CN111354039B - 一种基于b扫图像识别的焊缝区域提取快速算法 - Google Patents
一种基于b扫图像识别的焊缝区域提取快速算法 Download PDFInfo
- Publication number
- CN111354039B CN111354039B CN201811592994.5A CN201811592994A CN111354039B CN 111354039 B CN111354039 B CN 111354039B CN 201811592994 A CN201811592994 A CN 201811592994A CN 111354039 B CN111354039 B CN 111354039B
- Authority
- CN
- China
- Prior art keywords
- data matrix
- scan image
- indexcc
- vector
- scan
- 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.)
- Active
Links
- 239000011159 matrix material Substances 0.000 claims abstract description 57
- 238000003466 welding Methods 0.000 claims abstract description 27
- 238000012935 Averaging Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10132—Ultrasound image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明涉及无损检测信号处理技术领域,具体公开了一种基于B扫图像识别的焊缝区域提取快速算法。该算法具体包括:步骤1、获取超声信号数据矩阵,将其分解成层叠B扫面三维数据结构,并分别对B扫面奇数层叠加后及B扫面偶数层叠加后后求平均;步骤2、获取B扫面奇数层和偶数层焊缝区域点位置;步骤3、对B扫图像焊缝区域中图像特殊位置进行赋值;步骤4、显示B扫图像及其焊缝区域。本发明所述的一种基于B扫图像识别的焊缝区域提取快速算法,能从不超过4幅超声B扫图像数据提取焊缝区域位置数据,准确率高;算法稳健可靠;处理时间少,实时性强,利于B扫图像焊缝区域的快速定位。
Description
技术领域
本发明属于无损检测信号处理技术领域,具体涉及一种基于B扫图像识别的焊缝区域提取快速算法。
背景技术
超声仪采集的信号数据表示形式多样,既有一维向量表示,又有二维矩阵表示。而超声信号显示有A、B、C和D扫等方式。超声信号涉及的自变量有扫查、步进和深度。B扫是对某一步进截面内的超声信号以灰度的形式显示在二维平面内,横坐标代表扫查机构位移方向,纵坐标代表超声波传播的深度方向;一幅A扫信号是B扫图像在某一扫查的向量;C扫是对某一深度的截面进行扫描,显示的是水平截面的二维信息,D扫是对某一扫查面的步进和深度信息的二维表示。本发明研究B扫图像焊缝区域提取算法。
要快速提取B扫图像焊缝区域,必须弄懂超声仪采集的信号数据表示,从中有效分离出序列B扫图像,自动确定检测区域,运用高效的算法和计算机程序实现焊缝区域的提取。
发明内容
本发明的目的在于提供一种基于B扫图像识别的焊缝区域提取快速算法,能够利用超声仪获取的数据实现序列B扫图像提取,并快速准确提取焊缝区域。
本发明的技术方案如下:一种基于B扫图像识别的焊缝区域提取快速算法,该算法具体包括如下步骤:
步骤1、获取超声信号数据矩阵,将其分解成层叠B扫面三维数据结构,并分别对B扫面奇数层叠加后及B扫面偶数层叠加后后求平均;
步骤2、获取B扫面奇数层和偶数层焊缝区域点位置;
步骤3、对B扫图像焊缝区域中图像特殊位置进行赋值;
步骤4、显示B扫图像及其焊缝区域。
所述的步骤2中获取B扫面奇数层和偶数层焊缝区域点位置的具体步骤包括:
步骤2.1、确定检测窗口大小;
步骤2.2、、求解B扫面奇数层叠加后求平均的数据矩阵BO和B扫面偶数层叠加后求平均的数据矩阵BE每一行的和,并形成向量BO_M和向量BE_M;
步骤2.3、分别对BO_M和向量BE_M进行光滑处理,获得光滑向量BO_CC和光滑向量BE_CC;
步骤2.4、获得光滑向量BO_CC和光滑向量BE_CC的最小值及其位置;
步骤2.5、形成数据矩阵BO和数据矩阵BE的子阵;
步骤2.6、分别求解矩阵BO_EE和BE_EE的每一列的和,形成向量BO_N和向量BE_N;
步骤2.7、分别对BO_N和向量BE_N进行光滑处理,获得光滑向量BO_FF和光滑向量BE_FF;
步骤2.8、获得光滑向量BO_FF和光滑向量BE_FF的最大值及其位置。
所述的步骤2.4具体包括:
求解光滑向量BO_CC除去首尾各mm各分量的最小值BO_MinCC及其位置BO_IndexCC,并赋值BO_IndexCC=BO_IndexCC+mm;
