JP4211092B2

JP4211092B2 - Automatic welding defect detection method in radiographic inspection

Info

Publication number: JP4211092B2
Application number: JP24179898A
Authority: JP
Inventors: 昇平御園; 俊則生川; 定男出川; 政行栗原
Original assignee: IHI Corp
Current assignee: IHI Corp
Priority date: 1998-08-27
Filing date: 1998-08-27
Publication date: 2009-01-21
Anticipated expiration: 2018-08-27
Also published as: JP2000076446A

Description

【０００１】
【発明の属する技術分野】
本発明は、放射線透過より溶接欠陥を検出する溶接欠陥検出法に係り、特に放射線透過装置により観察される溶接欠陥を画像処理技術により自動検出する放射線透過検査における溶接欠陥自動検出法に関するものである。
【０００２】
【従来の技術】
従来、配管同士などを突合せ溶接した後、その突合せ溶接部は、欠陥が発生していないか検査されている。
【０００３】
この溶接欠陥を検出する方法としては、放射線透過装置でその溶接部に放射線を照射し、専門の検査員による目視観察によって溶接欠陥の有無及びそのグレード分けを評価する方法が知られている。
【０００４】
また、この方法以外にも、放射線透過装置により溶接部に放射線を照射した画像を入力し、その入力画像を画像処理して溶接欠陥を検出する溶接欠陥検出方法について、数多く発表されている。
【０００５】
【発明が解決しようとする課題】
しかしながら、検査員の目視による評価は、その結果において、個人差が生じ、また定性的な判断しかできないため、きめ細かなグレード分けが困難であった。さらに、溶接欠陥は、形状等の特徴により、溶接部の溶け込みが不足した場合などに発生する線状欠陥、溶接部内に気孔が発生した球状欠陥、及び溶接部から垂れが発生したたれ欠陥等に分類されるが、これらを識別し、総合的な評価をするには、溶接に関する専門知識が必要である。
【０００６】
また、従来の画像処理による溶接欠陥検出方法は、放射線透過装置によって撮像される溶接部の画像は、コントラストが非常に小さいため、上述した線状欠陥、球状欠陥、及びたれ欠陥等の各種溶接欠陥を精度良く分離・識別することはできなかった。
【０００７】
そこで、本発明の目的は、放射線透過装置によって放射線が照射された溶接部から、画像処理技術により各種欠陥を自動的に精度良く分離・識別して検出すると共に、それらのグレードを定量的に評価できる放射線透過検査における溶接欠陥自動検出法を提供することにある。
【０００８】
【課題を解決するための手段】
上記課題を解決するために請求項１の発明は、突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像から、溶接部の輪郭線を抽出し、その輪郭線から正常部の溶接線を近似計算させ、その近似させた線と輪郭線とを重ね合せてずれた領域を抽出する凸状たれ欠陥検出処理と
を行う方法である。
【００１０】
請求項２の発明は、突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理と
を行う方法である。
【００１１】
請求項３の発明は、突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像を２段階しきい値処理して、欠陥候補領域を抽出すると共に溶接領域を抽出し、これら抽出領域をＡＮＤ処理してノイズを除去し、溶接領域内に形成された球状欠陥を抽出する球状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像から、溶接部の輪郭線を抽出し、その輪郭線から正常部の溶接線を近似計算させ、その近似させた線と輪郭線とを重ね合せてずれた領域を抽出する凸状たれ欠陥検出処理と
を行う方法である。
【００１２】
請求項４の発明は、突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像を２段階しきい値処理して、欠陥候補領域を抽出すると共に溶接領域を抽出し、これら抽出領域をＡＮＤ処理してノイズを除去し、溶接領域内に形成された球状欠陥を抽出する球状欠陥検出処理と、
上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理と
を行う方法である。
【００１３】
請求項５の発明は、線状欠陥検出処理と凸状たれ欠陥検出処理に加え、上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理を行う方法である。
【００１４】
請求項６の発明は、線状欠陥検出処理と球状欠陥検出処理と凸状たれ欠陥検出処理に加え、上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理を行う方法である。
【００１５】
上記構成によれば、ノイズが多く低コントラストの画像でも、形状情報を用いた検出処理を、欠陥ごとに適用することにより、各種欠陥を精度良く分離・識別し、定量的な評価を自動で行うことができる。
【００１６】
【発明の実施の形態】
次に、本発明の好適実施の形態を添付図面に基づいて詳述する。
【００１７】
図１に本発明にかかる放射線透過検査における溶接欠陥自動検出法の処理フローを示す。
【００１８】
図１に示すように、本発明にかかる放射線透過検査における溶接欠陥自動検出法は、放射線透過装置により溶接部に放射線を照射して撮像する画像入力処理１０、その入力画像を正規化する正規化処理２０、その正規化画像から溶接欠陥を検出する欠陥検出処理３０，４０，５０，６０、検出した溶接欠陥の等級を計算する欠陥等級計算処理７０、その溶接欠陥の種類及び等級により総合的に評価する総合評価値の算出処理８０の順に行われる。
【００１９】
欠陥検出処理は、検出する欠陥の種類に応じて、線状欠陥検出処理、球状欠陥検出処理、凸状たれ欠陥検出処理、及び塊状たれ欠陥検出処理が行われる。
【００２０】
これら各種欠陥の検出処理について、管同士の突合せ溶接部から溶接欠陥を検出することを例に詳述する。
【００２１】
まず、線状欠陥検出処理３０について図２〜図５を用いて説明する。
【００２２】
図２に線状欠陥検出処理の処理フローを示す。
【００２３】
図２に示すように、線状欠陥検出処理３０は、正規化処理２０後の画像を、放射線照射量の相違による濃淡差を補正する濃淡モフォロジ処理３１し、線状欠陥候補領域を多重多段階スライス法３２で抽出した後、線状欠陥候補領域を折れ線ベクトルで近似表現する折れ線ベクトル化処理３３を行う。そして、それら折れ線ベクトルを、直線の方向および、位置関係を考慮して統合する。すなわち、線状欠陥は、飛び飛びの領域に離れているものの、大局的には１本の直線上にあることから、大局的探索法による線状欠陥抽出処理３４することにより、検出される。
【００２４】
線状欠陥領域の濃度分布は、一定値とは限らず、局所的に波をうつような分布をしている。そのため、２値化しきい値を高くするとバラバラに途切れ、低くすると多くのノイズを抽出してしまう。そこで、濃淡分布が不連続に変化する線状欠陥の候補領域を抽出するのに、多重多段階スライス処理を適用する。
