论文部分内容阅读
采用X射线对焊接件进行检测是无损探伤领域的研究热点之一。传统的X射线胶片照相法存在准确率和效率低、人工读片差异等缺点。随着计算机技术、图像处理和模式识别技术的不断完善和发展,研究和开发计算机辅助识别系统是行之有效的措施。图像预处理是缺陷检测和识别的基础。本文在分析了X射线探伤图像特点的基础上,给出了有效的图像预处理方法。采用多项式模型和双线性插值法分别对图像进行空间位置校正和像素点的灰度校正,取得了较好结果。利用小波变换的多尺度多分辨率特性,采用改善小波分解高频成分的方法来增强缺陷的特征,并结合小波系数的软阈值算法,在有效抑制噪声的同时,非线性地增强了图像的细节信息,保持了缺陷的边缘特征。小波变换的多尺度特性和检测局域突变能力使其成为边缘检测的良好工具。本文改进了寻找小波变换系数模局部极大值点的方法,根据局部自适应阈值法,采用B样条小波和Mallat快速算法实现了基于小波变换的多尺度边缘检测算法。实验结果表明,该算法能够准确地检测出缺陷的多尺度边缘信息和单像素宽的缺陷边缘,效果优于传统的边缘检测算法。根据计算出的缺陷的特征参数,利用模糊神经网络识别焊缝内的缺陷。本文设计了X射线探伤图像缺陷识别系统的总体框架,并介绍了四个模块的实现功能和各模块的设计方案。采用Delphi编写应用程序,由Matlab处理后台运算,利用Mideva编译脱离Matlab环境的动态链接库来实现二者的混合编程,完成了缺陷识别系统的设计与实现工作,大大缩短了系统的开发周期。实际应用结果表明,系统能够有效识别出焊缝中的缺陷,对缺陷的大多数检测结果都达到了所要求的技术性能指标。