張東嶺

摘要：針對傳統(tǒng)機(jī)械材料檢測數(shù)據(jù)冗雜，檢測耗時(shí)的問題，結(jié)合機(jī)械材料的結(jié)構(gòu)特點(diǎn)，提出一種基于圖像的機(jī)械材料X射線檢測技術(shù)。對X射線檢測的基本原理進(jìn)行具體介紹，設(shè)計(jì)一個(gè)基于圖像的機(jī)械材料X射線檢測系統(tǒng);對采集的機(jī)械材料圖像進(jìn)行預(yù)處理和傾斜校正，并建立成像系統(tǒng)模型確定材料成像方位角;為驗(yàn)證提出方法的有效性，在Matlab2016b平臺(tái)下進(jìn)行仿真，選用5種機(jī)械材料進(jìn)行缺陷對比試驗(yàn)，結(jié)果表明：提出的方法可以精準(zhǔn)地檢測到機(jī)械材料的缺陷，檢測耗時(shí)較短，檢測效率有所提升，可應(yīng)用于機(jī)械材料的圖像檢測。

關(guān)鍵詞：機(jī)械材料;X射線檢測;特征區(qū)域;方位角

中圖分類號：TP392

文獻(xiàn)標(biāo)識碼：A文章編號：1001-5922（2022）06-0039-05

Research on defect detection technology of mechanicalmaterials based on image processing

ZHANG Dongling

（China Coal Technology & Engineering Group Tangshan Research Institute Co.， Ltd.，Tangshan 063300， Hebei China

）

Abstract：Aiming at the problem of jumbled data and time-consuming detection of traditional mechanical materials， combined with the structural characteristics of mechanical materials， an image-based X-ray testing technology for mechanical materials is proposed. This paper introduces the basic principle of X-ray detection， then designs an X-ray detection system， preprocessing and tilt correction of the collected mechanical material image， and establishes the imaging system model to determine the imaging azimuth. To justify the effectiveness of the proposed method， simulation is carried out on the platform of Matlab2016b， and 5 kinds of mechanical materials are selected for defect comparison test. The results show that the proposed method can accurately detect the defects of mechanical materials， the detection time is short， the detection efficiency is improved， and can be applied to the image detection of mechanical materials.

Key words：mechanical materials; X-ray detection; characteristic area; azimuth

我國現(xiàn)代化和生產(chǎn)力水平的不斷提高，各種機(jī)械材料的市場需求越來越大，機(jī)械材料缺陷檢測在機(jī)械工業(yè)生產(chǎn)線中的地位逐漸飆升。然而傳統(tǒng)缺陷檢測方法依舊為人工外部缺陷檢測，此方式的生產(chǎn)效率十分低下，工作強(qiáng)度大，檢測速度和準(zhǔn)確率得不到保證，不能滿足當(dāng)前工業(yè)市場中的高效的缺陷檢測需求。在機(jī)械材料內(nèi)部缺陷無損檢測的多種方法中，X射線檢測技術(shù)是使用最為廣泛的技術(shù)檢測方法之一，該技術(shù)在航空領(lǐng)域、工業(yè)領(lǐng)域、電力領(lǐng)域等的缺陷檢測均有應(yīng)用。隨著工業(yè)生產(chǎn)技術(shù)的迅速發(fā)展，對材料質(zhì)量的要求日益提高，特別是對大批量精密機(jī)電類材料行業(yè)提出了對材料的快速準(zhǔn)確的全檢需求，如何提高檢測效率，降低檢測成本，是當(dāng)前該行業(yè)領(lǐng)域亟待解決的問題。有學(xué)者針對工業(yè)機(jī)械的裂紋，提出了基于深度卷積神經(jīng)網(wǎng)絡(luò)的裂紋檢測方法，通過此方法提升了機(jī)械裂紋檢測的準(zhǔn)確率，降低了材料回收率[1];提出基于機(jī)器視覺的PCB板表面缺陷檢測方法，通過圖像采集、分割和預(yù)處理后對圖像特征進(jìn)行提取，進(jìn)一步提升零缺陷檢測的效率，減少了質(zhì)檢成本[2];提出了基于圖像識別的鋁合金機(jī)械鉸鏈裂紋檢測仿方法，通過仿真實(shí)驗(yàn)后發(fā)現(xiàn)，該方法可以快速準(zhǔn)確的檢測出鋁合金的缺陷，具備一定的有效性[3]?；诖?，結(jié)合以上學(xué)者的研究，提出基于圖像的機(jī)械材料X射線檢測方法，此方法通過對機(jī)械材料內(nèi)部缺陷實(shí)現(xiàn)快速高效的檢測，進(jìn)一步節(jié)約人力成本，提高檢測效率，有效促進(jìn)機(jī)械行業(yè)的長期發(fā)展。并為X射線快速自動(dòng)化檢測研究提供參考。

