0 引言

    作為戰時重要物質基礎，彈藥必須要保持良好的質量狀態，應定期根據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，因此傳統方法是根據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。針對現有的單一射線源式檢測系統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大功率焦點和微焦點射線源的復合型數字式X射線實時成像系統，解決了雙焦點射線源兼容控制和圖像處理的難題，實現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，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。

    系統總體結構如圖1所示。

    用戶利用射線控制器操控常規焦點和微焦點射線源發射X射線穿透被測工件并在平板成像器上成像，利用系統控制器操控轉臺電機對工件進行旋轉和移動實現全方位掃描，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焦點和微焦點射線源進行聯接，從而實現同步供電和控制。系統電氣、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，然后再通過系統控制器的電壓采集電路、高壓控制電路對高壓發生器進行控制，從而控制常規射線源進行操作，實現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 數字成像系統設計

    數字成像子系統包括平板成像器、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字成像系統的最主要部分，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，將采集的數據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、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

    電氣系統總體結構已在圖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。

    電氣控制系統包括操作臺、配電柜、控制單元(PLC等)、執行機構(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，可為系統運行提供動力和控制電源，并控制機械平臺、防護子系統的運動和互鎖等。其中操作臺上包括操作面板及按鈕、計算機、視頻監控顯示器、射線控制器等。控制單元及執行組件控制部分是電氣系統的核心，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并通過PLC對各執行機構進行控制，以及與PLC進行實時通信實現系統狀態監控和對機械平臺、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掃描周期內，先通過輸入部件將現場傳至的開關量、模擬量等信號進行采集，然后根據用戶程序進行邏輯、數學運算，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、電機等執行部件動作。

2.5 自動測距裝置

    對X射線成像系統，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了一種自動測距裝置，將其安裝在射線機下方，裝置的發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，測距模塊的發射器發射波長約6 mm、頻率為40 kHz的超聲波，到達平板成像器(或被測物)表面后發生反射并由接收器接收，根據發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

    常規焦點與微焦點成像系統共享平板成像器、計算機、圖像處理軟件，雖然節省了空間、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，其次計算閾值，選取合適的閾值量化方法對Curvelet系數進行取舍，從而得到新的Curvelet系數，最后對經過量化的系數進行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]。大多數閾值選擇的過程是針對一組系數即根據本組系數的統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的閾值，大小為：

其中，C為Curvelet變換的最高層系數。

    實驗表明，該方法對常規焦點和微焦點射線圖像都具有很好的增強效果，圖像質量明顯優于常規方法，可有效解決兩種射線系統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，在提高圖像細節信息的同時抑制系統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、規范化。基于X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，采用數字減影技術，結合圖像分割技術，對其進行數字減影處理，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R₂兩個區域；

    (3)計算區域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生粘連現象，且算法簡單易于實現。

3.2.2 基于支持向量機的缺陷圖像識別

    經過圖像增強、分割和特征選擇與提取從而實現對缺陷的識別，就是要根據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量有限，因此必須解決樣本數量少這一難題。

    在解決小樣本分類問題中，支持向量機(SVM)相比神經網絡、模糊數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，包括數據的歸一化、多類分類方法的選擇、核函數的選取以及分類機參數的分析和確定等。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)將實際問題數據化，并對數據進行歸一化處理；

    (2)根據分類對象的特點，選擇合適的多類分類方法；

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

    (4)構建訓練樣本集，建立最優分類超平面；

    (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，對數據進行歸一化可采用下式對數據進行壓縮。

    經上述公式歸一化后的特征參量數據在[0.1，0.9]之間，有利于數據的分類。

    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，在核函數以及分類機參數的選取方面，可選用Gauss徑向基核函數，主要參數為σ。因此對于一個基于RBF核的SVM，其性能是由參數(C，σ)決定的，參數選擇就是要選取最優參數組合(C，σ)，得到SVM的最優值，可結合實驗反復調整參數值來確定參數的最優組合。

3.3 圖像處理軟件開發

    軟件主要功能有參數設置、數據采集、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)適應相應檢測產品所規定的技術標準，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據的關鍵一步，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采集判斷，當循環時間超過一定時間(一般設定為10 s)沒有信號時則退出采集，若采集到信號，則退出循環正式開始采集圖像。

    再次是啟動X射線源進行拍照。在循環判斷期間，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(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實現了焦點的自動切換，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，也適用于其他產品，已經進行了實際使用，應用結果表明，該系統適用范圍廣、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.基于圖像處理的產品表面缺陷檢測系統研究[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的設計與實現[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[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設計與軟件開發[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)