【００２５】
多重多段階スライス処理は、局所的な濃淡を繰り返す領域を抽出し、かつノイズの包含を避ける処理であり、その基本原理は、まず濃淡モフォロジ処理した画像に対して、非常に低い濃度しきい値Ｔ₁で２値化することによって、断片的ではあるが確実に欠陥の一部であると判定される部分を抽出する。次いで、そのしきい値よりも少し高い濃度しきい値範囲｛Ｔ₁＋（ｉ−１）α ＜Ｔ＜Ｔ₁＋ｉα ｉ＝１，，，Ｎ｝の部分を取り出し、それがこれまでに抽出した部分に隣接するか否かを調べ、隣接している場合には欠陥領域として延長登録する。この操作をＮ回繰り返す。さらに、以上のことを、低いしきい値Ｔ₁からＭ回繰り返し、これらを統合した部分を欠陥領域とする。このように、同じ処理をＭ回繰り返すことにより、ノイズを統合せずに、線状欠陥のみを良好に抽出することができる。
【００２６】
この多重多段階スライス処理３２を図３を用いてより具体的に説明する。
【００２７】
実際の線状欠陥領域２１とノイズ領域２２が、図３上部の位置の濃度グラフに示したような濃度分布２３にある時を例に説明する。
【００２８】
▲１▼ 非常に低いしきい値Ｔ₁で対象画像を２値化する。これにより、線状欠陥領域の一部３２ａを抽出する。
【００２９】
▲２▼ 次いで、対象画像に対してＴ₁よりも少し高い濃度しきい値範囲｛Ｔ₁＜Ｔ＜Ｔ₂｝の部分３２ｂを抽出する。
【００３０】
▲３▼ ▲２▼の各抽出部分３２ｂの領域が、▲１▼の抽出部分野領域３２ａと近接しているか否かを調べ、近接している領域については、線状欠陥領域２１ａとして拡張登録する。この際、線状欠陥領域２１ａにある中央の抽出部分３２ｃは、▲１▼の抽出部分３２ａの領域と近接していないため、拡張されず、同様にノイズ領域２２の抽出部分３２ｄは、▲１▼の抽出部分３２ａの領域と近接していないため、拡張登録されない。
【００３１】
▲４▼ 対象画像に対して、よりしきい値の高い濃度のしきい値範囲｛Ｔ₂＜Ｔ＜Ｔ₃｝の部分３２ｄを抽出する。
【００３２】
▲５▼ ▲４▼の抽出部分３２ｄの領域が、▲３▼の線状欠陥領域２１ａと近接しているか否かを調べ、近接している領域については、線状欠陥領域２１ｂとして拡張登録する。また、線状欠陥領域２１ｄにある抽出部分３２ｄは、▲３▼の線状欠陥領域２１ａと近接していないため、拡張登録されず、同様にノイズ領域２２の抽出部分３２ｅは、▲３▼の線状欠陥抽出領域２１ａと近接していないため、拡張登録されない。
【００３３】
▲６▼ 対象画像に対して、さらに高い濃度のしきい値範囲｛Ｔ₃＜Ｔ＜Ｔ₄｝の部分３２ｆを抽出する。
【００３４】
▲７▼ ▲６▼の抽出部分３２ｆの領域が、▲５▼の線状欠陥領域２１ｂと近接しているか否かを調べ、近接している領域については、線状欠陥領域２１ｃとして拡張登録する。同様にノイズ領域２２の抽出部分３２ｇについては、▲５▼の線状欠陥抽出領域２１ｂと近接していないため、拡張登録されない。
【００３５】
▲８▼ ▲１▼〜▲７▼の処理を同じ濃度しきい値範囲で再び行うことで、▲５▼の線状欠陥領域に連結されなかった▲４▼の抽出部分３２ｄが線状欠陥と近接しているため、拡張登録されて、線状欠陥領域２１ｄとされる。また、ノイズである▲４▼の抽出部分３２ｅは、近接していないため、拡張登録されない。
【００３６】
▲９▼ ▲８▼で得られた拡張登録した線状欠陥領域２１ｄの画像を新たな▲１▼の画像と見なして、さらに▲１▼〜▲７▼の処理を行って線状欠陥領域２１ｅを抽出する。この際、ノイズ領域２２の抽出部分３２ｄ，３２ｅ，３２ｇは、線状欠陥領域２１ｃと近接せず、かつ▲８▼の抽出部分２１ｄと近接していないため、ノイズ領域３２ｈとされる。
【００３７】
この▲１▼〜▲９▼の例では、３回の拡張処理を３回繰り返しているが、上述したように、拡張回数Ｎ回、繰り返し回数Ｍ回として一般化できる。
【００３８】
この時点では、コンピュータ内での線状欠陥候補領域は、画像の各画素ごとの処理しか行っていないので、隣接関係や幾何学的な形状に関する情報は何も得られていない。そこで、一連の線情報を全て折れ線ベクトルで近似表現する折れ線ベクトル化処理３３を施し、端点座標、長さや傾きといった直線情報に記述する。すなわち、一つながりの曲線を複数の折れ線で近似することによって、その長さや各折れ線の傾きなどの幾何学的形状をコンピュータ内に記述する。これによって抽出した全ての線状欠陥候補群を記号として認識できる。この線状欠陥候補群を、線状欠陥候補領域セグメント群と呼ぶ。
【００３９】
さらに次の処理として、この線状欠陥候補領域セグメント群の中で、線状欠陥を探索する大局的探索処理３４を行う。
【００４０】
この大局的探索処理３４は、線状欠陥候補領域の抽出処理により得られた領域から、線状欠陥の連続性に着目し、真の線状欠陥を抽出する処理であり、図４に示すように、その探索領域を極力減らして処理効率を上げるために、真の線状欠陥であろうと推定される所定のしきい値以上の長さの直線セグメントを選択３４ａし、探索の起点とする。以後、この直線セグメントをベースセグメントと呼ぶ。
【００４１】
そして、各ベースセグメントごとに、他の候補セグメントとのペアで直線を形成できるか否かを判定３４ｂし、形成可能である場合には、図５（ａ）に示すように、最小２乗法によってそれらぺアのセグメントｓ₀，ｓ₁に近似する直線ｌを生成する。
【００４２】
そして、図５（ｂ）に示すように、この直線ｌ上に存在する候補セグメントｓ₂を全て検出３４ｃする。そして、セグメント群ｓ₀，ｓ₁，ｓ₂が構成する全直線の長さがあるしきい値以上で、かつその全体の長さに占めるセグメントの比率が高ければ、図５（ｃ）に示すように、それらのセグメントを結合して線状欠陥ｓであると判定３４ｄする。その際、セグメントｓ，ｓ₂同士があまりにも大きく（所定の長さより）離れている場合は、分断して、それぞれの直線群に対して欠陥であるかどうかの判定を行う。
【００４３】
次に、球状欠陥検出処理４０について図６〜図８を用いて説明する。
【００４４】
球状欠陥検出処理は、球状欠陥は溶接部内に気孔が発生したものであることから、溶接領域内において、濃度差が比較的小さく、かつ面積の小さな領域を抽出する処理である。このため、単純２値化処理で球状欠陥を抽出する場合、２値化しきい値を低くすると、ノイズ領域を多く誤抽出し、逆に２値化しきい値を高くすると、ノイズは低減されるが、球状欠陥領域の一部分しか抽出されなくなる。そこで、２段階しきい値処理によって、球状欠陥候補領域を検出する。
【００４５】
２段階しきい値処理は、まず低いしきい値で２値化することによって、ノイズを含む欠陥領域全体を抽出し、次に、ノイズを含まず球状欠陥の一部のみを抽出するような高いしきい値で２値化することによって、確実に球状欠陥である非常に明るい部分のみを抽出し、最後に、低いしきい値で２値化した領域の中で、高いしきい値で２値化した領域が含まれるものを抽出する処理である。図７に２段階しきい値処理の模式図を示す。
【００４６】
