WO2009100835A1 - Verfahren und vorrichtung zur automatisierten fehlererkennung in der zerstörungsfreien werkstoffprüfung - Google Patents

Verfahren und vorrichtung zur automatisierten fehlererkennung in der zerstörungsfreien werkstoffprüfung Download PDF

Info

Publication number
WO2009100835A1
WO2009100835A1 PCT/EP2009/000711 EP2009000711W WO2009100835A1 WO 2009100835 A1 WO2009100835 A1 WO 2009100835A1 EP 2009000711 W EP2009000711 W EP 2009000711W WO 2009100835 A1 WO2009100835 A1 WO 2009100835A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
pixel
intensity
statistical analysis
test
Prior art date
Application number
PCT/EP2009/000711
Other languages
English (en)
French (fr)
Inventor
Til Florian GÜNZLER
Original Assignee
Ge Sensing & Inspection Technologies Gmbh
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 Ge Sensing & Inspection Technologies Gmbh filed Critical Ge Sensing & Inspection Technologies Gmbh
Publication of WO2009100835A1 publication Critical patent/WO2009100835A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Definitions

  • the invention relates to a method and a device for automated fault detection in nondestructive material testing according to the preamble of claim 1.
  • the image processing comprises the difference formation between the measured image and a reference image taken from a database. Subsequently, the differential image is discriminated with respect to an intensity threshold value, whereby each pixel above the threshold is classified as defective and each pixel below the threshold is classified as regular.
  • intensity fluctuations caused by noise lead to misclassifications of pixels, which reduces the reproducibility of the error detection. This can lead to an increased rejection of actually faultless test parts or even to the non - recognition of faulty test parts. This is particularly problematic for flat defects, ie defects in the test part, which cause only a slight structural contrast in the image.
  • the signal-to-noise ratio and thus the reproducibility of the error detection can be fundamentally improved by longer measurement times, this is at the expense of the throughput through the scholaranläge.
  • WO 99 56469 A1 discloses a method for automated
  • a training phase a plurality of reference images is generated and from this a mean reference image and a standard deviation reference image is determined. With the aid of the mean reference image and the standard deviation reference image, a probability image is generated in the test phase which represents for each pixel the probability that it does not belong to the reference image distribution
  • JP 2002 022421 A, US 2005 0013475 A1 and US Pat. No. 5,640,200 disclose further reference image methods for automated error detection in a test image, which are based on the comparison of a measured image with at least one reference image obtained from a database and obtained in advance from a multiplicity of test parts ,
  • the object of the invention is to provide an efficient method for automated defect detection in nondestructive material testing with a high reproducibility and reliability in error detection.
  • a statistical analysis is carried out for each pixel with regard to its intensity fluctuation, and from this a gradual error probability is determined that a pixel is attributable to a material defect.
  • the error probability that a pixel is attributable to a material error is complementary to the probability that a regular pixel has the measured intensity (deviating from the regular mean value) due to the noise.
  • Each pixel is therefore not only classified as defective or non-defective ("black-and-white” classification), but a gradual ("gray") probability is determined that the pixel is defective or that the pixel is error-free.
  • Gradually means in a suitable grading with at least one, preferably one Most intermediate values between 0% and 100%.
  • the gradual error probability determined according to the invention is used in the further image processing in order to improve the reproducibility of the error detection.
  • the comparison image is generated during the test by applying an error-correcting filter from the measured image data and the statistical analysis for each measured pixel with respect to its intensity fluctuation accordingly performed during the test.
  • This has the decisive advantage over the reference image methods of the prior art that the alignment of the measured image and the comparison image exactly matches pixel by pixel.
  • the reduction in image quality in the differential image caused in the prior art by angular deviations, distortions and displacements between the reference image and the measured image is therefore ruled out in the invention.
  • a plurality of X-ray images are taken of the test piece under constant conditions and the statistical analysis is performed on the intensity variations in the plurality of X-ray images.
  • This has the advantage that the intensity fluctuation for each pixel can be determined directly, which increases the accuracy of the error probability determined and thus the accuracy of the error detection.
  • the intensity variation of a pixel is determined on the basis of the intensities of adjacent pixels and thus only approximately.
  • a visual representation can be generated in which regions identified as defective are displayed in one color and error-free regions in a contrasting color. It is already known in the conventional black-and-white representation that the reproducibility can be improved by changing individual black pixels surrounded by predominantly white areas to white, and vice versa. For example, it is known to surround as white regions recognized as defective with a polygon, whereby individual pixels within the polygon, which are black due to noise, change into white pixels.
  • the reproducibility in error detection can be improved considerably if the color or brightness of a pixel in the differential image is changed as a function of the gradual error probability of adjacent pixels determined according to the invention.
  • the color or brightness may be changed depending on whether the differences in the error probabilities between adjacent pixels satisfy certain conditions.
  • the reliability of the color or brightness assignment of the pixels is thereby significantly increased because more information is available for each pixel than in the conventional method.
  • a pictorial representation of the determined error probabilities can be generated, for example by identifying regions of the same error probability with the same color.
  • Fig. 1 a system for automated fault detection of test pieces by means of X-rays
  • FIG. 2 shows a flow chart for a method for the automated error detection of test pieces by means of X-rays