求解光滑向量BE_CC除去首尾各mm各分量的最小值BE_MinCC及其位置BE_IndexCC,并赋值BE_IndexCC=BE_IndexCC+mm。
所述的步骤2.5具体包括:
形成数据矩阵BO的子阵(BO_IndexCC-mm):(BO_ndexCC+mm),并表示为BO_EE;
形成数据矩阵BE的子阵(BE_IndexCC-mm):(BE_ndexCC+mm),并表示为BE_EE。
所述的步骤2.8具体包括:
求解光滑向量BO_FF除去首尾各nn各分量的最大值BO_MaxFF及其位置BO_IndexFF,并赋值BO_IndexFF=BO_IndexFF+nn;
求解光滑向量BE_FF除去首尾各nn各分量的最大值BE_MaxFF及其位置BE_IndexFF,并赋值BE_IndexFF=BE_IndexFF+nn。
所述的步骤1具体包括:
步骤1.1、获取超声信号数据矩阵DataMat,并确定其维数;
步骤1.2、根据超声信号参数,将步骤1.1获得的超声信号数据矩阵DataMat分解成层叠B扫面三维结构BMat;
步骤1.3、对步骤1.2获得的B扫面三维结构BMat奇数层叠加后求平均形成数据矩阵BO;对B扫面三维结构BMat偶数层叠加后求平均形成数据矩阵BE。
所述的步骤3中对B扫图像焊缝区域中图像特殊位置进行赋值具体包括:
步骤3.1、求解数据矩阵BO和数据矩阵BE的最大值MaxO和MaxE;
步骤3.1、对所有层叠B扫图像BMat逐一进行特殊位置赋值;
判断B扫图像在序列中的奇偶性,若为奇数,则将该B扫图像的第BO_IndexCC行、BO_IndexFF列赋值为MaxO;若为偶数,则将该B扫图像的第BE_IndexCC行、BE_IndexFF列赋值为MaxE。
所述的步骤1.2中超声信号参数具体为:扫查m0、步进n0以及深度k0,将获得的超声信号数据矩阵DataMat分解成层叠B扫面三维结构BMat,其三维分别为深度、扫查和步进。
所述的2.1中确定检测窗口大小具体步骤为:
在矩阵BO和BE上依据图像大小自动确定检测窗口大小,行为2mm+1,列为2nn+1,窗口的大小介于B扫图像行列的1/5至1/20之间。
所述的步骤4中显示B扫图像及其焊缝区域的步骤具体为利用图像生成软件对处理过的层叠B扫图像及其焊缝区域进行显示。
本发明的显著效果在于:本发明所述的一种基于B扫图像识别的焊缝区域提取快速算法,能从不超过4幅超声B扫图像数据提取焊缝区域位置数据,准确率高;算法稳健可靠;处理时间少,实时性强,利于B扫图像焊缝区域的快速定位。
附图说明
图1为本发明所述的一种基于B扫图像识别的焊缝区域提取快速算法流程图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
如图1所示,一种基于B扫图像识别的焊缝区域提取快速算法,该算法具体包括如下步骤:
步骤1、获取超声信号数据矩阵,将其分解成层叠B扫面三维数据结构,并分别对B扫面奇数层叠加后及B扫面偶数层叠加后后求平均;
步骤1.1、获取超声信号数据矩阵DataMat,并确定其维数;
步骤1.2、根据超声信号参数,将步骤1.1获得的超声信号数据矩阵DataMat分解成层叠B扫面三维结构BMat;
根据超声信号参数中扫查m0、步进n0以及深度k0,将获得的超声信号数据矩阵DataMat分解成层叠B扫面三维结构BMat,其三维分别为深度、扫查和步进;
步骤1.3、对步骤1.2获得的B扫面三维结构BMat奇数层叠加后求平均形成数据矩阵BO;对B扫面三维结构BMat偶数层叠加后求平均形成数据矩阵BE;
步骤2、获取B扫面奇数层和偶数层焊缝区域点位置;
步骤2.1、确定检测窗口大小;
在矩阵BO和BE上依据图像大小自动确定检测窗口大小,行为2mm+1,列为2nn+1,窗口的大小介于B扫图像行列的1/5至1/20之间;
步骤2.2、求解数据矩阵BO和数据矩阵BE每一行的和,并形成向量BO_M和向量BE_M;
步骤2.3、分别对BO_M和向量BE_M进行光滑处理,获得光滑向量BO_CC和光滑向量BE_CC;
步骤2.4、获得光滑向量BO_CC和光滑向量BE_CC的最小值及其位置;
求解光滑向量BO_CC除去首尾各mm各分量的最小值BO_MinCC及其位置BO_IndexCC,并赋值BO_IndexCC=BO_IndexCC+mm;
求解光滑向量BE_CC除去首尾各mm各分量的最小值BE_MinCC及其位置BE_IndexCC,并赋值BE_IndexCC=BE_IndexCC+mm;
步骤2.5、形成数据矩阵BO和数据矩阵BE的子阵;
形成数据矩阵BO的子阵(BO_IndexCC-mm):(BO_ndexCC+mm),并表示为BO_EE;
形成数据矩阵BE的子阵(BE_IndexCC-mm):(BE_ndexCC+mm),并表示为BE_EE;
步骤2.6、分别求解矩阵BO_EE和BE_EE的每一列的和,形成向量BO_N和向量BE_N;
步骤2.7、分别对BO_N和向量BE_N进行光滑处理,获得光滑向量BO_FF和光滑向量BE_FF;
步骤2.8、获得光滑向量BO_FF和光滑向量BE_FF的最大值及其位置;
