0 引言

    作為戰(zhàn)時重要物質基礎，彈藥必須要保持良好的質量狀態(tài)，應定期根據(jù)其質量檢測結果制定合理的維護、維修策略。但彈藥是一種不宜拆解檢測的特殊裝備，因此傳統(tǒng)方法是根據(jù)其儲存年限主觀確定質量等級進而進行批量處理，這種一刀切的做法往往會造成浪費或帶來安全隱患^[1]。而利用無損檢測技術可在不解體情況下找出彈藥內部存在的問題，從而制定基于狀態(tài)的維修策略，提高決策的科學性和合理性。X射線檢測技術以其應用范圍廣、可實時成像、檢驗結果直觀、成本相對低廉等優(yōu)點，成為無損檢測領域中應用最廣泛的方法^[2]，至今仍然占有重要地位。針對現(xiàn)有的單一射線源式檢測系統(tǒng)不能兼顧穿透力和成像分辨率的問題，本文設計了一種集成了常規(guī)大功率焦點和微焦點射線源的復合型數(shù)字式X射線實時成像系統(tǒng)，解決了雙焦點射線源兼容控制和圖像處理的難題，實現(xiàn)了強穿透力和高分辨率的融合。

1 總體設計

    為了保證穿透力，需選用大功率高穿透力射線源，但其具有焦點較大、成像分辨率較低的缺點，只能實現(xiàn)大尺寸損傷的探測，對于電路板虛焊、藥柱裂紋之類的微小損傷則難以成像；而微焦點射線源雖然能解決這一問題，但穿透力不夠^[3]。本文將這兩種射線源有機融合在一起，研制了多射線復合型檢測系統(tǒng)，既可適應微結構、微缺陷檢測要求，又可滿足較大、較厚工件的檢測需求。

    系統(tǒng)總體結構如圖1所示。

    用戶利用射線控制器操控常規(guī)焦點和微焦點射線源發(fā)射X射線穿透被測工件并在平板成像器上成像，利用系統(tǒng)控制器操控轉臺電機對工件進行旋轉和移動實現(xiàn)全方位掃描，計算機采集成像器的圖像并進行處理分析，在系統(tǒng)軟件的缺陷自動識別功能輔助下結合人工識讀進行故障識別和定位。

2 硬件設計

2.1 射線源集成設計

    為了將常規(guī)焦點和微焦點射線源進行無縫集成，需要設計合理的供電和控制電路，計算機通過設計的集成控制架構和電路與常規(guī)焦點和微焦點射線源進行聯(lián)接，從而實現(xiàn)同步供電和控制。系統(tǒng)電氣、控制結構如圖2所示。

    智能控制終端通過RS232串口通信直接控制、操作微焦點射線源，進行供電和管電壓、管電流調整。通過接口與PLC通信，控制相應的I/O點，并下達指令控制相應的繼電器動作，然后再通過系統(tǒng)控制器的電壓采集電路、高壓控制電路對高壓發(fā)生器進行控制，從而控制常規(guī)射線源進行操作，實現(xiàn)對兩種射線源的集中控制，以在需要的時候進行焦點切換。

2.2 數(shù)字成像系統(tǒng)設計

    數(shù)字成像子系統(tǒng)包括平板成像器、計算機、圖像采集卡及處理軟件等，主要功能是進行圖像采集、缺陷成像及圖像處理。平板成像器和圖像處理軟件是數(shù)字成像系統(tǒng)的最主要部分，平板成像器在圖像處理軟件的控制下進行圖像采集，通過專用接口總線與計算機的圖像采集卡通信，將采集的數(shù)據(jù)交由圖像處理軟件進行圖像處理和分析。

2.3 機械操作平臺

    機械操作平臺主要由電氣控制系統(tǒng)、射線源移動平臺、平板成像器移動平臺、C型臂、工件檢測平臺等組成。射線源及平板成像器移動平臺用于承載、安裝射線源及探測器，通過C型臂帶動作同步升降和平移，且平板成像器可以相對射線源平移進行焦距調整，以保證圖像清晰度和縮放需求。工件檢測平臺用于承載、放置被檢測工件，可正負旋轉360°，及沿X射線方向伸縮調整，通過智能控制終端的嵌入式計算機和PLC通信進行控制。為保證平臺操作過程中設備和人員的安全性，在平臺導軌末端均安裝有限位傳感器，具備保護、報警功能。