  • FIG. 3 shows a flow chart for a method for the automated error detection of test pieces by means of X-rays in another embodiment.
  • the system 10 for automated defect detection of test parts comprises an X-ray source 12, for example an X-ray tube which irradiates a test part 11 with X-radiation 13 in a test position, and an X-ray detector 14 for recording an image of the X-radiation transmitted by the test part 11.
  • a measurement signal corresponding to the measured image is transmitted via a signal line 15 to an evaluation device 16.
  • the evaluation device 16 is in particular an electronic, programmable or programmed control device and can in particular also be programmed to control the X-ray source 12 and / or the detector 14.
  • the system 10 expediently comprises a conveying device 18 for feeding and discharging to the test parts 11 and a radiation protection housing 19 which is expediently designed to shield the environment from x-radiation of at least 60 kV, preferably at least 100 kV or at least 200W.
  • a radiation protection housing 19 expediently openings 20, 21 are provided for the conveyor 18, which may be provided with appropriate locks.
  • a method for automated error detection of test parts in the system 10 according to FIG. 1 comprises the following steps illustrated in FIG.
  • X-ray from the X-ray source 12 is irradiated through a test piece in the test position and recorded by the X-ray detector 14.
  • a plurality of x-ray images Ii (x, y) are produced.
  • Constant conditions means in particular unchanged setting of the X-ray system and unchanged orientation of the test part relative to the X-ray system.
  • the indexing x, y stands, for example, for a two-dimensional image with x and y coordinates. However, the method is not limited to two-dimensional images but, for example, also applicable to three-dimensional methods.
  • the measured data are transmitted via the signal line 15 to the evaluation device 16.
  • the following steps 31 to 36 are performed in the evaluation device 16. Steps 30 through 36 are performed during the test of a test object in Real time.
  • This intensity fluctuation is detected for each pixel by calculating the average fluctuation width (scattering, standard deviation) ⁇ (x, y) (step 31).
  • the standard deviation can be determined, for example, in a manner known per se from the expected values of the intensity and the intensity square.
  • an error-corrected comparison image If (x, y) is calculated from the resulting X-ray image I (x, y) by means of a suitable error-correcting, in particular non-linear filter, preferably a median filter (Step 33).
  • error-corrected means approximately free from image errors resulting from material errors of the test object.
  • step 36 a further processing of the difference image is carried out to enable the detection of material errors in the test part.
  • an image can be generated which, after being displayed, in particular, at the terminal 17 (step 37) enables an operator to recognize material defects in the test part.
  • step 36 by means of a suitable algorithm, a decision can be made automatically as to whether the examined part under test as a whole is evaluated as error-free or incorrect.
  • suitable measures can be provided, for example, a corresponding display on the terminal 17 and / or an automatic screening of the test part.
  • the image generated in step 36 can also be stored electronically.
  • the pixels of the difference image are preferably discriminated with respect to a suitably selected intensity threshold Ith.
  • a suitably selected intensity threshold Ith In the absence of noise, pixels above the threshold would be attributable to material errors. Due to noise, however, pixels from defect-free material regions can also be above the threshold Ith.
  • the probability p (x, y) for each pixel x, y above the threshold Ith can now be calculated to be above the threshold due to a material error (step 35).
  • the probability q (x, y) can be calculated from the value of the distribution function F (x, y) (Ith) are calculated.
  • the probability or density function f (I) can in particular be Poisson distributed. Approximately normal distribution can be used.
  • the value of the distribution function F (x, y) (Ith) can be calculated in a manner known per se by means of the error function erf (z).
  • the calculation of the probability p (x, y) for each pixel to be associated with a material error may be used in a variety of ways in step 36.
  • an image is generated in which the calculated probability p (x, y) is plotted by representing areas of equal probability graphically the same, for example with the same hue.
  • a contrast image is generated, wherein each pixel above the threshold of a color and each pixel below the threshold of a corresponding contrast color is assigned by discrimination with respect to the intensity threshold Ith.
  • the calculated probability p (x, y) is preferably used to create a modified image in step 36 in which the brightness or color value of pixels is changed in dependence on the probability p of adjacent pixels to produce unified image areas.
  • a contrast image bright pixels surrounded by dark image areas may be converted to dark pixels, and vice versa. Due to this unification of the image, the influence of the noise on the detected as defective areas is reduced, which, for example, the detection of material defects for a Viewers of the contrast image shown in step 37, in particular on the terminal 17 considerably easier.
  • the calculated probability p (x, y) allows the use of considerably finer algorithms in the production of modified 5 images. As a result, the reproducibility of the areas recognized as defective in the modified image, and thus the reliability of the classification of a test piece as being erroneous or error-free, can be significantly increased and become.
  • the mean variation ⁇ (x, y) can also be determined in other ways.
  • an X-ray image I (x, y) is recorded for a specific measurement period.
  • the intensities of adjacent image dots are used, in the case of a two-dimensional image of, for example, the eight immediately adjacent pixels. This method assumes that local intensity fluctuations from one pixel to the next are usually due to noise.
  • the fluctuation range ⁇ (x, y) can be
  • 2o can be determined on the basis of the measured intensity I (x, y) and / or on the basis of the difference image Id (x, y), which is indicated in FIG. 3 by dashed lines.
  • the described embodiments relate to the material test by means of X-radiation.
  • the above description can be readily transferred to other methods for non-destructive material testing, in particular by means of ultrasound.