求解光滑向量BO_FF除去首尾各nn各分量的最大值BO_MaxFF及其位置BO_IndexFF,并赋值BO_IndexFF=BO_IndexFF+nn;
求解光滑向量BE_FF除去首尾各nn各分量的最大值BE_MaxFF及其位置BE_IndexFF,并赋值BE_IndexFF=BE_IndexFF+nn;
步骤3、对B扫图像焊缝区域中图像特殊位置进行赋值;
步骤3.1、求解数据矩阵BO和数据矩阵BE的最大值MaxO和MaxE;
步骤3.1、对所有层叠B扫图像BMat逐一进行特殊位置赋值;
判断B扫图像在序列中的奇偶性,若为奇数,则将该B扫图像的第BO_IndexCC行、BO_IndexFF列赋值为MaxO;若为偶数,则将该B扫图像的第BE_IndexCC行、BE_IndexFF列赋值为MaxE;
步骤4、显示B扫图像及其焊缝区域;
利用图像生成软件对处理过的层叠B扫图像及其焊缝区域进行显示。
Claims (9)
1.一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:该算法具体包括如下步骤:
步骤1、获取超声信号数据矩阵,将其分解成层叠B扫面三维数据结构,并分别对B扫面奇数层叠加后及B扫面偶数层叠加后求平均;
步骤2、获取B扫面奇数层和偶数层焊缝区域点位置;
步骤3、对B扫图像焊缝区域中图像特殊位置进行赋值;
步骤3.1、求解数据矩阵BO和数据矩阵BE的最大值MaxO和MaxE;
其中,B扫面奇数层叠加后求平均形成数据矩阵BO;B扫面偶数层叠加后求平均形成数据矩阵BE;
步骤3.2、对所有层叠B扫图像BMat逐一进行特殊位置赋值;
判断B扫图像在序列中的奇偶性,若为奇数,则将该B扫图像的第BO_IndexCC行、BO_IndexFF列赋值为MaxO;若为偶数,则将该B扫图像的第BE_IndexCC行、BE_IndexFF列赋值为MaxE;其中,BO_IndexCC为数据矩阵BO最小值位置,BO_IndexFF为数据矩阵BO最大值位置;BE_IndexCC为数据矩阵BE最小值位置,BE_IndexFF为数据矩阵BE最大值位置;
步骤4、显示B扫图像及其焊缝区域。
2.根据权利要求1所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤2中获取B扫面奇数层和偶数层焊缝区域点位置的具体步骤包括:
步骤2.1、确定检测窗口大小;
步骤2.2、求解B扫面奇数层叠加后求平均的数据矩阵BO和B扫面偶数层叠加后求平均的数据矩阵BE每一行的和,并形成向量BO_M和向量BE_M;
步骤2.3、分别对BO_M和向量BE_M进行光滑处理,获得光滑向量BO_CC和光滑向量BE_CC;
步骤2.4、获得光滑向量BO_CC和光滑向量BE_CC的最小值及其位置;
步骤2.5、形成数据矩阵BO和数据矩阵BE的子阵;
步骤2.6、分别求解矩阵BO_EE和BE_EE的每一列的和,形成向量BO_N和向量BE_N,其中,BO_EE为数据矩阵BO的子阵,BE_EE为数据矩阵BE的子阵;
步骤2.7、分别对BO_N和向量BE_N进行光滑处理,获得光滑向量BO_FF和光滑向量BE_FF;
步骤2.8、获得光滑向量BO_FF和光滑向量BE_FF的最大值及其位置。
3.根据权利要求2所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤2.4具体包括:
求解光滑向量BO_CC除去首尾各mm各分量的最小值BO_MinCC及其位置BO_IndexCC,并赋值BO_IndexCC=BO_IndexCC+mm;
求解光滑向量BE_CC除去首尾各mm各分量的最小值BE_MinCC及其位置BE_IndexCC,并赋值BE_IndexCC=BE_IndexCC+mm。
4.根据权利要求2所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤2.5具体包括:
形成数据矩阵BO的子阵(BO_IndexCC-mm):(BO_IndexCC+ mm),并表示为BO_EE;
形成数据矩阵BE的子阵(BE_IndexCC-mm):(BE_IndexCC+ mm),并表示为BE_EE。
5.根据权利要求2所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤2.8具体包括:
求解光滑向量BO_FF除去首尾各nn各分量的最大值BO_MaxFF及其位置BO_IndexFF,并赋值BO_IndexFF=BO_IndexFF+nn;
求解光滑向量BE_FF除去首尾各nn各分量的最大值BE_MaxFF及其位置BE_IndexFF,并赋值BE_IndexFF=BE_IndexFF+nn。
6.根据权利要求1所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤1具体包括:
步骤1.1、获取超声信号数据矩阵DataMat,并确定其维数;