1X射線檢測系統(tǒng)

1.1X射線檢測原理

機(jī)械材料的內(nèi)部缺陷檢測可采用X射線得以實(shí)現(xiàn)。X射線屬于一種具有穿透力的電磁波，其穿透強(qiáng)度的增減與被檢測材料的密度和厚度有關(guān)，完成對機(jī)械材料在某一部位的成像即可獲得該部位材料內(nèi)部結(jié)構(gòu)信息[4]。若X射線穿透的機(jī)械材料為厚度適中，那么得到的穿透強(qiáng)度變化可表示為：

I=I·e-^{Ju（x，y）di}（1）

若穿透材料密度適中時(shí)，式（1）可進(jìn)一步簡化，得到：

I=Ie（2）

式中：I代表穿透射線的強(qiáng)度[5];I代表射線穿透強(qiáng)度和厚度;μ代表衰減系數(shù);ρ代表材料密度;d代表被檢測材料。

1.2X射線自動(dòng)檢測系統(tǒng)

X射線檢測系統(tǒng)，如圖1所示。X射線自動(dòng)檢測系統(tǒng)包括信息采集和圖像處理2個(gè)部分。由于X射線具有一定的輻射，會(huì)對人們的身體健康產(chǎn)生損害。因此，圖像信息采集模塊應(yīng)建立防護(hù)鉛室，將X射線檢測的儀器進(jìn)行屏蔽[6]。其中，防護(hù)鉛室包括X射線源、X射線成像器件和材料檢測工作臺(tái);控制室包括計(jì)算機(jī)控制系統(tǒng)，主要對圖像信息進(jìn)行傳輸處理和設(shè)備監(jiān)測等。

實(shí)際檢測時(shí)，將機(jī)械材料放置在檢測工作臺(tái)中，X射線對材料的某一部位進(jìn)行透射，穿透后的強(qiáng)度具有該材料內(nèi)部信息，通過成像器件轉(zhuǎn)換為可見光圖像[7];之后，再由圖像傳輸系統(tǒng)將采集信息輸出送計(jì)算機(jī)中。計(jì)算機(jī)對該信息進(jìn)行處理和檢測，最終輸出檢測結(jié)果，從而完成對機(jī)械材料的內(nèi)部缺陷檢測。

1.3檢測系統(tǒng)總體流程

檢測系統(tǒng)對機(jī)械材料進(jìn)行檢測的總體流程如圖2所示，主要分為離線學(xué)習(xí)和在線檢測2個(gè)方面。

（1）離線學(xué)習(xí)檢測流程：對現(xiàn)有的樣本圖像進(jìn)行預(yù)處理，之后進(jìn)行特征提取并進(jìn)行特征建庫[8];同時(shí)，提取機(jī)械材料的待檢測子目標(biāo)區(qū)域圖像數(shù)據(jù)特征，并將其作為樣本材料特征向量，從而構(gòu)建樣本檢測識別特征庫。最后對兩者特征相似度進(jìn)行計(jì)算，取得檢測結(jié)果;

（2）在線檢測時(shí)，任意選擇等待檢測的圖像，對其進(jìn)行圖像預(yù)處理后，提取被檢材料的位置特征向量后并將其作為最優(yōu)解確定材料成像方位，然后對被檢機(jī)械材料圖像采取同樣的方式進(jìn)行特征提取并取得特征向量[9]。最后，將待檢測圖像和標(biāo)準(zhǔn)特征向量的相似度進(jìn)行計(jì)算，若檢測結(jié)果均大于合格標(biāo)準(zhǔn)，則表示該機(jī)械材料合格;若存在一處檢測結(jié)果低于該標(biāo)準(zhǔn)，則表明該材料不合格，最終輸出檢測判別結(jié)果[10]。

2圖像預(yù)處理和傾斜校正

2.1圖像預(yù)處理

在工業(yè)機(jī)械材料的圖像檢測過程中，材料內(nèi)部和外部均可能有各種規(guī)律紋路特征，但在進(jìn)行檢測時(shí)會(huì)出現(xiàn)遮蓋情況，從而造成最終檢測結(jié)果不佳。因此，為保證機(jī)械材料檢測的準(zhǔn)確率，本研究首先對機(jī)械材料圖像進(jìn)行預(yù)處理，具體方法為圖像降噪、圖像增強(qiáng)和二值化處理。

