CN117314920B - 一种金属管道x光焊缝表面焊瘤检测方法 - Google Patents
一种金属管道x光焊缝表面焊瘤检测方法 Download PDFInfo
- Publication number
- CN117314920B CN117314920B CN202311615768.5A CN202311615768A CN117314920B CN 117314920 B CN117314920 B CN 117314920B CN 202311615768 A CN202311615768 A CN 202311615768A CN 117314920 B CN117314920 B CN 117314920B
- Authority
- CN
- China
- Prior art keywords
- weld
- flash
- judgment
- suspected
- weld joint
- 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
- 239000002184 metal Substances 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003466 welding Methods 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 27
- 239000013598 vector Substances 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000005484 gravity Effects 0.000 claims description 17
- 230000001174 ascending effect Effects 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 25
- 238000012545 processing Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 229910001338 liquidmetal Inorganic materials 0.000 description 3
- 239000002893 slag Substances 0.000 description 3
- 238000007711 solidification Methods 0.000 description 3
- 230000008023 solidification Effects 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000010953 base metal Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及图像处理技术领域,提出了一种金属管道X光焊缝表面焊瘤检测方法,包括:获取金属管道图像;对金属管道图像进行处理,获得连通域;根据连通域中像素点的灰度值获取焊缝判决角点;根据焊缝判决角点之间的距离获取焊缝判决角点的焊缝判决距离向量,进而结合金属管道图像中像素点的灰度值获取焊缝形状判决系数;根据焊缝形状判决系数获取焊缝区域,进而获取疑似焊瘤区域;根据疑似焊瘤区域中像素点的灰度值获取渐变序列;根据渐变序列获得渐变一致度,进而获取焊瘤特征指数;根据焊瘤特征指数获得焊瘤区域;根据焊瘤区域的焊瘤特征指数获取金属管道的焊瘤严重程度等级。本发明旨在解决焊瘤缺陷检测的准确率不高的问题。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种金属管道X光焊缝表面焊瘤检测方法。
背景技术
焊接作为一种钢构连接的基本加工工艺方法,广泛地应用各种钢结构件中。在当代钢结构建筑业中具有十分重要的地位,焊缝质量检验是焊接质量控制的重要内容。在金属管道焊接过程中金属流溢到加热不足的母材或焊缝上,凝固成金属瘤,这种未能和母材或前道焊缝熔合在一起而堆积的金属瘤叫焊瘤,焊瘤不仅影响焊缝的外观,而且在焊瘤下面经常存在没有焊透等缺陷,容易引起应力集中。在立焊和横焊时较易产生管道内部的焊瘤,会使管内的有效面积减小,甚至造成管道堵塞的现象。