步骤1.2、根据超声信号参数,将步骤1.1获得的超声信号数据矩阵DataMat分解成层叠B扫面三维结构BMat;
步骤1.3、对步骤1.2获得的B扫面三维结构BMat奇数层叠加后求平均形成数据矩阵BO;对B扫面三维结构BMat偶数层叠加后求平均形成数据矩阵BE。
7.根据权利要求6所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤1.2中超声信号参数具体为:扫查m0、步进n0以及深度k0,将获得的超声信号数据矩阵DataMat分解成层叠B扫面三维结构BMat,其三维分别为深度、扫查和步进。
8.根据权利要求2所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的2.1中确定检测窗口大小具体步骤为:
在矩阵BO和BE上依据图像大小自动确定检测窗口大小,行为2mm+1,列为2nn+1,窗口的大小介于B扫图像行列的1/5至1/20之间。
9.根据权利要求1所述的一种基于B扫图像识别的焊缝区域提取快速算法,其特征在于:所述的步骤4中显示B扫图像及其焊缝区域的步骤具体为利用图像生成软件对处理过的层叠B扫图像及其焊缝区域进行显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811592994.5A CN111354039B (zh) | 2018-12-20 | 2018-12-20 | 一种基于b扫图像识别的焊缝区域提取快速算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811592994.5A CN111354039B (zh) | 2018-12-20 | 2018-12-20 | 一种基于b扫图像识别的焊缝区域提取快速算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111354039A CN111354039A (zh) | 2020-06-30 |
CN111354039B true CN111354039B (zh) | 2023-07-14 |
Family
ID=71196826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811592994.5A Active CN111354039B (zh) | 2018-12-20 | 2018-12-20 | 一种基于b扫图像识别的焊缝区域提取快速算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111354039B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104132998A (zh) * | 2014-08-06 | 2014-11-05 | 北京科技大学 | 一种基于超声扫描显微镜的内部微观缺陷检测方法 |
KR101696088B1 (ko) * | 2015-08-11 | 2017-01-24 | 포항공과대학교 산학협력단 | 초음파 물체 인식 방법 및 장치 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8525831B2 (en) * | 2009-10-05 | 2013-09-03 | Siemens Corporation | Method and apparatus for three-dimensional visualization and analysis for automatic non-destructive examination of a solid rotor using ultrasonic phased array |
CN103093474B (zh) * | 2013-01-28 | 2015-03-25 | 电子科技大学 | 基于同质体和局部能量的三维乳腺超声图像分割方法 |
CN105259252B (zh) * | 2015-10-15 | 2018-09-21 | 浙江大学 | 超声相控阵检测聚乙烯电熔接头缺陷类型自动识别方法 |
US10161910B2 (en) * | 2016-01-11 | 2018-12-25 | General Electric Company | Methods of non-destructive testing and ultrasonic inspection of composite materials |
CN105931227B (zh) * | 2016-04-14 | 2018-11-02 | 北京工业大学 | 一种基于图像灰度b扫曲线的焊缝表面缺陷特征提取方法 |
JP6843521B2 (ja) * | 2016-04-28 | 2021-03-17 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
