液體火箭發(fā)動機(jī)小直徑導(dǎo)管焊縫的X射線檢測

空間推進(jìn)系統(tǒng)中的液體火箭發(fā)動機(jī)被廣泛應(yīng)用于運(yùn)載火箭、衛(wèi)星、載人航天、導(dǎo)彈武器和深空探測等領(lǐng)域，因此其安全性和可靠性對于整個(gè)發(fā)射任務(wù)特別重要。導(dǎo)管是液體火箭發(fā)動機(jī)的重要組成部分，其多級連接使用的是焊接技術(shù)，有效地識別焊接過程中可能產(chǎn)生的缺欠顯得尤為重要?，F(xiàn)有技術(shù)使用X射線膠片成像技術(shù)對導(dǎo)管進(jìn)行檢測，然后由人工在觀片燈下對膠片進(jìn)行評定。人眼在觀片燈的強(qiáng)光下工作會產(chǎn)生視覺疲勞，進(jìn)而可能影響判定結(jié)果的準(zhǔn)確性?，F(xiàn)有的射線缺欠檢測算法種類很多，其中多尺度分析是當(dāng)今目標(biāo)檢測領(lǐng)域最為活躍的研究課題之一，檢測算法需要將不同尺度的目標(biāo)都檢測出來，這要求算法模型對于不同尺度的目標(biāo)具有魯棒性。卷積神經(jīng)網(wǎng)絡(luò)處理大尺度目標(biāo)的應(yīng)用效果比較好，這是因?yàn)槠涿娣e大、特征豐富，但是會將小尺度目標(biāo)卷積到容易被忽略的特征尺度上。實(shí)際上，小尺度目標(biāo)在實(shí)際檢測任務(wù)中卻占據(jù)了較大的比例，比大目標(biāo)更難以被檢測。針對直徑為0.1~0.5mm的小直徑導(dǎo)管焊縫缺欠，上海大學(xué)復(fù)合材料研究中心聯(lián)合上?？臻g推進(jìn)研究所和深海精密科技（深圳）有限公司的研究人員使用了一種基于特征金字塔的多尺度分析方法，搭建了全數(shù)字X射線成像系統(tǒng)，在數(shù)字導(dǎo)管圖像上進(jìn)行缺欠識別，為了識別出不同大小和形態(tài)的缺欠，使用了基于多尺度的圖像分析技術(shù)，并在GPU（圖形處理器）平臺上進(jìn)行了算法優(yōu)化，最終實(shí)現(xiàn)了對缺欠的自動、定量檢測。1

X射線數(shù)字化圖像平臺相比于X射線膠片檢測平臺，X射線數(shù)字化圖像平臺可以實(shí)時(shí)成像，是X射線缺欠自動檢測的前提。X射線數(shù)字化圖像平臺的核心部分包括微焦點(diǎn)X射線管（電壓160kV，電流1mA，焦點(diǎn)尺寸15μm）、X射線數(shù)字平板探測器（成像視野長130mm，寬130mm，像素尺寸85μm）以及X射線數(shù)字采集與成像軟件（自編程）等。2X射線圖像預(yù)處理與傳統(tǒng)的X射線膠片檢測不同，X射線數(shù)字化圖像需要額外的預(yù)處理才能得到用于進(jìn)一步分析和檢測的圖像。主要原因是X射線平板探測器每次成像的暗電流噪聲不同，每個(gè)像元響應(yīng)不一致且會隨著時(shí)間的推移變化，因此需要對原始圖像進(jìn)行壞點(diǎn)壞線校準(zhǔn)（暗場與亮場校準(zhǔn)），保證得到處理后的圖像是亮度均一的；其次，X射線平板探測器是16位圖像數(shù)據(jù)，其動態(tài)范圍比普通可見光相機(jī)的8位圖像大得多，因此需要在預(yù)處理階段對其進(jìn)行動態(tài)范圍壓縮，將盡可能多的細(xì)節(jié)提取出來，使其在后續(xù)的處理中不至于被湮滅，動態(tài)范圍壓縮前后圖像如圖1所示。（a）壓縮前

