新型数字化管道焊缝检测信息系统

<正>油气管道工程施工中,射线检测技术是确保焊接质量的关键手段,直接关系到工程质量、施工效率、成本、以及管线运行期间的安全可靠性。新型数字化管道焊缝检测信息系统是基于平板探测器的X射线数字检测技术,结合自动控制原理,完成管道焊缝的快速检测,检测图像现场可立即显示观看。与传统胶片照相检测相比,该系统具有检测灵敏度高、分辨率高、动态范围大等特点,检测成本约为胶片照相检测系统的30%左右.     

基于X射线检测的电力电缆常见缺陷分析

X射线数字成像技术由于高灵敏度、无损检测等优势,可以检测出常规手段较难直观判断的设备缺陷部位及老化状况,近年来在电力电缆的缺陷检测中的应用越来越多。本文在阐述了X射线检测原理和检测参数的基础上,例举了2个X射线检测现场受损电缆的实际案例。在电缆外护套受损的情况下,通过X射线成像,可以快速判断主绝缘层是否有缺陷。非破坏性的X射线检测方法是一种高效的、节约成本的现场检测技术。     

X射线线阵探测器校正与滤波

针对X射线线阵探测器像素响应不均而造成X射线图像产生竖条纹,以及由探测器本身和外界产生噪声干扰的问题,提出了一种新型的校正与滤波模型,解决了传统校正方法因忽略噪声影响而使得校正完成后数据波动较大的问题。结合X射线特性及X射线线阵探测器的成像原理,分析了像素响应不均时的输出特性及噪声,建立了改进的两点校正算法与基于偏微分方程的半隐式差分滤波模型。实验证明,分辨率为19 216的X射线线阵探测器在经过该模型校正后,有效地解决了像素响应不均的问题,抑制了噪声的影响,在位深为16 bit的情况下,平均均方误差低于五个灰度级,提高了X射线图像检测的质量。     

基于ARM7的底片数字化仪电机同步驱动设计

针对焊缝缺陷X射线实时自动检测技术普遍存在误检高的问题,研制了钢管焊缝缺陷X射线实时自动检测系统,本文提出了工业胶片智能检测系统中采集和控制的同步问题的研究方法,设计了步进电机的控制方法与光电编码器采集方法,通过超低功耗系列单片机LPC2114进行步进电机速度的采集与电机速度PID控制,同时,步进电机带动夹持机构使胶片相对CCD运动,线阵CCD开始采集图像。只要CCD的线频率与扫描机构的运动速度同步,就可以采集到没有畸变的图像,运用LMD18245全桥电机驱动器等器件以及设计所需的相关软件的使用。在此基础上,对系统进行设计、编程和调试,该系统在压力管道焊缝缺陷实时自动检测中验证了其正确性和有效性。     

基于涡流脉冲热成像的焊缝表面多缺陷检测

焊缝表面气孔缺陷的存在减少了工件的有效截面积,降低了工件抵抗外载荷的能力,严重时会导致工件断裂,为此提出一种基于涡流脉冲热成像技术的焊缝表面多缺陷检测方法。首先,采用一种新型电磁传感器结构,通过涡流脉冲热成像原理对不同直径和深度的碳钢缺陷进行检测,并分析了图像序列中缺陷区域与非缺陷区域的温度信号;为了提高该检测系统的灵敏度,采用主成分分析方法对图像序列进行图像重构,增强原始图像中缺陷特征。最后,通过实验验证了该方法,实验结果表明该方法能够减小焊缝边缘效应的影响,实现对焊缝表面缺陷的大面积检测,并为红外热像仪提供一个开放的视野。     

图像处理技术在焊缝跟踪中的应用

随着焊接过程自动化和智能化的发展,基于图像处理技术的焊缝位置检测和焊接缺陷检测过程越来越受到国内外学者的重视。文章对焊缝自动跟踪系统中有关图像处理方面的研究现状作了一些介绍,详细分析了图像处理技术在焊缝跟踪过程中的应用,其中包括图像预处理、图像分割、边缘检测和特征点提取等图像处理过程,总结了一些传统和新型的图像处理算法,并讨论了各自的优缺点。     