X光穿透力极强,由于物体的密度、材质等会导致其对射线吸收的差异,常用于焊缝表面的缺陷检测。但是,焊接时常见的气孔、弧坑和夹渣等焊接缺陷与焊瘤缺陷特征相似,导致焊瘤缺陷检测的准确率不高。
发明内容
为解决上述技术问题,本发明的目的在于提供一种金属管道X光焊缝表面焊瘤检测方法,以解决现有的焊瘤缺陷检测方法的准确率不高的问题,所采用的技术方案具体如下:
本发明一个实施例提供了一种金属管道X光焊缝表面焊瘤检测方法,该方法包括以下步骤:
获取金属管道图像;
对金属管道图像进行阈值分割获得管道二值图像;获取管道二值图像中的连通域;根据连通域中像素点的灰度值获取焊缝判决角点;根据焊缝判决角点之间的距离获取焊缝判决角点的焊缝判决距离向量;根据金属管道图像中像素点的灰度值以及焊缝判决距离向量获取连通域的焊缝形状判决系数;
根据焊缝形状判决系数获取焊缝区域,进而根据焊缝区域中像素点的灰度值获取疑似焊瘤区域;根据疑似焊瘤区域中像素点的灰度值获取疑似焊瘤重心,进而获取厚度渐变线;根据厚度渐变线上像素点的灰度值获取渐变序列;根据渐变序列获得厚度渐变线的渐变一致度;获取厚度渐变线的长度;根据疑似焊瘤区域中厚度渐变线的长度以及渐变一致度获取疑似焊瘤区域的焊瘤特征指数,进而获得焊瘤区域;
根据焊缝区域中所有焊瘤区域的焊瘤特征指数获取金属管道的焊瘤严重程度等级;
所述根据疑似焊瘤区域中厚度渐变线的长度以及渐变一致度获取疑似焊瘤区域的焊瘤特征指数,进而获得焊瘤区域,包括的具体方法为:
将疑似焊瘤区域中所有厚度渐变线的长度的标准差记为疑似焊瘤区域的厚度差异度;
将疑似焊瘤区域中所有厚度渐变线的渐变一致度的均值记为疑似焊瘤区域的综合渐变度;
将疑似焊瘤区域的综合渐变度与厚度差异度的比值记为疑似焊瘤区域的焊瘤特征值;
将焊瘤特征值的归一化值记为疑似焊瘤区域的焊瘤特征指数;
将焊瘤特征指数大于焊瘤特征阈值的疑似焊瘤区域判定为焊瘤区域。
进一步,所述根据连通域中像素点的灰度值获取焊缝判决角点,包括的具体方法为:
分别将每个连通域记为待分析连通域;
使用角点检测算子对待分析连通域的边缘线进行角点检测,获取角点;
分别将每个角点记为待分析角点;
将待分析连通域的边缘线上与待分析角点距离最近的两个角点记为待分析角点的邻域角点;
将待分析角点与邻域角点的连线所形成的夹角记为待分析角点的形状固定角;
将所有形状固定角中最大的预设数量个形状固定角对应的角点记为待分析连通域的焊缝判决角点。
进一步,所述根据焊缝判决角点之间的距离获取焊缝判决角点的焊缝判决距离向量,包括的具体方法为:
分别将每个焊缝判决角点记为待分析焊缝判决角点;
将待分析焊缝判决角点与除待分析焊缝判决角点之外的所有焊缝判决角点之间的距离升序排序,获得待分析焊缝判决角点的焊缝判决距离向量。
进一步,所述根据金属管道图像中像素点的灰度值以及焊缝判决距离向量获取连通域的焊缝形状判决系数,包括的具体方法为:
将金属管道图像中所有像素点的灰度值均值与待分析连通域中所有像素点的灰度值均值之差的绝对值记为待分析连通域的厚度差异;
将待分析连通域的焊缝判决角点按照焊缝判决角点对应的形状固定角的大小升序排序,获得待分析连通域的焊缝判决角点序列;
将焊缝判决角点序列中待分析焊缝判决角点的焊缝判决距离向量与待分析焊缝判决角点之后的所有焊缝判决角点的焊缝判决距离向量之间的曼哈顿距离之和记为待分析焊缝判决角点的判决距离相似度;
将焊缝判决角点序列中所有焊缝判决角点的判决距离相似度之和记为待分析连通域的焊缝判决置信度;
将待分析连通域的厚度差异与焊缝判决置信度的比值记为待分析连通域的焊缝形状判决系数。
进一步,所述根据焊缝形状判决系数获取焊缝区域,进而根据焊缝区域中像素点的灰度值获取疑似焊瘤区域,包括的具体方法为:
将焊缝形状判决系数大于判决阈值的连通域记为焊缝区域;
使用边缘检测算子对焊缝区域进行边缘检测,获取闭合边缘线;
将每个闭合边缘线的内部区域记为疑似焊瘤区域。
进一步,所述根据疑似焊瘤区域中像素点的灰度值获取疑似焊瘤重心,进而获取厚度渐变线,包括的具体方法为:
