资源描述：
《超声波相控阵探伤中焊缝缺陷辨识研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、292化工机械2016年超声波相控阵探伤中焊缝缺陷辨识研究∗121谢研杨天雪林春深(1.福州大学石油化工学院;2.福建省特种设备检验研究院)摘要根据超声波相控阵检测在不同的典型缺陷下所呈现出的图像,提出一种基于灰度共生矩阵(GLCM)的灰色关联为评价标准的缺陷识别方法,并以夹渣、气孔、裂纹、未焊透和未熔合5种焊缝常见缺陷为对象进行缺陷辨识。利用GLCM提取出图像4个生成方向上(0、45、90、135°)的4个特征值(角二阶距、对比度、熵值、相关性)求出平均灰色关联度,并与超声检测结果进行对比。实验结果表明:该方法正确率达到80%以上,识别效果较好。关键词超声波相控阵检测缺陷图像辨识图像特征提取
2、灰度共生矩阵灰色关联度中图分类号TQ050.7文献标识码A文章编号0254-6094(2016)03-0292-05超声波相控阵技术是较为新型的无损检测技关联程度。灰色关联分析法是多因子分析,即使术,是一种重要的定量检测手段,它能够更为直接只有较少样本,也可在这些规律未知的、残缺的数[1~4]地描述焊接构件里的缺陷分布,提高检测准据信息中提取主要因子,因此该方法为缺陷的辨[6~8]确性。然而在提取和评价纹理特征方面尚处于研识提供了依据。究阶段,如何实现缺陷类型的辨识是超声波相控假设存在一序列:X(K)=(X(1),X(2),iii[5]研究领域的难点之一。目前关于焊缝缺陷识X(3),…,X(K
3、))。式中:i=1,2,...,n;每个样ii别的方法种类有很多,例如主要成分分析、模糊识本有K个纹理特征参数。由于文中各个数列对别分析及BP识别等。然而,这些方法大都应用应的纹理特征参数的单位相同,所以不需进行预在射线检测、超声波A扫等无损检测领域,而超处理。声波相控阵B扫检测缺陷图像识别在板板对接假设参考数列(参考缺陷)为{X(k)}、比较0焊缝上的应用至今还没有一种有效且通用的方数列(测试缺陷)为{X(k)},则{X(k)}与i0法。笔者提取超声波相控阵检测焊接缺陷图像的{X(k)}的关联系数为:i角二阶距、对比度、熵值和相关性4个纹理特征,Δ+θ·Δminmaxγ(X(k),X(k))
4、=(1)0iΔ(k)+θ·Δ将灰色关联度引入到缺陷类别辨识中,提出了一0imax其中:Δ=‖X(k)-X(k)‖为X(k)与种在超声波相控阵对接焊缝检测领域中有效的缺0i0i0陷识别方法。Xi(k)两个比较数列的绝对差;Δmin和Δmax分别表1灰色关联分析法示比较数列与参考数列的各特征参量绝对差的最对相控阵B扫缺陷图像而言,要先从图像特小值和最大值;θ为分辨系数,目的是减少最大绝征中提炼出所需要的关键信息,然后辨识其类型。对差数值过大所引起的误差,取值一般在0~1之可该缺陷图像特征属于信息残缺、关系不明显的间,本例取0.5。信息系统,所以在超声B扫识别领域,缺陷的定关联度是指比较数列和参考数
5、列之间关于各性分析还比较困难。不过灰色关联分析法为识别特征参量的关联程度。两数列的关联度又由它们提供了一种新方案,该方案的思路是:以未知缺陷各特征参量的关联系数的平均值求得,其计算式和参考缺陷的差异程度作为基准,计算出它们的为:∗谢研,男,1988年8月生,硕士研究生。福建省福州市,350108。第43卷第3期化工机械2931nH描述图像纹理的复杂程度或者均匀程度的γ(X,X)=∑γ(X(k),X(k))(2)0i0ink=1情况,可以衡量图像信息量大小。所涵盖的图像笔者提出了平均关联度的识别方法,把计算信息越多,则H越大;反之信息越少,则H越小。出的4种纹理参数关联度再进行平均,这样能够相关
6、性COR:综合各特征因子,对未知缺陷进行有效地判定。∑∑ggp(g,g)-μμ1212xyg1g22灰度共生矩阵的特征参数COR=(6)σσxy基于灰度共生矩阵(GLCM)提取纹理特征的式中μ=∑g∑p(g,g);x112方法是一种典型的统计分析方法,焊缝的B扫图g1g2μ=∑g∑p(g,g);像纹理是由超声回波反馈不同的组织结构形成yg12g21222的,可利用这种特性来识别焊缝的缺陷类型。σ=∑(g-μ)∑p(g,g);x1x12g1g2GLCM纹理提取方法具有较广的适用范围,用于22σ=∑(g-μ)∑p(g,g)。y2y12[9~11]g2g1图像检测和分类的研究越来越活跃。COR描述的
7、是矩阵中行或者列方向上的相为了描述纹理的主要特征,需要引入能给出似程度,如果在某个方向上的COR值较高,那么较高分类精度的、合适的GLCM特征参数,依据说明在这个方向上有纹理图像。UlabyFT等的研究发现,GLCM有4个特征参数[12]3不同类型缺陷图像及其特征分析比较适合,下面逐一介绍这4种特征值。扫描缺陷试块,采集了各类型缺陷的二维图能量(角二阶矩)ASM:2像。其中一组缺陷图像如图1所示,
