一种粉末材料夹杂物的新型数字射线检测方法

韩 超，张理泽

(1.中核建中核燃料元件有限公司，宜宾 644000；2.重庆大学 光电技术与系统教育部重点实验室，重庆 400044；3.重庆大学 工业CT无损检测教育部工程研究中心，重庆 400044)

粉末材料广泛应用于国防工业、生物医药、化工、汽车制造、能源、机械工程等各个领域[1]，其作为工业生产中的原料，需要通过特定的设备和工艺将粉末原材料加工处理为满足生产所需的团状物料。这种使小颗粒团聚为较大实体的过程称为造粒。在粉末材料的造粒过程中不可避免地会引入夹杂物[2]，为了确保成品的质量符合要求，必须采用有效的无损检测方法来实现夹杂物的定量测量，保证粉末材料中的夹杂物含量符合规定。磁粉检测需要将磁粉置于被测件表面，渗透检测也需要将渗透剂涂抹于被测件表面，因此这类接触式检测方法并不适用于检测粉末材料。而X射线检测技术凭借其成像直观、检测效率高等优点，成为粉末材料杂质和缺陷检测的主要手段。

数字射线成像检测(DR)是一种基于X射线原理，使用平板探测器代替传统胶片成像的无损检测技术[3-4]。DR技术成像具有动态范围大、成像质量高、空间分辨率高等优点，被广泛应用于复杂工件的自动化检测。笔者使用DR技术对粉末材料中的夹杂物进行识别并实现了夹杂物的定量检测，保证了粉末材料的质量。

1 粉末材料夹杂物的数字射线检测

1.1 图像预处理

受X射线成像原理限制，获取的原始DR图像存在随机噪声和对比度低等问题，因此需要对图像进行一定的预处理[5]。原始DR图像为16位图像，灰度级范围为0～65 535级，而显示器只支持8位至10位图像，导致图像中缺陷部分和非缺陷部分难以分辨。通常采用窗宽/窗位调节对图像的对比度进行增强，窗宽/窗位调节公式为

(1)

式中：f(i,j)和g(i,j)为窗宽/窗位调节前后的图像；ww为窗宽；wl为窗位；Imax为显示设备的最大灰度级。

DR图像窗宽/窗位调节前后对比如图1所示，可以看到经过调节后图像中夹杂物的对比度得到了显著提高，但由于X射线成像过程中的各个环节都有可能产生噪声，为避免噪声对图像中夹杂检测准确度的影响，需要对图像进行降噪处理。文章使用中值滤波进行降噪，中值滤波可以在保持图像边缘信息的同时有效消除图像中的孤立噪声点，中值滤波公式可表示为

图1 DR图像窗宽/窗位调节前后对比

g(x)=med{f(k)}

(2)

式中：x为图像中待滤波点坐标;f(k)和g(x)为滤波前后的图像；k为以点x为中心方形掩膜中的点。

图1中夹杂物的边缘区域较弱，为了更好地保持边缘区域的成像效果，采用尺寸为3×3(长×宽)掩膜。DR图像中值滤波降噪处理效果如图2所示，中值滤波对图像中偏离的噪声点具有较好的抑制效果，但是由于该图像中对比度相对较低，噪声点较小，降噪效果并不是很显著。

图2 DR图像中值滤波降噪处理效果

1.2 SIFT特征匹配

若要对DR图像中夹杂物进行尺寸测量，至少需要对同一夹杂物进行3个角度的检测以确定夹杂物的真实尺寸。为解决同一夹杂物的多角度匹配问题，使用尺度不变特征转换(SIFT)算法对多张DR图像的特征点进行匹配。SIFT特征匹配算法主要有以下4个步骤[6-7]。

(1) 尺度空间中关键点检测

首先使用多尺寸参数的高斯平滑对输入图像进行处理从而构造多尺度空间。空间函数L(x,y,σ)可以由可变参数的高斯函数G(x,y,σ)和原图像I(x,y)卷积得到，即

