孙和辉

摘要：焊接生产过程中，由于各种原因，在焊接结构中会产生不同类型的缺陷，直接影响焊接质量。对国内外焊接缺陷X射线自动检测相关关键技术的研究现状给予系统的论述，包括图像增强、图像分割和模式识别，最后对这一检测技术进行了展望。

关键词：焊接缺陷；X射线自动检测；图像处理；模式识别

随着现代工业的发展，焊接技术得到了广泛的应用，对焊接质量的要求也在逐步提高，焊接缺陷检测技术也因此得到了国内外研究学者的普遍关注。焊接缺陷的检测首先是从X射线胶片人工目视检测发展而来，由于这种方法具有检测方法简单、成像可靠、分辨率高等优点，因此在以往的焊接工业生产中应用较为广泛。但由于这种方法同时存在着评判结果的主观随意性强、保存和查询工作量大、运行成本高等实际问题，因此不能得到较好的应用。焊接缺陷自动检测技术可使检测结果和评定过程客观化、科学化和规范化，已成为焊接缺陷检测研究中的重要发展方向。

目前，实现焊接缺陷自动检测方式主要包括：X射线检测、超声检测、磁粉检测、渗透检测、涡流检测等。其中，X射线检测在焊接工业无损检测中占有重要地位。焊接缺陷检测应用中，由于焊接材料的结构特性以及X射线检测本身的特点，容易造成检测成像对比度和信噪比低、图像边缘模糊、背景起伏较大等缺点，重地影响缺陷信号的检出率和可靠性。针对焊接缺陷的射线自动检测方法，国内外研究人员已进行了相关的研究工作，但总体来说还没有达到较好的实际应用水平。

一、检测工作流程实现焊接缺陷自动检测过程

（1）射线图像获取。通过X射线成像设备，获取焊接结构的数字图像，并输入计算机。

（2）图像增强处理。采用图像增强技术，对获取的数字图像进行处理，包括图像的降噪、平滑、背景滤除和对比度提高等，其目的在于使图像更清晰，缺陷位置和形状更加突出，以方便后续的图像处理和分析过程。

（3）缺陷图像区域分割。对于预处理后的图像，采用适当的图像分割方法，提取焊接区域，并进一步在该区域搜索并提取可能存在的焊接缺陷。

（4）缺陷的识别和分类。对焊接缺陷图像区域进行特征提取，根据已知的缺陷图像特征和已建立的分类机制，实现焊接缺陷的识别和分类。

二、图像增强处理

多数情况下，焊接生产中采集到的焊缝缺陷图像质量相对较差，存在对比度低、边界模糊以及噪声干扰等现象，直接影响到缺陷的特征提取和分类识别的准确性。图像增强处理用来改善图像的质量，改善图像的视觉效果，提供直观、清晰、适合于计算机分析的图像，使后续的缺陷提取与识别工作顺利进行，有着重要的实际应用意义。在焊接缺陷的白动检测中，常用的图像增强方法主要包括直方图修正法、图像平滑化方法、直接灰度变换法。直方图修正法主要是用来提高焊接缺陷图像的对比度，又可细分为直方图均衡化和直方图规定化两种方法。在直方图均衡化方法的基础上，又产生了局部区域修正方法，是针对图像中的特殊局部区域进行直方图修正。直方图修正法能够使整幅图像或局部区域的灰度信息得到增强，但同时也会导致图像中的一些图像细节信息丢失。文献中采用中值滤波对原始图像进行平滑，并结合自定义的广义模糊算子实现图像增强，去除了灰度图像中的某些不确定性，减少了图像的模糊性。该方法与传统的模糊增强、直方图均衡方法进行比较实验表明，采用广义模糊算子进行图像增强具有更佳的效果。随着智能计算技术的发展，图像智能化增强也成为图像增强的一种有效方法。该类方法在图像增强处理中引入智能计算的理论方法，通过模拟人类视觉特性来实现图像增强操作。

三、缺陷图像区域分割

在焊接缺陷的自动检测中，图像分割的目的就是把焊缝区域和焊接缺陷区域分割出来，以便后续的缺陷图像区域的特征提取。其中常用到的分割方法有阈值分割法、边缘检测法、区域提取法等。阈值分割法中，确定最优分割阈值是实现合理有效图像分割的关键。而常用的图像边缘检测算子有Roherts、Sohel、Prewitt、Krisch、Cannv和高斯拉普拉斯算子等。Rohert算子对具有陡峭的低噪声图像响应最好，但是在计算方向差分时，不仅对边缘信息敏感，同时对图像噪声也很敏感。Sohel、Prewitt、Krisch等边缘检测算子与Robert算子相比，对灰度渐变和噪声较多的图像处理效果相对较好，但仍然存在方向性强、易受噪声干扰、双边缘等问题。

四、展望

综合论述了焊接缺陷自动检测应用中的图像增强、图像分割等技术，但在实际应用中都有一定的局限性，综合技术尚未达到较好的应用水平。研究一种分类齐全、性能可靠、受客观条件影响小的自动检测方法是目前国内外焊接工作者需要进一步研究的重要课题。焊接缺陷的自动检测技术在以后的发展过程中将呈现以下趋势。一是对原有算法的不断改进；二是新方法、新概念的引入和多种方法的有效综合利用。随着科技的发展和研究的不断深入，相信在不久的将来会有更多的研究成果出现。