1 　存在的问题
      在钢焊缝 X 射线检测实时成像中 ,计算机对焊缝缺陷的定位、定量和定级比较容易实现 ,而对焊缝缺陷(如裂纹、未熔合、未焊透、条状夹渣和气孔等)的定性则比较因难 ,这是因为 :
(1) 缺陷形状识别比较困难 　图像组成的基本单元是像素 ,如果一幅图像中包含的像素越多 ,图像就越清晰 ,像质就越高。从目前射线实时成像技术和计算机图像处理技术来看 ,像质的提高 ,特别是清晰度的提高已经不是很困难的事。但是 ,图像清晰度的提高 ,只是有利于图形边界的分辨 ,即缺陷的定位和定量 ,不能代替图像形状的识别 ,即缺陷的定性。由于缺陷形状较复杂 ,给图像的自动识别带来一定的困难。
(2) 图像识别需要建立数学模型 　焊缝缺陷具有一定的立体形状 ,投影到成像平面上后则成为二维图像。识别缺陷的几何形状 (即识别缺陷的图像特征) 应首先建立多个能够描述不同边界形状或图像特征的数学模型 ,否则很难用计算机程序来自动识别。建立数学模型往往不是无损检测专业人员的强项 ,需要多个学科人员的配合和支持才能实现 ,这就需要强有力的组织和较大的资源 ,是一项系统工程 ,这在一般性的无损检测研究课题中难于做到。

2 　图像的人工识别
       虽然图像自动识别在一般性的无损检测研究课题中存在暂时的困难 ,但也不能因此而影响射线实时成像应用的步伐 ,因此 ,图像的人工识别就提到了议事日程。对射线实时成像的图像应按什么特征来识别 ,是图像识别应首先考虑的问题。检测物体(例如钢焊缝及其缺陷) 总是具有一定的自身物理特征(例如形状和密度等) ,根据射线衰减定律 ,射线透过物质后被衰减 ,影响衰减的主要因素是被检物体的形状(厚度)和密度的变化 ,从而引起图像中灰度的变化 ,即图像灰度的变化是图像识别的基本条件。在笔者参加的“气瓶钢焊缝 X 射线实时成像检测研究”课题中 ,对焊缝缺陷的定位、定量和定级通过计算机来完成 ,而定性则用人工方式来识别。课题组从对比试验开始 ,逐渐了解气瓶钢焊缝缺陷的个性特征(虽然它不完全代表所有钢板焊缝缺陷的共性特征 ,但它对气瓶薄钢板焊缝个性特征是适用的) 。试验挑选 50 个有各种缺陷的钢瓶 ,分别对焊缝进行 X 射线照相和 X 射线实时成像检测。将在X 射线照相底片中得到的焊缝缺陷信息与 X 射线实时成像检测图像对比 ,逐渐建立起图像评定人员对缺陷图像识别的感性认识 ,再综合上升到理性认识。统计结果表明 , 图像与底片识别的相符率达90 %以上。当然 ,射线实时成像检测与射线照相检测毕竟在检测原理上和方法上存在不同 ,要求两者的识别完全相符是不太可能的。

查看全文，请点击“PDF图标”下载全文浏览。(下载方法：鼠标右键点击PDF图标，点击目标另存为。)