図７に示すように、濃淡モフォロジ処理後の画像を、２段階しきい値処理することにより、低いしきい値で２値化した画像４２ａからは、球状欠陥４２ｋを検出できるが、ノイズ４２ｎも検出される。また、濃淡モフォロジ処理後の画像を、高いしきい値で２値化した画像４２ｂからは、溶接部内の球状欠陥４２ｋの一部のみが抽出される。すなわち、高いしきい値で２値化した画像４２ｂからは、低いしきい値で２値化した領域の中で、高い濃度値を持たないものはノイズとして除去される。そして、これら２画像（領域）を合わせた画像４２ｃから、重ならない領域はノイズ４２ｎと見なして除去され、球状欠陥４２ｋのみが抽出される。ただし、２段階しきい値処理によって、溶接領域以外の部分に、ノイズが抽出されることがある。このため、本発明にあっては、欠陥候補領域を抽出する明部抽出用の２段階しきい値処理の他に、暗部抽出用の２段階しきい値処理を行って溶接領域を抽出する。
【００４７】
図６に本発明にかかる球状欠陥検出処理フローを示す。
【００４８】
図６に示すように、球状欠陥検出処理は、正規化処理２０後の画像を、濃淡モフォロジ処理４１し、上述した方法と同様にして、明部抽出用の２段階しきい値処理による欠陥候補領域を抽出４２する。他方、溶接領域全体を抽出する低いしきい値と溶接領域の一部のみを抽出する高いしきい値とで、暗部抽出用の２段階しきい値処理を行い、この２段階しきい値処理によって得られた画像をノイズ除去処理し、さらに溶接領域内の穴埋め処理を行って溶接領域を抽出４３する。その後、これら欠陥候補領域と溶接領域の２画像（領域）をＡＮＤ処理４４した画像に対して、さらに、ノイズ除去処理４５を行うことにより、実際の球状欠陥を検出する。図８に本発明の球状欠陥検出処理の模式図を示す。
【００４９】
図８に示すように、明部抽出用の２段階しきい値処理により抽出された画像４２ｅの欠陥候補領域には、球状欠陥４３ｋの他にもノイズ４３ｎも含まれている。また、暗部抽出用の２段階しきい値処理により抽出された画像４３ａの領域は、ノイズ４３ｎを有していると共に欠陥領域の穴４３ｈを有している。そして、ノイズ除去処理により、溶接領域４３ｙ以外の領域のノイズ４３ｎが除去され、穴埋め処理により、欠陥領域の穴４３ｈが穴埋めされ、溶接領域のみが抽出された画像４３ｃが得られる。さらに、これら２画像（領域）４２ｅ，４３ｃのＡＮＤ処理４４により、球状欠陥候補領域からノイズ４３ｎが除去され、溶接領域内の球状欠陥のみが抽出された画像４４ａが得られる。
【００５０】
次に、凸状たれ欠陥検出処理５０について図９、図１０を用いて説明する。
【００５１】
図９に凸状たれ欠陥抽出処理フローに示す。
【００５２】
凸状たれ欠陥は、溶接部から溶接金属が管の内側に垂れて溶接領域の内側輪郭線に凸状に現れる欠陥であるので、溶接領域と濃淡差がほとんどなく、濃度情報だけでは、検出することができない。そこで、管同士の突合せ溶接の場合、溶接部の輪郭線に対して管の溶接線を形成するための２次曲線近似を２段階で行い、管の内側境界線（輪郭線）から溶接部の輪郭線のずれ領域を抽出する処理を行い、凸状たれ欠陥を抽出する方法を発明した。
【００５３】
図９に示すように、この凸状たれ欠陥検出処理４０は、まず、正規化処理２０した画像を、大きなフィルタサイズで濃淡モフォロジ処理５１し、その濃淡モフォロジ処理した画像に対して、溶接領域全体を抽出する低いしきい値と溶接領域の一部のみを抽出する高いしきい値の２段階しきい値処理を適用して、溶接領域を抽出５２する。この方法では、溶接欠陥の背景画像を用いないため、溶接された管の位置に影響されずに、溶接領域のみを良好に抽出することができる。
【００５４】
そして、得られた溶接領域の内側境界線（輪郭線）をサンプリングし、点列データとして記述５３した後、図１０上部に示すように、最小２乗法による２次曲線近似処理５４を行う。ただし、この２次曲線ｌ₀は、凸状部の点も含めて計算されているので、正常部（溶接線）に相当する内側境界線（輪郭線）を正確には表していない。そこで、図１０中央部に示すように、近似２次曲線から大きく離れたオリジナル点列データｏを削除した後、再度、最小２乗法による２次曲線近似処理５５を行う。これによって、正常部の内側境界線（輪郭線）ｌを忠実に表すことができる。
【００５５】
最後に、図１０下部に示すように、２回目の近似曲線ｌとオリジナル点列データｏで囲まれる凸状領域ｔの長さＬ、高さＷ、及び面積Ｓがそれぞれ、しきい値以上であれば、凸状たれ欠陥として抽出する。
【００５６】
次に、塊状たれ欠陥検出処理６０について図１１、図１２を用いて説明する。
【００５７】
塊状たれ欠陥は、溶接領域中央部に円形状に現れる欠陥で、周囲との濃淡差が比較的大きい特徴を持つ。そこで、塊状たれ欠陥抽出処理は、溶接領域内で溶接領域外との濃度差が大きな領域を抽出する処理を行う。
【００５８】
図１１に塊状たれ欠陥検出処理フローを示す。
【００５９】
図１１に示すように、まず、正規化処理２０後の画像を、単純２値化処理６１を行い、塊状たれ欠陥の候補領域を抽出６２する。この段階では、溶接された管の外側領域や溶接領域以外のノイズも抽出してしまうため、この画像から面積の大きな領域（濃度差がほぼ一定の領域）を削除する。他方、正規化処理２０後の画像を濃淡モフォロジ処理６３した後、２段階しきい値処理によって溶接領域を抽出６４する。その後、塊状たれ欠陥候補領域と溶接領域のＡＮＤ処理６５を行って溶接領域内の候補領域のみを抽出し、ノイズ除去処理６６して塊状たれ欠陥を検出する。図１２に本発明の塊状たれ欠陥検出処理の模式図を示す。
【００６０】
図１２に示すように、単純２値化処理により、管の外側領域６１ｏ及び溶接欠陥候補領域６１ｋとの画像６１ａが抽出され、この抽出画像６１ａから面積の大きな領域が削除され、溶接欠陥候補領域６１ｋのみの画像６２ａが抽出される。また、球状欠陥抽出処理と同様に、２段階しきい値処理により、溶接領域６４ｙの画像６４ａが抽出される。そして、これら欠陥候補領域６２ａと溶接領域６４ｙの２つの画像６２ａ，６４ａのＡＮＤ処理によって、溶接領域６４ｙ外のノイズ６１ｎが除去されて溶接領域６４ｙ内の候補領域６１ｋのみが抽出され、ノイズ除去処理によって溶接領域６４ａ内のノイズ６４ｎが除去され、塊状たれ欠陥６１ｋが検出される。
【００６１】
そして、このようにして検出された溶接欠陥は、各種欠陥ごとにその大きさ（等級）を求める欠陥等級計算が行われる。
【００６２】
この等級計算は各種欠陥ごとに行われ、線状欠陥等級計算処理７１は、線状欠陥の長さを計算し、球状欠陥等級計算処理７２は、球状欠陥の面積を計算し、また、たれ欠陥等級計算処理７３は、凸状たれ欠陥と塊状たれ欠陥の面積を計算する。
【００６３】
さらに、この計算値をもとに溶接欠陥の総合評価値の算出処理８０が行われる。
【００６４】
総合評価値の算出処理８０は、各溶接欠陥ごとに、欠陥の種類や大きさから総合的に、ＪＩＳ規格などに基いてグレード分けを行う。
【００６５】
以上説明したように、本発明は、溶接欠陥の検出処理として、線状欠陥検出処理、球状欠陥検出処理、凸状たれ欠陥検出処理、及び塊状たれ欠陥検出処理の４種類の処理を行うことで、これらを精度良く分類できると共に、それらのグレードを定量的に評価できる。
【００６６】
また、本発明は、それぞれの欠陥検出処理がノイズを除去する作用を含むことから、溶接欠陥の画像が低コントラストであっても、正確に溶接欠陥を検出できる。
【００６７】
尚、本実施の形態では、凸状たれ欠陥検出処理において、管同士の溶接部から欠陥領域を抽出するため、２次曲線近似を行ったが、平板同士の突合せ溶接部から欠陥領域を抽出する場合には直線近似を行うなど、溶接線の形状に応じた近似を行うことにより、凸状たれ欠陥を検出することができる。
【００６８】
【発明の効果】
以上要するに本発明によれば、以下に示すような効果を発揮する。
