基于超聲C掃描數字圖像處理的缺陷面積分析

呂洪濤，李 鋒，劉志毅，王俊濤，張祥春，石 亮，王池權，邵成偉

(中國航空綜合技術研究所，北京 100028)

超聲C掃描成像檢測技術是保證產品質量的重要無損檢測手段，具有缺陷定位準確、靈敏度高、成本低等優點，廣泛應用于航空、航天、核工業等關鍵領域[1-3]。在超聲C掃描檢測過程中，基于數字化圖像進行缺陷分析是判定被檢測對象是否滿足驗收條件的關鍵工序。

隨著新材料、新工藝、新結構的不斷涌現，其缺陷和驗收條件也隨之更新[4-11]。以超塑成形擴散連接和復合材料制件為例，由于其制作工藝復雜、影響因素較多，超塑成形擴散連接內部容易出現焊接不良等面積型缺陷，且缺陷形狀往往不規則，缺陷大小、數量和位置也無明顯規律[4-8]；受其工藝、材料和結構影響，復合材料制件內部也容易出現分層、脫黏等面積型缺陷[9-11]。與常用當量評定方法[12]具有明顯不同的是，超塑成形擴散連接和復合材料制件更關注缺陷面積或缺陷在整個制件中所占比例[8,13]。

現有商用超聲C掃描檢測系統軟件大多已具備長度測量功能，少數軟件具備基于幅值閾值的缺陷面積分析功能。然而，對于內部結構特征復雜的制件，很難從C掃描圖像中的波幅上區分缺陷與結構特征。劉海強等[13]開展了基于閾值分割法的超聲C掃描圖像缺陷面積計算，為釬焊缺陷面積的計算提供了解決途徑。然而，研究工作未考慮結構特征對缺陷面積計算的影響。

針對以上問題，以超塑成形擴散連接和復合材料制件為研究對象，提出一種基于超聲C掃描數字圖像處理的缺陷面積分析方法，并開發相應的GUI(圖形用戶界面)，通過對典型超聲C掃描圖像進行分析處理，研究該方法在缺陷分析方面的有效性。

1 分析方法

1.1 分析流程

超聲C掃描檢測法是采用超聲反射法或透射法對被檢試件進行二維掃描檢測，提取各個位置檢測信號在特定時域閘門內的波幅信息，從而獲得檢測圖像的技術。目前，超聲C掃描檢測圖像一般為彩圖或灰度圖，圖中橫縱坐標代表被檢試件二維位置信息，圖像中每個像素顏色代表閘門內波幅，波幅大小可根據其顏色與色帶的比對獲得。基于超聲C掃描圖像的缺陷分析流程圖如圖1所示。

圖1 基于超聲C掃描圖像的缺陷分析流程圖

缺陷分析流程如下：① 利用計算機讀取超聲C掃描檢測圖像，將圖像的顏色信息轉換成波幅信息；② 對讀取的圖像進行平滑濾波預處理，減小檢測噪聲的影響，提高圖像質量；③ 通過人機交互，利用鼠標勾選濾波處理后的圖像ROI(感興趣區域)，根據需求可根據邊界線對圖像進行旋轉校正處理；④ 當檢測圖像中無結構特征時，可通過設置缺陷波幅閾值，統計閾值范圍內像素數量以及整體像素數量，計算完好率；⑤ 當檢測圖像中有結構特征時，通過人機交互，利用鼠標勾選圖像中復雜結構特征以及關鍵區域、非關鍵區域，存儲結構特征參數，用于同批次結構特征參數的自動導入。然后通過設置結構特征的寬度信息，對結構特征內的波幅置零，消除其對缺陷面積統計結果的影響，最后分別統計關鍵區域和非關鍵區域以及其中缺陷的像素數量，計算整體的完好率?？梢姡瑘D像讀取中的圖像轉換和分析過程中的人機交互是該方法實現的關鍵。

1.2 圖像轉換

存儲后的超聲C掃描圖像可以是PNG、JPG、BMP等格式。利用計算機讀取超聲C掃描檢測圖像時，其數據表現為RGB(三原色) 模式的三維數組，即圖像中的每個像素點對應一個(R、G、B)數值，每個R、G、B分量的取值范圍均為[0, 255]。直接對這種三維數組進行分析，很難建立其與波幅之間的聯系。而將超聲C掃描圖像轉至灰色圖時，存在不同顏色對應相同灰度的情況，從而影響缺陷評定和面積統計。

為準確進行數據分析，可同時讀入超聲C掃描圖像和色帶，將超聲C掃描檢測圖像中每個像素點的(R、G、B)數值PRGB(x,y)與色帶中每個像素的(R、G、B)數值CRGB(i)逐一進行比對。當(x,y)坐標位置處的(R、G、B)數值與色帶第i個像素的(R、G、B)數值最接近時，(x,y)坐標位置處的波幅即為色帶第i個像素所對應的波幅，即

A(x,y)～min(PRGB(x,y)-CRGB(i))

(1)

式中：A(x,y)為試件(x,y)坐標位置處的波幅；PRGB(x,y)為超聲C掃描圖像中(x,y)坐標像素處的(R、G、B)數值；CRGB(i)為色帶第i個像素處的(R、G、B)數值。

通過式(1)的轉換，可將讀入圖像對應的RGB模式三維數組轉換成二維波幅矩陣。該過程可在圖像導入時同步進行。為提高超聲C掃描圖像的質量，可對導入的圖像進行平滑濾波處理。

1.3 人機交互

當被測試件中存在結構特征時，如超塑成形擴散連接件內部存在復雜氣道，若缺陷所在深度與結構特征所在深度十分接近，結構特征和缺陷將同時出現在超聲C掃描圖像中。而為檢測出小缺陷，超聲檢測靈敏度一般較高，結構特征和缺陷的信號幅值均滿屏顯示，從幅值上也很難將二者區分。此時，結構特征的存在將嚴重影響缺陷的自動識別和缺陷面積的分析計算。

根據被檢試件設計圖紙，專業超聲檢測人員可清楚辨識超聲C掃描圖像中的結構特征?；诖?，可借助ginput函數實現超聲C掃描圖像結構特征的輸入。進一步，根據結構特征的寬度，可對勾選出的結構特征區域進行標記處理，例如將該區域內的波幅進行置零處理，可將結構特征與缺陷從波幅上進行區分。通過該方法可以有效去除結構特征對缺陷面積統計的影響。利用ginput函數進行人機交互的典型界面如圖2所示。

圖2 利用ginput函數進行人機交互的典型界面

基于ginput函數的人機交互除以上功能外，還可以實現超聲C掃描圖像中被測試件待分析區、試件中關鍵區和非關鍵區等ROI信息的輸入。從實用角度來看，該方法具有準確度高，操作靈活的特點。同時，存儲人機交互輸入的相關特征參數，可用于同一批次被測試件的分析處理，而無需重復人機交互輸入，可有效提高分析效率。

1.4 軟件開發

根據以上流程，編寫可執行文件，形成相應的GUI(圖形用戶界面)。該GUI主要包括圖像輸入、圖像處理、結構特征、缺陷波幅閾值、完好率計算和圖像顯示等功能模塊。該可執行文件可用于零部件超聲C掃描圖像缺陷面積分析，計算被測試件的完好率，而且可在任何滿足要求的計算機上單獨使用，具有一定通用性。典型缺陷分析流程示例如圖3所示。

圖3 典型缺陷分析流程示例

圖3(a)所示為圖片導入，即將圖像信息由RGB模式三維數組轉換成二維波幅矩陣；圖3(b)所示為ROI選擇，即人機交互輸入被檢試件待分析區、結構特征、關鍵區和非關鍵區；圖3(c)為缺陷波幅閾值輸入后獲得的計算結果，可知該被檢試件關鍵區、非關鍵區和整體完好率分別為99.83%、99.22%和99.36%。

2 試驗系統

試驗用超聲C掃描系統包括MZ-03型水浸超聲C掃描檢測系統和MZ-04型噴水超聲C掃描檢測系統。兩套超聲C掃描系統分別由超聲激勵采集模塊、工控機、機械掃查機構等組成。MZ-03型超聲檢測系統配有水槽，可利用水浸脈沖反射法進行A、B、C掃描檢測。MZ-04型超聲檢測系統配有專用噴水系統，可利用噴水穿透法進行A、B、C掃描檢測。反射法和穿透法超聲C掃描檢測原理如圖4所示。

圖4 反射法和穿透法超聲C掃描檢測原理示意

根據標準GJB 1580A—2019 《變形金屬超聲檢驗方法》和GJB 1038.1A—2004 《纖維增強復合材料無損檢測方法》分別對碳纖維層壓板人工模擬缺陷試件、超塑成形擴散連接試件和碳纖維復材沖擊試件進行水浸超聲或噴水超聲C掃描檢測。依據標準HB 7825—2007 《復合材料制件無損檢測對比試塊制作與要求》制作碳纖維層壓板人工模擬缺陷試件，通過在織物層中放置0.4 mm厚聚四氟乙烯膜的方式在試件中預制人工模擬缺陷，試件厚度為6 mm，其結構如圖5所示。其中的人工模擬缺陷形狀為圓形，直徑分別為4，7，10，15 mm，每行模擬缺陷深度自上而下分別為1，2，3 mm。

圖5 碳纖維層壓板人工模擬缺陷試件結構

3 結果與分析

為驗證所提出的基于超聲C掃描圖像缺陷面積分析方法的有效性，利用開發的GUI對典型超聲C掃描圖像進行缺陷分析。

3.1 檢測精度分析

碳纖維層壓板人工模擬缺陷試件水浸超聲C掃描檢測所用超聲探頭為15 MHz-F6型水浸聚焦探頭，掃查步進為1 mm。得到的碳纖維層壓板人工模擬試件水浸超聲C掃描圖像如圖6所示。

圖6 碳纖維層壓板人工模擬試件水浸超聲C掃描圖像

基于該超聲C掃描檢測圖像，用-6 dB法分別測量缺陷沿x方向和y方向的直徑，取二者平均值作為模擬缺陷直徑d1。

利用開發的GUI對圖6中每個缺陷進行分析計算時，缺陷閾值根據-6 dB法進行設置。利用GUI可直接計算每個缺陷對應的試件完好率，然后根據試件的總面積計算缺陷面積及其直徑d2，模擬缺陷尺寸測量結果如表1所示。根據表1可知，d1和d2均與設計尺寸吻合較好，誤差較小。由此表明，基于超聲C掃描圖像的缺陷面積分析方法可用于碳纖維層壓板缺陷面積分析。

表1 模擬缺陷尺寸測量結果 mm

3.2 應用案例

在以上研究基礎上，將開發的GUI應用于超塑成形擴散連接試件和碳纖維復材沖擊試件超聲C掃描圖像的缺陷面積分析，計算試件的完好率。

圖7 兩種試件的超聲C掃描檢測結果

利用MZ-03型超聲檢測系統對典型超塑成形擴散連接試件進行水浸超聲C掃描檢測，利用MZ-04型超聲檢測系統對復合材料沖擊試件進行噴水式穿透法超聲C掃描檢測，兩種試件的檢測結果如圖7所示。由圖7(a)可知，超塑成形擴散連接試件的檢測圖像中存在大量結構線條，其幅值與缺陷幅值相同，無法通過波幅差異將二者區分；圖7(a)，(b)中缺陷形狀均不規則，通過商業軟件中的測長工具很難獲得缺陷的面積信息。

圖8 兩種試件的完好率分析結果

利用所開發的GUI對圖7(a)進行分析時，可采用GUI中人機交互功能，分別選擇結構特征、關鍵區和非關鍵區，然后通過設置合適的缺陷閾值進行缺陷面積分析，詳細過程參照圖3。對圖7(b)進行分析時，由于圖像不存在結構特征，可直接通過設置缺陷閾值對試件完好率進行分析計算。兩種試件的完好率分析結果如圖8所示，可知超塑成形擴散連接試件關鍵區、非關鍵區和整體完好率分別為99.77%，96.52%和97.16%，碳纖維復材沖擊試件完好率為98.11%。當試件待分析區域面積已知時，可根據其完好率計算缺陷面積。

值得注意的是，所提方法是在超聲C掃描圖像基礎上開展的。超聲C掃描檢測的步進大小直接影響檢測圖像的空間分辨率，進而對所提方法的準確性產生影響，即，步進越小，超聲C掃描圖像空間分辨率越高，圖像特征輪廓越清晰，所提方法的分析結果越準確。

4 結語

提出了一種基于超聲C掃描的數字圖像缺陷面積分析方法，并開發出GUI人工界面的可執行文件。利用該GUI對典型試件超聲C掃描圖像進行缺陷面積分析，得出以下結論。

(1) 所提出的方法可用于有無結構特征被測試件中不規則缺陷面積的分析，計算被測試件完好率。

(2) 基于人工交互功能，所開發的GUI可靈活選擇ROI，有效去除結構特征對缺陷分析的影響，具有準確度高、操作靈活的特點，并具有一定普適性。

深入開展基于超聲數字圖像處理的缺陷分析，提高缺陷特征分析能力與效率是超聲無損檢測發展的一個重要方向。未來可借助深度學習等人工智能手段，實現結構特征的智能識別，進一步提高缺陷分析效率。