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

Ein Verfahren zur automatisierten Fehlererkennung in der zerstörungsfreien Werkstoffprüfung umfasst die Schritte bildgebende Messung (30) an einem Prüf teil, Durchführen einer statistischen Analyse (31) für jeden Bildpunkt bezüglich seiner Intensitätsschwankung, Ermittlung (35) einer sich aus der statistischen Analyse (31) ergebenden graduellen Fehlerwahrscheinlichkeit p, dass ein Bildpunkt einem Materialfehler zuzuordnen ist, Erzeugung eines Differenzbildes (34) durch Subtraktion eines Vergleichsbildes von dem gemessenen Bild, und Bildverarbeitung (36) des Differenzbildes in Abhängigkeit von der ermittelten graduellen Fehlerwahrscheinlichkeit p, um eine Aussage über das Vorliegen von Materialfehlern in dem Prüfteil zu ermöglichen. Das Vergleichsbild wird während der Prüfung durch Anwendung (33) eines fehlerkorrigierenden Filters aus den gemessenen Bilddaten erzeugt, und die statistischen Analyse (31) für jeden gemessenen Bildpunkt bezüglich seiner Intensitätsschwankung wird während der Prüfung durchgeführt.

Description

GE Sensing & Inspection Technologies GmbH, 50354 Hürth, DE
Verfahren und Vorrichtung zur automatisierten Fehler- erkennung in der zerstörungsfreien Werkstoffprüfung
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur automatisierten Fehlererkennung in der zerstörungsfreien Werkstoffprüfung nach dem Oberbegriff von Anspruch 1.
Bei einem bekannten Verfahren umfasst die Bildverarbeitung die Differenzbildung zwischen dem gemessenen Bild und einem aus einer Datenbank entnommenen Referenzbild. Anschließend erfolgt eine Diskriminierung des Differenzbildes bezüglich eines In- tensitäts-Schwellenwerts, wobei jeder Bildpunkt oberhalb der Schwelle als fehlerhaft und jeder Bildpunkt unterhalb der Schwelle als regulär klassifiziert wird. Dabei führen durch Rauschen verursachte Intensitätsschwankungen zu Fehlklassifikationen von Bildpunkten, was die Reproduzierbarkeit der Feh- lererkennung verringert . Dies kann zu einem erhöhten Ausschuss von tatsächlich fehlerfreien Prüfteilen oder sogar zur Nicht - erkennung fehlerhafter Prüfteile führen. Besonders problematisch ist dies bei flachen Defekten, das heißt Defekten im Prüfteil, die nur einen geringen strukturellen Kontrast im Bild hervorrufen. Zwar kann das Signal-Rausch-Verhältnis und damit die Reproduzierbarkeit der Fehlererkennung grundsätzlich durch längere Messzeiten verbessert werden, dies geht jedoch zu Lasten des Durchsatzes durch die Prüfanläge.
WO 99 56469 Al offenbart ein Verfahren zur automatisierten
Fehlererkennung in einem Prüfbild nach dem Oberbegriff von Anspruch 1. In einer Trainingsphase wird eine Mehrzahl von Referenzbildern erzeugt und daraus ein Mittelwert-Referenzbild und ein Standardabweichungs-Referenzbild ermittelt. Mithilfe des Mittelwert-Referenzbildes und des Standardabweichungs- Referenzbildes wird in der Prüfphase ein Wahrscheinlichkeitsbild erzeugt, das für jeden Bildpunkt die Wahrscheinlichkeit darstellt, dass er nicht zu der Referenzbildverteilung gehört
JP 2002 022421 A, US 2005 0013475 Al und US 5 640 200 offenbaren weitere Referenzbildverfahren zur automatisierten Fehlererkennung in einem Prüfbild, die auf dem Vergleich eines ge- messenen Bildes mit mindestens einem aus einer Datenbank entnommenen, aus einer Vielzahl von Prüfteilen vorab gewonnenen Referenzbild beruhen.
Die Aufgabe der Erfindung besteht darin, ein effizientes Verfahren zur automatisierten Fehlererkennung in der zerstörungsfreien Werkstoffprüfung mit einer hohen Reproduzierbarkeit und Verlässlichkeit in der Fehlererkennung bereitzustellen.
Erfindungsgemäß wird für jeden Bildpunkt eine statistische Analyse bezüglich seiner Intensitätsschwankung durchgeführt und daraus eine graduelle Fehlerwahrscheinlichkeit ermittelt, dass ein Bildpunkt einem Materialfehler zuzuordnen ist. Die Fehlerwahrscheinlichkeit, dass ein Bildpunkt einem Material- fehler zuzuordnen ist, ist komplementär zu der Wahrscheinlichkeit, dass ein regulärer Bildpunkt aufgrund des Rauschens die gemessene (vom regulären Mittelwert abweichende) Intensität aufweist . Jeder Bildpunkt wird daher nicht nur als fehlerhaft oder nicht fehlerhaft klassifiziert („schwarz-weiß"-Klassifi- zierung) , sondern es wird eine graduelle („graue") Wahrscheinlichkeit ermittelt, dass der Bildpunkt fehlerhaft ist bzw. dass der Bildpunkt fehlerfrei ist. Graduell bedeutet in einer geeigneten Abstufung mit mindestens einem, vorzugsweise einer Mehrzahl von Zwischenwerten zwischen 0% und 100%. Die erfindungsgemäß ermittelte graduelle Fehlerwahrscheinlichkeit wird erfindungsgemäß bei der weiteren Bildverarbeitung verwendet, um die Reproduzierbarkeit der Fehlererkennung zu verbessern.
