[發(fā)明專利]基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)及其檢測方法有效
| 申請?zhí)枺?/td> | 201511019849.4 | 申請日: | 2015-12-30 |
| 公開(公告)號: | CN105510364B | 公開(公告)日: | 2019-02-19 |
| 發(fā)明(設(shè)計)人: | 王慧明;劉東華;周志勇;戴亞康;鄭健 | 申請(專利權(quán))人: | 蘇州科耐視智能科技有限公司 |
| 主分類號: | G01N23/04 | 分類號: | G01N23/04 |
| 代理公司: | 北京遠大卓悅知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11369 | 代理人: | 史霞 |
| 地址: | 215000 江蘇*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 射線 工業(yè) 部件 缺陷 無損 檢測 系統(tǒng) 及其 方法 | ||
1.一種基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)進行檢測的方法,其特征在于,
包括:
X射線成像設(shè)備,其接收穿透待檢工業(yè)部件的X射線,所述X射線成像設(shè)備設(shè)置有相互連接的信號探測部件和成像部件;
圖像增強部件,其實時接收所述X射線成像設(shè)備生成的原始圖像信號,并對所述原始圖像信號進行基于算法的信號加強處理后得到增強圖像信號;
圖像采集卡,其與所述圖像增強部件連接;以及
圖像工作站,其設(shè)置有相互連接的緩沖部和缺陷識別部,所述圖像采集卡將采集到的所述增強圖像信號傳送到所述緩沖部;
其中,基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)的檢測方法,包括以下步驟:
步驟1)用X射線發(fā)射器探照待檢工業(yè)部件,信號探測部件實時接收穿透待檢工業(yè)部件的X射線,在成像部件中生成原始圖像信號;
步驟2)圖像增強部件實時接收所述原始圖像信號,得到灰度圖像,并進行圖像預處理;對預處理后的圖像進行多尺度處理,得到原始圖像在不同尺度下的下采樣圖像,構(gòu)造灰度圖像中每個像素位置的多尺度相似函數(shù),計算每個像素對應的相似函數(shù)在多尺度因子中的最大輸出響應,得到增強圖像信號;
步驟3)圖像采集卡實時采集所述增強圖像信號,并傳送到圖像工作站的緩沖部,由圖像工作站將增強圖像信號顯示在顯示器上;
步驟4)根據(jù)增強圖像信號構(gòu)造待檢工業(yè)部件中缺陷在灰度圖像中的輪廓曲線,進行缺陷區(qū)域的初定位;根據(jù)所述輪廓曲線構(gòu)造帶符號的距離函數(shù),求解每個像素對缺陷輪廓曲線的最近距離;
步驟5)根據(jù)所述距離函數(shù),構(gòu)造圖像中缺陷的混合能量函數(shù),最大化已構(gòu)造的混合能量函數(shù),并計算所述距離函數(shù)對時間的偏微分方程,得到缺陷所在區(qū)域在圖像中的分割曲線Cf,完成區(qū)域識別;
步驟6)圖像融合和缺陷位置判定。
2.如權(quán)利要求1所述的基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)進行 檢測的 方法,其特征在于,
所述信號探測器部件對準X射線發(fā)射器的發(fā)射面。
3.如權(quán)利要求2所述的基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)進行 檢測的 方法,其特征在于,還包括預信號預處理單元,其連接在所述成像部件和所述圖像增強部件之間。
4.如權(quán)利要求3所述的基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)進行 檢測的 方法,其特征在于,所述圖像工作站還包括儲存器、服務(wù)器以及顯示器,所述儲存器、服務(wù)器以及顯示器分別與所述缺陷識別部連接。
5.如權(quán)利要求4所述的基于X射線的工業(yè)部件缺陷的無損檢測系統(tǒng)進行 檢測的 方法,其特征在于,步驟2)中,圖像增強器件的具體工作流程包括:
步驟A)實時接收原始圖像信號;
步驟B)將接收到的原始圖像信號進行圖像預處理,其中,至少包括圖像直方圖均衡、去噪兩個處理步驟;
步驟C)在灰度圖像上進行多次下采樣,下采樣次數(shù)與多尺度因子成正比,計算采集到的灰度圖像任意像素的Hessian矩陣,并進一步計算Hessian矩陣的兩個值λ1和λ2,其中,|λ1|≥|λ2|;
通過Hessian矩陣的特征值,計算灰度圖像上任意像素位置x的Hessian矩陣的各向異性分數(shù)
步驟D)通過Hessian矩陣的特征值,構(gòu)造灰度圖像在任意像素位置x的二階結(jié)構(gòu):
并且構(gòu)造灰度圖像中缺陷在位置x的多尺度相似函數(shù):
其中,σ是多尺度因子,c是缺陷寬度量化因子,將S應用于缺陷的多尺度相似函數(shù),以進一步去除背景和弱信號對Hessian矩陣的影響;
步驟E)選擇多尺度下的最大輸出響應V(x):其中,σmin和σmax是目標區(qū)域中缺陷的最小尺度和最大尺度,其中,最大尺度和最小尺度由使用者設(shè)定。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于蘇州科耐視智能科技有限公司,未經(jīng)蘇州科耐視智能科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201511019849.4/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





