對接焊縫近表面缺陷超聲TOFD檢測自動化識別方法研究

周紅明，張小杰

（1.麗水學院工學院，浙江麗水323000；2.浙江晨雕機械有限公司，浙江麗水323000）

0 引言

焊接作為制造過程中的一項重要的工藝，焊接質量直接關系到焊接產品的性能[1-2]。僅僅依靠檢測人員的目視檢測難以對其中缺陷的存在情況進行判斷，因此借助無損檢測技術開展焊縫的安全性檢測顯得至關重要[3-4]。超聲TOFD檢測技術由于具有檢出率高、缺陷定位精確等優點，在焊縫檢測中得到廣泛的應用[5-6]。

由于檢測過程中的眾多因素，比如被檢工件表面粗糙度等，都會引起直通波波達時間的誤差，使得超聲TOFD檢測圖像中直通波成像變成曲線，該現象會為后續的缺陷精確定位帶來困擾，此外近表面缺陷波與直通波的相互交疊增加了缺陷識別的難度。在焊縫近表面缺陷檢測方面國內外都有眾多學者開展相關的研究，比如BASKARAN等[7]利用橫波衍射信號，提高近表面缺陷的檢測精度。Lu等[8]提出了一種缺陷W衍射反射方法（TOFDW）和二次反射波法（TOFDR）檢測模式，用于解決近表面缺陷問題。張濤等[9]提出一種基于衍射橫波的TOFD檢測新方法，提高了TOFD對近表面缺陷的檢測靈敏度和精度。汪俊等[10]通過RLS自適應濾波算法將近表面缺陷信號從混疊信號中分離出來，解決了超聲TOFD檢測近表面盲區問題。

針對焊縫近表面缺陷檢測問題，結合超聲TOFD檢測成像特點，采用圖像消噪、直通波圖像抑制以及圖像分割等相關的圖像處理技術，將焊縫近表面缺陷從檢測圖像中提取出來，實現焊縫近表面缺陷的自動化識別。

1 超聲TOFD檢測圖像預處理

1.1 直通波矯直處理

如圖1所示，在超聲TOFD檢測過程中，超聲換能器與工件表面是直接接觸的，因此當被檢工件的表面不平整時，就會直接影響到檢測信號渡越時間的值，使得原本在檢測圖像上應該平直的直通波產生扭曲變形，這將會直接影響到后續缺陷的有效識別以及缺陷的精確定位。因此，有必要在開展缺陷識別前對直通波進行矯直處理。

圖1 超聲TOFD檢測原理圖

假設一幅完整的超聲TOFD檢測圖像由N個A掃查信號組成，如果以第k個信號的直通波渡越時間t作為基準，并計算每個直通波A掃查信號渡越時間與基準之間的時差

利用計算所得的渡越時間差將對應的A掃查信號在時間軸上進行平移處理，

1.2 直通波抑制處理

由于直通波在超聲TOFD檢測信號中渡越時間是最短的，因此直通波信號會最先被接收換能器所接收到，但是當焊縫中存在近表面缺陷時，直通波與缺陷的上端衍射波會相互交疊在一起，導致近表面缺陷很容易被漏檢。為了能夠有效地識別出近表面缺陷，有必要先利用圖像處理方法抑制掉檢測圖像中的直通波信息。

將超聲TOFD圖像I（n，m）通過直通波矯直處理后，可以利用式（3）計算出圖像I（n，m）中第n行的灰度平均值：

根據計算所得的灰度平均值構建背景圖像

將TOFD檢測圖像與背景圖像作差值運算，即可實現直通波的抑制，得到直通波抑制后的圖像I0，即

采用以上所述方法對圖2（a）所示超聲TOFD檢測圖像進行直通波抑制處理，結果如圖2（b）所示。

圖2 超聲TOFD檢測圖像直通波抑制處理

2 缺陷區域分割處理

2.1 圖像的分水嶺分割算法

分水嶺變換得到的是輸入圖像的集水盆圖像，分水嶺表示的是輸入圖像極大值點。為得到圖像的邊緣信息，通常把梯度圖像作為輸入圖像，即

式中I（n，m）表示檢測得到的原始圖像，grad表示梯度運算，Ih（n，m）為水平方向上的梯度圖像，Iv（n，m）為垂直方向上的梯度圖像。

對于存在大量紋理信息的超聲TOFD檢測圖像而言，在進行梯度運算時會產生偽局部極小值。為了避免梯度圖中偽局部極小值對后續圖像分割的影響，采用控制標記符的方法為待分割圖像設置目標標記和背景標記，對原梯度圖像的極小值區域進行強制修改，屏蔽掉梯度圖像中的偽極小值，以達到更好的分割效果。利用設定好的閾值h，抑制圖像過分割現象的產生，其數學運算表達式為