分别将疑似焊瘤区域中的每个像素点记为待分析像素点;
对待分析像素点构建预设大小的邻域窗口,将所述邻域窗口中所有像素点的灰度值的均值记为待分析像素点的邻域灰度值;
将邻域灰度值最小的像素点记为疑似焊瘤区域的疑似焊瘤重心;
分别将闭合边缘线上的每个像素点记为目标边缘点;
将疑似焊瘤重心与目标边缘点之间的连线记为厚度渐变线。
进一步,所述根据厚度渐变线上像素点的灰度值获取渐变序列,包括的具体方法为:
将厚度渐变线上所有像素点的灰度值按照从疑似焊瘤重心到目标边缘点的方向排列,获得厚度渐变线的渐变序列。
进一步,所述根据渐变序列获得厚度渐变线的渐变一致度,包括的具体方法为:
分别将渐变序列中从第二个元素开始到最后一个元素为止包含的所有元素记为渐变元素;
将渐变元素的元素值与渐变元素前一个元素的元素值之间的差值记为渐变元素的渐变度;
将所有渐变元素的渐变度之和的绝对值记为厚度渐变线的渐变一致度。
进一步,所述根据焊缝区域中所有焊瘤区域的焊瘤特征指数获取金属管道的焊瘤严重程度等级,包括的具体方法为:
将焊缝区域中所有焊瘤区域的焊瘤特征指数的均值记为金属管道的焊瘤严重程度;
将焊瘤严重程度小于或等于第一预设阈值的金属管道的焊瘤严重程度等级划分为轻度;
将焊瘤严重程度位于第一预设阈值与第二预设阈值之间的金属管道的焊瘤严重程度等级划分为中度;
将焊瘤严重程度大于或等于第二预设阈值的金属管道的焊瘤严重程度等级划分为重度。
本发明的有益效果是:本发明根据焊缝呈现带状的形状特征,获取管道二值图像中所有连通域的焊缝形状判决系数,进而确定焊缝区域,提高了焊缝区域识别的准确度;后续仅对焊缝区域进行分析,根据焊缝区域中的边缘信息确定疑似焊瘤区域,提高了检测效率;由于焊瘤向外凸起,一般呈液滴凝固状或半球形,根据疑似焊瘤区域中像素灰度值的渐变特征,计算疑似焊瘤区域的焊瘤特征指数,进而确定焊瘤区域,提高了焊瘤区域检测的准确性;最终根据焊瘤特征指数判断金属管道的焊瘤严重程度,提高了金属管道焊缝表面的焊瘤缺陷检测的准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一个实施例所提供的一种金属管道X光焊缝表面焊瘤检测方法流程示意图;
图2为金属管道中的焊瘤形状示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明一个实施例所提供的一种金属管道X光焊缝表面焊瘤检测方法流程图,该方法包括以下步骤:
步骤S001、采集金属管道的X光图像,并对X光图像进行预处理获得金属管道图像。
使用X光辐照试件时,透过的射线强度在试件内密度变化区域被不同程度地吸收,放置在试件背面的对射线敏感的照相胶片能记录透射的射线能量差异构成潜像,经处理后转变成具有可见黑度差的图像,从而能够显示试件中缺陷的平面投影图像以供评定。因此,可以使用X射线检测检测仪采集金属管道的X光图像,由于金属管道上可能含有锈斑、气孔等缺陷,对金属管道的X光图像使用膨胀、腐蚀、开运算、闭运算等形态学操作,填补小孔洞、去除小的噪点,以改善图像质量和焊缝的连续性,提高后续对金属管道焊缝表面焊瘤检测的准确性。
自此,获得预处理后的金属管道图像。
步骤S002、根据金属管道图像中焊缝的带状特征获取每个连通域的焊缝形状判决系数。
焊缝表面常见的缺陷包括咬边、焊瘤、弧坑、表面气孔、夹渣和表面裂纹等。焊瘤是指金属物在焊接过程中,通过电流造成金属焊点局部高温熔化,液体金属凝固时,在自重作用下金属流淌形成的像微小疙瘩,管道中的焊瘤通常在管内部,如图2所示,焊瘤的高度比焊缝高,通常成半球形。
金属管道通常较长,为了在减少计算量的同时排除其他非焊缝缺陷的影响,在检测焊缝表面的焊瘤之前,需要先定位焊缝区域。为了先将焊缝区域完整分割出来,先使用OSTU大津阈值分割算法将金属管道图像分割为前景和背景两部分,获取管道二值图像。在管道二值图像中,丢失了焊缝内部的缺陷特征,但保留了焊缝的形状特征。
焊接是将两种或两种以上同种或异种材料通过原子或分子之间的结合和扩散连接成一体,焊缝是焊件经焊接后所形成的结合部分,因此,在管道内部焊缝往往呈现为一个比周围区域稍厚的带状区域。