【００６９】
（１）放射線透過による溶接欠陥検査において、従来、目視で行っていたため、検査員による個人差が生じていたが、本発明により、線状欠陥、球状欠陥、凸状たれ欠陥、及び塊状たれ欠陥を自動的に精度良く分離・識別して検出でき、更にそれらのグレードを定量的に評価できる。
【００７０】
（２）画像処理システムを構築することにより、専門の検査員でなくとも、溶接欠陥検査を行うことができるようになり、さらに工場における溶接ラインを自動化することができる。
【図面の簡単な説明】
【図１】本発明にかかる放射線透過検査における溶接欠陥自動検出法の流れ図である。
【図２】図１の線状欠陥検出処理の処理フローを示す図である。
【図３】図２の多重多段階スライス処理手順を示す図である。
【図４】図２の大局的探索処理の処理フローを示す図である。
【図５】図４の大局的探索処理の模式図である。
【図６】図１の球状欠陥検出処理の処理フローを示す図である。
【図７】図６の球状欠陥検出処理の２段階しきい値処理の模式図である。
【図８】図６の球状欠陥検出処理の模式図である。
【図９】図１の凸状たれ欠陥検出処理の処理フローを示す図である。
【図１０】図９の凸状たれ欠陥検出処理の模式図である。
【図１１】図１の塊状たれ欠陥検出処理の処理フローを示す図である。
【図１２】図１１の塊状たれ欠陥検出処理の模式図である。
【符号の説明】
１０画像入力処理
２０正規化処理
３０線状欠陥検出処理
４０球状欠陥検出処理
５０凸状たれ欠陥検出処理
６０塊状たれ欠陥検出処理
７０欠陥等級計算処理
８０溶接欠陥の総合評価値の算出処理[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a welding defect detection method for detecting a welding defect by radiation transmission, and more particularly to a welding defect automatic detection method in a radiation transmission inspection in which a welding defect observed by a radiation transmission device is automatically detected by an image processing technique. .
[0002]
[Prior art]
Conventionally, after butt welding pipes and the like, the butt welded portion is inspected for defects.
[0003]
As a method for detecting this welding defect, a method is known in which the welded portion is irradiated with radiation by a radiation transmission device, and the presence or absence of the welding defect and its grade classification are evaluated by visual observation by a specialized inspector.
[0004]
In addition to this method, many welding defect detection methods have been disclosed in which an image obtained by irradiating a welded portion with radiation by a radiation transmission device is input, and the input image is subjected to image processing to detect a welding defect.
[0005]
[Problems to be solved by the invention]
However, the evaluation by the inspector's visual inspection has resulted in individual differences in the results, and since only qualitative judgment can be made, it has been difficult to make detailed grades. Furthermore, weld defects include linear defects that occur when the weld is insufficiently melted due to features such as shape, spherical defects that have pores in the weld, and dripping defects that have drooped from the weld. Although it is classified, expertise in welding is necessary to identify and comprehensively evaluate them.
[0006]
Further, in the conventional welding defect detection method using image processing, since the image of the welded portion imaged by the radiation transmission device has a very small contrast, various types of welding defects such as the above-described linear defects, spherical defects, and sagging defects are included. Could not be separated and identified with high accuracy.
[0007]
Accordingly, an object of the present invention is to automatically separate and identify various defects from a welded portion irradiated with radiation by a radiation transmission device automatically and accurately by image processing technology, and quantitatively evaluate their grades. An object of the present invention is to provide an automatic detection method for welding defects in radiographic inspection.