2.4 電氣控制系統(tǒng)

    電氣系統(tǒng)總體結構已在圖2中介紹，其中的關鍵部分PLC硬件結構及工作原理示意如圖3所示。

    電氣控制系統(tǒng)包括操作臺、配電柜、控制單元(PLC等)、執(zhí)行機構(各種電磁閥、步進電機、伺服電機)、傳感器及相關的電氣組件等，可為系統(tǒng)運行提供動力和控制電源，并控制機械平臺、防護子系統(tǒng)的運動和互鎖等。其中操作臺上包括操作面板及按鈕、計算機、視頻監(jiān)控顯示器、射線控制器等?？刂茊卧皥?zhí)行組件控制部分是電氣系統(tǒng)的核心，包括射線源控制部分、智能控制終端、PLC及控制軟件、執(zhí)行機構(各種電磁閥、步進電機、伺服電機)以及其他電氣組件。計算機設置各種參數(shù)并通過PLC對各執(zhí)行機構進行控制，以及與PLC進行實時通信實現(xiàn)系統(tǒng)狀態(tài)監(jiān)控和對機械平臺、連鎖保護機構、X射線源的控制。

    利用編程器或計算機等設備，將編制好的用戶程序下載至PLC用戶程序內存中，PLC內部的微處理器在一個循環(huán)掃描周期內，先通過輸入部件將現(xiàn)場傳至的開關量、模擬量等信號進行采集，然后根據(jù)用戶程序進行邏輯、數(shù)學運算，最后將運算處理結果通過輸出部件來控制繼電器、接觸器以帶動電磁閥、電機等執(zhí)行部件動作。

2.5 自動測距裝置

    對X射線成像系統(tǒng)，焦距的大小對成像的幾何清晰度和靈敏度有著較大的影響，而且對于計算圖像放大倍率、確定圖像中缺陷的實際物理尺寸有重要作用，操作者會根據(jù)成像的要求對焦距進行實時調整，從而得到最佳的圖像質量。為實時測量焦距和物距以方便估算放大倍率，采用超聲波測距原理開發(fā)了一種自動測距裝置，將其安裝在射線機下方，裝置的發(fā)射器和接收器正對平板成像器和被測試工件。通過控制軟件下達測距指令，測距模塊的發(fā)射器發(fā)射波長約6 mm、頻率為40 kHz的超聲波，到達平板成像器(或被測物)表面后發(fā)生反射并由接收器接收，根據(jù)發(fā)射與接收的時間差值和波速，就可以計算得到射線源焦點到平板成像器(或被測物體)的距離即焦距。

3 軟件設計

3.1 雙射線源成像的圖像增強處理

    常規(guī)焦點與微焦點成像系統(tǒng)共享平板成像器、計算機、圖像處理軟件，雖然節(jié)省了空間、提高了軟硬件的集成度，但二者分辨率、對比度、灰度范圍均存在差異，若采用一套參數(shù)進行圖像處理，不能達到很好的匹配效果，因此需要針對不同分辨率、對比度的射線圖像研究自適應圖像增強算法。

    本文采用基于曲波(Curvelet)變換的圖像增強方法。與小波變換一樣，基于Curvelet變換圖像去噪的基本原理是首先對圖像做Curvelet變換得到一系列Curvelet系數(shù)，其次計算閾值，選取合適的閾值量化方法對Curvelet系數(shù)進行取舍，從而得到新的Curvelet系數(shù)，最后對經(jīng)過量化的系數(shù)進行Curvelet逆變換，得到去噪后的圖像。其中，選擇合適的閾值對圖像去噪十分重要，如果閾值太小，去噪后的信號仍會含有噪聲；如果閾值太大，重要的圖像特征會被濾掉引起偏差^[4]。大多數(shù)閾值選擇的過程是針對一組系數(shù)即根據(jù)本組系數(shù)的統(tǒng)計特性計算出一個值。常用的閾值有D.J閾值、SURE閾值和BayesShrink閾值等^[5]。本文選用D.J閾值，分別計算每一層系數(shù)的閾值，大小為：

其中，C為Curvelet變換的最高層系數(shù)。

    實驗表明，該方法對常規(guī)焦點和微焦點射線圖像都具有很好的增強效果，圖像質量明顯優(yōu)于常規(guī)方法，可有效解決兩種射線系統(tǒng)焦點不同導致的相容性和匹配性問題。

3.2 缺陷圖像自動識別

    受到影像設備、媒質的實際性能及接收設備等因素的限制，實際采集到的圖像質量存在噪聲大、對比度差、背景均勻性差、邊界模糊及焊縫細節(jié)復雜等問題，給缺陷的提取與識別帶來了一定的困難。而且人工評片工作量大、速度慢、易誤判漏判造成嚴重后果。本文應用計算機圖像處理技術，在提高圖像細節(jié)信息的同時抑制系統(tǒng)噪聲和背景噪聲以更好地顯示圖像，可有效克服人工評片引起的漏判或誤判，使評定工作客觀化、規(guī)范化?；赬射線圖像的缺陷識別處理算法流程如圖4所示。

3.2.1 基于減影技術的迭代閾值分割

    實現(xiàn)對缺陷的識別，關鍵在于提取圖像的特征以正確反映圖像的特點，從而合理地進行圖像分割和特征參量提取^[6]。針對X射線圖像的特點，采用數(shù)字減影技術，結合圖像分割技術，對其進行數(shù)字減影處理，降低了原始圖像的干擾成分，僅提取圖像中缺陷的影像，并通過一定的分割處理，進一步突出了有效信息。

    如何確定最佳閾值是缺陷檢測的一個關鍵。如果閾值選取太小，則會把一些不是缺陷的像素也當作缺陷造成誤識；如果閾值選取得太大，則會把一些缺陷漏掉造成漏識。在綜合考慮閾值既能準確定位計算量又可接受的條件下，采用迭代閾值進行圖像分割，其基本思想：首先選擇一個閾值作為初始估計值，然后按某種策略不斷地改進這一估計值，直到滿足給定的準則為止。具體步驟如下：

    (1)選擇圖像灰度值的中值作為初始閾值T₀，也可以選擇圖像的平均灰度值來作為初始閾值；

    (2)利用閾值T₀把圖像分為R₁和R₂兩個區(qū)域；

    (3)計算區(qū)域R₁和R₂的灰度均值μ₁和μ₂；

    (4)計算μ₁和μ₂后,計算新的閾值T_i+1：

    (5)重復步驟(2)、(3)和(4)，直到T_i+1和T_i值相等，那么就獲得了所需要的閾值。

    該方法可以有效地去除背景噪聲，在缺陷和背景的交界處能很好地突出背景和目標的邊界，與其他分割方法相比較不會產(chǎn)生粘連現(xiàn)象，且算法簡單易于實現(xiàn)。

3.2.2 基于支持向量機的缺陷圖像識別

    經(jīng)過圖像增強、分割和特征選擇與提取從而實現(xiàn)對缺陷的識別，就是要根據(jù)提取的特征參量對圖像進行分類。由于實驗條件的限制，獲得的每一類型圖像數(shù)量有限，因此必須解決樣本數(shù)量少這一難題。

    在解決小樣本分類問題中，支持向量機(SVM)相比神經(jīng)網(wǎng)絡、模糊數(shù)學等是比較有效的方法。應用支持向量機理論對圖像進行分類，主要是建立圖像分類的模型，包括數(shù)據(jù)的歸一化、多類分類方法的選擇、核函數(shù)的選取以及分類機參數(shù)的分析和確定等。為了解決多類分類問題，采用SVM法對多類對象進行分類，主要步驟如下：

    (1)將實際問題數(shù)據(jù)化，并對數(shù)據(jù)進行歸一化處理；

    (2)根據(jù)分類對象的特點，選擇合適的多類分類方法；

    (3)選擇核函數(shù)與參數(shù)。核函數(shù)在支持向量機中具有重要地位，核函數(shù)參數(shù)的選擇直接影響核函數(shù)的推廣能力；

    (4)構建訓練樣本集，建立最優(yōu)分類超平面；

    (5)對待測樣本做出分類決策，得出分類問題的學習精度。

    其中，對數(shù)據(jù)進行歸一化可采用下式對數(shù)據(jù)進行壓縮。

    經(jīng)上述公式歸一化后的特征參量數(shù)據(jù)在[0.1，0.9]之間，有利于數(shù)據(jù)的分類。

    SVM多類分類法可選用一對余類的多類分類法對疵病圖像進行分類，在核函數(shù)以及分類機參數(shù)的選取方面，可選用Gauss徑向基核函數(shù)，主要參數(shù)為σ。因此對于一個基于RBF核的SVM，其性能是由參數(shù)(C，σ)決定的，參數(shù)選擇就是要選取最優(yōu)參數(shù)組合(C，σ)，得到SVM的最優(yōu)值，可結合實驗反復調整參數(shù)值來確定參數(shù)的最優(yōu)組合。