基于X射线焊缝图像缺陷特征提取的研究

本文针对X射线焊缝图像的复杂性,提出了准确快速的提取焊缝区域和缺陷的方法。由于检测到的X射线图像具有对比度不高、光照不均、缺陷边缘模糊、图像噪声多、存在较大的背景起伏等缺点,首先对含有缺陷的焊缝图像进行一系列的图像预处理;然后采用自适应阈值分割算法来提取焊缝缺陷区域,为缺陷特征测量做准备工作;最后,在图像本身所包含的几何特征、灰度特征、结构信息、颜色信息等特征中,对缺陷图像进行几何特征的测量,以便对缺陷类型进行分类。结果表明,该方法能较准确地提取射线图像的焊接缺陷,并能较准确的获取该缺陷的几何和代数特征,具有良好的适应性和实用性。     

基于射线检测的焊缝缺陷自动识别技术研究

本文介绍了射线检测的基本原理,分析了射线检测技术实现自动化的难点所在,分析焊缝检测图像的预处理过程和焊缝缺陷的特征提取方法,通过人工智能的方法实现了射线检测的焊缝缺陷自动识别,取得了良好的效果.本文的研究可以为无损检测技术的应用提供借鉴,具有一定的现实意义.     

数字X射线放射照相平板探测器

1.引言不象其他主要医学成像方法如计算机X射线断层摄影术(CT),超声波,核磁共振成像(MRI),所有这些都是数字化的,传统的X射线成像仍然大部分采用模拟技术。数字X射线成像或数字放射照相法很有优势,这是因为它:可以进行图像处理以提高图像质量,如对比度等;可以很容易地把放射成像的图像与那些从其他成像形式得到的图像进行比较;可以使医院通过网络对图像进行远程访问和归档;可以通过计算机辅助诊断工具辅助放射科医生的工作;最终,可以实现远程放射照相—训练有素的人员可从中心设施为远程或人口稀少的地区服务。     

PaxScan2520平板探测器X射线成像系统设计

以PaxScan2520平板探测器作为研究对象,利用VC++多线程的编程技术,结合平板探测器的特点,开发了基于PaxScan1313平板探测器的X射线实时成像系统。通过实验论证该系统可以达到很好的成像效果,可以满足X射线检测的实时性、稳定性与精确性。     

小径管道射线探伤技术中源侧缺陷的放大

目的研究射线探伤中投影成象对缺陷的放大作用;方法根据管道的射线成象原理,分析投影成象对管道中缺陷的放大;结果由于射线源侧缺陷与胶片侧(转换屏)缺陷距胶片(转换屏)的距离不同,造成射线源侧缺陷在底片上所成的象比实际缺陷尺寸有一定的放大;结论在小直径(〈76mm)管道射线底片评级时,应考虑缺陷在管道中所处的大致位置及对应的放大系数.     

基于STM32的焊缝底片数字化仪硬件设计

针对焊缝缺陷X射线实时自动检测技术普遍存在误检高的问题,研制了焊缝缺陷X射线实时自动检测系统,提出了工业胶片智能检测系统中采集和控制的同步问题的研究方法,设计了步进电机的控制方法与光电编码器采集方法,采用Cortex—M3内核的STM32进行步进电机速度的采集与电机速度PID控制,同时,步进电机带动夹持机构使胶片相对CCD运动,线阵CCD开始采集图像。只要CCD的线频率与扫描机构的运动速度同步,就可以采集到没有畸变的图像,运用LMD18245全桥电机驱动器等器件以及设计所需的相关软件的使用。在此基础上,对系统进行设计、编程和调试,该系统在压力管道焊缝缺陷实时自动检测中验证了其正确性和有效性。     

基于广义模糊算子的焊缝图像的缺陷提取

在X射线成像自动检测技术中,至关重要的一步就是图像中缺陷的提取和分割,其处理效果直接影响到后续缺陷的识别的正确性。先对焊缝图像进行广义模糊算子GFO增强处理,再运用数学形态学对焊道边界进行处理,最后提取出焊缝缺陷。实验证明,该方法能有效地提取出缺陷,为后续正确识别缺陷打下良好基础。     

铝合金车体焊接同步激光清洗技术研究(特邀)