获取管道二值图像中的所有连通域,使用harris角点检测算子获取所有连通域的边缘线的角点信息,将角点与边缘线上与其距离最近的两个角点的连线所形成的夹角记为角点的形状固定角。对每个连通域,将形状固定角最大的四个角点记为连通域的焊缝判决角点,并按照形状固定角的大小升序排列,获得连通域的焊缝判决角点序列。将每个焊缝判决角点与其余三个焊缝判决角点之间的距离升序排列,获取每个焊缝判决角点的焊缝判决距离向量。
当连通域为焊缝区域时,连通域的每个焊缝判决角点的焊缝判决距离向量大致相同,获取连通域的焊缝判决角点序列的焊缝判决距离向量之间的曼哈顿距离,将连通域的焊缝形状判决系数表示如下:
其中,为连通域的焊缝形状判决系数;/>为线性归一化函数;/>为连通域的焊缝判决角点序列中的第/>个焊缝判决角点的焊缝判决距离向量;/>为连通域的焊缝判决角点序列中的第/>个焊缝判决角点的焊缝判决距离向量;为焊缝判决距离向量/>与焊缝判决距离向量/>之间的曼哈顿距离;/>为连通域中的所有像素点的灰度值的平均值;/>为金属管道图像的所有像素点的灰度值的平均值。
当连通域的焊缝判决角点序列中任意两个焊缝判决角点的焊缝判决距离向量之间的曼哈顿距离越小时,说明连通域的焊缝判决角点之间的焊缝判决距离向量越相似,越可能为带状的焊缝区域,连通域的焊缝形状判决系数值越大;当连通域中的所有像素与金属管道图像的所有像素的灰度值的平均值相差越大时,说明连通域与整体金属管道图像的厚度越不一致,越可能是经焊接处理过的焊缝区域,连通域的焊缝形状判决系数值越大。
自此,获得每个连通域的焊缝形状判决系数。
步骤S003、根据焊缝形状判决系数获取焊缝区域,根据焊缝区域中的边缘信息确定疑似焊瘤区域,进而根据疑似焊瘤区域中像素点的灰度值获取焊瘤特征指数,确定焊瘤区域。
当连通域的焊缝形状判决系数大于焊缝判决阈值时,判定连通域为焊缝区域,焊缝判决阈值/>经验取值为0.7。
同一焊缝区域可能同时存在多种缺陷,针对不同的缺陷应该采取不同的防治措施,常见的气孔、弧坑和夹渣等焊接缺陷与焊瘤缺陷特征相似,为了将焊瘤缺陷与其他缺陷相区分,需要分析焊瘤缺陷与其他缺陷特征的相异性。
先使用canny边缘检测算子获取焊缝区域中的边缘信息,将每个闭合的边缘线的内部区域记为疑似焊瘤区域。
弧坑是指焊缝收尾处产生的下陷部分,气孔是在焊接过程熔化的焊缝金属中所吸收的气体在冷却前来不及从熔池中排出,而残留在焊缝内部形成的孔穴,因此,弧坑和气孔均为向内凹陷,而焊瘤是指焊接过程中熔化金属流淌到焊缝之外未熔化的母材上所形成的金属瘤,主要是由于熔池温度过高,液体金属凝固较慢,在自重的作用下形成的,向外凸起,一般呈液滴凝固状或半球形。
焊缝区域中不同密度的物质对于X光线吸收量不同,形成不同的灰度值。焊缝区域越厚或越致密,则吸收X射线就越多,那么探测器感应到射线则少,成像灰度值就越小。
由于焊瘤一般呈液滴凝固状或半球形,越靠近焊瘤区域中心,凸起程度越高,像素的灰度值越小,并且从焊瘤区域的中心到焊瘤区域的边界处,像素的灰度值逐渐增大。
对每个疑似焊瘤区域,以每个像素为中心,构建大小为的邻域窗口,将每个像素邻域窗口内所有像素的灰度值均值记为像素的邻域灰度值,/>的经验取值为3。
分别将每个疑似焊瘤区域中邻域灰度值最小的像素记为疑似焊瘤重心,若疑似焊瘤重心与疑似焊瘤区域的任意一个边缘像素点重合,则判断该疑似焊瘤区域不是焊瘤区域;否则,将疑似焊瘤区域的任意一个边缘像素点记为目标边缘像素点,将疑似焊瘤重心与目标边缘像素点相连,构成厚度渐变线,将厚度渐变线上所有像素点的灰度值沿着从疑似焊瘤重心到目标边缘像素点的方向排列,构成渐变序列,将以疑似焊瘤重心为起点,竖直向上的方向记为起始方向;将起始方向顺时针转动到厚度渐变线的夹角记为厚度渐变线的方向角,将厚度渐变线按照方向角的大小升序排列,获得厚度渐变线序列。获取每条厚度渐变线上像素点的总个数,其中,厚度渐变线序列中第/>条厚度渐变线的渐变一致度表示如下:
其中,为厚度渐变线序列中第/>条厚度渐变线的渐变一致度;/>为第/>条厚度渐变线上像素点的总个数;/>为第/>条厚度渐变线的渐变序列中的第/>个元素值;为第/>条厚度渐变线的渐变序列中的第/>个元素值。