式中，Imark是經過H-minima變換后的二值標記圖像。對標定后的梯度圖進行分水嶺算法處理，得到分割IWS，結果為

式中，Watershed（·）表示分水嶺分割運算。

2.2 分割區域數學形態學的后處理

圖像分割完成后，依然會存在一定程度的過分割現象，該現象可以通過數學形態學（Mathematical Morphology）處理進行有效的解決。其基本運算包括腐蝕和膨脹、開運算和閉運算等4種基本運算。對于一幅待處理的灰度圖像I（n，m），B為給定的結構元素，利用I（n，m）與B之間的腐蝕運算可以使目標區域范圍變小，其實質是造成圖像邊界的收縮，可以用來消除目標區域中小且沒有意義的部分，膨脹運算可以看作是腐蝕運算的對偶運算，可以用來填充目標區域中細小的孔洞。經過腐蝕運算后的膨脹運算可被認為是開運算（OPEN），開運算可以消除圖像中的微小目標；而經膨脹運算后的腐蝕運算則被認為是閉運算（CLOSE），可以填充圖像中的缺口，起到連通圖像中間斷目標的作用。開運算和閉運算可表示為：

3 實驗研究

本次實驗所采用的超聲TOFD檢測實驗系統總體框圖和實物照片分別如圖3（a）和圖3（b）所示。

圖3 超聲TOFD檢測實驗系統原理框圖和實物照片

采用超聲TOFD檢測方法對實際鋼板對接焊縫進行檢測，為確保后續的分割效果，需要先對檢測圖像進行消噪處理。在對原始的檢測圖像進行消噪處理后，利用上述的圖像預處理及圖像分割算法對實驗所得的超聲TOFD檢測圖像進行處理。實驗中試制了一塊帶有近表面焊縫缺陷的試樣，超聲TOFD檢測結果如圖4（a）所示，從圖中可以看出，缺陷圖像與直通波圖像交疊在一起，很容易產生漏檢的情況，因此需要對檢測圖像進行相應的處理，檢測圖像預處理結果如圖4（c）所示。在此基礎上，對圖像進行分割處理，從圖4（f）所示的處理結果可以看出所述算法在近表面焊縫缺陷的識別上取得了較為理想的效果。

圖4 近表面缺陷目標區域分割結果

為了驗證該方法在缺陷尺寸定量化方面的可靠性，本實驗對包含有人工缺陷的試塊開展試驗研究，所用時間如圖5所示，其材質為45#鋼，厚度為30 mm，側面含有兩個直徑為2 mm的橫通孔作為人工缺陷，孔間距為60 mm，孔中心深度分別為22 mm和16 mm。

圖5 包含人工缺陷的試塊

掃查機構帶動超聲換能器以0.5 mm步距沿垂直于橫通孔缺陷的軸線方向移動，實現對缺陷的B掃描。掃查圖像如圖6（a）所示，由于缺陷尺寸較小，缺陷的上端衍射波信號與下端衍射波信號混疊在一起，無法直接對缺陷的尺寸進行精確定量；用本文所提方法對原始圖像進行處理，處理結果如圖6（b）所示。

圖6 圖像感興趣區域分割結果

在圖6（b）的基礎上利用8-連通法識別圖像中缺陷邊界的像素點坐標，并利用Hough變換對所獲像素點坐標數據進行處理。表1所列為估計得到的人工缺陷幾何量信息，其測量誤差均少于5%。實驗結果表明，通過本文方法處理后，能夠準確地獲取缺陷的幾何量信息，滿足缺陷幾何信息精確測量的要求。

表1 實測結果

4 結論

根據超聲TOFD檢測圖像的分布特點，給出了鋼板對接焊縫近表面缺陷的識別方法。研究結果如下所述。

（1）在對檢測圖像進行消噪和直通波矯直的基礎上，利用灰度分布統計法消除與近表面缺陷波重疊的直通波。

（2）利用形態學與分水嶺的組合式圖像分割算法，有效提取缺陷區域，實現缺陷的自動化識別。

（3）通過開展實驗研究，驗證了算法的有效性和可靠性。