一种船体焊缝探伤成像识别方法及信息处理方法

技术领域

本发明涉及机器人领域，尤其涉及一种船体焊缝探伤成像识别方法及信息处理方法。

背景技术

焊接技术不断地进行深一步的研发和作用于船舶制造中生产中，并且以及取代完全替换了铆接技术。

随着船舶制造业的发展，大跨度，高强度的钢结构被越来越多用于船舶制作中，如船体外壳、船底龙骨、钢箱梁结构，大型管路结构等。由于钢结构在搭建过程中需要大量的焊接进行组装，因此钢结构的焊接质量直接决定了船舶结构的整体质量，特别是对于一些安全因素要求较高的应用场景，比如船艏结构、LNG船液舱殷瓦钢结构等，都必须进行焊接探伤检验，并且在船舶结构使用一定年限后，对特定结构也需要定期焊接探伤检测，以保证能及时发现问题和处理安全隐患。

在船舶制造中，船舶结构的焊接探伤是生产工艺中的关键一环，对焊接部位进行探伤能有效地避免工件被外部环境腐蚀，保证焊接质量，提高工件工作效率。

目前对于焊接探伤通常由人工完成，而人工探伤具有劳动强度大，检测效率低，漏检率高等不足，在焊接探伤任务上，使用计算机对焊接图像处理，能够克服工人评价的时候由于眼力,经验不一而产生的错判现象，但并不是对每一高厚度的、细密度都能精确探伤检测实现，其对焊缝探伤成像识别或探伤的信息处理是达到探伤精确的关键，所以，我们提出了一种基于X射线发射、检测的船体焊缝探伤成像识别方法及信息处理方法。

发明内容

为了实现上述目的，本发明采用了如下技术方案：

一种船体焊缝探伤成像识别方法，其特征在于，包括如下:

采用探头发射X射线经过焊缝工件，在工件后方放置平板探测器，X射线经过平板探测器将X射线转化为电信号，再将信号传递至处理器，处理器调用深度学习方法对电信号进行解读和研判进而对焊缝探伤信息识别，

其信息的识别、处理，包括如下:

1)对电信号进行卡尔曼滤波，并重新生成优化后的灰度图；

2)在灰度图中使用选择性算法旋转可能存在的候选目标区域；

3)调整灰度图图像尺寸始终为227×227像素，使用卷积神经网络方法对候选区域提取特征向量；

4)初始设置N个目标框，与特征向量组成N×4096维矩阵；

5)将N×4096维矩阵与由M个支持向量机组成权值矩阵4096×M相乘得到一个N×M维矩阵；

6)对N×M维矩阵的各行各列进行非极大值抑制算法过滤，剔除重复目标框，最终得到高概率的目标框。

所述的探头安装在一船体焊缝探伤机器人装置上，且设有X射线发射器；

所述的平板探测器设有闪烁晶体屏和非晶硅传感器，闪烁晶体屏将接收的X射线转化成可见光，然后把可见光通过非晶硅传感器把所得的光转换成为电信号；

所述的处理器设有MATLAB的GUIDE编写的程序，该程序的功能是调用RCNN深度学习方法对由所述平板探测器传递的电信号处理。

所述的X射线发射器发射X光线，X射线成像的过程是一个随机过程，并且X射线的量子统计满足泊松分布，X射线光子数随机采样n的均值为λ，方差等于均值σ＝λ，标准的偏差为

如X射线源在主束光线方向上1m处的光子剂量率为G，所被测的半值层厚度为K，半层值层数为M，则所发射的光子到达成像屏处的剂量率满足由公式(2)：

所述的船体焊缝探伤机器人，包括小车、机械臂和探头(5)，所述机械臂调节探头(5)的位置、角度，所述小车搭载机械臂和探头(5)进行移动。

上述的船体焊缝探伤成像识别方法也是船体焊缝探伤信息的处理方法。

上述的船体焊缝探伤成像识别方法可形成的船体焊缝探伤信息的识别系统。

本发明的有益效果为：

通过设备在射线源和成像屏设置，之间形成合适的距离和光子释放量，采用本发明的设计的识别方法或信息处理，从而得到射线源和成像屏不同距离下信噪比和脉冲数的关系值，从而得到了不同成像距离和X射线频率的最优解，以实现对不同船体焊缝有效、精密探伤识别。且实现根据不同焊接工件不同部位的材料、密度和厚度，实现精确探测识别、定位。

有效的实现对焊缝探伤成像识别、探伤的信息处理，达到探伤精准。

附图说明

图1本发明方法形成的装置结构整体示意图

图2为本发明的船体焊缝探伤机器人结构示意图。

图3为本发明的图1另一视角的结构示意图。

图4为本发明的小车的结构示意图。

图5为本发明的轮组的结构示意图。

图中标号：1、车架；101、圆环；102、支撑板；103、三角板；104、轮架；105、第一电机；106、车轮；107、皮带传动机构；108、平台；2、转台；201、第一支架；3、第一摆臂；301、第二支架；302、液压缸；303、第二电机；4、减速箱；401、第三电机；402、第二摆臂；5、探头；501、第四电机。