Erfindungsgemäß wird das Vergleichsbild während der Prüfung durch Anwendung eines fehlerkorrigierenden Filters aus den gemessenen Bilddaten erzeugt und die statistischen Analyse für jeden gemessenen Bildpunkt bezüglich seiner Intensitätsschwan- kung dementsprechend während der Prüfung durchgeführt. Dies hat gegenüber den Referenzbild-Verfahren des Standes der Technik den entscheidenden Vorteil, dass die Ausrichtung des gemessenen Bildes und des Vergleichsbildes Pixel für Pixel exakt übereinstimmt. Die im Stand der Technik von Winkelabweichungen, Verzerrungen und Verschiebungen zwischen Referenzbild und gemessenem Bild verursachte Minderung der Bildqualität im Differenzbild scheidet bei der Erfindung daher aus. Zudem kann auf ein aufwendiges Training und eine Referenzbild-Datenbank verzichtet werden.
Vorzugsweise wird eine Mehrzahl von Röntgenbildern von dem Prüfteil unter konstanten Bedingungen aufgenommen und die statistische Analyse bezüglich der Intensitätsschwankungen in der Mehrzahl von Röntgenbildern durchgeführt. Dies hat den Vor- teil, dass die Intensitätsschwankung für jeden Bildpunkt direkt bestimmbar ist, was die Genauigkeit der ermittelten Fehlerwahrscheinlichkeit und damit die Genauigkeit der Fehlererkennung erhöht. Im Gegensatz dazu wird bei anderen Verfahren die Intensitätsschwankung eines Bildpunkts auf der Grundlage der Intensitäten benachbarter Bildpunkte und damit nur näherungsweise ermittelt.
In der Bildverarbeitung des Differenzbildes kann beispielswei- - A -
se eine bildliche Darstellung erzeugt werden, in der als fehlerhaft erkannte Bereiche in einer Farbe dargestellt werden und fehlerfreie Bereiche in einer Kontrastfarbe. Es ist bei der herkömmlichen Schwarz-Weiß-Darstellung bereits bekannt, dass die Reproduzierbarkeit verbessert werden kann, wenn einzelne schwarze Bildpunkte, die von überwiegende weißen Bereichen umgeben sind, in Weiß zu ändern, und umgekehrt. Beispielsweise ist es bekannt, als fehlerhaft erkannte weiße Bereiche mit einem Polygon zu umgeben, wobei einzelne Bildpunkte innerhalb des Polygons, die aufgrund von Rauschen schwarz sind, in weiße Bildpunkte zu ändern.
Es hat sich gezeigt, dass die Reproduzierbarkeit in der Fehlererkennung erheblich verbessert werden kann, wenn die Farbe oder Helligkeit eines Bildpunkts im Differenzbild in Abhängigkeit von der erfindungsgemäß ermittelten graduelle Fehlerwahrscheinlichkeit benachbarter Bildpunkte geändert wird. Beispielsweise kann die Farbe oder Helligkeit in Abhängigkeit davon geändert werden, ob die Differenzen der Fehlerwahrschein- lichkeiten zwischen benachbarten Bildpunkten bestimmte Bedingungen erfüllen. Die Verlässlichkeit der Färb- bzw. Helligkeitszuordnung der Bildpunkte wird dabei erheblich gesteigert, weil zu jedem Bildpunkt mehr Information zur Verfügung steht als in den herkömmlichen Verfahren.
Alternativ oder zusätzlich zu einem Kontrastbild kann eine bildliche Darstellung der ermittelten Fehlerwahrscheinlichkeiten zu erzeugt werden, beispielsweise indem Bereiche gleicher Fehlerwahrscheinlichkeit mit derselben Farbe gekennzeichnet werden.
In einer bezüglich einer Intensitätsschwelle diskriminierenden Messung kann es vorteilhaft sein, die Schwelle in Abhängigkeit von den ermittelten Fehlerwahrscheinlichkeiten anzupassen.
Die Erfindung wird im Folgenden anhand vorteilhafter Ausführungsformen unter Bezugnahme auf die beigefügten Figuren er- läutert. Dabei zeigt:
Fig. 1: eine Anlage zur automatisierten Fehlererkennung von Prüfteilen mittels Röntgenstrahlen;
Fig. 2: ein Ablaufdiagramm für ein Verfahren zur automatisierten Fehlererkennung von Prüfteilen mittels Röntgenstrahlen; und
Fig. 3: ein Ablaufdiagramm für ein Verfahren zur automati- sierten Fehlererkennung von Prüfteilen mittels Röntgenstrahlen in einer anderen Ausführungsform.
Die Anlage 10 zur automatisierten Fehlererkennung von Prüfteilen umfasst eine Rδntgenquelle 12, beispielsweise eine Rönt- genröhre, die ein in einer Prüfposition befindliches Prüfteil 11 mit Röntgenstrahlung 13 durchstrahlt, und einen Röntgende- tektor 14 zur Aufzeichnung eines Bildes der durch das Prüfteil 11 transmittierten Röntgenstrahlung. Ein dem gemessenen Bild entsprechendes Messsignal wird über eine Signalleitung 15 an eine Auswerteeinrichtung 16 übermittelt. Die Auswerteeinrichtung 16 ist insbesondere eine elektronische, programmierbare bzw. programmierte Steuereinrichtung und kann insbesondere auch zur Steuerung der Röntgenquelle 12 und/oder des Detektors 14 programmiert sein.
