论文部分内容阅读
随着计算机人工智能功能和电子技术的飞速发展,已经拉开了超声检测的新舞台的序幕,作为无损领域新宠的超声波相控阵的B扫不仅具有普通超声波的具有灵敏度高、穿透力强、操作安全、应用范围广等优点,还有着其独有的操作便捷和能得到高分辨率和高品质的成像等优势。针对超声波相控阵在无损检测应用时间不长,从而其检测板板对焊缺陷类型还缺少有效识别方法的问题,本文根据超声波相控阵的B扫和探头阵元不同的激活数量对焊缝缺陷扫查,建立缺陷图像数据库,并将基于不同的纹理提取方法(灰度梯度共生矩阵、灰度共生矩阵)的灰色分析引入到焊缝超声探伤缺陷识别中去,设计出具有较高识别正确率的缺陷辨识方案。本文采用的Visual Studio 9.0与MATLAB10.0的平台混合编写的探头阵元控制程序,可以任意设置阵元激活数量,在激活15个探头阵元和32个探头阵元的条件下对不同板厚的焊缝缺陷进行超声B扫,采集了 37组缺陷图像,建立缺陷图像数据库,再利用图像匹配实验,初步分析出这两种不同扫描条件下对缺陷识别的影响。通过灰度共生矩阵对超声波相控阵的B扫缺陷图像进行纹理特征提取,分析了图像中常见缺陷类型(夹渣、气孔、裂纹、未焊透、未熔合)不同的纹理特征。利用灰度共生矩阵(GLCM)提取出图像四个生成方向上(0°、45°、90°、135°)的四个特征值(角二阶距、对比度、熵值、相关性)和灰度梯度共生矩阵(GGCM)提取出的图像15个特征参量分别与灰色关联分析法结合,分别算出关联系数,然后根据平均关联度值,判定出缺陷类型,根据识别结果,比较这两种纹理提取方法的优缺点,并且分析不同阵元数量条件下对缺陷识别正确率的影响。由实验验证表明:通过不同实验条件的缺陷识别验证,发现激活15个阵元的扫描效果远不如32个阵元的,这个结果与图像匹配仿真实验得到的结论相符合。此外,基于灰度共生矩阵和基于灰度梯度共生矩阵的灰色关联识别方法,在识别结果方面正确率基本差不多,识别率分别达到了 84.38%和81.25%,不过由于后者有较多的冗余特征参数计算更繁杂并且在精确识别未熔合和未焊透方面识别率更低,因此基于灰度共生矩阵的识别会更好。