3.3 圖像處理軟件開發(fā)

    軟件主要功能有參數(shù)設置、數(shù)據(jù)采集、圖像編輯、圖像處理、圖像分析、圖像測量、圖像管理等，實現(xiàn)的關鍵功能點如下：(1)具有降噪、亮度對比度增強、邊緣增強等基本功能；(2)適應相應檢測產(chǎn)品所規(guī)定的技術標準，具有圖像幾何尺寸標定和測量以及缺陷定位功能。一般在圖像中標定的缺陷位置與實際位置誤差應不大于2 mm，單個缺陷的測量精度為±0.5 mm。

    軟件采用圖5所示流程控制平板成像器和射線源進行掃描和圖像采集。

    首先要確定拍照區(qū)域大小，并將平板成像器置于掃描起始點上；其次是判斷有無信號，這是保證成像器能采集到有用數(shù)據(jù)的關鍵一步，采用閾值判斷法保證了其能夠正確獲得圖像。具體方法是：無射線照射時，成像器在全暗情況下數(shù)字化后的圖像灰度值基本分布在0~20之間，而在有射線照射時灰度值一般在50以上，所以可以設置一個閾值(如30)，采集到的一幅圖像的平均灰度值小于此值時認為無信號，否則認為有信號。用戶程序中采用循環(huán)采集判斷，當循環(huán)時間超過一定時間(一般設定為10 s)沒有信號時則退出采集，若采集到信號，則退出循環(huán)正式開始采集圖像。

    再次是啟動X射線源進行拍照。在循環(huán)判斷期間，手動啟動X射線源，如果一切正常，探測器應該采集到信號，迅速退出循環(huán)(連采集帶判斷，一般不超過10 ms)啟動掃描和圖像采集程序。探測器輸出的數(shù)字信號通過電纜輸入至計算機的圖像采集卡并送入內存。經(jīng)過以上過程，得到了一幅完整的X射線圖像，可以將圖像保存到硬盤、CDR等存儲介質中，并可在圖像處理軟件中進行灰度拉伸、圖像反轉、中值濾波等操作。

4 結論

    本文的雙焦點射線源復合型彈藥無損檢測系統(tǒng)實現(xiàn)了焦點的自動切換，并通過對雙射源圖像的增強處理，達到了強穿透力和高分辨率的統(tǒng)一，可適用于厚工件和微損傷的檢測。通過采用圖像自動識別算法，實現(xiàn)了損傷的輔助自動識別，降低了人工識讀帶來的誤差。本文成果不僅適用于彈藥的無損檢測，也適用于其他產(chǎn)品，已經(jīng)進行了實際使用，應用結果表明，該系統(tǒng)適用范圍廣、故障檢出率高、準確性強，具有很好的推廣價值。

參考文獻

[1] 高正中，趙晨暉，薛寒，等.基于圖像處理的產(chǎn)品表面缺陷檢測系統(tǒng)研究[J].電子技術應用，2017，43(5)：64-66.

[2] 周建凱，許盛之，趙二剛，等.基于深度學習的電池片缺陷識別研究[J].電子技術應用，2019，45(5)：66-69，77.

[3] 田子龍.高炮炮彈無損檢測系統(tǒng)的設計與實現(xiàn)[D].沈陽：東北大學，2008.

[4] 戴光智，陳鐵群，薛家祥，等.一種基于圖像融合的綜合無損檢測系統(tǒng)[J].科學技術與工程，2007，7(23)：6229-6234.

[5] WAHAB A，AZIZ M M A.Review on microwave nonde-structive testing techniques and its applications in concrete technology[J].Construction and Building Materials，2019(3)：135-146.

[6] 丁國琴.小型超聲無損檢測系統(tǒng)設計與軟件開發(fā)[D].南京：南京航空航天大學，2014.

作者信息:

劉耀周1，宋祥君2，高宏偉3，李  妍3

(1.沈陽理工大學 裝備技術研究院，遼寧 沈陽110159；2.中國人民解放軍32181部隊，河北 石家莊050000；

3.沈陽理工大學 自動化與電氣工程學院，遼寧 沈陽110159)