齐子诚,张维国,唐盛明,郑 颖

(中国兵器科学研究院 宁波分院，浙江 宁波 315103)

0 引言

随着新材料工艺的不断发展以及产品轻量化的需求，金属材料的内部质量要求日趋严格。在生产、加工与使用过程中，金属材料内部缺陷及检测方法日益受到关注。工业计算机断层扫描技术(ICT，industrial computerized tomography)[1-2]作为一种先进无损检测技术，不受被检测物体材料、形状、表面状况等限制，能够给出被检测物体二维、三维图像，具有成像直观、分辨率高的优点，逐渐成为航空、航天、兵器、汽车制造、铁路等[3-4]重要工业领域内部质量检测的主要手段之一。然而，在对金属材料进行工业CT检测时，特别是大尺寸复杂金属构件[5-7]，小缺陷在CT图像上的灰度分布与构件材料灰度值相近，且受到图像噪声的影响，致使小缺陷的定量难、误差大。在产品质量控制与验收等方面，小缺陷定量准确性会造成安全隐患或不必要的浪费。与此同时，CT小缺陷定量过程所产生的不确定性是不可避免的，对其进行不确定度评定十分必要。因此，研究工业CT小缺陷定量及不确定度评定方法对于工业CT应用具有重要意义。

国内外学者对无损检测小缺陷识别、定量及不确定度评定作了大量的研究。在小缺陷ICT检测方面：文献[8]通过采集大量缺陷样本图像进行增强等预处理，采用卷积神经网络的方法训练网络模型，利用该模型对CT图像中小缺陷进行辨识。文献[9-10]结合多种滤波方法对CT图像低对比度信息进行预处理，基于灰度变化率分割缺陷，利用Hu不变矩方法提取缺陷特征，并结合RBF神经网络模型和萤火虫算法对缺陷进行智能识别。……