T形接頭角焊縫氣孔缺陷空間位置數據的自動提取

孫遠，石端虎

(1.鹽城工學院 機械工程學院，江蘇 鹽城 224051；2.徐州工程學院 機電工程學院，江蘇 徐州 221018)

隨著微電子、交通運輸、國防工業及航天航空等領域的快速發展，各種輕質合金材料在上述領域中得到了廣泛的應用。其中，鋁合金具有質輕、強度好、耐腐蝕性能好以及加工性能好等優勢［1］，鋁合金激光焊具有能量密度高、熱輸入低、熱變形小等特點，在高速列車、航天航空、建筑工程、汽車制造等領域得到廣泛應用。高速列車車體結構上大量使用輕質的鋁合金激光焊件［2］，但是由于受到焊接工藝波動、冷卻速度過快以及保護不良等因素的影響，鋁合金激光焊件連接處容易產生氣孔類缺陷，該類缺陷的存在給高速列車運行帶來了較大的安全隱患［3］。為了保障高速列車的安全運行，亟須開展鋁合金激光焊件的快速無損檢測和缺陷空間位置數據提取研究［4］，從而為該類焊件的快速無損檢測、缺陷修補、焊接工藝制定及結構完整性評價等奠定理論和應用基礎［5-8］，因此本研究具有重大的理論研究和實際應用價值。

1 焊件X射線檢測圖像的獲取

圖1為T形接頭鋁合金激光焊件的結構示意圖，其中角焊縫焊腳尺寸為1.5 mm，腹板的寬度和翼板的厚度均為2.0 mm。

圖1 T形接頭鋁合金激光焊件結構示意圖Fig. 1 Structural diagram of T-joint aluminum alloy laser weldment

將T形接頭焊件分別向左、右旋轉45°，采用微焦點X射線檢測系統對其進行檢測。以右轉為例，X射線穿透焊件厚度變化如圖2所示。T形焊件左、右旋轉后X射線檢測圖像如圖3所示。圖3中的白色影像為T形接頭焊件中的氣孔缺陷，圖像大小為1024 pixel×1024 pixel，標定尺寸為0.04mm/pixel。

圖2 X射線穿透T形接頭焊件厚度變化示意圖Fig. 2 Schematic diagram of thickness variation of X-ray penetration T-joint weldment

2 圖像預處理

2.1 提取圖像ROI并分析灰度分布特征

為了提高射線檢測圖像處理速度，減少系統運算時間，提取了X射線檢測圖像中的感興趣區域（region of interest， ROI），結果如圖4所示。以右轉圖像ROI為例，圖5為通過某行氣孔缺陷的線灰度分布曲線。

圖4 T形接頭焊件X射線檢測圖像感興趣區域Fig. 4 Regions of interest in X-ray inspection images of T-joint weldment

由圖5可知，圖中位置1（灰度值最大處）對應著射線穿透焊件最薄處，位置3（灰度值最小處）對應著射線穿透焊件最厚處。位置1和位置3之間為焊縫區域，除突變處灰度值是急速下降的，中間凸起的部分即為缺陷所在的位置，其灰度值230左右且高于周圍背景的灰度值。從整體上來看，ROI圖像背景起伏相對較大且灰度值分布不均勻，暗色背景灰度值大多集中在50左右，亮色背景灰度值大多集中在250左右。焊縫區灰度值梯度較大，缺陷分割存在較大難度。

2.2 圖像去噪

從圖5可知，檢測圖像ROI中存在背景起伏較大且灰度分布不均勻等情況，這些情況對于后續缺陷分割、缺陷提取、缺陷中心位置確定、缺陷自動對應以及缺陷空間位置數據提取有著較大的影響。對圖像中的噪聲進行有效抑制可保護缺陷信息的完整性，并為缺陷空間位置數據提取奠定良好基礎。

X射線檢測圖像中產生的噪聲一般是無規則的，傳統的圖像去噪方法對其不具有良好的抑制效果，且去噪過程中容易將圖像中原有的缺陷信息丟失，無法保證缺陷信息的完整性。小波變換具有選基靈活性的優點，對于不同的研究對象，不同的應用場合，可以通過選擇不同的小波母函數達到最佳去噪效果。多次使用不同小波，采用硬閾值和軟閾值的方法對X射線檢測圖像ROI進行去噪，結果顯示當小波函數選擇sym8，小波分解層數為4，硬閾值化的濾波方式能達到最佳去噪效果，去噪結果如圖6所示。

圖6 T形接頭焊件檢測圖像小波去噪結果Fig. 6 Wavelet denoising results of T-joint weldment inspection image

與原有ROI圖像相比，采用小波變換去噪后的圖像整體質量得到了改善，圖像的清晰度得到了提升，圖像中缺陷信息保留完整，且圖像中氣孔缺陷（白色影像）與背景之間的對比度增大，為后續的缺陷分割奠定了良好基礎。

3 缺陷分割及提取

3.1 缺陷分割

對小波變換去噪后的圖像，采用近似一維Means尋找二值化閾值的方法獲取二值化圖像。根據圖像線灰度分布特征，采用形態學開運算的方法，即先腐蝕后膨脹完成圖像的背景模擬，該方法可平滑圖像的輪廓，去除圖像中細小的突出，達到背景模擬的目的。將小波去噪后的圖像與背景模擬相減，結合閾值分割算法提取出缺陷區域骨架，完成圖像中缺陷的保真分割，缺陷分割結果如圖7所示，圖中的白色影像為氣孔缺陷。

圖7 T形接頭焊件缺陷分割結果Fig. 7 Segmentation results of weldment defects of Tjoint

3.2 缺陷提取

采用尋找8鄰接方式確定焊件缺陷的個數，缺陷分割圖像上的8鄰接的個數即為缺陷的總數。缺陷中心坐標的確定方法如下：（1）搜尋圖7分割圖像中的白色缺陷；（2）統計每個白色缺陷像素點的橫坐標和縱坐標之和；（3）依據公式（1）、公式（2）計算每個缺陷目標中心的坐標位置，并用“*”進行標記。T形接頭焊件缺陷中心位置如圖8所示。

圖8 T形接頭焊件缺陷中心位置Fig. 8 The center position of welding defects of T-joint

式中：x、y分別為缺陷像素的橫坐標、縱坐標；分別為缺陷中心的橫坐標、縱坐標；A為缺陷目標中像素點的個數。

4 缺陷空間定位

4.1 定位特征點的確定

在圖5線灰度分布曲線中，位置1處為X射線穿透T形接頭焊件最薄處，其灰度值比較高且容易受到X射線檢測工藝參數等因素的影響，故選擇位置3即X射線穿透焊件的最厚處作為定位特征點。

4.2 缺陷空間定位數學模型的建立

圖9、圖10分別為T形接頭焊件缺陷深度、缺陷偏移量數學模型幾何關系示意圖。選用X射線穿透T形焊件最厚處作為定位特征點，根據圖9、圖10中焊件缺陷與翼板和腹板之間的幾何關系，推導焊件缺陷深度、缺陷偏移量的數學模型。

圖9 T形接頭焊件缺陷深度數學模型幾何關系示意圖Fig. 9 Schematic diagram of geometric relationship of mathematical model of defect depth of T-joint weldment

圖10 T形接頭焊件缺陷偏移量數學模型幾何關系示意圖Fig. 10 Schematic diagram of geometric relationship of mathematical model of defect offset of T-joint weldment

根據圖示幾何關系推導可得，缺陷深度計算的數學模型為：

式中：h為缺陷到T形接頭焊件翼板下表面的距離，即缺陷深度，mm；K為T形接頭焊件角焊縫焊腳尺寸，mm；d為缺陷到T形接頭焊件腹板中心線的距離，即缺陷偏移量，mm；W為T形接頭焊件腹板寬度，mm；δ為T形接頭焊件翼板厚度，mm；dR為T形接頭焊件右轉時缺陷中心到定位特征點的投影距離，mm。

缺陷偏移量計算的數學模型為：

式中：dL為T形接頭焊件左轉時缺陷中心到定位特征點的投影距離，mm。

當d=0時，缺陷位于焊件腹板中心線上；d＜0時，缺陷位于焊件腹板中心線的右側；d＞0時，缺陷位于焊件腹板中心線的左側。從建立的缺陷偏移量和缺陷深度的數學模型來看，無論缺陷位于左側角焊縫還是右側角焊縫，數學模型都是適用的。

4.3 投影距離的提取

選擇X射線穿透T形接頭焊件最厚處作為定位特征點，從圖5中可以看出，灰度值突變的地方（缺陷）到定位特征點（位置3）之間的距離即為投影距離。根據公式（3）和公式（4）可看出左轉、右轉投影距離的提取精度會直接影響缺陷空間位置數據提取的準確性。

投影距離自動提取算法如下：（1）分割出缺陷，提取出缺陷并確定缺陷中心的位置，如圖8所示。（2）搜尋出各個缺陷中心所在的行，確定灰度曲線中灰度值最大的位置，即X射線穿透T形接頭焊件最薄處位置。以右轉圖像為例，結合圖2和圖5計算可得，從該位置右移即可得到穿透焊件最厚處位置，即為定位特征點位置；（3）投影距離即為定位特征點位置橫坐標與缺陷中心位置橫坐標之差的絕對值，對缺陷圖像進行逐行掃描即可將缺陷左轉、右轉投影距離dL和dR自動提取出來。

4.4 缺陷自動對應

自動獲取缺陷左轉、右轉投影距離dL和dR之后，可根據公式（3）和公式（4）求出缺陷深度和缺陷偏移量。但由于T形接頭焊件中的缺陷大多是以不規則且近似橢圓的形式呈現，導致缺陷在焊件左轉、右轉圖像中呈現的形態是不完全相同的，因此獲取的焊件左轉、右轉圖像中缺陷中心的位置也并非完全相同，提出的左轉、右轉圖像中缺陷自動對應準則如下：（1）由公式（1）和公式（2）提取焊件左、右旋轉X射線檢測圖像中缺陷的中心位置；（2）分別計算左轉、右轉圖像缺陷中心位置距離焊縫一端的距離d1和d2；（3）當左、右旋轉圖像上的缺陷中心位置距離焊縫一端距離之差的絕對值不超過3個像素點，即|d1-d2|≤3時，便可判定為同一缺陷。

4.5 缺陷空間位置數據提取

根據T形接頭焊件缺陷深度和缺陷偏移量的數學模型，結合投影距離提取算法和左轉、右轉圖像缺陷自動對應準則，提取了某T形接頭焊件的22個缺陷空間位置數據，如表1所示。

表1 某T形接頭焊件缺陷空間位置數據Table 1 Spatial location data of welding defects in a T-joint

創建T形接頭焊件的三維模型，并在此基礎上對自動提取的缺陷空間位置數據進行可視化處理，可視化處理結果如圖11所示。由圖11可以清晰直觀地觀察缺陷在焊件內部的空間位置分布狀況以及缺陷大小，為后續T形接頭焊件的可靠性評價以及結構完整性提供參考信息。

圖11 T形接頭焊件缺陷可視化處理結果Fig. 11 Visualization processing results of welding defects of T-joint

Shi等［9］采用剖切焊件方法對穿透型T形接頭焊件缺陷深度、缺陷偏移量數學模型進行了驗證，驗證方法亦適用于本研究，但驗證精度尚需繼續提高，考慮通過X射線檢測圖像和無損傷缺陷計算機模擬來提高定位模型的驗證精度。

對多個T形接頭焊件進行了X射線檢測，自動提取了120個缺陷的空間位置數據，統計分析缺陷空間位置數據分布情況，結果如圖12所示。圖12a為缺陷偏移量分布統計，缺陷偏移量在［-1.5，1.5］ mm范圍之內，其中67.5%的缺陷偏移量在［0，1.5］ mm范圍之內，即缺陷大多位于腹板中心線的左側；圖12b為缺陷深度分布統計，缺陷深度大多分布在［1.4，2.8］ mm范圍之間，即缺陷大多集中在T形接頭焊件腹板和翼板結合面的位置；圖12c為缺陷縱向分布統計，可知缺陷沿焊縫縱向隨機分布；圖12d為缺陷半徑分布統計，缺陷半徑在［0，0.7］ mm范圍之內。

圖12 T形接頭焊件缺陷空間分布特征Fig. 12 Spatial distribution characteristics of welding defects of T-joint

5 結論

（1） 基于微焦點X射線檢測系統對T形接頭角焊縫焊件進行了檢測，獲取了焊件左、右旋轉的檢測圖像。在圖像預處理的基礎上采用形態學背景模擬、背景相減、閾值分割等算法實現了氣孔缺陷的保真分割，并確定了缺陷的中心點位置。

（2） 選擇X射線穿透焊件最厚處為定位特征點，建立了該焊件缺陷偏移量和缺陷深度的數學模型，提出了投影距離自動算法和缺陷自動對應準則，并自動提取了120個缺陷的空間位置數據進行統計分析。

（3） 統計分析結果表明：缺陷偏移量在［-1.5，1.5］ mm范圍之內，其中67.5%的缺陷偏移量在［0，1.5］ mm范圍之內，即缺陷大多位于腹板中心線的左側；缺陷深度大多分布在［1.4，2.8］ mm范圍之間，即缺陷大多集中在T形接頭焊件腹板和翼板結合面的位置；缺陷沿焊縫縱向隨機分布；缺陷半徑在［0，0.7］ mm范圍之內。