L(x,y,σ)=G(x,y,σ)*I(x,y)

(3)

在不同尺度参数的组数中，首先对某一相同尺度层的相邻图像作差值得到高斯差分图像；再通过差分图像和原图像做卷积获得DOG(高斯差分)函数，最后可以由DOG空间的局部极值点构成关键点。

(2) 对关键点补充特征信息

通过给关键点补充方向信息解决关键点的角度和旋转不变性问题。方向信息是通过计算特征点的梯度得到的，对于任一特征点其梯度幅值信息m(x,y)和方向信息θ(x,y)可以描述为

m(x,y)={[L(x+1,y)-L(x-1,y)]2+

[L(x,y+1)-L(x,y-1)]2}1/2

(4)

(5)

式中：L(x,y)为尺度图像。

(3) 计算特征点的描述子

为了保证特征矢量具有旋转不变性，需要以关键点为中心将原图像旋转至与主方向相同。此外还需要为关键点建立一个描述子向量，使其在不同光线与视角下皆能保持不变性，并且能够与其他关键点区分开[7]。描述子构造过程如图3所示，关键点位于左图的窗口中间，其余小格代表邻域范围内像素，首先计算邻域内所有像素的梯度信息并使用高斯函数进行加权，然后通过对图像中每个4×4子块进行8方向梯度直方图统计操作，获得每个方向的梯度幅值，最后得到一个包含128个维度的特征向量。

图3 描述子构造过程示意

(4) 特征匹配

SIFT特征匹配是通过两幅图像上不同关键点的特征向量的欧氏距离来度量，在两幅图像中关键点的欧式距离越小，可以认为两点的相似度越高，当两关键点的最近欧式距离与次近欧式距离的比值小于所设定的某一阈值时，即可判定该对关键点匹配成功。DR图像特征匹配效果如图4所示，图4(a)，(b)均为经过图像预处理增强后的DR图像，图4(c)为图4(a)，(b)匹配后的重叠图，可以看到使用SIFT匹配算法后获得了较好的匹配效果。

图4 DR图像特征匹配效果

1.3 基于边缘检测的图像分割

在获取DR图像后，由于夹杂物通常在图像中只占据很少的部分，为了减少图像处理的工作量加快计算速度，文章考虑对包含夹杂物的感兴趣区域(ROI)单独做图像处理。

经典分割方法如OSTU、区域生长算法针对夹杂物，特别是对比度较低、边缘存在交叠的小尺寸夹杂物的提取，很难得到较好的效果。因此文章中使用Canny边缘检测算法进行图像分割。图像中的边缘即可视为图像中灰度变化剧烈的区域，在图形学中使用梯度来描述灰度的变化程度和方向[8]。

Canny边缘检测算法可以分为4步。

(1) 图像降噪

首先对图像进行降噪处理，由于在图像预处理中已经对图像中的随机噪声和孤立噪声进行处理，因此不再进行图像降噪。

(2) 计算梯度值和梯度方向

sobel算子是一种离散差分算子，可以用于计算图像梯度函数，在图像中的任意点都可以通过使用此算子产生对应x和y梯度，并求出对应的梯度值和梯度方法，即

(6)

θ=arctan(Gy/Gx)

(7)

式中：G为梯度值；Gx为x方向梯度；Gy为y方向梯度；θ为梯度方向。

(3) 非极大值抑制

应使图像边缘的宽度尽可能为单像素，若一个像素点属于边缘且在梯度方向上是极大值，则进行保留，否则进行抑制将灰度值设为0。

(4) 上下限阈值检测边缘

在应用非极大值抑制后，因为噪声所引起的边缘像素点可能在图像滤波后依然存在，所以为了减少这类虚假边缘，通过选择上下限阈值来保留真实边缘。当边缘像素的梯度值高于上限即可认为是边缘，当低于下限时则认为其不是边缘。当介于上下限之间时，则根据已确定为边缘的像素是否邻接来进行判定[9]。

