裂纹识别

裂纹识别（精选4篇）

裂纹识别 篇1

一、引言

机械构件使用多年后, 将产生各种各样的裂纹和缺陷。地质岩芯钻杆、汽缸中的活塞杆等承受非正常或循环轴向载荷而产生损伤, 缩短了构件的使用寿命, 影响生产的正常进行。

小波分析是一种全新的信号的时间—尺度分析法。小波分析的基函数是一系列可变函数, 这使小波分析具有良好的时—频定位特性及对信号的自适应能力, 故能对各种时变信号进行有效分解, 为控制系统故障诊断提供了全新的分析手段。

本文将有限元法与断裂力学相结合, 建立了裂纹轴力杆的动力学模型, 将裂纹作为已知刚度的线弹簧, 计算出裂纹轴力杆的等效单元刚度矩阵, 通过振动特征方程求解出系统固有频率;利用小波变换和谱分析对裂纹轴力杆进行裂纹损伤识别。

二、裂纹轴力杆动力学模型建立

如图1所示, 一含裂纹轴力杆, 裂纹面与杆件轴线垂直, 其中l1, l2分别为裂纹距杆两端的距离, h和B分别为轴力杆横截面的高和宽, a为裂纹深度。

为了便于研究, 将裂纹轴力杆沿裂纹面两侧处分割为两个无损轴力杆单元和一个无长度的裂纹单元 (如图2所示) 。

1. 无损轴力杆单元刚度矩阵

轴力杆总势能泛函为

式中:u———轴向位移;

E———材料的弹性模量;

A———杆横截面面积;

le———杆长;

f (x) ———轴向分布力。

根据最小势能原理得轴力杆单元刚度矩阵

2. 裂纹单元刚度矩阵

由图2中无长度的裂纹单元受力情况知该裂纹单元属于I型裂纹。由于不考虑单元长度, 其两端节点力满足

若记节点位移差为

则裂纹轴力杆拉伸柔度可定义为

式中:P———轴向力;

u———轴向拉伸位移。

裂纹轴力杆的柔度可由下列积分方程获得

式中:E———材料的弹性模量;

v———泊松比;

P———轴向力;

KIP———型裂纹由轴向力P产生的应力强度因子。

由 (3) 、 (4) 、 (5) 式得线弹簧刚度

根据裂纹单元受力情况, 可将裂纹看作为一刚度为Kt的线弹簧, 其刚度矩阵为

3. 裂纹轴力杆固有频率计算

由于裂纹单元被看作为一刚度为Kt的线弹簧, 单元有两个节点, 每个节点有一个自由度。因此, 可以方便地将刚度矩阵Ks安装到总刚度矩阵K中, 求解杆的固有振动特征方程 (5) 式, 得裂纹轴力杆的固有频率fr (r=1, 2, 3) 。

其中ωr=2πfr (r=1, 2, 3)

式中:Ke———单元刚度矩阵;

Me———单元质量矩阵;

ωr———裂纹轴力杆自由振动固有角频率。

三、裂纹位置及尺寸识别

结构上出现的裂纹引入了一个局部柔度, 柔度的大小及结构的动力学特性将随着裂纹的扩展而改变, 利用这一变化可辨识出裂纹发生的位置和深度。裂纹辨识的正问题可看作是在函数关系式g已知情况下, 通过裂纹参数β和α求解杆的固有频率fr。对轴力杆而言, 裂纹的出现改变了杆的固有频率, 假设fr (r=1, 2, 3...) 表示杆的第r阶固有频率, 裂纹相对位置、深度和杆的固有频率之间存在如下关系

反问题中, 将杆的固有频率作为已知值, 利用小波变换, 对采集的故障信号进行小波分解和谱分析, 使在频谱图上难以找到的故障频率在小波分解的细节信号中得到放大。对比该频率和各种故障下计算出的故障频率, 可以找到故障位置。裂纹辨识中的反问题可用如下数学关系式描述

四、算例分析

如图1所示, β=l1/L, α=a/h, 分别表示裂纹存在的相对位置和相对深度, l1、l2和a分别为裂纹的位置和深度, L (L=l1+l2) 代表杆的长度, h为杆横截面高。E和ρ表示材料的弹性模量和密度。轴力杆几何参数和物理参数为L=

先建立裂纹的线弹簧模型, 利用断裂力学原理, 计算出不同裂纹深度对应的线弹簧刚度Kt, 再利用有限元方法求解出不同裂纹相对位置和相对深度组合时裂纹轴力杆自由振动固有频率fr (r=1, 2, 3) , 计算结果见表1。

Hz

在裂纹辨识的反问题中, 从轴力杆故障振动信号时域波形图3中, 无法确定是否存在故障。通过对图3中的故障信号进行小波降噪处理, 再用db10正交小波基进行4层小波分解, 分解结果如图4所示, 其中d1～d4分别表示第1、2、3、4层细节信号。为提取故障特征频率, 进一步对第1层细节信号d1做Hilbert包络并进行谱分析, 结果如图5所示。从功率谱的分析中可以发现频率为475Hz的存在, 通过对照裂纹轴力杆固有频率表1可知, 裂纹相对位置β=0.2, α=0.4 (该值与实际情况相符) 。