2.2圖像傾斜校正

在進(jìn)行機(jī)械材料圖像檢測時(shí)，由于系統(tǒng)安裝誤差和操作時(shí)的磨損等原因，可能使檢測機(jī)械材料存在傾斜的現(xiàn)象，這種現(xiàn)象將導(dǎo)致提取特征向量發(fā)生錯(cuò)誤，從而影響后續(xù)標(biāo)準(zhǔn)樣本和待檢測樣本的相似度發(fā)生變化，最終造成評判檢測結(jié)果不準(zhǔn)確，且存在較大誤差。因此，在缺陷檢測前，需對檢測圖像進(jìn)行傾斜測量及校正。根據(jù)傾斜校正原理，本研究針對機(jī)械材料的結(jié)構(gòu)特點(diǎn)，提出成像傾斜檢測模型，具體如圖3所示。X射線檢測系統(tǒng)為單一射線源對機(jī)械材料成像的單目成像檢測。因此，以單目成像系統(tǒng)為研究對象，按照小孔成像模型，在無畸變失真的情況下完成對傾斜材料成像模型的測量分析[11]。該模型可以完成對機(jī)械材料水平和垂直傾斜角的測量。

3實(shí)驗(yàn)結(jié)果與分析

3.1實(shí)驗(yàn)環(huán)境

根據(jù)機(jī)械材料的內(nèi)部結(jié)構(gòu)，采用圖像特征提取的方式對機(jī)械材料進(jìn)行快速自動(dòng)檢測。確定機(jī)械材料各成像方位下的待檢區(qū)域，由此完成對材料缺陷的檢測。

為取得更好的實(shí)驗(yàn)效果，實(shí)驗(yàn)環(huán)境選擇為處理器Intel（R） Core（TM） 3.30 GHz，內(nèi)存4.00 GB，操作系統(tǒng)為Windows10，仿真平臺(tái)為Matlab2016b，圖像大小為（768×288）像素[12]。

3.2最優(yōu)匹配區(qū)域

3.2.1目標(biāo)區(qū)域特征及缺陷

實(shí)驗(yàn)選擇的機(jī)械材料內(nèi)部存在5個(gè)待檢目標(biāo)，具體如圖4（a）～圖4（e）所示;常見6種缺陷如圖4（f）～圖4（k）所示。通過檢測系統(tǒng)對內(nèi)部零件進(jìn)行檢測，判別其是否合格。同時(shí)，由于選擇的機(jī)械材料具有多個(gè)待檢測識別區(qū)域，每個(gè)材料的位置、尺寸、輪廓、灰度等特征均不同，材料結(jié)構(gòu)復(fù)雜[13]。因此，將對各材料的最優(yōu)檢測區(qū)間進(jìn)行確立，從而更好地進(jìn)行缺陷檢測。

3.2.2最優(yōu)檢測區(qū)間

采用基于X射線機(jī)械材料檢測方法，材料檢測時(shí)由于其位置不同會(huì)產(chǎn)生遮蓋現(xiàn)象，導(dǎo)致材料內(nèi)部構(gòu)件無法準(zhǔn)確檢測或完全無法檢測。因此，對待檢區(qū)域結(jié)構(gòu)進(jìn)行調(diào)整及成像分析，確立更為清晰、準(zhǔn)確檢測缺陷的角度作為最優(yōu)檢測區(qū)間，實(shí)現(xiàn)對同一角度下不同子目標(biāo)區(qū)域的選擇和特征提取[14]。根據(jù)上述5個(gè)待檢材料的缺陷特征，得到的最優(yōu)檢測區(qū)間如表1所示。

由表1可知，5種缺陷檢測時(shí)最優(yōu)檢測區(qū)域均不同，鋼球和彈簧的最優(yōu)檢測區(qū)間均為任意方位，相似度分別為0.9和0.8;空腔、鋼柱和螺釘存在多個(gè)最優(yōu)檢測方位，相似度分別為0.9、0.75和0.75。通過具體方位可以實(shí)現(xiàn)各個(gè)材料的缺陷檢測，且檢測速度明顯提升。

由表2可知，對周向檢測各成像角度下子目標(biāo)進(jìn)行選取，得到各子目標(biāo)區(qū)域機(jī)械材料合格閾值設(shè)定，具體如表3所示。