Auf der Grundlage des von dem Detektor 14 übermittelten Auswerteergebnisses sendet die Auswerteeinrichtung 16 Information an die Terminaleinheit 17, die insbesondere einen Bildschirm zur Anzeige des Auswerteergebnisses aufweist. Die Anlage 10 umfasst zweckmäßigerweise eine Fördereinrichtung 18 zum Zu- und Abfördern zum Prüfteilen 11 und ein Strahlenschutzgehäuse 19, das zweckmäßigerweise zur Abschirmung der Umgebung gegen Röntgenstrahlung von mindestens 60 kV, vorzugsweise mindestens 100 kV bzw. mindestens 200 W eingerichtet ist. In dem Strahlenschutzgehäuse 19 sind zweckmäßigerweise Öffnungen 20, 21 für die Fördereinrichtung 18 vorgesehen, die mit entsprechenden Schleusen versehen sein können.
Ein Verfahren zur automatisierten Fehlererkennung von Prüfteilen in der Anlage 10 gemäß Fig. 1 umfasst folgende in Fig. 2 dargestellte Schritte.
Zunächst wird Röntgenstrahlung aus der Röntgenquelle 12 durch ein in der Prüfposition befindliches Prüfteil gestrahlt und mittels des Röntgendetektors 14 aufgezeichnet. Um eine statistische Analyse durchführen zu können, wird dabei in einer Variante, statt eines über einen bestimmten Zeitraum integrier- ten Röntgenbildes, eine Mehrzahl von Röntgenbildern Ii(x,y)
(i=0,l,.„) über kürzere Zeiträume unter konstanten Bedingungen aufgenommen (Schritt 30) . Konstante Bedingungen bedeutet insbesondere unveränderte Einstellung des Röntgensystems und unveränderte Orientierung des Prüfteils relativ zum Röntgensys- tem. Die Indizierung x,y steht beispielsweise für ein zweidimensionales Bild mit x- und y-Koordinate. Das Verfahren ist aber nicht auf zweidimensionale Bilder beschränkt, sondern beispielsweise auch auf dreidimensionale Verfahren anwendbar.
Die Messdaten werden über die Signalleitung 15 zu der Auswerteeinrichtung 16 übermittelt. Die folgenden Schritte 31 bis 36 werden in der Auswerteeinrichtung 16 durchgeführt. Die Schritte 30 bis 36 werden während der Prüfung eines PrüfObjekts in Echtzeit durchgeführt.
Bedingt durch Rauschen weist jeder Bildpunkt x,y in den einzelnen Röntgenbildern Ii(x,y) (i=0,l,...) eine um einen Mittel- wert schwankende Intensität auf. Diese Intensitätsschwankung wird für jeden Bildpunkt durch Berechnung der mittleren Schwankungsbreite (Streuung, Standardabweichung) σ(x,y) er- fasst (Schritt 31) . Die Standardabweichung kann beispielsweise in an sich bekannter Weise aus den Erwartungswerten der Inten- sität und des Intensitätsquadrats bestimmt werden.
Nach Integration der Röntgenbilder ∑i Ii(x,y) in Schritt 32 wird aus dem sich ergebenden Röntgenbild I(x,y) mittels eines geeigneten fehlerkorrigierenden, insbesondere nichtlinearen Filters, vorzugsweise eines Medianfilters, ein fehlerkorrigiertes Vergleichsbild If(x,y) errechnet (Schritt 33). Fehlerkorrigiert bedeutet dabei näherungsweise frei von Bildfehlern, die aus Materialfehlern des PrüfObjekts resultieren. Durch Subtraktion des fehlerkorrigierten Vergleichsbildes If (x,y) von dem Röntgenbild I(x,y) wird ein Differenzbild Id erzeugt (Schritt 34) .
Anschließend wird in dem Schritt 36 eine weitere Verarbeitung des Differenzbildes durchgeführt, um die Erkennung von Materi- alfehlern in dem Prüfteil zu ermöglichen. Insbesondere kann in dem Schritt 36 ein Bild erzeugt werden, das nach Anzeige insbesondere an dem Terminal 17 (Schritt 37) einem Bediener die Erkennung von Materialfehlern in dem Prüfteil ermöglicht. Zusätzlich oder alternativ kann in dem Schritt 36 mittels eines geeigneten Algorithmus eine Entscheidung automatisch getroffen werden, ob das untersuchte Prüfteil insgesamt als fehlerfrei oder fehlerhaft bewertet wird. Im Falle der Feststellung eines fehlerhaften Prüfteils können geeignete Maßnahmen vorgesehen sein, beispielsweise eine entsprechende Anzeige an dem Terminal 17 und/oder ein automatisches Aussondern des Prüfteils. Das in Schritt 36 erzeugte Bild kann auch elektronisch gespei- chert werden.