五、结论

(1) 正问题分析中, 建立了裂纹线弹簧模型, 利用断裂力学原理, 计算出线弹簧刚度Kt, 利用有限元方法求解裂纹轴力杆固有振动特征方程, 得到已知裂纹相对位置和相对深度不同组合时裂纹轴力杆自由振动固有频率。

(2) 反问题分析中, 利用小波变换, 使故障信号中的细节信号得到放大, 通过对细节信号做Hilbert包络并进行谱分析, 从功率谱的分析中发现了故障频率的存在, 从而确定裂纹的相对位置和相对深度。算例证实了该算法的有效性, 为工程结构轴力杆裂纹故障诊断提供了新方法。

参考文献

[1]扬福生.小波变换的工程分析与应用[M].北京:科学出版社, 1999.

[2]陈雪峰, 杨胜军, 何正嘉等.小波有限元的研究及其工程应用[J].西安交通大学学报, 2003, 37 (1) :1-4.

[3]Kardestuncer H.有限元法手册[M].北京:科学出版社, 1996.

[4]Y Murakami.Stress intensity factors handbook v.l[M].Beijing:Pergamonpress, Worldpublishingcorporation, 1987.

[5]李兵, 陈雪峰, 胡桥, 何正嘉.基于小波有限元的悬臂梁裂纹识别[J].振动工程学报, 2004, 17 (2) :33-36.

裂纹识别 篇2

在现代的工业制造领域中，焊接是一种被广泛应用于的基础工艺方法，而焊缝的质量直接决定了未来工件的使用周期。因此检测工作者最急切关心的问题是如何准确可靠的对焊缝进行检测和评价。目前针对焊缝的常规检测方法中，磁粉检测凭借具有高灵敏度、检验速度快、成本低、工艺简单等诸多优点，在检测焊缝方面起着重要的作用[1]。但是现行使用中仍然采用人工目测进行焊缝的缺陷识别，容易导致工作人员的劳动强度大、漏检率高。为了提高检测结果的可靠性，减少人工评定差异。本文提出了一种焊缝裂纹缺陷的磁粉检测自动识别方法。

在实验室条件下，建立了焊缝的磁痕图像采集系统，应用现代图像处理技术开展了焊缝的磁痕图像复原、裂纹缺陷的筛选和识别的算法研究，理论上可以对焊缝的缺陷位置、数量和长度的可视化，实现焊缝缺陷的自动识别。

1 焊缝磁痕图像采集系统

焊缝的磁痕图像采集系统分别由交叉磁轭、磁悬液喷淋结构、照明和CCD相机构成。图像采集系统流程图，如图1所示。

在实验室的条件下，将试件放入焊缝的磁痕图像采集系统工作台中。焊缝上的缺陷方向常常无规律，为了防止磁化不完整而出现的漏检，我们采用交叉磁轭方法旋转磁场将工件表面的磁化[2]。由于磁场会在工件表面的缺陷处溢出，磁粉会在溢出磁场处形成缺陷状磁痕，所以设计了磁悬液喷淋结构，让缺陷的形态特征在试件上显现出来。通过高分辨率CCD摄像机、图像采集卡等将已经处理的试件摄影拍片，使其转换为数字图像在计算机上存储显示，以方便于更好的数据记录和后期的图像处理[3]。采集后的图片，如图2所示。

2 焊缝磁痕图像复原研究

图像复原是主要目的是改善图像的质量，尽可能提高与真实图像的逼近度。它的中心思想是分析图像退化的原因，根据相应的退化模型修复模糊图像，提高图像的清晰度。在实际检测时，由于工况复杂常常伴随采集系统与焊缝之间的抖动造成了图像模糊，而我们需要较为清晰的、质量高的缺陷图像[4]为后续的缺陷识别研究打下良好的基础。

本文针对焊缝的磁痕模糊图像，建立了图像匀速直线运动退化模型，通过系统的辨识方法对磁痕图像的运动模糊方向和尺度进行鉴别，估计出点扩散函数（点扩散函数的精确度直接影响着图像复原的效果）。然后根据图像退化的逆过程，采取Richardson-Luey迭代非线性恢复算法复原出与原始图像相近的图像，并且随着迭代次数的增多，磁痕图像能够获得相对较好的结果。焊缝的磁痕恢复图像，如图3所示。

3 焊缝的裂纹缺陷提取

形态学主要目的是研究图像形态的几何特征。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的[5]。图像分割是按照一定的原则将一幅图像或景物分为若干个特定的、具有独特性质的部分或子集，依据图像亮度值的不连续性和相似性，将图像中感兴趣的目标提取出来。在本文中，首先要把采集到的裂纹磁痕图像进行图像预处理，然后采用类似形态学梯度运算，能够很好的保留裂纹缺陷基本的形状特性并除去不相干的结构。再利用阈值分割将缺陷与背景区分出来。