当疑似焊瘤区域沿着厚度渐变线上的厚度逐渐减小时,渐变序列中的元素值逐渐增大,厚度渐变线上像素的变化越一致,渐变一致度值越大。
按照上述方法获取疑似焊瘤区域中所有厚度渐变线的渐变一致度,获取疑似焊瘤区域中厚度渐变线的总条数,将疑似焊瘤区域中所有厚度渐变线长度的标准差记为,疑似焊瘤区域的焊瘤特征指数表示如下:
其中,为疑似焊瘤区域的焊瘤特征指数;/>为疑似焊瘤区域中厚度渐变线的总条数;/>为疑似焊瘤区域中所有厚度渐变线长度的标准差;/>为疑似焊瘤区域的第/>条厚度渐变线的渐变一致度。
当疑似焊瘤区域中所有厚度渐变线长度的标准差越大时,说明疑似焊瘤重心距离疑似焊瘤区域中心的距离越远,越靠近边缘,越不可能是焊瘤区域,疑似焊瘤区域的焊瘤特征指数值越小;当疑似焊瘤区域中厚度渐变线的渐变一致度越高时,说明疑似焊瘤区域的厚度从疑似焊瘤重心到疑似焊瘤区域的边缘逐渐减小,越可能是焊瘤区域,疑似焊瘤区域的焊瘤特征指数值越大。
按照上述方法,获取焊缝区域中所有疑似焊瘤区域的焊瘤特征指数,将焊瘤特征指数大于焊瘤特征阈值的疑似焊瘤区域判定为焊瘤区域,焊瘤特征阈值/>经验取值为0.8。
自此,获得焊缝区域中的所有焊瘤区域。
步骤S004、根据焊缝区域中所有焊瘤区域的焊瘤特征指数,获取金属管道的焊瘤严重程度等级。
将焊缝区域中所有焊瘤区域的焊瘤特征指数的平均值记为金属管道的焊瘤严重程度,当金属管道的焊瘤严重程度小于或等于轻度阈值时,则判定金属管道上焊瘤缺陷的严重程度为轻度;当金属管道的焊瘤严重程度大于轻度阈值/>且小于中度阈值/>时,则判定金属管道上焊瘤缺陷的严重程度为中度;当金属管道的焊瘤严重程度大于或等于中度阈值/>时,则判定金属管道上焊瘤缺陷的严重程度为重度。其中,轻度阈值/>的经验取值为0.4,中度阈值/>的经验取值为0.8。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,该方法包括以下步骤:
获取金属管道图像;
对金属管道图像进行阈值分割获得管道二值图像;获取管道二值图像中的连通域;根据连通域中像素点的灰度值获取焊缝判决角点;根据焊缝判决角点之间的距离获取焊缝判决角点的焊缝判决距离向量;根据金属管道图像中像素点的灰度值以及焊缝判决距离向量获取连通域的焊缝形状判决系数;
根据焊缝形状判决系数获取焊缝区域,进而根据焊缝区域中像素点的灰度值获取疑似焊瘤区域;根据疑似焊瘤区域中像素点的灰度值获取疑似焊瘤重心,进而获取厚度渐变线;根据厚度渐变线上像素点的灰度值获取渐变序列;根据渐变序列获得厚度渐变线的渐变一致度;获取厚度渐变线的长度;根据疑似焊瘤区域中厚度渐变线的长度以及渐变一致度获取疑似焊瘤区域的焊瘤特征指数,进而获得焊瘤区域;
根据焊缝区域中所有焊瘤区域的焊瘤特征指数获取金属管道的焊瘤严重程度等级;
所述根据疑似焊瘤区域中厚度渐变线的长度以及渐变一致度获取疑似焊瘤区域的焊瘤特征指数,进而获得焊瘤区域,包括的具体方法为:
将疑似焊瘤区域中所有厚度渐变线的长度的标准差记为疑似焊瘤区域的厚度差异度;
将疑似焊瘤区域中所有厚度渐变线的渐变一致度的均值记为疑似焊瘤区域的综合渐变度;
将疑似焊瘤区域的综合渐变度与厚度差异度的比值记为疑似焊瘤区域的焊瘤特征值;
将焊瘤特征值的归一化值记为疑似焊瘤区域的焊瘤特征指数;
将焊瘤特征指数大于焊瘤特征阈值的疑似焊瘤区域判定为焊瘤区域;
所述根据疑似焊瘤区域中像素点的灰度值获取疑似焊瘤重心,进而获取厚度渐变线,包括的具体方法为:
分别将疑似焊瘤区域中的每个像素点记为待分析像素点;
对待分析像素点构建预设大小的邻域窗口,将所述邻域窗口中所有像素点的灰度值的均值记为待分析像素点的邻域灰度值;
将邻域灰度值最小的像素点记为疑似焊瘤区域的疑似焊瘤重心;
分别将闭合边缘线上的每个像素点记为目标边缘点;
将疑似焊瘤重心与目标边缘点之间的连线记为厚度渐变线。
2.根据权利要求1所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据连通域中像素点的灰度值获取焊缝判决角点,包括的具体方法为:
分别将每个连通域记为待分析连通域;
使用角点检测算子对待分析连通域的边缘线进行角点检测,获取角点;
分别将每个角点记为待分析角点;