[0008]
[Means for Solving the Problems]
In order to solve the above-mentioned problems, the invention of claim 1 is directed to a welding defect automatic detection method in a radiographic inspection for inspecting a defect in a weld from an inspection image obtained by irradiating a butt weld with radiation.
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
The contour line of the welded part is extracted from the image after the above shade morphology processing, the weld line of the normal part is approximated from the contour line, and the shifted area is extracted by superimposing the approximated line and the contour line. And a convex defect detection process .
[0010]
The invention of claim 2 is an automatic welding defect detection method in a radiographic inspection for inspecting defects in a weld from an inspection image obtained by irradiating a butt weld with radiation.
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
A defect candidate area having a large density difference is extracted by binarization processing from the image after the normalization processing, the image is subjected to density morphology processing, and a welding region is extracted by two-stage threshold processing. This is a method of performing AND processing on the extraction region and performing block defect detection processing for extracting a region having a large density difference in the welding region.
[0011]
The invention of claim 3 is an automatic welding defect detection method in a radiographic inspection for inspecting a defect of a weld from an inspection image obtained by irradiating a butt weld with radiation.
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
The image after the density morphology processing is subjected to two-stage threshold processing to extract defect candidate regions and weld regions, and these extracted regions are AND-processed to remove noise and formed in the weld regions. Spherical defect detection processing for extracting spherical defects;
The contour line of the welded part is extracted from the image after the above shade morphology processing, the weld line of the normal part is approximated from the contour line, and the shifted area is extracted by superimposing the approximated line and the contour line. it is convex sauce defect detection process and a method of performing <br/> to.
[0012]
The invention of claim 4 is a welding defect automatic detection method in a radiographic inspection for inspecting defects in a weld from an inspection image obtained by irradiating a butt weld with radiation.
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
The image after the density morphology processing is subjected to two-stage threshold processing to extract defect candidate regions and weld regions, and these extracted regions are AND-processed to remove noise and formed in the weld regions. Spherical defect detection processing for extracting spherical defects;
A defect candidate area having a large density difference is extracted by binarization processing from the image after the normalization processing, the image is subjected to density morphology processing, and a welding region is extracted by two-stage threshold processing. the extraction region by aND operation, a method of performing <br/> the bulk sauce defect detection process of extracting a larger area of the density difference in the welding area.
[0013]
In addition to the linear defect detection process and the convex defect detection process, the invention of claim 5 extracts a defect candidate area having a large density difference by binarization from the normalized image, and A method for performing block defect detection processing in which a density morphology process is performed on an image, a welding region is extracted by performing two-stage threshold processing, and these extraction regions are ANDed to extract a region having a large density difference in the welding region. It is.
[0014]
In the invention of claim 6 , in addition to the linear defect detection process, the spherical defect detection process, and the convex defect detection process, a defect candidate area having a large density difference is binarized from the image after the normalization process. Extraction and density morphology processing of the image, two-step threshold processing to extract the welded area, AND these extracted areas AND processing, to extract a large density difference area in the welded area This is a method of performing detection processing.
[0015]
According to the above configuration, even in a noisy and low-contrast image, by applying detection processing using shape information for each defect, various defects are accurately separated and identified, and quantitative evaluation is automatically performed. be able to.
[0016]
DETAILED DESCRIPTION OF THE INVENTION
Next, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
[0017]
FIG. 1 shows a processing flow of a welding defect automatic detection method in a radiographic inspection according to the present invention.
[0018]
As shown in FIG. 1, an automatic welding defect detection method in a radiographic inspection according to the present invention includes an image input process 10 for irradiating and imaging a welded portion with a radiographic apparatus, and normalization for normalizing the input image Processing 20, defect detection processing 30, 40, 50, 60 for detecting a welding defect from the normalized image, defect grade calculation processing 70 for calculating the grade of the detected welding defect, and comprehensively based on the type and grade of the welding defect It is performed in the order of the comprehensive evaluation value calculation process 80 to be evaluated.
[0019]
In the defect detection process, a linear defect detection process, a spherical defect detection process, a convex defect detection process, and a block defect detection process are performed according to the type of defect to be detected.
[0020]
The detection processing of these various defects will be described in detail by taking, as an example, detection of a welding defect from a butt weld between pipes.
[0021]
First, the linear defect detection process 30 will be described with reference to FIGS.
[0022]
FIG. 2 shows a process flow of the linear defect detection process.
[0023]
As shown in FIG. 2, the linear defect detection process 30 performs a density morphology process 31 that corrects a density difference due to a difference in radiation dose on the image after the normalization process 20, and multi-stages the linear defect candidate areas. After extraction by the slicing method 32, a polygonal line vectorization process 33 for approximating the linear defect candidate area with a polygonal line vector is performed. Then, these broken line vectors are integrated in consideration of the direction of the straight line and the positional relationship. In other words, the linear defect is detected by performing the linear defect extraction process 34 by the global search method since it is on a single straight line although it is separated from the jumping region.
[0024]
The concentration distribution of the linear defect region is not limited to a constant value, but has a distribution that is locally waved. Therefore, if the binarization threshold value is increased, it will break apart, and if it is lowered, a lot of noise will be extracted. Therefore, multiple multi-stage slice processing is applied to extract candidate areas of linear defects whose density distribution changes discontinuously.
[0025]
Multiple multi-step slicing is a process that extracts regions that repeat local shading and avoids the inclusion of noise. Its basic principle is that a very low density threshold is first applied to an image that has been subjected to shading morphology processing. By binarizing with T ₁ , a portion that is determined to be a part of a defect although it is fragmented is extracted. Next, a portion of the density threshold range {T ₁ + (i−1) α <T <T ₁ + iα i = 1,..., N} that is slightly higher than the threshold is taken out and extracted so far. It is checked whether or not it is adjacent to the portion, and if it is adjacent, it is registered as an extension as a defective area. This operation is repeated N times. Further, the above, repeated M times from low threshold T _1, and these integrated part of the defective area. In this way, by repeating the same process M times, it is possible to satisfactorily extract linear defects without integrating noise.
[0026]
The multiple multi-stage slice processing 32 will be described more specifically with reference to FIG.
[0027]
A case where the actual linear defect area 21 and the noise area 22 are in the density distribution 23 as shown in the density graph at the upper part of FIG. 3 will be described as an example.
[0028]
( ₁ ) The target image is binarized with a very low threshold value T ₁ . Thereby, a part 32a of the linear defect region is extracted.
[0029]
{Circle around (2)} Next, a portion 32b of the density threshold range {T ₁ <T <T ₂ } that is slightly higher than T ₁ is extracted for the target image.