CN107862724B (zh) * | 2017-12-01 | 2021-10-01 | 中国医学科学院生物医学工程研究所 | 一种改进的微血管血流成像方法 |
CN108376401B (zh) * | 2018-02-13 | 2021-11-02 | 南京工程学院 | 一种基于行方差的自动定位gpr信号病害位置方法 |
-
2018
- 2018-12-20 CN CN201811592994.5A patent/CN111354039B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104132998A (zh) * | 2014-08-06 | 2014-11-05 | 北京科技大学 | 一种基于超声扫描显微镜的内部微观缺陷检测方法 |
KR101696088B1 (ko) * | 2015-08-11 | 2017-01-24 | 포항공과대학교 산학협력단 | 초음파 물체 인식 방법 및 장치 |
Non-Patent Citations (1)
Title |
---|
基于超声相控线阵的缺陷全聚焦三维成像;张昊;陈世利;贾乐成;;电子测量与仪器学报(第07期) * |
Also Published As
Publication number | Publication date |
---|---|
CN111354039A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6874846B2 (ja) | 超音波スキャン・データを用いた欠陥検出 | |
US8525831B2 (en) | Method and apparatus for three-dimensional visualization and analysis for automatic non-destructive examination of a solid rotor using ultrasonic phased array | |
WO2013105197A1 (ja) | 超音波診断装置、および、血管検出方法 | |
JP5121389B2 (ja) | 対象体の大きさを測定するための超音波診断装置及び方法 | |
CN107576729B (zh) | 基于超声相控阵的焊缝缺陷检测和快速提取***及方法 | |
US20220175343A1 (en) | Ultrasonic diagnostic device and ultrasonic image generation method | |
CN110849812A (zh) | 一种高效率激光超声扫描成像检测和超声数据处理的方法 | |
JP2010107285A (ja) | 超音波探傷装置及び超音波探傷方法 | |
JP6384340B2 (ja) | 超音波診断装置 | |
JP2011203037A (ja) | 超音波探傷装置及び超音波探傷方法 | |
JP2007309771A (ja) | 超音波探傷方法及び超音波探傷装置 | |
US8727990B2 (en) | Providing an ultrasound spatial compound image in an ultrasound system | |
TWI446897B (zh) | 超音波影像對齊裝置及其方法 | |
JP6490814B2 (ja) | 超音波診断装置、画像処理方法、及び装置 | |
JP7233646B2 (ja) | 超音波検査方法、超音波検査装置およびプログラム | |
JP6197458B2 (ja) | 欠陥検査装置、欠陥検査方法、プログラム及び記憶媒体 | |
US8770029B2 (en) | Method and apparatus for ultrasonic testing | |
CN111354039B (zh) | 一种基于b扫图像识别的焊缝区域提取快速算法 | |
KR102074182B1 (ko) | 초음파 영상데이터를 이용하여 수중 오브젝트의 3차원 형상을 구현하는 방법 및 수중로봇 | |
CN115343364A (zh) | 新能源汽车电池汇流排的焊接区域快速定位方法 | |
CN111047547B (zh) | 一种基于多视图tfm的联合缺陷定量方法 | |
JP4969145B2 (ja) | 超音波探傷データの処理方法、探傷データ処理プログラム及び超音波探傷データ処理装置 | |
CN114062497A (zh) | 一种针对复杂曲面工件表面缺陷的超声波三维成像方法 | |
Posilović et al. | Synthetic 3D ultrasonic scan generation using optical flow and generative adversarial networks | |
JP5396054B2 (ja) | 超音波診断装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |