一种x射线快速自动检测方法
【技术领域】
[0001] 本发明设及X射线无损检测技术，特别设及一种X射线快速自动检测方法。
【背景技术】
[0002] 在航空航天、船舰、国防、汽车、高铁等领域，存在大量的各种批量大、内部零部件 众多且装配结构复杂的关键重要产品，对大批量产品内部零部件装配结构正确性的在线自 动检测，需要快速采集、识别产品内部的Ξ维空间结构信息，目前仍然是行业内未能很好解 决的难题。
[0003] 随着数字图像处理技术和实时成像技术在射线成像检测技术中的应用，X射线数 字成像检测技术日趋成熟，它能实时获取被检产品内部结构的图像，方便地提取图像和被 检构件信息特征。目前，射线实时成像检测技术在国内的铸造汽车轮穀、气瓶、锅炉、焊缝、 炮弹等产品的检测中得到了大量应用，但是目前尚缺乏有效解决自动大批量检测复杂产品 的射线视觉检测技术与系统。工厂现在一般采用具有破坏性的人工抽样试验与工业电视相 结合的方法对产品内部结构进行检验，对于抽检的产品，将其置于X射线源与成像器件之 间并连续旋转，通过人眼反复观察工件在多个方位下的射线图像进而作出产品合格与否的 决策。由于产品内部零部件层叠交错，在其透视图像上存在互相遮挡与拖影，且判别结果受 工人的经验、屯、理因素、身体条件及眼睛的疲劳程度影响，运种方法不仅费用高、准确率低 并具有一定危险性。
【发明内容】
[0004] 有鉴于此，本发明提供了一种针对产品内部有多个识别子目标的X射线自动检测 方法，能更快速、准确、高效率地实现对产品装配质量的检测。
[0005] -种X射线快速自动检测方法，包括样本离线学习模块和产品在线检测模块：
[0006] 所述样本离线学习模块包括：确定检测产品内部待识别子目标区域W及子目标区 域个数，并根据待识别子目标区域确定产品与检测工作台周向旋转的最大步长n°，η可被 360整除；
[0007] 根据确定的最大旋转步长η°，对一标准的合格产品在全周向方位下采用X射线 成像，得到Ν= 360/η个图像序列；图像采集电路将获得的图像序列送给计算机处理单元进 行检测识别；
[0008] 计算机处理单元根据确定的待识别子目标区域，提取每一方位下产品图像的待识 别子目标区域图像，进行图像数据重排，作为对每一方位下产品图像的检测识别特征，建立 识别特征标准样本库；所述图像数据重排，重排方法既可W是对像素灰度值重排，也可W对 各子区域图像提取某种特征或做某种变换法后的数据重排；
[0009] 提取每一方位下产品图像中具有代表性的不变子区域作为位置特征，建立并保存 Ν幅序列图像的位置特征标准样本库；
[0010] 所述产品在线检测模块包括：对送到检测工作台的当前产品成像，提取当前产品 位于某个随机方位的位置特征，确定当前产品在位置特征标准样本库中的最优解，即确定 产品成像的当前方位，也称确定周向方位；所述提取位置特征的方法与样本离线学习模块 中的方法相同；
[0011] 确定周向方位后提取当前产品在该方位下的检测识别特征，进行数据重排后，与 识别特征标准样本库中同一周向方位下的最优解匹配；如果在当前方位下检测识别特征匹 配成功，则根据检测需要及确定的检测步长，转向下一特定方位，成像并提取检测识别特征 后进行最优解匹配，逐个完成当前产品在各特定方位的最优解匹配；如果在某一个方位下 匹配不成功，则直接将当前产品下料到废品区；进行下一个产品的在线检测；所述的提取 检测识别特征W及数据重排的方法与样本离线学习模块中的方法相同。
[0012] 根据被检测产品先验已知的特性，并不需要对所有方位全部检测（当然也可W全 部检测）。也即，离线学习是对所有方位下成像学习；在线检测则是在特定的几个方位下即 可完成识别。因为实际检测识别中，产品摆放方位的随机性，导致了离线学习中所有的方位 图像都需要采集图像。在线检测中在随机方位下成像，然后根据位置特征找到当前成像的 方位并与标准识别特征库中的最优解匹配识别，然后根据位置特征在有限的几个特定方位 下完成检测识别，运样可W加快检测速度。
[0013] 进一步的，对每一方位下产品图像的待识别子目标区域图像进行图像数据重排 时，先将任意方位i下的产品图像X表示为：
[0014]
(1)
[0015] 其中，矩阵中的元素Xki表示图像在第k行第1列的像素灰度值，图像大小为KXL; 假设产品内部有S个待识别子目标区域，按照待识别子目标区域在产品中的重要性与可能 出错的概率依次排序为：1，2,…，S，且每个待识别子目标区域图像大小分别为K,XL,，其在 图像中占据的大小为Kj行，Lj列，0 <j《S;
[001引提取上述S个待识别子目标区域的特征，比如某方向的投影，可分别得到Li，L2,… ，Ls维数的投影特征向量：
[0017]
(2)
[001引其中，F。，Fi2,…，Fis分别表示在i方位下的S个待识别子目标图像投影特征向量， 各投影特征向量的维数或长度分别为子目标图像区域宽度Li，L2,…，Ls;
[0019] 将多个子目标区域数据首尾连接重排后可得投影识别特征：
[0020] Fi=[fii(l)，fii(2)，...，fii(Li)，fi2(l)，fi2(2)，...，fi2(L2)，...，fisa)，fis(2)，··· ，fis(Ls)] (3)
[0021] 规范重写为：
[002引Fi=(f…，fiM) (4)
[0023] 其中，Fi代表该类型产品在i方位下的投影识别特征向量，M为投影识别特征向量 的维数，M=Li+L2+'''+Ls;
[0024] 提取每一个方位下图像的投影识别特征向量，作为每一方位下图像的检测识别特 征，建立并保存N幅序列图像的识别特征标准样本库：
[00巧]
巧'）
[002引其中，F2,…，Fw分别表示产品图像在N个方位下的检测识别特征。
[0027] 所述的图像数据重排W及投影特征向量能够充分的提取出样品的特征信息，使样 品检测的结果更加精确。针对不同的产品可W提取不同的投影特征向量。
[002引进一步的，提取S个待识别子目标区域的特征时，是提取S个待识别子目标区域的 垂直投影。
[0029] 进一步的，在样本离线学习模块和产品在线检测模块中，通过提取第i方位下整 幅图像中的一个特征明显且不会出现缺陷的子区域作为周向第i方位的位置特征并保存。 所述特征明显且不会出现缺陷的子区域是指本领域技术人员知道的产品内部根本不会出 现缺陷的图像子区域。
[0030] 本发明所用到的装置如图1所示，该装置包括：x射线实时成像模块，由计算机处 理单元发出指令，机电控制模块将被检测产品送到检测工作台后，对被检测产品成像，然后 将获得的图像送给计算机处理单元进行检测识别。
[0031] 所述机电控制模块，主要包括上下料装置和检测工作台。
[0032] 所述上下料装置，用于对不同型号的产品按照工厂检测流水线，将批量产品按照 设定的节拍送到检测工位；对检测完的产品按照合格与否分类下料。
[0033] 所述检测工作台，可W360°自由旋转，W满足对产品全周向方位成像；工作台可 W上下调整W适应不同型号产品的尺度要求。
[0034] 所述计算机处理单元，用于对获得的产品图像快速检测识别。
[0035] 采用本发明的技术方案，可实现对产品内部结构及装配质量的快速自动检测识 另IJ，且识别准确率高。本发明的优点：（1)根据产品内部先验已知的缺陷特征，一般都可在 有限的几个方位下完成对产品的检测识别，且由于在线检测中对子目标图像区域的提取识 别代替了对产品整个图像本身的识别，必然会提高检测识别的速度与识别准确率。（2)离线 学习中根据最大采样步长对产品在所有方位下成像并提取识别特征与位置特征，保障了在 线检测过程中产品可随机摆放，根据位置特征找到在标准样本库中的最优解，进而在当前 方位下与特定的几个有限方位下完成快速识别，提高了效率。（3)本发明产品图像数据重排 采用了对产品内部各个待识别子目标区域图像的灰度值先进行垂直投影，然后将多个子目 标区域投影数据首尾连接重排得到投影识别特征，一般地，根据产品特征也可采用水平投 影，或直接将各个待识别子目标区域的像素灰度值重排，或对各个待识别子目标区域图像 提取其它特征或做其它变换法后的数据重排。
【附图说明】
[0036] 图1为本发明成像装置实施例的组成结构示意图。
[0037] 图2为本发明X射线快速自动检测方法实施例的结构示意图。
[0038]图3为本发明对合格样品离线学习实施例的流程图。
[0039] 图4为本发明对某一方位下多个待识别子目标区域图像数据重排实施例的流程 图。
[0040] 图5为本发明对批量产品在线快速自动检测方法实施例的流程图。
[00川 1-检测工作台，2-射线源，3-X射线实时成像模块，4-图像采集电路，5-机电控制 模块，6-计算机处理单元，7-被检测产品。
【具体实施方式】
[0042] 为了使本发明的技术方案更加清楚、明白，W下参照附图并举实施例，对本发明所 述方案作进一步的详细说明。
[0043]图1为本发明成像检测装置实施例的组成结构示意图，计算机处理单元6发出指 令，机电控制模块5将被检测产品送到可360°自由旋转的检测工作台1后，对被检测产品 7成像，图像采集电路4将获得的图像送给计算机处理模块进行检测识别。如图2所示，该 装置对产品的检测包括：样本离线学习模块和产品在线检测模块。
[0044]图3为样本离线学习模块实施例的工作流程，对于每一种确定型号的产