图像分割效果如图5所示，图5 (a)为经过预处理后的DR图像，图5(b)为检测到的夹杂物边缘，对检测到的边缘进行内部填充即可得到图5(c)的夹杂物掩膜，从而完成对夹杂物的图像分割。

图5 图像分割效果

2 夹杂物检测流程

粉末材料夹杂检测方法的流程如图6所示，首先使用X射线对工件进行扫描，采集多个角度的DR图像，并对图像进行预处理；然后对图像进行窗宽/窗位调节，增强图像的对比度和亮度，使用中值滤波器消去随机噪声；再使用SIFT特征匹配算法找到不同角度下DR图像中的同一夹杂物；最后利用基于边缘检测的图像分割方法得到夹杂物，得到夹杂物后计算不同角度下夹杂的尺寸参数值。

图6 夹杂物检测流程图

关于夹杂物体积，文章选取不同扫描角度下长度、宽度的最大值进行计算。最后根据夹杂物体积在总体粉末材料中的占比评估粉末材料的质量[10]。

3 试验结果与分析

3.1 试验验证

文章使用一组标准直径的金属丝来验证检测效果，其中金属丝的标准直径最大为1.00 mm，最小为0.20 mm，金属丝的DR检测结果如图7所示，放置金属丝的容器体积为9 L。在不同扫描角度下对一组金属丝的尺寸进行测量，其结果如表1～3所示，最终计算得到的金属丝体积如表4所示。

表4 金属丝体积测量结果 mm3

图7 金属丝的DR检测结果

表1 -15°扫描角度下金属丝尺寸

从金属丝尺寸测量结果可以看到，除了标准直径为0.20 mm的金属丝边缘轮廓不清晰导致测量误差结果波动较大，其余标准直径金属丝的相对误差较小，能控制在10%以内，在该范围内检测结果较稳定。金属丝可以近似看作圆柱形，因此在不同扫描角度下宽度不会发生明显变化，但是部分金属丝长度会由于弯曲引发较大变化。关于金属丝体积的计算，文章采用不同扫描角度下的长度和宽度的最大值进行计算，再根据总金属丝体积和粉末材料体积求出夹杂物含量为0.071 7%，该方法降低了单次扫描随机性导致的一些误差，提高了测量结果的准确性。

表2 -7.5°扫描角度下金属丝尺寸

表3 -30°扫描角度下金属丝尺寸

3.2 实际检测验证

该研究中主要针对粉末物料的夹杂检测，试验所用粉末材料为灰白色，其化学性质活泼，长期受氩气气氛保护，材料颗粒粒径小于1.0 mm，密度小于0.8 g·cm-3。检测工艺参数设置如表5所示。

表5 检测工艺参数设置

采用文章方法对900批次的粉末进行检测，可将单次检测时间控制在5 min以内，经过检测的粉末材料夹杂物含量合格率为100%，不存在长边尺寸大于1.0 mm的颗粒状夹杂物、不存在丝状夹杂物，其中夹杂物总体积占比小于0.000 007%，远小于规定的夹杂物总体积占比小于0.07%的要求，从而验证了所采用方法的可行性。

4 结论

笔者提出一种多角度扫描的粉末材料DR图像夹杂物自动检测方法，并进行检测试验，得出以下结论。

(1) 相较于单次DR扫描，多次DR扫描可以避免夹杂物的空间位置和自身形态对检测准确性和稳定性的影响，可以降低因单次扫描随机性带来的负面影响。

(2) 金属丝检测试验验证了文章所提方法的可行性，实际生产中的粉末检测结果也验证了方法的检测稳定性。

(3) 使用不同扫描角度中测量得到的尺寸最大值作为夹杂物尺寸的近似值，然而被测工件在旋转多个角度后仍可能得不到最佳扫描角度参数，因此可以从该方向预测夹杂物的尺寸以提升检测的准确性。