In dem Schritt 36 werden die Bildpunkte des Differenzbildes vorzugsweise in Bezug auf eine geeignet gewählte Intensitätsschwelle Ith diskriminiert . In Abwesenheit von Rauschen wären Bildpunkte oberhalb der Schwelle Materialfehlern zuzuordnen. Durch Rauschen können jedoch auch Bildpunkte aus fehlerfreien Materialbereichen oberhalb der Schwelle Ith liegen. Mittels der Schwankungsbreite σ(x,y) kann nunmehr für jeden Bildpunkt x,y oberhalb der Schwelle Ith die Wahrscheinlichkeit p(x,y) errechnet werden, dass er aufgrund eines Materialfehlers oberhalb der Schwelle liegt (Schritt 35) . Dazu kann insbesondere die komplementäre Wahrscheinlichkeit q(x,y), dass der Bildpunkt x,y einem fehlerfreien Materialbereich zuzuordnen ist, jedoch aufgrund von Rauschen oberhalb der Schwelle liegt, be- rechnet werden, wobei p = 1-q. Die Wahrscheinlichkeit q(x,y) kann bei bekannter Wahrscheinlichkeits- oder Dichtefunktion f(I), Schwankungsbreite σ(x,y) und dem einfach zu berechnenden Mittelwert bzw. Erwartungswert der Intensität <I> für fehlerfreie Materialbereiche aus dem Wert der Verteilungsfunktion F(x,y) (Ith) berechnet werden. Die Wahrscheinlichkeits- oder Dichtefunktion f (I) kann insbesondere Poissonverteilt sein. Näherungsweise kann Normalverteilung zugrundegelegt werden. Für Normalverteilung kann der Wert der Verteilungsfunktion F(x,y) (Ith) in an sich bekannter Weise mittels der Fehlerfunk- tion erf (z) berechnet werden.
In entsprechender Weise kann für jeden Bildpunkt x,y unterhalb der Schwelle Ith die Wahrscheinlichkeit p(x,y) errechnet werden, dass er einem Materialfehlers zuzuordnen ist, jedoch aufgrund von Rauschen unterhalb der Schwelle liegt, bzw. die komplementäre Wahrscheinlichkeit q(x,y), dass der Bildpunkt x,y einem fehlerfreien Materialbereich zuzuordnen ist, wobei p = 1-q.
Die Berechnung der Wahrscheinlichkeit p(x,y) für jeden Bildpunkt, dass er einem Materialfehler zuzuordnen ist (Schritt 35) , kann auf verschiedene Weise in dem Schritt 36 verwendet werden. In einer Ausführungsform wird ein Bild erzeugt, bei dem die berechnete Wahrscheinlichkeit p(x,y) graphisch dargestellt wird, indem Bereiche gleicher Wahrscheinlichkeit grafisch gleich dargestellt werden, beispielsweise mit dem glei- chen Farbton.
In einer anderen Ausführungsform wird ein Kontrastbild erzeugt, wobei durch Diskriminierung bezüglich der Intensitätsschwelle Ith jeder Bildpunkt oberhalb der Schwelle einer Farbe und jeder Bildpunkt unterhalb der Schwelle einer entsprechenden Kontrastfarbe zugeordnet wird.
Die berechnete Wahrscheinlichkeit p(x,y) wird vorzugsweise verwendet, um in dem Schritt 36 ein modifiziertes Bild zu erstellen, in dem der Helligkeits- oder Farbwert von Bildpunkten in Abhängigkeit von der Wahrscheinlichkeit p benachbarter Bildpunkte geändert wird, um vereinheitlichte Bildbereiche zu erzeugen. Beispielsweise können in einem Kontrastbild helle Bildpunkte, die von dunklen Bildbereichen umgeben sind, in dunkle Bildpunkte umgewandelt werden und umgekehrt . Aufgrund dieser Vereinheitlichung des Bildes wird der Einfluss des Rauschens auf die als fehlerhaft erkannten Bereiche geringer, was beispielsweise die Erkennung von Materialfehlern für einen Betrachter des in Schritt 37 insbesondere an dem Terminal 17 dargestellten Kontrastbildes erheblich erleichtert. Die berechnete Wahrscheinlichkeit p(x,y) erlaubt die Verwendung erheblich feinerer Algorithmen bei der Erzeugung modifizierter 5 Bilder. Im Ergebnis kann die Reproduzierbarkeit der als fehlerhaft erkannten Bereiche im modifizierten Bild, und damit die Verlässlichkeit der Einordnung eines Prüfteils als fehlerhaft oder fehlerfrei, signifikant gesteigert und werden.
lo Die mittlere Schwankung σ(x,y) kann auch auf andere Weise ermittelt werden. In dem in Fig. 3 dargestellten Verfahren wird beispielsweise ein Röntgenbild I(x,y) für eine bestimmte Messdauer aufgenommen. Zur Ermittlung der Schwankungsbreite σ(x,y) eines Bildpunkts werden die Intensitäten benachbarter BiId- i5 punkte, bei einem zweidimensionalen Bild beispielsweise der acht unmittelbar benachbarten Bildpunkte, verwendet. Dieses Verfahren geht davon aus, dass lokale Intensitätsschwankungen von einem Bildpunkt zum nächsten in der Regel auf Rauschen zurückzuführen sind. Die Schwankungsbreite σ(x,y) kann dabei
2o auf der Grundlage der gemessenen Intensität I(x,y) und/oder auf der Grundlage des Differenzbildes Id(x,y) bestimmt werden, was in Fig. 3 durch gestrichelte Linien angedeutet ist.
Die beschriebenen Ausführungsformen beziehen sich auf die Ma- 25 terialprüfung mittels Röntgenstrahlung. Die obige Beschreibung lässt sich aber ohne Weiteres auf andere Verfahren zur zerstörungsfreien Werkstoffprüfung, insbesondere mittels Ultraschall, übertragen.

Claims

Ansprüche :
1. Verfahren zur automatisierten Fehlererkennung in der zerstörungsfreien Werkstoffprüfung, umfassend die Schritte
5 bildgebende Messung (30) an einem Prüfteil, Durchführen einer statistischen Analyse (31) für jeden Bildpunkt bezüglich seiner Intensitätsschwankung, Ermittlung (35) einer sich aus der statistischen Analyse (31) ergebenden graduellen Fehlerwahrscheinlichkeit p, dass ein Bildpunkt lo einem Materialfehler zuzuordnen ist, Erzeugung eines Differenzbildes (34) durch Subtraktion eines Vergleichsbildes von dem gemessenen Bild, und Bildverarbeitung (36) des Differenzbildes in Abhängigkeit von der ermittelten graduellen Fehlerwahrscheinlichkeit p, um eine Aussage über das i5 Vorliegen von Materialfehlern in dem Prüfteil zu ermöglichen, dadurch gekennzeichnet, dass das Vergleichsbild während der Prüfung durch Anwendung (33) eines fehlerkorrigierenden Filters aus den gemessenen Bilddaten erzeugt wird, und die statistischen Analyse (31) für jeden gemes-
20 senen Bildpunkt bezüglich seiner Intensitätsschwankung während der Prüfung durchgeführt wird.
2. Verfahren nach Anspruch 1, wobei eine Mehrzahl von Röntgenbildern von dem Prüfteil unter konstanten Bedingungen
25 aufgenommen und die statistische Analyse bezüglich der Intensitätsschwankungen in der Mehrzahl von Röntgenbildern durchgeführt wird.
3. Verfahren nach Anspruch 1 oder 2, umfassend die Ermittlung 30 der mittleren Streuung bzw. Standardabweichung σ der Intensität jedes Bildpunkts.
4. Verfahren nach einem der vorangehenden Ansprüche, umfassend die Ermittlung eines Mittelwerts bzw. Erwartungswerts <I> der Intensität.
5 5. Verfahren nach einem der vorangehenden Ansprüche, wobei die Fehlerwahrscheinlichkeit p mittels einer statistischen Verteilungsfunktion F berechnet wird.
6. Verfahren nach einem der vorangehenden Ansprüche, wobei lo eine Normalverteilung der Intensitätswerte jedes Bildpunkts angenommen wird.
7. Verfahren nach einem der vorangehenden Ansprüche, wobei der Helligkeits- oder Farbwert von Bildpunkten des Diffe- i5 renzbildes in Abhängigkeit von der ermittelten Fehlerwahrscheinlichkeit p benachbarter Bildpunkte geändert wird.
8. Verfahren nach einem der vorangehenden Ansprüche, umfassend die Erzeugung und Wiedergabe (37) eines Bildes, das
20 die ermittelte Fehlerwahrscheinlichkeit p darstellt.
9. Verfahren nach einem der vorangehenden Ansprüche, umfassend eine Diskriminierung des Differenzbildes bezüglich eines Intensitäts-Schwellenwerts Ith.
25
10. Verfahren nach Anspruch 9, wobei der Schwellenwert Ith in Abhängigkeit des Ergebnisses der statistischen Analyse an- gepasst wird.
30 11. Verfahren nach einem der vorangehenden Ansprüche, wobei zur Errechnung des Vergleichsbildes eine Medianfilterung der gemessenen Bilddaten durchgeführt wird.
12. Verfahren nach einem der vorangehenden Ansprüche, wobei die bildgebende Messung mittels Röntgenstrahlung durchgeführt wird.
s 13. Verfahren nach einem der vorangehenden Ansprüche, wobei die bildgebende Messung mittels Ultraschall durchgeführt wird.
14. Elektronische Vorrichtung (16), die zur Durchführung des lo Verfahrens nach einem der vorangehenden Ansprüche programmiert ist .
15. Vorrichtung (10) zur zerstörungsfreien Werkstoffprüfung, umfassend eine programmierte elektronische Vorrichtung i5 (16) nach Anspruch 14.
PCT/EP2009/000711 2008-02-13 2009-02-04 Verfahren und vorrichtung zur automatisierten fehlererkennung in der zerstörungsfreien werkstoffprüfung WO2009100835A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP08002628.9 2008-02-13
EP08002628 2008-02-13

Publications (1)

Publication Number Publication Date
WO2009100835A1 true WO2009100835A1 (de) 2009-08-20

Family

ID=39590826

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2009/000711 WO2009100835A1 (de) 2008-02-13 2009-02-04 Verfahren und vorrichtung zur automatisierten fehlererkennung in der zerstörungsfreien werkstoffprüfung

Country Status (1)

Country Link
WO (1) WO2009100835A1 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010026085A1 (de) * 2010-07-05 2012-01-05 Herrenknecht Ag Verfahren zum Überwachen wenigstens eines Zahnrades eines im Betrieb befindlichen Getriebes
DE102010043477A1 (de) * 2010-11-05 2012-05-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Röntgenprüfsystem zur Prüfung von baugleichen Bauteilen mittels Röntgenstrahlung

