ＥＷ＿２またはＥｃｈｏｄｙｎＷｉｄｔｈを処理する。
−９５９において、定数Ｂとここでは呼ばれる定数が、異なる。
−出力９９９は、ＤＤと呼ばれる欠陥の深刻度の表示である。

いずれの場合（図１４および図１５）も、所与のニューラル回路９７０が、超音波センサのグループのうちの１つに関する画像抽出物９５１のほか、同一の領域に対応するが、別のグループのセンサが起源である画像抽出物９５２を処理することに留意されたい。

本出願人は、ニューラル回路の変数の適切な調整および場合によって、これらの数を条件として、きわめて十分な結果を得ることが可能であり、予測を最適化することを観測した。

さらに、本出願人は、種々のニューラルネットワークによって収集された情報の組み合わせによって、予測をさらに改善することを可能にすることを発見した。

全般的に見れば、ニューラルネットワークの入力変数はこのとき、２つの画像の特性（エタロン振幅に対する最大振幅の比、エコー幅、欠陥の傾斜度を表すエコーの向きなど）および検査の特性（センサ、パイプの寸法など）である。

出力変数は、欠陥の特性（深さ、勾配／タイプ）である。決定および／または警報（９９２）は、選択された決定基準の助けによって、必要に応じた安全度を保持する閾値に基づいて自動的に行うことができる。これらの閾値を定義するために、学習からの結果を用いることができる。

ここで、２つのセンサに関する図１４および図１５の基本的なニューラル回路のモデルである図１６を参照する。

このモデルは、入力層またはレベルＩＬを備え、入力変数（「入力ニューロン」と呼ばれることが多い）のすべてを共にグループ化する。図を過負荷にしないようにするために、ニューロンＥ０と見なすこともできる定数を加えた３つのみのニューロンＥ１〜Ｅ３が示されている。この定数は、「バイアス」と呼ばれることが最も多い。実際には、場合によっては、図１４または図１５に基づいて、より多くの入力ニューロンがある。

次に、少なくとも１つの隠れ層またはレベルＨＬが設けられ、ｋ個のニューロン（図を過負荷にしないようにするために、２つのみが示されている）を含む。

最後に、出力ニューロンＳ１が生じ、パイプにおける欠陥、たとえば、長手方向の欠陥の重要性を表す値の形態で、決定を提供する。この出力は、図１４におけるブロック９９８および図１５における９９９に対応する。

「ニューロン」定数Ｅ０は、隠れ層またはレベルＨＬだけでなく、出力ニューロン（出力層、ＯＬ）も重み付けするようになることに留意されたい。

ｗｉｊが、ニューロンｊの入力に存在する信号Ｘｉも割り当てられる重みである場合にはニューラル回路の一般的な挙動は、本願明細書において用いられるとき、公式［１１］によって与えられる。

ここで提供される回路において、図１７に概略的に示されるように、基本的なニューロンは、公式［１２］に基づいて振る舞う。

図１６の出力Ｓ１は、公式［１３］に対応する推定値を提供する。

学習によって、本出願人は、隠れニューロンおよびその重みを調整し、関数ｆが、非線形で連続的であり、導出可能で制限された関数であるように調整される。現在好ましい実施例は、アークタンジェント関数である。

ニューラルネットワークは、学習によってシナプスとして一般に公知であるその係数ｗｉｊを決定することが公知である。学習は一般に、計算される重みより３〜１０倍の実施例を伴わなければならず、所望の範囲の作動条件を正確に網羅する。

各実施例に関してＥｐ（Ｐ＝１〜Ｍ）から始まり、ニューラル回路によって与えられる値Ｓｐと、測定または実験的に定義される実際の値Ｒｐとの間で偏差値Ｄｐが決定される。これは、公式［１４］によって反映されるものである。

ニューラル回路の動作の品質は、「コスト」として公知である広範囲な偏差変数Ｃｇによって定義される。たとえば、重み付けされた２次方程式の広範囲な偏差変数として、公式［１５］に基づいて表現することができる。

学習は、特に、既に示したように高い工業技術が必要とされるという事実に起因して、パイプにおける欠陥に関する検査などの場合には、種々の問題を引き起こす。

本出願人は最初に、シミュレーションによる初期学習を行った。このために、フランスのＡｔｏｍｉｃ Ｅｎｅｒｇｙ Ａｇｅｎｃｙによって開発および販売されているＣＩＶＡソフトウェアを用いることが可能である。この初期学習は、仮想の欠陥に基づいて、影響を及ぼす変数の特定およびニューラルネットワークの初期バージョンの構成を可能にした。コスト関数が、最適化された。