12、焊接工件；13、平板探测器；14、处理器

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

实施例1

参照图1，一种船体焊缝探伤成像识别方法，其特征在于，包括如下:

采用探头5发射X射线经过焊缝工件，在工件12后方放置平板探测器13，X射线经过平板探测器13将X射线转化为电信号，再将信号传递至处理器14，处理器14调用深度学习方法对电信号进行解读和研判进而对焊缝探伤信息识别，

其信息的识别、处理，包括如下:

1)对电信号进行卡尔曼滤波，并重新生成优化后的灰度图；

2)在灰度图中使用选择性算法旋转可能存在的候选目标区域；

3)调整灰度图图像尺寸始终为227×227像素，使用卷积神经网络方法对候选区域提取特征向量；

4)初始设置N个目标框，与特征向量组成N×4096维矩阵；

5)将N×4096维矩阵与由M个支持向量机组成权值矩阵4096×M相乘得到一个N×M维矩阵；

6)对N×M维矩阵的各行各列进行非极大值抑制算法过滤，剔除重复目标框，最终得到高概率的目标框。

所述的探头5安装在一船体焊缝探伤机器人装置上，且设有X射线发射器；

如图1-图5，一种船体焊缝探伤机器人，所述船体焊缝探伤机器人包括小车、机械臂和探头5，所述机械臂调节探头5的位置、角度，所述小车搭载机械臂和探头5进行移动，所述的探头5设有X射线发射器；

参考图4，图5，小车：车架1的顶端位于圆环101和支撑板102处覆盖设置有平台108，且车架1四角底端均设置有电驱动车轮106，该装置的小车的四组车轮106采用独立的伺服电机控制，可以实现坦克掉头功能，即小车两侧车轮106向相反方向旋转，可使得小车原地进行旋转，可实现在狭小空间转向；矩形焊接的车架1框内设置有圆环101，且圆环101的外壁与车架1之间通过支撑板102连接，车架1四角内均焊接有结构加强的三角板103,该小车结构简单稳定，能够安全负载机械臂；四组车轮106分别与四组轮架104转动连接，轮架104顶端呈直角折弯与车架1固定连接，每组轮架104两侧均分别设置有第一电机105和皮带传动机构107，且第一电机105的输出轴通过皮带传动机构107带动车轮106转动，皮带传动机构107包括两组皮带轮、一条传动带和一组张紧轮，伺服电机通过皮带传动机构107减速后驱动车轮106，增加车轮106输出动力的扭矩，提高行车的负载能力。

参考图3，机械臂：包括转台2、第一摆臂3和第二摆臂402，转台2固定安装于平台108顶端，且转台2的转盘顶端面固定连接有第一支架201，第一支架201一端铰接有第一摆臂3，且第一摆臂3的顶端铰接有第二支架301，第二支架301固定套接有减速箱4，且减速箱4的输出端连接有第二摆臂402，第二摆臂402的末端铰接有探头5，且第二支架301与第一支架201之间铰接有液压缸302，该装置的机械臂通过转台2进行360度旋转，通过液压缸302控制第二摆臂402上下摆动，通过第三电机401控制第二摆臂402旋转，通过第四电机501控制探头5上下摆动，该机械臂能够控制探头5在复杂环境下深入结构区进行探伤，减速箱4的输入端设置有第三电机401，探头5的两侧固定连接有侧板，且侧板与第二摆臂402铰接，且侧板外壁设置有第四电机501，第四电机501输出轴沿铰接轴与第二摆臂402连接，第一电机105、第二电机303、第三电机401和第四电机501均为伺服电机，转台2为伺服蜗杆涡轮转台，减速箱4为行星减速箱。

所述的平板探测器设有闪烁晶体屏和非晶硅传感器，闪烁晶体屏将接收的X射线转化成可见光，然后把可见光通过非晶硅传感器把所得的光转换成为电信号。

所述的处理器设有MATLAB的GUIDE编写的程序，该程序的功能是调用RCNN深度学习方法对由所述平板探测器传递的电信号处理。

该装置通过小巧灵活的小车搭载机械臂和X射线探头5，代替人工进入结构复杂空间狭小的焊接区进行探伤；

该装置的小车的四组车轮106采用独立的伺服电机控制，可以实现坦克掉头功能，即小车两侧车轮106向相反方向旋转，可使得小车原地进行旋转，可实现在狭小空间转向，伺服电机通过皮带传动机构107减速后驱动车轮106，增加车轮106输出动力的扭矩，提高行车的负载能力；

该装置的机械臂通过转台2进行360度旋转，通过液压缸302控制第二摆臂402上下摆动，通过第三电机401控制第二摆臂402旋转，通过第四电机501控制探头5上下摆动，所述的探头5设有X射线发射器、摄像头(图中未示)，该机械臂能够控制探头5在复杂环境下深入结构区进行探伤。

其处理器，设有MATLAB的GUIDE编写的程序构成，该程序的功能是调用RCNN深度学习方法对由所述平板探测器传递的电信号处理。

其信息的识别、处理，包括如下:

1)对电信号进行卡尔曼滤波，并重新生成优化后的灰度图；

2)在灰度图中使用选择性算法旋转可能存在的候选目标区域；

3)调整灰度图图像尺寸始终为227×227像素，使用卷积神经网络方法对候选区域提取特征向量；

4)初始设置N个目标框，与特征向量组成N×4096维矩阵；

5)将N×4096维矩阵与由M个支持向量机组成权值矩阵4096×M相乘得到一个N×M维矩阵；

6)对N×M维矩阵的各行各列进行非极大值抑制算法过滤，剔除重复目标框，最终得到高概率的目标框。

利用X光的发出，然后根据物质的密度不同以及X射线的穿透力作用在平板探测器上获取图片。X射线是一种电磁波辐射，其穿透物质的能力与射线光子的能量有关，X线的波长越短，光子的能量越大，穿透力越强。比如有波能量为L的X射线射过一个工件，其能量会由于相干散)、非相干散射和电子对效应等效应发生指数形式的光线衰减。X射线对物体的穿透性极高，能够轻易穿透由低序数的原子元素组成的工件。

利用吸收这种性质的差别从而把不同密度的材料分辨出来，这种叫做X光子透视和拍照的是基础。如果X光子射过物体的时候，因为物体本来的密度和厚度就不一样，还有他们对X射线的吸收力也十分不一样，所以射进的X射线强度也很大程度的不一样，所以就形成不同的图片。X射线检测是无损检查焊缝的重要法。

闪烁晶体屏把所接受到的X射线转化成可见光，然后把所转化成的可见光通过非晶硅传感器把所得的光转换成为电信号，再通过电信号转化成数字信号传输到计算机中，配合利用计算机开发的Maltab图像识别软件进行图像识别并且对焊缝图片进行评级。

实施例2

一种船体焊缝探伤信息的处理方法或一种船体焊缝探伤信息的识别系统

采用实施例1的结构及设置，使用时，其探伤机器人从X射线发射器发射X光线，X射线成像的过程是一个随机过程，并且X射线的量子统计满足泊松分布，假设X射线光子数随机采样n的均值为λ，方差等于均值σ＝λ，标准的偏差为

为了获得更好的密度分辨率，本发明增加系统的信噪比，增加X射线的光子的数量。现假设X射线源在主束光线方向上1m处的光子剂量率为G，所被测的半值层厚度为K，半层值层数为M，则所发射的光子到达成像屏处的剂量率满足由公式(2)：

假设现在所测的2的半层的厚度在能级2MeV射线里，M＝20mm，75mm钢半值层数为3.75，在加速器源和屏幕的距离为1m处的单脉冲剂量为0.000991cG。假如每单位使用的光子数的剂量为1x/cm2来近似地估计每个单元的光子数量。由于X射线的吸收效率比低能时降低了很多，所以探测器的实际光子吸收量会更小。

本实例使用的加速器的单脉冲剂量为0.013333cGy。用了30帧每秒来采集图像，并不断经过电流的矫正和不一致性的矫正后取平均值叠加而成的。

本实例探究为最佳的信噪比，在射线源和成像屏之间找到最合适的距离和光子释放量，根据加速器出光线的频率为250Hz，根据以上的等式算出了如表1射线源和成像屏不同距离下信噪比和脉冲数的关系所示：

表1射线源和成像屏不同距离下信噪比和脉冲数的关系

/>

在探伤机器人从探伤发射器发射调配好的参数的X光线，X光线射过焊接工件时，因为焊接工件不同部位的材料、密度和厚度不一样，导致不同部位对X射线的吸收力也不一样，因此不同部位通过的X射线成像到平板探测器会形成不同的形状，平板探测器的闪烁晶体屏把X射线光子转化,然后和非晶硅传感器阵列将屏上的可见光转换成电子信号，最后输送到的图像处理器中形成数字图像并进行后处理，达到精确探伤。

通过设备在射线源和成像屏设置，之间形成合适的距离和光子释放量，采用本发明的设计的识别方法或信息处理，从而得到射线源和成像屏不同距离下信噪比和脉冲数的关系值，从而得到了不同成像距离和X射线频率的最优解，以实现对不同船体焊缝有效、精密探伤识别。且实现根据不同焊接工件不同部位的材料、密度和厚度，实现精确探测识别、定位。

有效的实现对焊缝探伤成像识别、探伤的信息处理，达到探伤精准。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。