本文借鉴了灰度形态学梯度的思想，采用了类似形态学梯度的运算方法，能够把焊缝缺陷的形态特征完整的保留下来。经过形态学的梯度运算，得到运算结果，可以避免整幅图像因灰度不均造成的目标亮暗不均的问题。我们常常把裂纹缺陷作为局部亮灰度值像素聚集成的线条，因此选取合适的结构元素，可以很好的兼顾了裂纹形态特征。实现了将焊缝图片中与裂纹缺陷无关的部分进行消减或去除掉，如图4所示。

为便于分析，将灰度形态学梯度的核心运算记为F:

类似形态学梯度的核心运算记为F':

其中：f为缺陷预处理后的灰度图像；

b为选取的结构元素。

本文采用ostu自适应阈值算法，用于分割裂纹缺陷和背景，采用此方法提取的裂纹缺陷，计算简单，缺陷边缘具有一定的连续性，保存了更多的裂纹缺陷的原始细节，并且可以方便了后续的缺陷特征提取工作[6]，如图5所示。

4 焊缝的裂纹缺陷筛选

本文的裂纹缺陷筛选是根据缺陷的形态特征，提取出一组能够识别裂纹缺陷的特征参数。通过这组参数来对图像区域进行比对筛选，并最终得到裂纹缺陷图像。

观察工件表面图像，裂纹缺陷具有形状如下特点：

1）在局部范围内亮度较高，即灰度值较大；

2）呈细条状，长宽比较大；

3）一般不会表现为直线状，有一定的弯曲度；

4）平滑性较好，具有自然的连续性[7]。

判断一个连通域是否为裂纹缺陷，一般首先从形状做出判断，通过应用不同的特征参数对焊缝上的裂纹的形状特征进行描述区分。本文采用了裂纹的圆形度、长度、长宽比、平均宽度四个特征参数来描述裂纹的形状，统计图像中的所有连通域的这四组特征参数，将不符合裂纹特征的连通域定义为伪裂纹区域，应用这种方式将裂纹和伪裂纹进行区分并将伪裂纹进行清除，如图6所示。

将裂纹的圆形度、长宽比、平均宽度分别记为R、T、D:

式中，S为连通域的面积；

L为连通域的周长；

l为连通域长度；

a为连通域内像素点个数。

5 裂纹缺陷的识别研究

经过前期的图像预处理，图像分割和裂纹筛选等过程，完成了焊缝裂纹的缺陷提取。但在实验中发现，图像在缺陷提取中进行大量的数学运算必然存在信息的损失，并且在数字空间中进行的形态学变换运算与连续空间中的变换处理可能存在着某些图像边缘畸变现象，造成缺陷信息的损失。本文采用形态学修复的方法，先去除可能存在的噪声干扰，再利用区域生长的方法修复裂纹的边缘，使裂纹缺陷图像与焊缝裂纹原始样貌更为贴近，如图7所示。

最后将修复后的缺陷图像送入缺陷识别系统中，系统对焊缝的缺陷进行标记，并且在图像上对每个连通域用红色数字标注并显现出来。针对裂纹的缺陷特点，采用了8连通判别方法对图像中的连通域分配相应标号[8]，这种方法能将所有的缺陷用不同数标标记，并且能够记录下每条裂纹缺陷的所在位置信息，如图8所示。然后统计出每条裂纹相对长度，如表1所示，并进行在线记录存档。通过标记后的裂纹缺陷图像和相应信息表格使工作人员能够快速直观的识别裂纹缺陷、了解工件表面及近表面的缺陷状况，方便了数据的存储和记录，加快检测速度，提高工作效率。

本文研究的识别方法可以直接观测缺陷图像中裂纹形态，并对每条裂纹缺陷的状况和形态等的信息进行记录和存档，方便工作人员统计。

6 结论

本文针对焊缝裂纹缺陷尝试性开展了焊缝裂纹磁粉检测缺陷识别方法研究，得出了以下四个方面的结论：

1）建立了焊缝的磁痕图像采集系统，将焊缝上的磁痕转换为计算机识别的数字图像；

2）针对焊缝的磁痕模糊图像进行了复原研究，为后续的缺陷识别研究打下良好的基础；

3）提出了基于数学形态学的图像分割算法，采用类似形态学梯度的方法和ostu自适应阈值分割提取出焊缝上的裂纹缺陷。同时依据裂纹的缺陷形态特征，对焊缝裂纹缺陷图像进行了比对筛选；

4）采用了8连通判别方法对裂纹缺陷进行标记，记录下每条缺陷的所在位置信息，统计出每个连通域的长度等有效信息并进行在线记录存档。实现了焊缝裂纹缺陷的自动识别。

摘要：磁粉检测的评价依据是缺陷处形成的磁痕。目前的焊缝磁粉检测主要依靠人工目测,因此经常会出现漏检、误检等情况。提出了一种焊缝裂纹缺陷的磁粉检测识别方法。在实验室条件下,建立了焊缝的磁痕图像采集系统,应用现代图像处理技术,分别开展了焊缝的磁痕图像恢复、裂纹缺陷提取和缺陷的识别统计等方面研究,实现了焊缝裂纹缺陷的自动识别。

关键词：磁粉检测,焊缝,图像处理,裂纹提取,识别

参考文献

[1]刘宝君,汪洪九,曾琳.磁粉检测在压力容器检验中的运用特点分析[J].无损检测,2014,10(6):315-317.