[0030]
(3) It is checked whether or not the area of each extraction portion 32b in (2) is close to the extraction part field area 32a in (1), and the adjacent area is expanded and registered as a linear defect area 21a. To do. At this time, the central extracted portion 32c in the linear defect region 21a is not expanded because it is not close to the region of the extracted portion 32a of (1), and similarly, the extracted portion 32d of the noise region 22 is Since it is not close to the area of the extraction portion 32a of ▼, it is not registered for extension.
[0031]
{Circle around (4)} A portion 32d of a threshold range {T ₂ <T <T ₃ } having a higher threshold is extracted from the target image.
[0032]
(5) Check whether the area of the extraction part 32d in (4) is close to the linear defect area 21a in (3), and the adjacent area is expanded and registered as a linear defect area 21b. . The extracted portion 32d in the linear defect region 21d is not close to the linear defect region 21a of (3) and is therefore not registered for expansion. Similarly, the extracted portion 32e of the noise region 22 is Since it is not close to the linear defect extraction area 21a, the extended registration is not performed.
[0033]
{Circle around (6)} A portion 32f of a threshold range {T ₃ <T <T ₄ } having a higher density is extracted from the target image.
[0034]
It is checked whether the area of the extraction part 32f in (7) (6) is close to the linear defect area 21b in (5), and the adjacent area is expanded and registered as a linear defect area 21c. . Similarly, the extracted portion 32g of the noise region 22 is not registered in an expanded manner because it is not close to the linear defect extraction region 21b of (5).
[0035]
By performing the processing of (8) (1) to (7) again within the same density threshold range, the extraction portion 32d of (4) that is not connected to the linear defect region of (5) is regarded as a linear defect. Since they are close to each other, they are expanded and registered as a linear defect region 21d. In addition, the extraction part 32e of (4) that is noise is not adjacent and is not registered in an extended manner.
[0036]
{Circle around (9)} The image of the linearly registered defect area 21d obtained in [8] is regarded as a new image of [1], and the processes of [1] to [7] are further performed to perform the linear defect area 21e. To extract. At this time, the extraction portions 32d, 32e, and 32g of the noise region 22 are not close to the linear defect region 21c and are not close to the extraction portion 21d of (8), and thus are set as the noise region 32h.
[0037]
In the examples {circle around (1)} to {circle around (9)}, the three expansion processes are repeated three times, but can be generalized as the number of expansions N times and the number of repetitions M as described above.
[0038]
At this point, since the linear defect candidate area in the computer is only processed for each pixel of the image, no information about the adjacency relationship or geometric shape is obtained. Therefore, a line vectorization process 33 for approximating all the series of line information with a line vector is performed and described in straight line information such as end point coordinates, length and inclination. That is, by approximating a continuous curve with a plurality of polygonal lines, a geometric shape such as the length and inclination of each polygonal line is described in the computer. Thus, all the extracted linear defect candidate groups can be recognized as symbols. This linear defect candidate group is called a linear defect candidate area segment group.
[0039]
Further, as a next process, a global search process 34 for searching for a linear defect in the linear defect candidate area segment group is performed.
[0040]
This global search process 34 is a process for extracting a true linear defect from the area obtained by the extraction process of the linear defect candidate area, focusing on the continuity of the linear defect, as shown in FIG. In addition, in order to reduce the search area as much as possible and increase the processing efficiency, a straight line segment having a length equal to or longer than a predetermined threshold estimated to be a true linear defect is selected 34a as a search starting point. Hereinafter, this straight line segment is referred to as a base segment.
[0041]
Then, for each base segment, it is determined whether or not a straight line can be formed in pairs with other candidate segments, and if it can be formed, as shown in FIG. 5A, the least square method is used. A straight line l approximating the segments s ₀ and s ₁ of the pair is generated.
[0042]
Then, as shown in FIG. 5B, all candidate segments s ₂ existing on the straight line l are detected 34c. If the lengths of all the straight lines formed by the segment groups s ₀ , s ₁ , s ₂ are equal to or greater than a certain threshold value and the ratio of the segments to the total length is high, the result is shown in FIG. As described above, it is determined that the segment is a linear defect s by combining the segments. At this time, if the segments s and s ₂ are too large (separate from a predetermined length), they are divided and a determination is made as to whether or not each line group is defective.
[0043]
Next, the spherical defect detection process 40 will be described with reference to FIGS.
[0044]
The spherical defect detection process is a process for extracting a region having a relatively small concentration difference and a small area in the welded region because the spherical defect is a hole in the welded portion. For this reason, when a spherical defect is extracted by simple binarization processing, if the binarization threshold value is lowered, many noise areas are erroneously extracted. Conversely, if the binarization threshold value is increased, noise is reduced. Only a part of the spherical defect area is extracted. Therefore, a spherical defect candidate region is detected by a two-step threshold process.
[0045]
In the two-stage threshold processing, binarization is first performed at a low threshold value, thereby extracting the entire defect area including noise, and then extracting only a part of the spherical defect including no noise. By binarizing with a threshold value, only a very bright portion that is surely a spherical defect is extracted, and finally, in a region binarized with a low threshold value, it is binary with a high threshold value. This is a process of extracting a region including the converted area. FIG. 7 shows a schematic diagram of the two-stage threshold processing.
[0046]
As shown in FIG. 7, a spherical defect 42k can be detected from an image 42a binarized with a low threshold by performing two-step threshold processing on the image after the density morphology processing, but noise 42n is also detected. Detected. Further, only a part of the spherical defect 42k in the welded portion is extracted from the image 42b obtained by binarizing the image after the density morphology processing with a high threshold value. That is, from the image 42b binarized with a high threshold value, an area that does not have a high density value among the areas binarized with a low threshold value is removed as noise. Then, from the image 42c obtained by combining these two images (regions), the non-overlapping region is considered as noise 42n, and only the spherical defect 42k is extracted. However, noise may be extracted in a portion other than the welding region by the two-stage threshold processing. For this reason, in the present invention, in addition to the two-stage threshold process for extracting the bright part for extracting the defect candidate area, the two-stage threshold process for extracting the dark part is performed to extract the welding region.
[0047]
FIG. 6 shows a spherical defect detection processing flow according to the present invention.
[0048]
As shown in FIG. 6, in the spherical defect detection process, the image after the normalization process 20 is subjected to the density morphological process 41, and in the same manner as described above, defect candidates are obtained by the two-stage threshold process for extracting the bright part. An area is extracted 42. On the other hand, two-stage threshold processing for dark portion extraction is performed with a low threshold for extracting the entire welding region and a high threshold for extracting only a part of the welding region. The obtained image is subjected to noise removal processing, and further, a welding region is extracted 43 by performing hole filling processing in the welding region. Thereafter, an actual spherical defect is detected by further performing noise removal processing 45 on an image obtained by AND processing 44 of these two images (regions) of the defect candidate region and the welding region. FIG. 8 shows a schematic diagram of the spherical defect detection processing of the present invention.