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5640200A (en) * 1994-08-31 1997-06-17 Cognex Corporation Golden template comparison using efficient image registration
WO1999056469A1 (en) * 1998-04-24 1999-11-04 Medar, Inc. Method and system for detecting errors in a sample image
JP2002022421A (ja) * 2000-07-06 2002-01-23 Dainippon Screen Mfg Co Ltd パターン検査装置
US20040012775A1 (en) * 2000-11-15 2004-01-22 Kinney Patrick D. Optical method and apparatus for inspecting large area planar objects
US20040136569A1 (en) * 2003-01-15 2004-07-15 Daley Wayne Dwight Roomes Systems and methods for inspecting natural or manufactured products
WO2004088294A1 (en) * 2003-03-29 2004-10-14 Pilkington Plc Glazing inspection
US20050013475A1 (en) * 2001-11-28 2005-01-20 Applied Materials, Inc. Method for detecting defects

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5640200A (en) * 1994-08-31 1997-06-17 Cognex Corporation Golden template comparison using efficient image registration
WO1999056469A1 (en) * 1998-04-24 1999-11-04 Medar, Inc. Method and system for detecting errors in a sample image
JP2002022421A (ja) * 2000-07-06 2002-01-23 Dainippon Screen Mfg Co Ltd パターン検査装置
US20040012775A1 (en) * 2000-11-15 2004-01-22 Kinney Patrick D. Optical method and apparatus for inspecting large area planar objects
US20050013475A1 (en) * 2001-11-28 2005-01-20 Applied Materials, Inc. Method for detecting defects
US20040136569A1 (en) * 2003-01-15 2004-07-15 Daley Wayne Dwight Roomes Systems and methods for inspecting natural or manufactured products
WO2004088294A1 (en) * 2003-03-29 2004-10-14 Pilkington Plc Glazing inspection

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102010026085A1 (de) * 2010-07-05 2012-01-05 Herrenknecht Ag Verfahren zum Überwachen wenigstens eines Zahnrades eines im Betrieb befindlichen Getriebes
DE102010026085B4 (de) * 2010-07-05 2015-04-16 Herrenknecht Ag Verfahren zum Überwachen wenigstens eines Zahnrades eines im Betrieb befindlichen Getriebes
DE102010043477A1 (de) * 2010-11-05 2012-05-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Röntgenprüfsystem zur Prüfung von baugleichen Bauteilen mittels Röntgenstrahlung

Similar Documents

Publication Publication Date Title
DE10000364B4 (de) Merkmalbasierende Feststellung von Fehlern
DE4410603C1 (de) Verfahren zur Erkennung von Fehlern bei der Inspektion von strukturierten Oberflächen
DE102015204800B3 (de) Verfahren und Vorrichtung zur Qualitätsbeurteilung eines mittels eines additiven Herstellungsverfahrens hergestellten Bauteils
DE60030193T2 (de) Vorrichtung und Verfahren zur Detektion von Fehlern auf der Oberfläche eines Werkstücks
DE102010060375A1 (de) Inspektionsverfahren
DE10037697A1 (de) Adaptive Maskentechnik zur Inspektion von Defekten
DE69413652T2 (de) Verfahren zur automatischen Maceralanalyse und zur Bestimmung des Reflexionsvermögens von Vitrinit in Kohle
DE102006014812A1 (de) Sichtprüfeinrichtung und Sichtprüfverfahren
DE102014002582B4 (de) Verfahren zur Erkennung von Rissen in den Wandungen von Hohlglasartikeln
EP0938662B1 (de) Verfahren zum testen der zuverlässigkeit eines prüfgerätes, insbesondere eines leerflascheninspektors
DE112016001147T5 (de) Ladungsträgerstrahlvorrichtung und Bilderzeugungsverfahren damit
DE102013001808A1 (de) Verfahren zur zerstörungsfreien Prüfung des Volumens eines Prüflings sowie zur Ausführung eines solchen Verfahrens eingerichtete Prüfvorrichtung
DE10041354A1 (de) Verfahren zur Überprüfung auf Fremdpartikel oder Fehler und entsprechende Vorrichtung
DE102016109030A1 (de) Verfahren zum Bewerten eines Scheinwerfers
DE19951146A1 (de) Verfahren zum Reduzieren des Rauschens in einem durch Abbildung erhaltenen Signal
WO2009100835A1 (de) Verfahren und vorrichtung zur automatisierten fehlererkennung in der zerstörungsfreien werkstoffprüfung
DE102013020705A1 (de) Verfahren und Vorrichtung zur Untersuchung einer Maske
DE112022001473T5 (de) Prüfsystem, prüfungsverwaltungsvorrichtung, prüfverfahren und programm
DE102006033294A1 (de) Analyseverfahren für chemische und/oder biologische Proben
EP3923193B1 (de) Messung der empfindlichkeit von bildklassifikatoren gegen veränderungen des eingabebildes
DE102004027769B3 (de) Verfahren und Vorrichtung zur Untersuchung von Bohrkern-Proben
DE102018133092B3 (de) Computer-implementiertes Verfahren zur Analyse von Messdaten aus einer Messung eines Objektes
WO2016102152A1 (de) Verfahren zum quantitativen und qualitativen erfassen von partikeln in flüssigkeit
DE19527446A1 (de) Verfahren und Vorrichtung zur optischen Oberflächenprüfung von Werkstücken
EP4105824B1 (de) Verfahren zur berührungslosen und zerstörungsfreien echtheits-prüfung einer komponente

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09709979

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 09709979

Country of ref document: EP

Kind code of ref document: A1