[2]孙志勇.低温环境下球罐磁粉检测灵敏度的研究应用[J].石油化工设备,2009,S1:58-60.

[3]曹强.筒形零件内表面圆周方向缺陷的磁粉检测[J].无损检测,2015,07:85-88.

[4]贾宝华.运动模糊图像恢复算法的研究与实现[D].北方工业大学,2010.

[5]ALAKNANDA,ANAND R S,KUMAR P,et al.Flaw detection in radiographic weld images using morphological approach[J].NDT&E International,2006,39:29~33.

[6]L.Dragu,O.Csillik,C.Eisank et al.Automated parameterisation for multi-scale image segmentation on multiple layers[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,88.

[7]李尧.系泊链全环磁粉自动检测装置设计[D].上海:上海交通大学,2010:2-10.

裂纹识别 篇3

汽车作为现代生活最常用的交通工具,极大地方便了人们的生活。但是交通事故的发生严重威胁到了人们的生命、财产安全。因此,行车安全显得尤为重要。作为汽车传动系统中的重要器件,球笼的质量直接关系到行车安全,当球笼有裂纹时,会漏油或进水进土,造成滚珠与壳体摩擦增大,发出异响, 严重时还会造成打方向困难,极易发生交通事故。 因此,在球笼出厂时,对球笼是否存在裂纹进行检测显得尤为重要。

如今,对于汽车零部件进行检测,大多采用荧光磁粉探伤法。目前荧光磁粉自动识别技术在某些结构简单的零件裂纹检测上已经被应用,如火车车轮表面,钻杆表面的裂纹检测。由于球笼结构复杂,目前尚未将荧光磁粉自动识别技术应用于球笼内表面的裂纹检测上。荧光磁粉探伤技术也存在很多不足,如作为光源的紫外线灯,虽然配备了双滤色系统,仍有部分有害的紫外辐射溢出; 光源的匀性不够,中心紫外线强度是边缘紫外线强度的三倍多; 受人生理条件的限制。测试人员处于长期紫外线辐射下,恶劣的工作条件和长时间的观察会使他们眼睛疲劳,极易造成漏检和误检[1,2]。所以,采用微机智能系统代替人眼判断缺陷的全自动荧光磁粉探伤技术正是未来裂纹检测的发展方向。为了提高效率, 保障检测工人的安全,本文提出了基于CCD的球笼内表面裂纹荧光磁粉自动识别系统。

1系统的设计

1.1系统的工作原理

球笼磁化后,在零件表面和近表面的缺陷部位, 会有一部分磁场线溢出,形成漏磁场。当喷洒荧光磁粉悬浊液时,在漏磁场处会吸附磁粉,形成磁痕。 零件暴露在紫外线照射下,磁粉中的荧光物质发出荧光,由CCD摄像机采集磁痕图像,计算机对图像进行一系列预处理,根据缺陷的特征值判断是否为球笼裂纹,当判断为球笼的裂纹时,在显示器上显示,并触发报警器报警。系统结构如图1所示。

1.2系统的构成

现场摄像和后处理是该系统的两个组成部分。 现场摄像部分需要置于暗室中,包括球笼,CCD采集装置,紫外光源和机械旋转等。后处理部分为图像采集处理系统,该部分可以实现图像的预处理,裂纹的显示和报警功能。

( 1) 球笼

球笼分为内球笼和外球笼。内球笼链接变速箱差速器部位,外球笼链接车轮部位,由一根传动轴连接内外球笼。由于外球笼安装在车轮上,相比内球笼和传动轴,外球笼更易磨损。外球笼主要由外轮 ( 钟形罩) 、内轮( 六星体) 、保持架、钢球4个部分组成。本文主要研究的是外球笼的外轮,即钟形罩的内表面裂纹检测。图2为外球笼的钟形罩,钟形罩顶部为近似圆形,有六个凸起来的部分,钢球通过保持架,被固定在这些突起的部分内。由于球笼内表面是不规则曲面,不是简单的平面,且有一定深度, 因此,内表面的图像的采集要比单纯采集平面图像难度更大。

( 2) CCD采集装置

裂纹图像的采集方法主要有两种,一种是由线阵CCD摄像头进行扫描,一种是利用CCD摄像机进行拍照,前者精度高,但是需要专门的采集电路, 后者不需要专门的采集电路,方便操作[3,4,5,6]。本文采用第二种方式,考虑到球笼内表面不是平面,是曲面,光源的照射范围和CCD摄像机的拍摄视野有限,单一一张图片无法拍到整个球笼的内表面,需要依靠机械传动装置旋转球笼,拍摄不同位置时球笼的内表面,才能得到完整的球笼内表面的图像,分别对这些图片进行后续图像处理,可检测出整个球笼内表面的裂纹。

本系统CCD由1394串行总线电缆和计算机连接,可调节高度以及拍摄角度,如图1所示。系统的图像采集方式如下:

1将球笼固定在机械传动轴上,从球笼正上方位置1拍到一张球笼底部六边形的图片。

2调整CCD的角度和1394串行总线电缆的长度,将CCD摄像头对准球笼内表面侧壁,当钢球的部位的侧壁出现在图像中央时,将CCD固定在此位置,记为位置2。

3旋转传动装置,每旋转60度,采集一张球笼侧面的图片,传动装置旋转一周,共采集6张图片。

采用球笼内表面底部和侧壁分开采集的方式, 可以方便快捷且不漏掉任何内表面的部分,采集到整个球笼内表面的图像。

( 3) 紫外线光源

紫外线是指波长为100nm ~ 400nm的不可见光,分为3个区域,短波紫外线,中波紫外线和长波紫外线。短波紫外线即UVC,波长100nm ~ 280nm, 具有杀菌的功效,但会引起燃烧,而且会伤害眼睛, 不能用于荧光磁粉检测。中波紫外线即UVB,波长280nm ~ 320nm,此波段的紫外线会对皮肤有伤害, 长时间照射会使皮肤红肿,甚至引起皮肤癌。长波紫外线即UVA,波长320nm ~ 400nm,该波段的紫外线穿透性强,适用于荧光磁粉检测。

当可见光照射球笼表面时,会形成反射,反射光与荧光磁粉激发的可见光重合,导致背景的干扰,造成误判,而中波和短波紫外线对人体有伤害。因此本实验在紫外线灯前面安装滤波片,滤除波长小于320nm的有害紫外线以及波长大于390nm的可见光。紫外线的波长峰值在365nm左右,而滤波片的峰值在360nm,因此滤波片对紫外线透过率良好。 图3中实线为紫外线光源的光谱图,虚线为滤波片的透过率。

( 4) 图像采集处理系统

该部分是由计算机、显示器和报警器组成,计算机上有编写的图像处理和裂纹识别软件,CCD摄像机由1394串行电缆线连接到计算机上,通过安装在计算机上的1394图像采集卡采集球笼内表面的图像,运用软件对图像进行预处理和裂纹识别。当裂纹被计算机识别出时,会触发报警器发出声响,并在计算机屏幕上显示裂纹。

2图像的处理和分析

2.1设计思想

通常球笼内表面会有水迹,锈迹以及污物,再加上暗室中有少量光线透入,紫外光源中未被完全滤除的可见光的反射干扰,CCD摄像头采集的图像中会存在干扰噪声。因此需要对采集到的图像进行前期预处理,去除干扰噪声,使图像中背景和缺陷有明显的对比,有利于裂纹的识别。本文设计了以下处理步骤: 先进行7 × 7模板中值滤波。噪声等干扰信息被滤除,然后进行Sobel算子的边缘检测,把变模糊的图像边缘提取出来,接着选取合适阈值,将图片进行二值化,更好地将目标裂纹和背景分离,最后对经上述处理后的图像根据裂纹的特征值进行特征提取,识别裂纹。

2.2平滑去噪

图像平滑处理可以抑制噪声,改善图像质量。 一般情况下,可以运用在空间域或频率域进行处理的方法减少图像噪声,主要的方法有邻域平均法、中值滤波法、低通滤波法等。中值滤波对于去除图像中的孤点噪声有很好的效果,而且还可以保持图像的边缘特性,适合运用在裂纹检测的去噪中,本文采用二维中值滤波对图像进行图像平滑[7]。二维中值滤波的输出为:

其中,f( x,y) ,g( x,y) 分别为原始图像和处理后图像,W为二维模板,常见的模板尺寸有3 × 3,5 × 5, 7 × 7,经实验验证,7 × 7模板效果最好,既消除了噪声,又不会使得裂纹轮廓模糊。图4为原始采集的图像,图5为经过7 × 7模板的中值滤波后的图像。

2.3边缘提取

经过图像平滑处理,整个图像变得模糊,需要对图像再进行边缘处理。微分法是边缘提取常用的方法,常用的算子有Robert算子,Prewitt算子,Sobel算子等。本文采用Sobel算子对图像进行边缘提取处理。Sobel算子的模板如下:

用H1,H2两个卷积对图像进行水平和垂直边缘检测。

X方向梯度为:

Y方向的梯度:

总梯度为f。如果H1的相应是x,H2的响应是y,则可得出幅值或x + y其方向是ctg(x/ y)[8]

运算结果是一幅边缘幅度图像,图6为处理后的图像。

2.4图像二值化

图像的二值化即图像分割,是指通过某种方法, 使得画面场景被分为“目标物”及“背景”两类,即将图像的像素变换为黑、白两种,结果图像为二值图像,所以图像分割被称为图像的二值化处理[9]。本文选用基于阈值分割的方法对图像进行二值化处理,因此阈值的选择十分关键,阈值过高会将目标的亮点归为背景,产生漏判; 阈值过低会将过多的背景归为目标,产生误判。经过反复实验,本文将图像的阈值设置为50,高于阈值50的为目标,显示为白色,低于50作为背景,显示为黑色。图7为阈值为50的二值化图像。

2.5缺陷的特征提取与识别

球笼主要有两种裂纹,线裂纹和圆形裂纹。线裂纹呈现细长状,平滑性好,亮度高,有较大的长宽比,圆形裂纹为大大小小平滑的闭合曲线[10]。将缺陷部分像素点看成由若干单位面积小方格组成, 则缺陷的面积S为区域内像素为1的像素点的数量,周长L为遍历整个缺陷边界像素点的数量。通常用圆形度R这一特征值作为检测裂纹的方法。 圆形度的定义为:

其中,S为面积,L为周长,当缺陷圆形度为最大值, 即R = 1时,可以认为此缺陷为圆形裂纹,设定一个K值,当缺陷圆形度R小于K时,可以初步认为此缺陷为线裂纹。

为了进一步确定是否为线裂纹,还可以引入长度特征,裂纹的长宽比特征,以及裂纹的平均宽度特征。可以设置裂纹长度、宽度,以及长宽比的规定值,只有满足规定值才可以被认为是线裂纹。

3结束语

裂纹识别 篇4

理想的状况是工件内部没有任何缺陷,但实际情况远非如此。在实际生产中,特别是铸造件,其内部通常都有一定的缺陷。工件内部由于有裂纹、缩孔、脱粘和杂质等缺陷,常常导致工件报废,特别是对于铸造件,这种现象更为严重。目前,德阳企业承担的大型发电设备等重装设备大量采用铸造件,企业的发展对无损检测技术提出了急迫需求。本项目的目的是研究缺陷的几何描述方法,为用户提供缺陷的三维可视化图形和二维剖面图形,使用户可以更加方便的观察和分析缺陷,同时提供确定工件报废所需要的参数,使用户可以方便地判断工件是否报废[1,2]。

1 自适应形态学滤波的分割算法原理

图像分割是一种重要的图像处理技术,它的方法和种类有很多。但是没有唯一标准的图像分割方法,针对不同类型的图像和目标,都有相对应的分割方法。因此所有的研究工作就是针对不同类型的图像和分割目标寻找或是研究相对应的分割算法。同样,针对图像分割的定义也因研究水平和实际要求而不同,目前广为接受的是通过集合定义的。

令集合R代表整个待分割图像区域,对R的图像分割可看成将R分成N个满足以下条件的非空子集R1,R2,…,RN:

其中,p(Ri)=TRUE指的是每个区域的像素都有相同的特性;指的是不同子区域具有不同的特性,它们没有共同的特性。表示所有子区域合并起来就是原来的图像。

在实际的图像分割处理中都是面向特定的应用,因此上述5个条件中的各种关系也是需要和实际要求相结合而设定的。

在现有的ICT切片图像中,气孔、气泡类缺陷的像素灰度一般低于零件背景的像素灰度,属于低密度类型缺陷,而高密度缺陷如夹渣的像素灰度高于零件背景的像素灰度值,如图1所示。

通常情况下,零件只含有某一类缺陷,但是也存在着两类以及以上比实体或背景灰度值高/低的缺陷。如果直接将一步到位的将其从原始图像中准确地分割出比较困难,一般来说都是依次多步地将具有同一灰度等级的缺陷逐一分割出来。

这里以比背景灰度等级低的缺陷为例说明分割算法,图2.b中所示为图2.a的灰度分布图,其缺陷为一般都是灰度分布图上凹陷的部分,所以根据数学形态学理论可知,开运算可以去除灰度三维分布图上的凸起部分,保留凹陷的部分;闭运算则相反。如果以合适大小的元素(称为结构元素)作为结构元素对灰度图像做闭运算,即可填平灰度三维分布图上的凹陷部分,获得模拟出的背景图像。反之,针对高灰度值的缺陷,则取其合适的结构元素对图像做开运算,即可铲平灰度三维分布图上的凸起部分,获得模拟出的背景图像[3]。

结构元素是根据每张图像上缺陷的尺寸和特点通过分水岭算法自适应确定的,是自适应滤波算法的关键。由于通常情况下缺陷的ICT切片图像的背景复杂,所以本项目采用的减运算获得缺陷目标。在零件ICT图像中,由于气孔缺陷的灰度值一般较低,背景图像的灰度值通常高于缺陷图像,因此为了避免背景图像和原始图像相减时出现负数,用公式(1)将模拟出的背景图像和原始图像相减,既可获得缺陷目标。

式中,fd(x,y)指的是缺陷目标图像在(x,y)位置的灰度值,fb(x,y)指的是模拟出的背景图像在(x,y)位置的灰度值,fo(x,y)指的是原始图像在(x,y)位置的灰度值。

2 算法研究

2.1 图像的三维灰度曲面绘制

为原始图像建立三维灰度分布图像,X、Y分别为二维图像坐标,Z为灰度值坐标,如图2-a所示为缺陷的原始图像,图2-b为它的三维灰度分布图。

2.2 分水岭变换获得原始的结构元素

为了在缺陷分割时,尽可能的保持缺陷的真实尺寸,同时保持较高的运算速度,就必须选取合适的结构元素。由数学形态学原理可知,如果结构元素尺寸太小,那么经过开运算后得到的背景图像中会包含些缺陷目标,然后通过和原始图像的减运算,会将丢失一些缺陷目标;反之结构元素的尺寸过大,运算速度会变得缓慢,这样也不利于缺陷目标提取。因此,本项目采用分水岭算法来确定结构元素的尺寸,近而有效的解决了这个问题。其算法描述如下:

1)首先对三维灰度直方图曲面进行分水岭变换。根据分水岭算法原理,灰度直方图分布曲面的凹其部分就是图像最小灰度值对应的汇水盆地,而灰度直方图分布曲面的凸起部分就是图像最大值对应的水坝。因此对灰度直方图分布曲面进行分水岭算法变换后就会得到很多分水岭曲线,这些曲线将整张灰度直方图曲面中的缺陷和目标划分开来,达到区域分离的目的。

分水岭算法的直接概念来源于地理学,在图像处理上将灰度图像视为地形表面,象素的灰度大小代表了这点的高度。目前常用有两种实现方法,一种是Vincent和Soille提出的模拟浸没算法,和Meyer提出的基于距离函数算法。相对而言模拟浸没算法具有速度快、结果准确,具有较好的实用价值,它主要分两步进行。

(1)排序:根据像素点的灰度值大小,排序全部像素点。这样可使得在逐渐浸没过程中,不需要每次均遍历全部像素点。为了能直接访问需要处理的像素,本项目按像素灰度值的升序排列像素,得到一个排序后的像素矩阵,这样可以加快计算速度。

(2)浸没:通过利用排序后的图像,按图像像素灰度值升序地访问每一个像素点来执行。对每一聚水盆地分配不同的标记,从整个图像的最小像素值开始,分配标记,依次浸没,利用先进先出(FIFO)的数据结构,即循环队列来扩展标记过的聚水盆地。通过一定的规则,分配分水岭标记,可以得到准确的结果。

2)计算和确定结构元素的尺寸大小。以像素为单位分别计算步骤1)得到的每个区域面积,选取目标区域面积最大的区域作为计算最佳结构元素尺寸的原始数据。由于在形态学中对结构元素要求,一般选择规则的模板进行操作,而椭圆在描述平面图形形位信息方面具有优势,因此在本项目中,采用目标区域的最小外接椭圆作结构元素模板。如图3所示为分水岭变换的结果,选取其中具有最大面积的区域为原始的结构元素[4,5]。

2.3 拟合结构元素

由于椭圆在描述平面几何形位信息上具有明显的优势,而且在形态学变换一般都采用规则对称的模型做结构元素。因此,本项目采用对步骤2)中确定的原始结构元素采用椭圆拟合方法确定最终的结构元素。

平面上的椭圆可以用五个参数来定义,这五个参数是:椭圆的中心点坐标、长短轴长度和朝向角小(长轴与X轴的夹角)。

因此目标区域轮廓的椭圆拟合问题可以表示为:将步骤2)中的获得最大面积区域的轮廓线上均匀的采样,取出有序点序列{pi=(xi,yi),i=1,…,n},由于缺陷一般较小,因此采样比例可设较小,根据这组数据确定一个“最佳”拟合椭圆。这里采用传统的主轴法来估计这五个参数。

中心点坐标:

定义中心距:

过轮廓的中心作一条与x轴夹角为φ的直线,那么轮廓相对于这条直线的惯性矩就定义为轮廓上各采样点到该直线距离平方和。

使具有最大和最小的φ就是拟合椭圆的长短轴所在的方向,可以通过式(4-5)求得。

其中n为整数。

而椭圆的长短轴长度则由式(6)近似估计:

采用上述算法可对图3中的面积最大区域的轮廓进行椭圆拟合。

2.4 形态学变换实现背景模拟

腐蚀和膨胀是形态学变换的最基本操作,它既可用于二值化,也可以推广到灰度图像的处理,即函数的处理。定义f(x,y)为输入图像,b(x,y)为结构元素,则运用结构元素对图像进行腐蚀和膨胀操作可表示为:

其中Df和Db分别是图像f(x,y)和结构元素b(x,y)的定义域,和分别表示膨胀和腐蚀运算。

在膨胀和腐蚀运算的基础上可以进行开和闭运算,其操作可表示为

其中°和·分别表示开运算和闭运算。

采用步骤3)中的结构元素,运用闭运算,即可获得模拟出背景图像。

最后通过将模拟后的背景图像与原始图像进行减运算,即可获得分割结果。

2.5 二值化

针对图像缺陷分割后的结果,缺陷目标也较为明显,但是由于同一类型缺陷本身的像素灰度值具有较大的相似性,但并不完全相同,为了获得单值化的缺陷目标图像,就必须对其进行二值化处理,使得同一类型缺陷的灰度值完全相同,以便于后续处理。

图像二值化是指将一个多灰度级的图像转化为只有黑白两个灰度级的图像,从而将目标对象从背景中分离出来以便于后续处理。缺陷图像的二值化处理目的在于突出缺陷的真实区域,为提取其轮廓做准备。

二值化的基本思路:在原图像的灰度区间在原图象的灰度区间[Lmin,Lmax]设定一个阈值(Threshold)Lt,并且Lmin

式中f(x,y)为二值化前图像坐标为(x,y)上的像素灰度值,f'(x,y)为二值化后的图像坐标为(x,y)上的像素灰度值。

显然,二值化的目标是在尽可能的保持目标图像特征的前提下舍去冗余图象二值化的目标是要在尽可能多的保留原图象特征的前提下舍去冗余信息,而要实现这一目标的关键在于正确地选择阀值。