（b）壓縮后圖1動態(tài)范圍壓縮前后的圖像3多尺度分析算法傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)通常是自上而下的模式，這種自上而下的結(jié)構(gòu)對多尺度的目標(biāo)檢測存在弊端，對于小目標(biāo)來說，其特征可能會隨著深度的增加而逐漸丟失，從而導(dǎo)致檢測性能的下降。最小的缺欠在圖像上僅由5~10個(gè)像素點(diǎn)構(gòu)成，由于焊縫缺欠尺寸非常小，科研人員使用了一種改進(jìn)的特征金字塔多尺度分析模型，在傳統(tǒng)模型的基礎(chǔ)上，對各個(gè)尺度的圖像分別使用分辨率增強(qiáng)算法（REA）進(jìn)行處理，自下而上地將不同尺度的特征融合在一起，形成互補(bǔ)覆蓋。特征金字塔模型如圖2所示。圖2特征金字塔模型特征金字塔中間層圖像的分辨率增強(qiáng)效果如圖3所示，圖3a為從特征金字塔中間層抽出的局部原始圖像，圖3b為分辨率增強(qiáng)算法處理后的圖像，可以看到原較小缺欠的分辨率得到提高，同時(shí)圖像噪聲也明顯降低。（a）原始圖像（b）處理后圖3特征金字塔中間層圖像的分辨率增強(qiáng)效果4缺欠檢測在多尺度特征金字塔的每層，都采用缺欠檢測算法對圖像進(jìn)行處理，并將結(jié)果融合后輸出為最終的缺欠檢測結(jié)果，這種方法避免了因缺欠本身大小不同導(dǎo)致的漏檢。缺欠檢測算法如下：（1）對原始圖像I進(jìn)行中值濾波，即得到Ig。（2）在Ig上進(jìn)行動態(tài)二值化得到It。（3）在It上根據(jù)缺欠所在位置的特征進(jìn)行篩選，得到缺欠標(biāo)記圖像Id。（4）在圖像Id上得到缺欠邊緣圖像Ic。圖4為缺欠檢測算法每個(gè)步驟產(chǎn)生的圖像，其中圖4f為將缺欠邊緣圖像疊加到原始圖像上的合成圖像，用以標(biāo)記缺欠位置。（a）I（c）It（e）Ic（b）Ig（d）Id（f）合成圖像

圖4缺欠檢測算法每個(gè)步驟產(chǎn)生的圖像5試驗(yàn)測試選擇了一定數(shù)量的火箭液體發(fā)動機(jī)小直徑導(dǎo)管焊縫作為實(shí)測樣品，導(dǎo)管直徑為5~8mm，其焊縫寬度為1~2mm。實(shí)際的X射線數(shù)字圖像采集參數(shù)如下：球管焦點(diǎn)與被測目標(biāo)距離（FOD）為259mm；球管焦點(diǎn)到平板探測器距離為1152.55mm；放大倍率為4.45；最終圖像上每像素點(diǎn)對應(yīng)的實(shí)際物理尺寸為0.019mm。實(shí)際采集了一批測試圖像，1號樣本和2號樣本的試驗(yàn)結(jié)果分別如圖5和圖6所示。（a）原始圖像（b）疊加圖像（c）仿三維圖像圖51號樣本的缺陷檢測結(jié)果（a）原始圖像（b）疊加圖像（c）仿三維圖像圖62號樣本的缺陷檢測結(jié)果1號和2號樣本檢測結(jié)果的定量分析數(shù)據(jù)如下：1號樣本8個(gè)缺陷缺陷總面積：0.098mm2單個(gè)缺陷面積/mm2單個(gè)缺陷等效橢圓長軸長度/mm單個(gè)缺陷等效直徑/mm0.00400.03070.00540.00900.01050.00720.01190.01950.11210.31510.15550.14780.19720.16250.17420.30670.07110.19770.08300.10720.11550.09590.12320.15752號樣本12個(gè)缺陷缺陷總面積：0.153mm2單個(gè)缺陷面積/mm2單個(gè)缺陷等效橢圓長軸長度/mm單個(gè)缺陷等效直徑/mm0.03470.00790.01050.00610.00650.00690.00790.00940.02270.01120.01370.01550.25150.16880.14920.12620.14300.13350.13800.19910.20010.14090.23240.19020.21010.10060.11550.08840.09100.09350.10060.10930.17020.11940.13220.1406上表分別給出了單個(gè)缺陷的面積大小、單個(gè)缺陷等效橢圓長軸長度（代表了缺陷最長直徑）、單個(gè)缺陷等效直徑（代表了缺陷等效直徑），在實(shí)際的生產(chǎn)檢測中可以根據(jù)具體的工藝指標(biāo)來判斷其是否為合格品。

在實(shí)際檢測中可以使用以下的組合式判斷準(zhǔn)則：（1）單個(gè)缺陷等效直徑大于0.15mm，判斷為不合格。（2）等效直徑大于0.1mm的缺陷個(gè)數(shù)超過3個(gè)，判斷為不合格。從上表中數(shù)據(jù)可以看出，輸出的定量結(jié)果完全支持組合式判斷準(zhǔn)則的實(shí)際應(yīng)用。結(jié)語液體火箭發(fā)動機(jī)小直徑導(dǎo)管焊縫的