针对轨道交通车辆车体铝合金型材焊接同步激光清洗,开展了相关工艺、测试与应用技术研究。通过工艺研究得出铝合金氧化膜激光清洗工艺窗口,建立了匹配不同焊接速度的激光清洗参数预测模型,并分析了激光清洗对铝合金表面氧化膜的影响;针对实际工况,设计了激光清洗-电弧焊接同步清焊一体化装置,并开展焊接同步激光清洗工艺验证,实现了焊前高质高效去除氧化膜;通过分析焊接接头力学性能,检测焊缝缺陷,观测焊接接头截面微观组织,评判焊接同步激光清洗焊缝质量。研究表明,采用200 W脉冲激光,清洗速度0.5～1.1 m/min可调的情况下,可以实现线宽45 mm的焊接同步氧化膜的有效清洗,经激光清洗后,原生氧化膜被完全去除,且可避免再生氧化膜的影响。经激光清洗后的焊接接头剪切强度及应变相较未处理的接头分别提升了26.4%和9.98%,较人工打磨后的接头强度分别提升了3.53%和1.43%,焊缝中心组织主要由α基体和β (Mg2Al3)相组成,焊接性能满足轨道交通车辆车体制造要求,可有效替代人工打磨。     

基于主动式全景视觉的管道形貌缺陷检测系统

针对现有的管道缺陷检测技术不能同时对管道的形、貌缺陷进行检测与评估这一工程难题,在前期研究工作的基础上,设计了一种基于主动式全景视觉的管道内部缺陷检测系统,能够快速获取管壁密集点云的三维坐标,同时对内壁表面缺陷进行检测与评估。首先利用主动式全景视觉传感器（AODVS）实时获取内壁全景图像和激光横断面扫描全景图像,然后对管道内壁全景图像进行柱状展开、预处理和缺陷检测及分类等处理;然后对激光横断面扫描全景图像处理,计算管道内壁点云的三维坐标,进一步对管道缺陷部分进行定量分析,最后利用三维建模技术重构带有真实纹理信息的管道模型。实验结果表明:文中设计的检测系统能够对管道凹凸形变、孔洞、管壁裂缝、腐蚀等缺陷进行检测与分析,具有较高的检测精度,为管道内表面三维测量和重构提供了一种新的手段。     

基于模态对称算法的直管道导波缺陷检测研究

针对直管道超声导波检测较难靠近管道结构处缺陷的问题,研究并设计了模态对称算法用于抽离回波信号中的非对称模态,对处理得到的模态对称曲线信息进行分析并评估管道结构处的健康状况。同时,建立管道试验系统对管道近焊缝处的裂纹回波进行采集,通过处理发现带缺陷处的模态对称曲线出现明显升高,加大裂纹缺陷,发现模态对称曲线幅值随缺陷的圆周对称度的增大而升高。该方法为避免管道缺陷的漏检提供了新的技术支持,且实现了利用导波技术对直管道结构处的区域进行准确诊断。     

基于B树的否定选择算法及其应用

针对传统的方法在带钢表面缺陷图像检测中存在的问题,提出了基于B树的否定选择算法.根据影响成熟检测器生成的因素,通过低频和高频变异生成初始检测器集合,改变检测器的表示方式,以数值型的检测数代替二进制字符串形式的检测器,提取自体数值、检测数值和待检数值,使用B树建立索引并构建自体信息树和检测信息树,来实现其质量检测.实验表明,该方法明显优于传统的图像检测算法,提高了检测效率.     

基于深度学习的燃气PE管道焊缝缺陷检测

为了解决人工与传统数字图像处理方法进行燃气PE管道焊缝缺陷识别时面临的效率低、漏检率高、评片效果不佳等问题，提出了基于深度学习算法的燃气PE管道焊缝缺陷智能检测方法，实现从输入燃气PE管道焊缝DR检测图像到输出缺陷种类及其测量值的精细化测量。首先，在宏观区域层面采用YOLOv5网络预提取缺陷区域，减少与缺陷相似的非目标区域的干扰，并设计了融合坐标注意力机制(CA)与加权双向特征金字塔网络(BiFPN)的CA-BiFPN模块，以提高对小目标缺陷检测能力，其最终的缺陷识别定位平均精确度为95.1%。然后，在微观边界层面采用语义分割算法Deeplabv3+,实现像素级别的缺陷分割，缺陷分割平均像素准确率为91.25%、平均交并比值为85.52%。最后，在几何特征层面采用最小外接矩形法计算其实际尺寸大小，其平均相对误差为5.47%。结果表明该检测方法可实现燃气PE管缺陷高效率、高精度、智能化检测。