[0049]
As shown in FIG. 8, the defect candidate area of the image 42e extracted by the two-step threshold process for extracting the bright part includes noise 43n in addition to the spherical defect 43k. The region of the image 43a extracted by the two-stage threshold processing for dark portion extraction has a noise 43n and a hole 43h of a defective region. Then, the noise 43n is removed from the region other than the welded region 43y by the noise removing process, and the hole 43h in the defective region is filled by the hole filling process, and an image 43c in which only the welded region is extracted is obtained. Further, the AND process 44 of these two images (regions) 42e and 43c removes the noise 43n from the spherical defect candidate region, thereby obtaining an image 44a in which only the spherical defect in the welding region is extracted.
[0050]
Next, the convex defect detection processing 50 will be described with reference to FIGS.
[0051]
FIG. 9 shows a convex defect extraction process flow.
[0052]
Convex sag defect is a defect in which the weld metal hangs down from the weld to the inside of the tube and appears in a convex shape on the inner contour line of the welded region, so there is almost no difference in density from the welded region, and it is detected only by the density information. I can't. Therefore, in the case of butt welding between pipes, a quadratic curve approximation for forming the weld line of the pipe with respect to the outline of the weld is performed in two stages, and the weld boundary is determined from the inner boundary line (contour line) of the pipe. Invented a method of extracting a convex defect by performing a process of extracting a contour shift area.
[0053]
As shown in FIG. 9, the convex defect detection process 40 first performs a density morphology process 51 on the normalized image 20 with a large filter size, and the entire welded region is subjected to the density morphology process. The welding region is extracted 52 by applying a two-step threshold processing of a low threshold value for extracting a high threshold value and a high threshold value for extracting only a part of the welding region. In this method, since the background image of the weld defect is not used, only the weld region can be extracted well without being affected by the position of the welded pipe.
[0054]
Then, after sampling the inner boundary line (contour line) of the obtained welded region and describing 53 as point sequence data, a quadratic curve approximation process 54 by the least square method is performed as shown in the upper part of FIG. However, since this quadratic curve l ₀ is calculated including the points of the convex portion, it does not accurately represent the inner boundary line (contour line) corresponding to the normal part (weld line). Therefore, as shown in the center of FIG. 10, after deleting the original point sequence data o far away from the approximate quadratic curve, the quadratic curve approximation process 55 by the least square method is performed again. Thus, the inner boundary line (contour line) 1 of the normal part can be faithfully represented.
[0055]
Finally, as shown in the lower part of FIG. 10, the length L, the height W, and the area S of the convex region t surrounded by the second approximate curve l and the original point sequence data o are each greater than or equal to the threshold value. If there is, it is extracted as a convex sag defect.
[0056]
Next, the block defect detection process 60 will be described with reference to FIGS.
[0057]
The lump defect is a defect that appears in a circular shape at the center of the welding region, and has a characteristic that the difference in density from the surroundings is relatively large. Therefore, the block defect extraction process performs a process of extracting a region having a large density difference between the outside of the welding region and the outside of the welding region.
[0058]
FIG. 11 shows a block defect detection processing flow.
[0059]
As shown in FIG. 11, first, the binarized defect candidate region is extracted 62 by performing a simple binarization process 61 on the image after the normalization process 20. At this stage, noise outside the welded tube and other areas than the welded region are also extracted, so a region with a large area (region with a substantially constant density difference) is deleted from this image. On the other hand, after the image after the normalization process 20 is subjected to the density morphology process 63, a welding region is extracted 64 by a two-stage threshold process. Thereafter, an AND process 65 is performed between the block defect candidate area and the weld area to extract only the candidate area in the weld area, and a noise removal process 66 is performed to detect the block defect. FIG. 12 shows a schematic diagram of the lump defect detection processing of the present invention.
[0060]
As shown in FIG. 12, the image 61a of the pipe outer region 61o and the welding defect candidate region 61k is extracted by the simple binarization process, the region having a large area is deleted from the extracted image 61a, and the welding defect candidate region is obtained. An image 62a of only 61k is extracted. Similarly to the spherical defect extraction process, the image 64a of the weld region 64y is extracted by the two-step threshold process. The noise 61n outside the welding region 64y is removed by AND processing of the two images 62a and 64a of the defect candidate region 62a and the welding region 64y, and only the candidate region 61k within the welding region 64y is extracted, and the noise removal processing is performed. As a result, the noise 64n in the welding region 64a is removed, and the block defect 61k is detected.
[0061]
And the defect grade calculation which calculates | requires the magnitude | size (grade) of the welding defect detected in this way for every defect is performed.
[0062]
This grade calculation is performed for each type of defect, the linear defect grade calculation process 71 calculates the length of the linear defect, the spherical defect grade calculation process 72 calculates the area of the spherical defect, and the sagging defect. The grade calculation processing 73 calculates the areas of the convex sag defect and the block sag defect.
[0063]
Further, based on this calculated value, a calculation process 80 of a comprehensive evaluation value of welding defects is performed.
[0064]
In the comprehensive evaluation value calculation process 80, each welding defect is graded based on the type and size of the defect based on the JIS standard.
[0065]
As described above, the present invention performs four types of processing, that is, linear defect detection processing, spherical defect detection processing, convex defect detection processing, and block defect detection processing as welding defect detection processing. These can be classified with high accuracy and their grades can be quantitatively evaluated.
[0066]
Moreover, since each defect detection process includes the effect | action which removes noise, this invention can detect a welding defect correctly even if the image of a welding defect is low contrast.
[0067]
In this embodiment, quadratic curve approximation is performed in order to extract the defect region from the welded portion between the tubes in the convex sag defect detection process, but the defect region is extracted from the butt welded portion between the flat plates. In some cases, by performing approximation according to the shape of the weld line, for example, by performing linear approximation, a convex defect can be detected.
[0068]
【The invention's effect】
In short, according to the present invention, the following effects are exhibited.
[0069]
(1) In the welding defect inspection by radiation transmission, since it was conventionally performed by visual inspection, individual differences by the inspector occurred, but according to the present invention, a linear defect, a spherical defect, a convex defect, and a block defect. Can be automatically separated and identified with high accuracy, and their grades can be quantitatively evaluated.
[0070]
(2) By constructing an image processing system, it becomes possible to perform a weld defect inspection without being a specialized inspector, and further to automate a welding line in a factory.
[Brief description of the drawings]
FIG. 1 is a flowchart of a welding defect automatic detection method in a radiographic inspection according to the present invention.