将待分析连通域的边缘线上与待分析角点距离最近的两个角点记为待分析角点的邻域角点;
将待分析角点与邻域角点的连线所形成的夹角记为待分析角点的形状固定角;
将所有形状固定角中最大的预设数量个形状固定角对应的角点记为待分析连通域的焊缝判决角点。
3.根据权利要求2所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据焊缝判决角点之间的距离获取焊缝判决角点的焊缝判决距离向量,包括的具体方法为:
分别将每个焊缝判决角点记为待分析焊缝判决角点;
将待分析焊缝判决角点与除待分析焊缝判决角点之外的所有焊缝判决角点之间的距离升序排序,获得待分析焊缝判决角点的焊缝判决距离向量。
4.根据权利要求3所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据金属管道图像中像素点的灰度值以及焊缝判决距离向量获取连通域的焊缝形状判决系数,包括的具体方法为:
将金属管道图像中所有像素点的灰度值均值与待分析连通域中所有像素点的灰度值均值之差的绝对值记为待分析连通域的厚度差异;
将待分析连通域的焊缝判决角点按照焊缝判决角点对应的形状固定角的大小升序排序,获得待分析连通域的焊缝判决角点序列;
将焊缝判决角点序列中待分析焊缝判决角点的焊缝判决距离向量与待分析焊缝判决角点之后的所有焊缝判决角点的焊缝判决距离向量之间的曼哈顿距离之和记为待分析焊缝判决角点的判决距离相似度;
将焊缝判决角点序列中所有焊缝判决角点的判决距离相似度之和记为待分析连通域的焊缝判决置信度;
将待分析连通域的厚度差异与焊缝判决置信度的比值记为待分析连通域的焊缝形状判决系数。
5.根据权利要求1所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据焊缝形状判决系数获取焊缝区域,进而根据焊缝区域中像素点的灰度值获取疑似焊瘤区域,包括的具体方法为:
将焊缝形状判决系数大于判决阈值的连通域记为焊缝区域;
使用边缘检测算子对焊缝区域进行边缘检测,获取闭合边缘线;
将每个闭合边缘线的内部区域记为疑似焊瘤区域。
6.根据权利要求1所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据厚度渐变线上像素点的灰度值获取渐变序列,包括的具体方法为:
将厚度渐变线上所有像素点的灰度值按照从疑似焊瘤重心到目标边缘点的方向排列,获得厚度渐变线的渐变序列。
7.根据权利要求1所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据渐变序列获得厚度渐变线的渐变一致度,包括的具体方法为:
分别将渐变序列中从第二个元素开始到最后一个元素为止包含的所有元素记为渐变元素;
将渐变元素的元素值与渐变元素前一个元素的元素值之间的差值记为渐变元素的渐变度;
将所有渐变元素的渐变度之和的绝对值记为厚度渐变线的渐变一致度。
8.根据权利要求1所述的一种金属管道X光焊缝表面焊瘤检测方法,其特征在于,所述根据焊缝区域中所有焊瘤区域的焊瘤特征指数获取金属管道的焊瘤严重程度等级,包括的具体方法为:
将焊缝区域中所有焊瘤区域的焊瘤特征指数的均值记为金属管道的焊瘤严重程度;
将焊瘤严重程度小于或等于第一预设阈值的金属管道的焊瘤严重程度等级划分为轻度;
将焊瘤严重程度位于第一预设阈值与第二预设阈值之间的金属管道的焊瘤严重程度等级划分为中度;
将焊瘤严重程度大于或等于第二预设阈值的金属管道的焊瘤严重程度等级划分为重度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615768.5A CN117314920B (zh) | 2023-11-30 | 2023-11-30 | 一种金属管道x光焊缝表面焊瘤检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311615768.5A CN117314920B (zh) | 2023-11-30 | 2023-11-30 | 一种金属管道x光焊缝表面焊瘤检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117314920A CN117314920A (zh) | 2023-12-29 |
