对接焊缝近表面缺陷超声TOFD检测自动化识别方法研究

周红明，张小杰

（1.丽水学院工学院，浙江丽水323000；2.浙江晨雕机械有限公司，浙江丽水323000）

0 引言

焊接作为制造过程中的一项重要的工艺，焊接质量直接关系到焊接产品的性能[1-2]。仅仅依靠检测人员的目视检测难以对其中缺陷的存在情况进行判断，因此借助无损检测技术开展焊缝的安全性检测显得至关重要[3-4]。超声TOFD检测技术由于具有检出率高、缺陷定位精确等优点，在焊缝检测中得到广泛的应用[5-6]。

由于检测过程中的众多因素，比如被检工件表面粗糙度等，都会引起直通波波达时间的误差，使得超声TOFD检测图像中直通波成像变成曲线，该现象会为后续的缺陷精确定位带来困扰，此外近表面缺陷波与直通波的相互交叠增加了缺陷识别的难度。在焊缝近表面缺陷检测方面国内外都有众多学者开展相关的研究，比如BASKARAN等[7]利用横波衍射信号，提高近表面缺陷的检测精度。Lu等[8]提出了一种缺陷W衍射反射方法（TOFDW）和二次反射波法（TOFDR）检测模式，用于解决近表面缺陷问题。张涛等[9]提出一种基于衍射横波的TOFD检测新方法，提高了TOFD对近表面缺陷的检测灵敏度和精度。汪俊等[10]通过RLS自适应滤波算法将近表面缺陷信号从混叠信号中分离出来，解决了超声TOFD检测近表面盲区问题。

针对焊缝近表面缺陷检测问题，结合超声TOFD检测成像特点，采用图像消噪、直通波图像抑制以及图像分割等相关的图像处理技术，将焊缝近表面缺陷从检测图像中提取出来，实现焊缝近表面缺陷的自动化识别。

1 超声TOFD检测图像预处理

1.1 直通波矫直处理

如图1所示，在超声TOFD检测过程中，超声换能器与工件表面是直接接触的，因此当被检工件的表面不平整时，就会直接影响到检测信号渡越时间的值，使得原本在检测图像上应该平直的直通波产生扭曲变形，这将会直接影响到后续缺陷的有效识别以及缺陷的精确定位。因此，有必要在开展缺陷识别前对直通波进行矫直处理。

图1 超声TOFD检测原理图

假设一幅完整的超声TOFD检测图像由N个A扫查信号组成，如果以第k个信号的直通波渡越时间t作为基准，并计算每个直通波A扫查信号渡越时间与基准之间的时差

利用计算所得的渡越时间差将对应的A扫查信号在时间轴上进行平移处理，

1.2 直通波抑制处理

由于直通波在超声TOFD检测信号中渡越时间是最短的，因此直通波信号会最先被接收换能器所接收到，但是当焊缝中存在近表面缺陷时，直通波与缺陷的上端衍射波会相互交叠在一起，导致近表面缺陷很容易被漏检。为了能够有效地识别出近表面缺陷，有必要先利用图像处理方法抑制掉检测图像中的直通波信息。

将超声TOFD图像I（n，m）通过直通波矫直处理后，可以利用式（3）计算出图像I（n，m）中第n行的灰度平均值：

根据计算所得的灰度平均值构建背景图像

将TOFD检测图像与背景图像作差值运算，即可实现直通波的抑制，得到直通波抑制后的图像I0，即

采用以上所述方法对图2（a）所示超声TOFD检测图像进行直通波抑制处理，结果如图2（b）所示。

图2 超声TOFD检测图像直通波抑制处理

2 缺陷区域分割处理

2.1 图像的分水岭分割算法

分水岭变换得到的是输入图像的集水盆图像，分水岭表示的是输入图像极大值点。为得到图像的边缘信息，通常把梯度图像作为输入图像，即

式中I（n，m）表示检测得到的原始图像，grad表示梯度运算，Ih（n，m）为水平方向上的梯度图像，Iv（n，m）为垂直方向上的梯度图像。

对于存在大量纹理信息的超声TOFD检测图像而言，在进行梯度运算时会产生伪局部极小值。为了避免梯度图中伪局部极小值对后续图像分割的影响，采用控制标记符的方法为待分割图像设置目标标记和背景标记，对原梯度图像的极小值区域进行强制修改，屏蔽掉梯度图像中的伪极小值，以达到更好的分割效果。利用设定好的阈值h，抑制图像过分割现象的产生，其数学运算表达式为

式中，Imark是经过H-minima变换后的二值标记图像。对标定后的梯度图进行分水岭算法处理，得到分割IWS，结果为

式中，Watershed（·）表示分水岭分割运算。

2.2 分割区域数学形态学的后处理

图像分割完成后，依然会存在一定程度的过分割现象，该现象可以通过数学形态学（Mathematical Morphology）处理进行有效的解决。其基本运算包括腐蚀和膨胀、开运算和闭运算等4种基本运算。对于一幅待处理的灰度图像I（n，m），B为给定的结构元素，利用I（n，m）与B之间的腐蚀运算可以使目标区域范围变小，其实质是造成图像边界的收缩，可以用来消除目标区域中小且没有意义的部分，膨胀运算可以看作是腐蚀运算的对偶运算，可以用来填充目标区域中细小的孔洞。经过腐蚀运算后的膨胀运算可被认为是开运算（OPEN），开运算可以消除图像中的微小目标；而经膨胀运算后的腐蚀运算则被认为是闭运算（CLOSE），可以填充图像中的缺口，起到连通图像中间断目标的作用。开运算和闭运算可表示为：

3 实验研究

本次实验所采用的超声TOFD检测实验系统总体框图和实物照片分别如图3（a）和图3（b）所示。

图3 超声TOFD检测实验系统原理框图和实物照片

采用超声TOFD检测方法对实际钢板对接焊缝进行检测，为确保后续的分割效果，需要先对检测图像进行消噪处理。在对原始的检测图像进行消噪处理后，利用上述的图像预处理及图像分割算法对实验所得的超声TOFD检测图像进行处理。实验中试制了一块带有近表面焊缝缺陷的试样，超声TOFD检测结果如图4（a）所示，从图中可以看出，缺陷图像与直通波图像交叠在一起，很容易产生漏检的情况，因此需要对检测图像进行相应的处理，检测图像预处理结果如图4（c）所示。在此基础上，对图像进行分割处理，从图4（f）所示的处理结果可以看出所述算法在近表面焊缝缺陷的识别上取得了较为理想的效果。

图4 近表面缺陷目标区域分割结果

为了验证该方法在缺陷尺寸定量化方面的可靠性，本实验对包含有人工缺陷的试块开展试验研究，所用时间如图5所示，其材质为45#钢，厚度为30 mm，侧面含有两个直径为2 mm的横通孔作为人工缺陷，孔间距为60 mm，孔中心深度分别为22 mm和16 mm。

图5 包含人工缺陷的试块

扫查机构带动超声换能器以0.5 mm步距沿垂直于横通孔缺陷的轴线方向移动，实现对缺陷的B扫描。扫查图像如图6（a）所示，由于缺陷尺寸较小，缺陷的上端衍射波信号与下端衍射波信号混叠在一起，无法直接对缺陷的尺寸进行精确定量；用本文所提方法对原始图像进行处理，处理结果如图6（b）所示。

图6 图像感兴趣区域分割结果

在图6（b）的基础上利用8-连通法识别图像中缺陷边界的像素点坐标，并利用Hough变换对所获像素点坐标数据进行处理。表1所列为估计得到的人工缺陷几何量信息，其测量误差均少于5%。实验结果表明，通过本文方法处理后，能够准确地获取缺陷的几何量信息，满足缺陷几何信息精确测量的要求。

表1 实测结果

4 结论

根据超声TOFD检测图像的分布特点，给出了钢板对接焊缝近表面缺陷的识别方法。研究结果如下所述。

（1）在对检测图像进行消噪和直通波矫直的基础上，利用灰度分布统计法消除与近表面缺陷波重叠的直通波。

（2）利用形态学与分水岭的组合式图像分割算法，有效提取缺陷区域，实现缺陷的自动化识别。

（3）通过开展实验研究，验证了算法的有效性和可靠性。