自适应值选取的方法很多,常见的有直方图法、Hannah法、Kittelr法、模糊集法、峰谷法、自动门限法、遗传算法、最大类间方差法(Otsu)等。Otsu是公认较好的一种算法。Otsu在1979年提出的最大类间方差法(有时也称之为大律方法),一直被认为是阀值自动选取方法的最优方法,该方法计算简单,在一定条件下不受图像对比度与亮度变化的影响,因而在一些实时图像处理系统中得到了很广泛的应用。本项目采用Otsu方法选取阀值,这是一种自动选取阂值的方法,它的算法准则是寻找使类内方差最小和类间方差最大的灰度值作为最佳阈值。

3 基于VTK开发工具的可视化实现方法研究

VTK是著名的Kitware公司的一个开放源码的自由软件(open source)。其主要功能是进行图像处理、计算机图形学和科学计算可视化,尤其是其三维重建功能(如面绘制和体绘制能力及其强大的图像处理能力)[6,7]。

利用VTK实现CT图像的三维重建,从算法和数据结构来看,就是一个读取数据和图形显示问题。对已获取的CT图像,因为它们符合DICOM3.0标准,读取它们相对容易。编程时只要指定必须的参数,就可以实现对单张CT图像乃至CT图像序列的读取。

表面绘制功能利用VTK中提供的vtk ContourFilter类来实现,vtk Contour Filter中封装的是表面重建中的切片级重建算法,使用该类实现绘制之前都必须定义好一些参数。

首先调用vtk Contour Filter提供的Set Value()的方法设置等值面值,在VTK中等值面可以设定多个,要注意在每设定一个等值面就要在最后的Actor对象属性中说明对应的不透明度和颜色。在VTK中不透明度值为0至1的一个小数,1表示完全不透明而0表示完全透明。设定好等值面后,vtk Contour Filter的Excute()方法被自动调用,按输入值提取各切片的等值面,然后通过三角面片的拟合,形成三维等值面。在系统实现中发现,利用vtk Contour Filter提取等值线拟合表面生成的是相对比较精细的三维数据。利用VTK提供的面片削减功能可以达到在保证三维成像效果的同时尽可能削减面片数量的目的。同时,面片削减也起到改善由二维数据重建引起的梯田效果的作用。面片削减利用vtk Decimate Pro来实现,为了进一步改善三维重建的效果,使重建后的表面光滑平整,对削减后的表面进行平滑处理,利用Set Number Of Iterations()方法设置平滑的次数,以达到调整三角面片的位置或者在某些位置适当的添加部分三角面片,使三维形状更加合理,顶点分布更加均匀,同时也能修补削减程度较大造成的棱角分明的表面的目的。最后,利用VTK提供的图形学方法,在渲染的过程中设置好视点(C a m e r a)、光线(L i g h t)和交互方式(Interact Style),在窗口中就成功地显示出重建物体的三维表面。

4 无损探伤件裂纹和缺陷可视化系统的开发

在对VTK开发工具研究的基础上,开发了三维可视化及相应的拾取功能,为用户提供一种有效的工具,从而提高对裂纹与缺陷的分析与处理效率。该系统具有旋转、放大、改变视角、测量等交互方式供用户从不同角度检测裂纹和其他缺陷的参数,并具有伪彩色显示功能。该系统的主界面如图4所[8]示。

该系统可将一个序列的多张二维切片数据重构为三维模型。该系统提供了对重构出的三维零件的基本操作,具有缩放,旋转,移动功能。提供对三维零件可沿任意方向和任意位置的剖切功能和剖面数据的提取,方便用户从不同视角及在不同层面上加深对重构出的三维零件的理解和检测。三维零件沿任意方向剖切后的结果如图5所示。

5 结论

主要研究了铸件缺陷的几何描述方法,二维、三维的重构技术,开发出具有自主知识产权的软件平台。某企业应用此技术后,大大提高设计效率、缩短设计周期,降低开发成本,增强研制产品的竞争力,从而极大地提高企业的经济效益。

参考文献

[1]范彦斌,李西兵.基于切片图像数字化分析的反求建模方法[J].西北大学学报(自然科学版),2004,34(1):23-26.

[2]叶云长.计算机层析成像检测[M].机械工业出版社,2006,1:1-3.

[3]陈廉清,崔治,王龙山.基于差影和模板匹配的微小轴承表面缺陷检测[J].中国机械工程,2006,17(10):1019-1022.

[4]聂守平,王鸣,刘峰.低对比度图像分割算法研究[J].中国激光,2004,31(l):89-91.

[5]Stork S.R.X-ray Microtomography of Materials[J].Interna-tional Materials Reviews,1999,44(4):141-164.

[6]David A Reinann,Vipin Chandhary,M ichael J.Flynn.Parallel implementation of cone beam tomography[J].IEEE Interna-tional Conference on Parallel Processing1996,Ⅱ170-Ⅱ173.

[7]阮秋琦.数字图像处理学.北京:电子工业出版社,2001,197-203.