由表3可知，5種缺陷的合格閾值和最優(yōu)檢測區(qū)間的相似度一致[15]。若材料的2次檢測閾值均高于合格閾值，則表明該材料合格;若檢測閾值位于合格閾值和缺陷閾值之間，則需要從其他方位進(jìn)行檢測判定;若檢測閾值低于缺陷閾值，則表明該檢測材料存在缺陷。

3.3材料檢測

為驗(yàn)證本研究提出的機(jī)械材料檢測方法的檢測效果，本研究將表3作為判斷檢測機(jī)械材料為合格或缺陷的檢測標(biāo)準(zhǔn)，[JP3]并根據(jù)檢測結(jié)果，得到機(jī)械材料缺陷的具體方位。材料編號及缺陷類型如表4所示。

由表4可知，樣本缺陷進(jìn)行初始方位角檢測和2次檢測方位角檢測后，得到材料1的檢測結(jié)果如表5所示。

由表5可知，空腔的檢測相似度為1，大于其合格閾值0.9，說明該材料合格;彈簧的檢測相似度為0.890 9，比其標(biāo)準(zhǔn)合格閾值0.80高出了0.090 9;鋼柱和螺釘?shù)臋z測相似度均為0.952 4，均高于其合格閾值0.75，說明該材料檢測合格;鋼球的檢測相似度為0.76，低于其缺陷閾值0.85，由此說明鋼球區(qū)域存在缺陷。

通過對機(jī)械材料樣本2進(jìn)行初始方位角檢測和2次檢測方位角檢測，得到機(jī)械材料2的檢測結(jié)果，具體如表6所示。

由表6可知，空腔、彈簧、鋼柱和螺釘區(qū)域的檢測相似度均高于其對應(yīng)的合格閾值，說明該區(qū)域檢測不存在缺陷。而鋼球區(qū)域的檢測相似度為0.813 3，低于其合格閾值0.9和缺陷閾值0.85，說明材料2鋼球區(qū)域存在缺陷。

通過對機(jī)械材料樣本3進(jìn)行初始方位角檢測和二次檢測方位角檢測后，得到機(jī)械材料3的檢測結(jié)果，具體如表7所示。

由表7可知，空腔區(qū)域的檢測相似度為0.800 0，低于其合格閾值;彈簧區(qū)域的檢測相似度為0.527 3，低于缺陷閾值，說明該材料彈簧區(qū)域存在缺陷;鋼柱、鋼球和螺釘?shù)臋z測相似度分別為0.809 5、0.973 3和0.952 4，均高于其對應(yīng)的合格閾值，說明這3個(gè)區(qū)域檢測合格。

對材料4進(jìn)行兩次不同方位檢測后，得到的檢測結(jié)果如表8所示

由表8可知，機(jī)械材料4的空腔、螺釘和鋼柱的檢測相似度分別為0.600 0、0.476 2和0.428 6，均低于其設(shè)定的缺陷閾值，說明這3個(gè)區(qū)域均存在缺陷。而彈簧區(qū)域的檢測相似度為0.727 3，位于合格閾值和缺陷閾值之間，需進(jìn)行二次檢測;二次檢測后得到彈簧區(qū)域的相似度為0.901 5，達(dá)到其合格閾值標(biāo)準(zhǔn)，說明該區(qū)域檢測合格;鋼球區(qū)域的檢測相似度為1，說明該材料鋼球區(qū)域合格。由此可知，機(jī)械材料4在空腔、螺釘和鋼柱3個(gè)區(qū)域存在缺陷。

對機(jī)械材料5進(jìn)行各個(gè)區(qū)域檢測后的檢測結(jié)果，具體如表9所示。

由表9可知，該材料在空腔、彈簧、鋼柱和鋼球區(qū)域的檢測相似度分別為0.933 3、0.927 3、0.952 4和1.000 0，均高于其設(shè)置的合格閾值標(biāo)準(zhǔn)，說明該材料這4個(gè)區(qū)域檢測合格。而螺釘區(qū)域的檢測相似度為0.428 6，明顯低于其缺陷設(shè)定閾值，說明機(jī)械材料5在螺釘區(qū)域存在缺陷。

通過對5個(gè)機(jī)械材料進(jìn)行檢測后，直觀地看出本研究提出的檢測方法的優(yōu)越性，將對5個(gè)監(jiān)測材料的檢測時(shí)長進(jìn)行統(tǒng)計(jì)分析，得到的統(tǒng)計(jì)結(jié)果如表10所示。