本出願人は次に、シミュレーションおよび人工的な欠陥、すなわち実際のパイプに意図的に形成された欠陥から得られた結果を組み合わせる第２の学習を行った。この第２の学習は、ニューラルネットワークの第２のバージョンの構成を可能にし、そのコスト関数もまた、最適化された。

本出願人は次に、人工的な欠陥を用いて得られた結果と実際のパイプに存在する一連の欠陥によって得られた結果とを組み合わせ、これらの欠陥は、作製過程中に事後行われる測定から正確に認識されている。この第３の段階は、ニューラルネットワークの最終バージョンの妥当性の確認を可能にした。このバージョンは、作製監視のために操作上、有用であることが証明されている。しかし、新しい取り付けまたは改良した取り付けにおいて実現される場合、対処対象の全体的な範囲の欠陥を網羅する約１０個の人工サンプルを用いられる「較正」を実行することが現在、必要である。当然のことながら、最適化が次に続く。

図１１、図１２、図１４および図１５は、センサＰ１１およびＰ１２に関して記載された。

同一の原理が、センサのグループＰ１に適用された。この場合には、画像２はなく、構築されたネットワークは、既に述べたように、より少ない入力変数を有する。２つのセンサに関して記載された回路は、１つのみのセンサに関して用いられてもよいが、「画像２」部分に関する入力変数はない。

同一の原理はまた、横断方向の欠陥の検出が委ねられたセンサの２つのグループＰ２１およびＰ２２に適用され、この検出のために、センサが、パイプの軸を通過する平面において（たとえば、±１７°）傾斜されることを念頭に置く。

それぞれの場合において、要素９９２〜９９６を除き、図１１によって定義されたタイプのディジタル処理が、行われることが理解されるであろう。この手順は、ブロック７６４および７６６を次に伴う図８Ａに基づき、全般的な表示７６１を有する。

設定は、図１８によって示されているように、このように得られる。
−センサＰ１の場合には、手順７６１−１、続いて、決定および警報段階７６４−１による。
−センサＰ１１およびＰ１２の場合には、手順７６１−１０、続いて、決定および警報段階７６４−１０による。
−センサＰ２１およびＰ２２の場合には、手順７６１−２０、続いて、決定および警報段階７６４−２０による。
−３段階７６４−１、７６４−１０および７６４−２０は、分類および警報ロボット７６６によって共に解釈される。

図示されていない図１８の変形は、１つのみの「決定および警報」段階を提供し、３つの手順７６１−１、７６１−１０および７６１−２０からの出力を直接用いることからなる。

非破壊検査は、「実行中」、すなわち、パイプが検査取り付けを通過しているときに、いわゆる適切に行われる。上述の情報の処理から生じる決定はまた、パイプが検査取り付けを通過しているとき（「実行中の」決定−警報およびマーキングによって）に行うことができ、変形は、一旦、パイプの全長が検査されると、この決定を行うことからなり、あるいは、たとえ後に（たとえば、パイプの全バッチの検査後に）であっても、各パイプが、（たとえば、番号順に）基準化／識別される。この場合には、得られた情報が、記録（格納）される必要がある。記録は、ニューラルネットワークによって記録および処理された結果の解析後に、決定を行う権限を有するオペレータによる後の解析の対象であってもよい。

当然のことながら、ニューラル回路の特性を考慮すると、所望の入力のすべてを有する１つのニューラル回路において、少なくともある程度まですべてのニューラルネットワーク（手順７６１−１、７６１−１０および７６１−２０に含まれる）を組み合わせることが可能である。

記載された実施形態は、ニューラルネットワークを直接用いる。本発明は、実施形態のこのタイプに限定されるわけではない。ここで「ニューラル回路タイプの配置」なる表現は、ニューラル回路の有無に関係なく、他の非線形統計的方法を網羅することができる。

ここで提案されたシステムは、溶接のないパイプの作製における非破壊検査の場合において記載されており、これは、本発明が特に良好に役立つ場合である。同一の方法は、必ずしも管状でない細長い鉄および鋼の製品に特に適用することができる。

溶接のあるパイプまたは他の溶接のある製品（シートまたはプレートなど）の場合には、システムもまた、溶接の継ぎ目の限界を決定することができることが分かっており、溶接の継ぎ目における任意の欠陥を特定する結果として、監視することが必要である場合もある。その一部に関して、溶接の継ぎ目の限界の外側で特定された欠陥は、ベースストリップ（または製品）に既に存在する含有物に対応する可能性があり、別に考慮しなければならない。

Claims (17)

1. パイプの作製中または完成状態における非破壊検査用の操作工具を形成するデバイスであって、この工具は、選択された時間規則に基づいて超音波トランスデューサの選択的励起（７０）を行って、捕捉される（７３）フィードバック信号から前記パイプにおいて考えられる欠陥などの情報を抽出することを意図し、前記超音波トランスデューサは、液体媒体の媒介によって前記パイプと超音波連結で取り付けられる選択された幾何構成を有する配置を形成し、前記パイプと前記超音波トランスデューサの間には相対的な回転／並進移動があり、前記操作工具は、
   −前記フィードバック信号から前記相対的な回転／並進移動の関数として指定された時間窓において考えられるエコーのディジタル表示を選択的に分離し、これから前記パイプにおいて考えられる欠陥の画像（９０１；９０２）を抽出することができる変換器（８９１；８９２）と、
   −前記画像（９０１；９０２）において推定された欠陥領域（Ｚｃｕｒ）のほか、各推定された欠陥の特性を決定することができる少なくとも２つのフィルタ（９２１；９２２）と、
   −推定された欠陥領域（Ｚｃｕｒ）に対応する前記画像の抽出物（９５１；９５２）、前記フィルタ（９２１；９２２）から生じる前記推定された欠陥領域における前記推定された欠陥の特性および出現箇所のデータ（７４０）からニューラル回路用のディジタル入力を準備するように配置された結合器（９６０）と、
   −前記結合器（９６０）から前記入力を受信するニューラル回路タイプの少なくとも１つの配置（９７０）と、
   −前記ニューラル回路タイプの配置（９７０）からの出力に基づいて操作する決定および警報ディジタル段階（９９２）と、
   −前記決定および警報ディジタル段階（９９２）に適合しないと思われるパイプを分離して印を付けるように配置される分類およびマーキングロボット（９９４）と、を備えることを特徴とするデバイス。
2. それぞれの超音波ビームの方向の鏡面対称に略基づいて、超音波連結において取り付けられる選択された幾何構成を有する超音波トランスデューサの２つの配置（Ｐ１１，Ｐ１２；Ｐ２１，Ｐ２２）によって作用するように意図され、前記操作工具は、前記超音波トランスデューサのこれらの２つの配置（Ｐ１１，Ｐ１２；Ｐ２１，Ｐ２２）にそれぞれ専用の２つの変換器（８９１、８９２）を備えることと、前記結合器（９６０）は、内膜エコーまたは外膜エコーまたは前記パイプの塊において生じるエコーを選択的に操作するように配置されるが、同時に、２つの超音波トランスデューサの配置のうちの一方または他方に関するデータを操作するように配置されることを特徴とする、請求項１に記載のデバイス。
3. 前記変換器（８９１；８９２）は、内膜エコーまたは外膜エコーまたは前記パイプの塊からのエコーに対応する指定された時間窓において考えられるエコー最大値のディジタル表示を選択的に分離するように配置されることと、前記結合器（９６０）は、内膜エコーまたは外膜エコーまたは前記パイプの塊において生じるエコーを選択的に操作するように配置されることと、を特徴とする、請求項１または２に記載のデバイス。
4. 前記結合器（９６０）は、前記推定された欠陥領域における前記画像の振幅極値に関連する少なくとも１つの入力（９５１１；９５２１）を受信することを特徴とする、請求項１〜３のいずれか一項に記載のデバイス。
5. 前記フィルタ（９２１；９２２）は、各推定された欠陥の特性として、その傾斜度およびその長さを作製するように配置され、前記結合器（９６０）は、前記欠陥の傾斜度（９３１）および欠陥の長さ（９３２）の対応する入力を受信することを特徴とする、請求項１〜４のいずれか一項に記載のデバイス。
6. 前記フィルタ（９２１；９２２）、前記結合器（９６０）、前記ニューラル回路（９７０）および前記決定および警報ディジタル段階（９９２）が、前記フィルタ（９２１；９２２）によって決定される一連の推定された欠陥領域（Ｚｃｕｒ）で反復的に操作するように配置されることを特徴とする、請求項１〜５のいずれか一項に記載のデバイス。
7. 前記フィルタ（９２１；９２２）、前記結合器（９６０）、前記ニューラル回路（９７０）および前記決定および警報ディジタル段階（９９２）が、前記パイプの前記内膜および外膜で交互に操作するように配置されることを特徴とする、請求項６に記載のデバイス。
8. 前記ニューラル回路の前記配置は、
   −多数の予め定義されたクラスの中で欠陥の性質を評価するために適した第１のニューラル回路（ＮＣ１２１〜ＮＣ１２３）と、
   −欠陥の深刻度を評価するために適した第２のニューラル回路（ＮＣ１４１〜ＮＣ１４３）と、
   を備えることを特徴とする、請求項１〜７のいずれか一項に記載のデバイス。
9. 前記２つのニューラル回路は、
   −前記第１のニューラル回路に関して、前記画像の欠陥の最大振幅の付近における極大値の数の入力（９５１２；９５２２）と、
   −前記第２のニューラル回路に関して、前記エコーの波形の中間高さの幅の入力（９５１３；９５２３）と、
   によって異なる入力を有することを特徴とする、請求項８に記載のデバイス。
10. 前記第１のニューラル回路の出力と前記第２のニューラル回路の出力は、欠陥の特性を決定するために組み合わせられることを特徴とする、請求項８または９に記載のデバイス。
11. 超音波信号の送信および受信は、前記超音波トランスデューサの配置の少なくとも一部に関して、同一の超音波トランスデューサによって毎回行われることを特徴とする、請求項１〜１０のいずれか一項に記載のデバイス。
12. パイプの作製中または完成状態における非破壊検査デバイスであって、
    −液体媒体の媒介によって前記パイプと超音波連結で取り付けられる選択された幾何構成を有し、パイプと超音波トランスデューサの配置との間で相対的な回転／並進移動による超音波トランスデューサの配置と、
    −選択された時間規則に応じて、これらの超音波トランスデューサを選択的に励起して前記パイプに超音波を照射し（７０）、前記パイプからのエコーであるフィードバック信号を収集する（７３）ための回路と、
    −請求項１〜１１の１つに基づく操作工具と、
    を備えることを特徴とするパイプ用の非破壊検査デバイス。
13. パイプの作製中または完成状態における非破壊検査工程であり、以下のステップ、すなわち、
    ａ．液体媒体の媒介によって前記パイプと超音波連結で取り付けられる選択された幾何構成を有し、前記パイプと超音波トランスデューサの配置との間で相対的な回転／並進移動によって前記超音波トランスデューサの配置を設けるステップと、
    ｂ．選択された時間規則に応じて、これらの超音波トランスデューサを選択的に励起して前記パイプに超音波を照射するステップ（７０）と、
    ｃ．前記パイプからのエコーであるフィードバック信号を収集し、これらのフィードバック信号（７６０〜７６６）を選択的に解析して、前記パイプにおける任意の欠陥に関する情報を抽出するステップ（７３）と、
    を含み、さらに、以下のステップ、すなわち、
    ｄ．前記相対的な回転／並進移動（８９１；８９２）の関数として指定された時間窓において考えられるエコーのディジタル表示を選択的に分離し、これから前記パイプにおいて考えられる欠陥の画像（９０１；９０２）を抽出するステップと、
    ｅ．選択されたフィルタ基準に基づいて、前記画像（９０１；９０２）をフィルタリングして、そこで推定された欠陥領域（Ｚｃｕｒ）のほか、各推定された欠陥の特性を決定するステップ（９２１；９２２）と、
    ｆ．前記推定された欠陥領域に対応する画像の抽出物（９５１；９５２）、前記フィルタ（９２１；９２２）から生じる前記推定された欠陥領域における前記推定された欠陥の特性および出現箇所のデータ（７４０）からディジタル入力を形成するステップ（９６０）と、
    ｇ．そのように形成された入力（９６０）をニューラル回路タイプの少なくとも１つの配置（９７０）に適用するステップと、
    ｈ．選択された決定基準に基づいて、前記ニューラル回路タイプの配置（９７０）からの出力をディジタルで処理し、これから決定および／または警報を抽出するステップ（９９２）と、
    ｉ．段階ｈによって適合しないと考えられるパイプを分離して印を付けるステップ（９９４）と、
    を含むことを特徴とする非破壊検査工程。
14. ステップａで、それぞれの超音波ビームの方向の鏡面対称に略基づいて、超音波連結において取り付けられる選択された幾何構成を有する超音波トランスデューサの２つの配置（Ｐ１１，Ｐ１２；Ｐ２１，Ｐ２２）が提供され、ステップｄ〜ｉは、前記超音波トランスデューサのこれらの２つの配置の両方から生じる信号で共に行われることを特徴とする、請求項１３に記載の工程。
15. −ステップｄで、前記指定された時間窓は、内膜エコーまたは外膜エコーまたは前記パイプの塊によるエコーに対応する群の窓の少なくとも一部を含むことを特徴とする、請求項１３または１４に記載の工程。
16. −ステップｅで、選択された前記フィルタリング基準は、欠陥の傾斜（９３１）の基準および欠陥の長さ（９３２）基準を含むことを特徴とする、請求項１３〜１５のいずれか一項に記載の工程。
17. −ステップｆおよびｇは、ステップｅで検出された各欠陥に関して反復的に繰り返されることを特徴とする、請求項１３〜１６のいずれか一項に記載の工程。