FIG. 2 is a diagram showing a processing flow of the linear defect detection processing of FIG. 1;
FIG. 3 is a diagram showing a multiplex multi-stage slice processing procedure of FIG. 2;
4 is a diagram showing a processing flow of the global search processing of FIG. 2;
FIG. 5 is a schematic diagram of the global search process of FIG. 4;
6 is a diagram showing a processing flow of the spherical defect detection processing of FIG. 1; FIG.
7 is a schematic diagram of a two-step threshold process of the spherical defect detection process of FIG. 6. FIG.
FIG. 8 is a schematic diagram of the spherical defect detection process of FIG. 6;
9 is a diagram showing a processing flow of convex defect detection processing in FIG. 1; FIG.
10 is a schematic diagram of the convex deflection defect detection process of FIG. 9; FIG.
FIG. 11 is a diagram showing a processing flow of the block defect detection processing of FIG. 1;
12 is a schematic diagram of the block defect detection process of FIG. 11. FIG.
[Explanation of symbols]
DESCRIPTION OF SYMBOLS 10 Image input process 20 Normalization process 30 Linear defect detection process 40 Spherical defect detection process 50 Convex defect detection process 60 Block defect detection process 70 Defect grade calculation process 80 Calculation process of comprehensive evaluation value of weld defect

Claims

突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像から、溶接部の輪郭線を抽出し、その輪郭線から正常部の溶接線を近似計算させ、その近似させた線と輪郭線とを重ね合せてずれた領域を抽出する凸状たれ欠陥検出処理と
を行うことを特徴とする放射線透過検査における溶接欠陥自動検出法。In the welding defect automatic detection method in the radiographic inspection for inspecting the defect of the weld from the inspection image obtained by irradiating the butt weld with radiation,
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
The contour line of the welded part is extracted from the image after the above shade morphology processing, the weld line of the normal part is approximated from the contour line, and the shifted area is extracted by superimposing the approximated line and the contour line. A method for automatically detecting a welding defect in a radiographic inspection, characterized by performing a convex defect detection process .

突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理と
を行うことを特徴とする放射線透過検査における溶接欠陥自動検出法。In the welding defect automatic detection method in the radiographic inspection for inspecting the defect of the weld from the inspection image obtained by irradiating the butt weld with radiation,
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
A defect candidate area having a large density difference is extracted by binarization processing from the image after the normalization processing, the image is subjected to density morphology processing, and a welding region is extracted by two-stage threshold processing. An automatic welding defect detection method in a radiographic inspection characterized by performing AND processing on an extraction region and performing block defect detection processing for extracting a region having a large density difference in the welding region.

突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像を２段階しきい値処理して、欠陥候補領域を抽出すると共に溶接領域を抽出し、これら抽出領域をＡＮＤ処理してノイズを除去し、溶接領域内に形成された球状欠陥を抽出する球状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像から、溶接部の輪郭線を抽出し、その輪郭線から正常部の溶接線を近似計算させ、その近似させた線と輪郭線とを重ね合せてずれた領域を抽出する凸状たれ欠陥検出処理と
を行うことを特徴とする放射線透過検査における溶接欠陥自動検出法。 In the welding defect automatic detection method in the radiographic inspection for inspecting the defect of the weld from the inspection image obtained by irradiating the butt weld with radiation,
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
The image after the density morphology processing is subjected to two-stage threshold processing to extract defect candidate regions and weld regions, and these extracted regions are AND-processed to remove noise and formed in the weld regions. Spherical defect detection processing for extracting spherical defects;
The contour line of the welded part is extracted from the image after the above shade morphology processing, the weld line of the normal part is approximated from the contour line, and the shifted area is extracted by superimposing the approximated line and the contour line. welding automatic defect detection in radiographic testing, which comprises carrying out convex sauce defect detection process and the <br/> to.

突合せ溶接部に放射線を照射して得られた検査画像から溶接部の欠陥を検査するための放射線透過検査における溶接欠陥自動検出法において、
上記検査画像を正規化処理した後、濃淡モフォロジ処理し、その処理後の画像から、多重多段階スライス処理にて線状欠陥を抽出する線状欠陥検出処理と、
上記濃淡モフォロジ処理後の画像を２段階しきい値処理して、欠陥候補領域を抽出すると共に溶接領域を抽出し、これら抽出領域をＡＮＤ処理してノイズを除去し、溶接領域内に形成された球状欠陥を抽出する球状欠陥検出処理と、
上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理と
を行うことを特徴とする放射線透過検査における溶接欠陥自動検出法。 In the welding defect automatic detection method in the radiographic inspection for inspecting the defect of the weld from the inspection image obtained by irradiating the butt weld with radiation,
After normalization processing of the inspection image, density morphology processing, and from the processed image, linear defect detection processing for extracting linear defects in multiple multi-stage slice processing,
The image after the density morphology processing is subjected to two-stage threshold processing to extract defect candidate regions and weld regions, and these extracted regions are AND-processed to remove noise and formed in the weld regions. Spherical defect detection processing for extracting spherical defects;
A defect candidate area having a large density difference is extracted by binarization processing from the image after the normalization processing, the image is subjected to density morphology processing, and a welding region is extracted by two-stage threshold processing. the extraction region by aND operation, welding defects automatic detection in radiographic testing, wherein the bulk sauce defect detection process of extracting a larger area to make a <br/> density difference in the weld region.

線状欠陥検出処理と凸状たれ欠陥検出処理に加え、上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理を行う請求項１記載の放射線透過検査における溶接欠陥自動検出法。In addition to the linear defect detection process and the convex defect detection process, the defect candidate area having a large density difference is extracted from the image after the normalization process by the binarization process, and the image is subjected to the density morphology process. 2-step thresholding to extract the weld region, these extraction region by aND operation, radiographic testing according to claim 1, wherein performing the bulk sauce defect detection process of extracting a larger area of the density difference in the weld region Automatic detection of welding defects.

線状欠陥検出処理と球状欠陥検出処理と凸状たれ欠陥検出処理に加え、上記正規化処理後の画像から、２値化処理にて濃度差の大きな欠陥候補領域を抽出すると共に、その画像を濃淡モフォロジ処理し、２段階しきい値処理して溶接領域を抽出し、これら抽出領域をＡＮＤ処理して、溶接領域内で濃度差の大きな領域を抽出する塊状たれ欠陥検出処理を行う請求項３記載の放射線透過検査における溶接欠陥自動検出法。In addition to the linear defect detection process, the spherical defect detection process, and the convex defect detection process, a defect candidate area having a large density difference is extracted from the image after the normalization process by the binarization process. gray morphology processing, two-step thresholding to extract the weld area, these extraction regions aND processing, claim 3 for bulk sauce defect detection process of extracting a larger area of the density difference in the weld region Automatic welding defect detection method in the described radiographic inspection.