由表10可知，材料1～材料5的檢測損耗時(shí)間，材料3的檢測時(shí)間高于0.050，材料1、2、4和5的檢測時(shí)間分別為0.048 7、0.045 1、0.044 2、0.046 1，平均耗時(shí)0.047 7，檢測時(shí)長均低于0.050，說明本研究提出方法的檢測時(shí)間較短，檢測效率較高，實(shí)現(xiàn)了機(jī)械材料缺陷檢測的實(shí)時(shí)性和有效性。

4結(jié)語

綜上所述，設(shè)計(jì)的基于圖像的機(jī)械材料X射線缺陷檢測方法可以實(shí)現(xiàn)對機(jī)械材料內(nèi)部缺陷檢測。通過對5個(gè)內(nèi)部存在不同缺陷的機(jī)械材料進(jìn)行實(shí)驗(yàn)后發(fā)現(xiàn)，提出的檢測方法檢測準(zhǔn)確率較高，檢測消耗時(shí)間較少，能夠判別出機(jī)械材料存在缺陷的具體位置，具有一定的實(shí)時(shí)性和有效性。然而，由于經(jīng)驗(yàn)和實(shí)驗(yàn)條件不足，研究還需進(jìn)一步改進(jìn)和完善;目前對少部分機(jī)械材料進(jìn)行了實(shí)驗(yàn)，在其他材料方面也可進(jìn)一步進(jìn)行檢測識別研究，從而增加更多的可能性。同時(shí)，在對體積小，精密度高的機(jī)械材料不能做到精確地檢測識別。因此，未來將重點(diǎn)從這方面進(jìn)行改進(jìn)和完善，進(jìn)一步提升小體積機(jī)械材料的檢測精度，減少檢測誤差。

【參考文獻(xiàn)】

[1]冉蓉，徐興華，邱少華，等.基于深度卷積神經(jīng)網(wǎng)絡(luò)的裂紋檢測方法綜述[J].計(jì)算機(jī)工程與應(yīng)用，2021，57（9）：23-35.

[2]董靜毅，呂文濤，包曉敏，等.基于機(jī)器視覺的PCB板表面缺陷檢測方法研究進(jìn)展[J].浙江理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，45（3）：379-389.

[3]李先沖.基于圖像識別的鋁合金機(jī)械鉸鏈裂紋檢測仿真[J].計(jì)算機(jī)仿真，2020，37（2）：481-485.

[4]李琛，駱漢賓，魏威，等.基于圖像的混凝土表面裂縫和孔洞檢測[J].土木工程與管理學(xué)報(bào)，2020，37（6）：118-123.

[5]張濤，劉玉婷，楊亞寧，等.基于機(jī)器視覺的表面缺陷檢測研究綜述[J].科學(xué)技術(shù)與工程，2020，20（35）：14 366-14 376.

[6]魏秀琨，所達(dá)，魏德華，等.機(jī)器視覺在軌道交通系統(tǒng)狀態(tài)檢測中的應(yīng)用綜述[J].控制與決策，2021，36（2）：257-282.

[7]陳晨，張煒.基于圖像處理技術(shù)的運(yùn)動(dòng)軌跡自動(dòng)檢測研究[J].現(xiàn)代電子技術(shù)，2021，44（5）：70-74.

[8]許靖添.基于圖像輪廓檢測的航天器目標(biāo)跟蹤控制系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測量與控制，2021，29（2）：67-70.

[9]胡廣華，王寧，何文亮，等.基于圖像修復(fù)的無監(jiān)督表面缺陷檢測方法[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，49（7）：76-85.

[10]楊洋，韓躍平，白鴿，等.基于圖像數(shù)據(jù)重排的材料表面缺陷檢測算法研究[J].測試技術(shù)學(xué)報(bào)，2020，34（2）：147-151.

[11]朱文博，洪都.基于圖像處理的零件二維尺寸檢測方法[J].光學(xué)技術(shù)，2020，46（2）：184-191.

[12]周揚(yáng)眉，羅開禮，孫懷義，等.基于圖像處理技術(shù)的芯片表面缺陷檢測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].自動(dòng)化與儀器儀表，2021（1）：182-184.

[14]王瑞，姚愛琴，楊瑞，等.基于小波變換模極大的多尺度圖像邊緣檢測在煙霧圖像中的應(yīng)用[J].國外電子測量技術(shù)，2020，39（9）：63-67.

[15]李一能，曾慶化，張?jiān)聢A，等.基于BP神經(jīng)網(wǎng)絡(luò)的線Mura缺陷識別與定位研究[J].光電工程，2020，47（11）：63-70.