CN117314920B true CN117314920B (zh) | 2024-02-02 |
Family
ID=89260778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311615768.5A Active CN117314920B (zh) | 2023-11-30 | 2023-11-30 | 一种金属管道x光焊缝表面焊瘤检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117314920B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117764992B (zh) * | 2024-02-22 | 2024-04-30 | 山东乔泰管业科技有限公司 | 基于图像处理的塑料管材质量检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950633A (zh) * | 2021-04-19 | 2021-06-11 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面缺陷检测方法 |
CN113658132A (zh) * | 2021-08-16 | 2021-11-16 | 沭阳九鼎钢铁有限公司 | 基于计算机视觉的结构件焊缝检测方法 |
CN115115644A (zh) * | 2022-08-31 | 2022-09-27 | 启东市德立神起重运输机械有限公司 | 一种基于人工智能的车辆焊接缺陷检测方法 |
CN115601369A (zh) * | 2022-12-16 | 2023-01-13 | 国网山东省电力公司东营供电公司(Cn) | 一种输变电工程用变电设备支架质量评估方法 |
WO2023134789A1 (zh) * | 2022-10-25 | 2023-07-20 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
-
2023
- 2023-11-30 CN CN202311615768.5A patent/CN117314920B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950633A (zh) * | 2021-04-19 | 2021-06-11 | 上海电机学院 | 一种基于线结构光的铝合金焊缝表面缺陷检测方法 |
CN113658132A (zh) * | 2021-08-16 | 2021-11-16 | 沭阳九鼎钢铁有限公司 | 基于计算机视觉的结构件焊缝检测方法 |
CN115115644A (zh) * | 2022-08-31 | 2022-09-27 | 启东市德立神起重运输机械有限公司 | 一种基于人工智能的车辆焊接缺陷检测方法 |
WO2023134789A1 (zh) * | 2022-10-25 | 2023-07-20 | 苏州德斯米尔智能科技有限公司 | 一种用于带式输送设备的自动检测方法 |
CN115601369A (zh) * | 2022-12-16 | 2023-01-13 | 国网山东省电力公司东营供电公司(Cn) | 一种输变电工程用变电设备支架质量评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117314920A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117314920B (zh) | 一种金属管道x光焊缝表面焊瘤检测方法 | |
Anand et al. | Flaw detection in radiographic weld images using morphological approach | |
Garrido et al. | Thermal-based analysis for the automatic detection and characterization of thermal bridges in buildings | |
Sun et al. | Real-time automatic detection of weld defects in steel pipe | |
Liao et al. | An automated radiographic NDT system for weld inspection: Part II—Flaw detection | |
Shafeek et al. | Automatic inspection of gas pipeline welding defects using an expert vision system | |
CN115797358B (zh) | 基于机器视觉的金属壳体自动化焊接缺陷检测方法 | |
CN113588692B (zh) | 基于计算机视觉的焊缝缺陷无损检测方法 | |
JP2010531984A (ja) | 熱流サーモグラフィを用いた溶接継目の自動検査のための方法 | |
CN116258713B (zh) | 一种金属柜焊接加工检测方法 | |
CN112150410A (zh) | 一种焊缝缺陷的自动检测方法及其*** | |
CN115719332A (zh) | 一种焊接质量检测方法 | |
Aoki et al. | Application of artificial neural network to discrimination of defect type in automatic radiographic testing of welds | |
Rathod et al. | A comparative study of different segmentation techniques for detection of flaws in NDE weld images | |
CN111507971A (zh) | 一种隧道表面缺陷检测方法 | |
Yan et al. | Surface defect detection of aluminum alloy welds with 3D depth image and 2D gray image | |
CN115601359A (zh) | 一种焊缝检测方法及装置 | |
CN113781458A (zh) | 一种基于人工智能的识别方法 | |
CN103983651B (zh) | 基于概率预测的焊缝x射线自动检测伪缺陷剔除方法 | |
Singh et al. | An approach to maximize weld penetration during TIG welding of P91 steel plates by utilizing image processing and Taguchi orthogonal array | |
CN109767426A (zh) | 一种基于图像特征识别的盾构隧道渗漏水检测方法 | |
Shi et al. | Research on segmentation and distribution features of small defects in precision weldments with complex structure | |
Saravanan et al. | Segmentation of defects from radiography images by the histogram concavity threshold method | |
Lin et al. | Alloy Cast Product Defect Detection Based on Object Detection | |
CN113393440B (zh) | 基于磁光成像的焊缝缺陷自动增强及识别方法 |
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 |