0 引言

    作为战时重要物质基础，弹药必须要保持良好的质量状态，应定期根据其质量检测结果制定合理的维护、维修策略。但弹药是一种不宜拆解检测的特殊装备，因此传统方法是根据其储存年限主观确定质量等级进而进行批量处理，这种一刀切的做法往往会造成浪费或带来安全隐患^[1]。而利用无损检测技术可在不解体情况下找出弹药内部存在的问题，从而制定基于状态的维修策略，提高决策的科学性和合理性。X射线检测技术以其应用范围广、可实时成像、检验结果直观、成本相对低廉等优点，成为无损检测领域中应用最广泛的方法^[2]，至今仍然占有重要地位。针对现有的单一射线源式检测系统不能兼顾穿透力和成像分辨率的问题，本文设计了一种集成了常规大功率焦点和微焦点射线源的复合型数字式X射线实时成像系统，解决了双焦点射线源兼容控制和图像处理的难题，实现了强穿透力和高分辨率的融合。

1 总体设计

    为了保证穿透力，需选用大功率高穿透力射线源，但其具有焦点较大、成像分辨率较低的缺点，只能实现大尺寸损伤的探测，对于电路板虚焊、药柱裂纹之类的微小损伤则难以成像；而微焦点射线源虽然能解决这一问题，但穿透力不够^[3]。本文将这两种射线源有机融合在一起，研制了多射线复合型检测系统，既可适应微结构、微缺陷检测要求，又可满足较大、较厚工件的检测需求。

    系统总体结构如图1所示。

    用户利用射线控制器操控常规焦点和微焦点射线源发射X射线穿透被测工件并在平板成像器上成像，利用系统控制器操控转台电机对工件进行旋转和移动实现全方位扫描，计算机采集成像器的图像并进行处理分析，在系统软件的缺陷自动识别功能辅助下结合人工识读进行故障识别和定位。

2 硬件设计

2.1 射线源集成设计

    为了将常规焦点和微焦点射线源进行无缝集成，需要设计合理的供电和控制电路，计算机通过设计的集成控制架构和电路与常规焦点和微焦点射线源进行联接，从而实现同步供电和控制。系统电气、控制结构如图2所示。

    智能控制终端通过RS232串口通信直接控制、操作微焦点射线源，进行供电和管电压、管电流调整。通过接口与PLC通信，控制相应的I/O点，并下达指令控制相应的继电器动作，然后再通过系统控制器的电压采集电路、高压控制电路对高压发生器进行控制，从而控制常规射线源进行操作，实现对两种射线源的集中控制，以在需要的时候进行焦点切换。

2.2 数字成像系统设计

    数字成像子系统包括平板成像器、计算机、图像采集卡及处理软件等，主要功能是进行图像采集、缺陷成像及图像处理。平板成像器和图像处理软件是数字成像系统的最主要部分，平板成像器在图像处理软件的控制下进行图像采集，通过专用接口总线与计算机的图像采集卡通信，将采集的数据交由图像处理软件进行图像处理和分析。

2.3 机械操作平台

    机械操作平台主要由电气控制系统、射线源移动平台、平板成像器移动平台、C型臂、工件检测平台等组成。射线源及平板成像器移动平台用于承载、安装射线源及探测器，通过C型臂带动作同步升降和平移，且平板成像器可以相对射线源平移进行焦距调整，以保证图像清晰度和缩放需求。工件检测平台用于承载、放置被检测工件，可正负旋转360°，及沿X射线方向伸缩调整，通过智能控制终端的嵌入式计算机和PLC通信进行控制。为保证平台操作过程中设备和人员的安全性，在平台导轨末端均安装有限位传感器，具备保护、报警功能。

2.4 电气控制系统

    电气系统总体结构已在图2中介绍，其中的关键部分PLC硬件结构及工作原理示意如图3所示。

    电气控制系统包括操作台、配电柜、控制单元(PLC等)、执行机构(各种电磁阀、步进电机、伺服电机)、传感器及相关的电气组件等，可为系统运行提供动力和控制电源，并控制机械平台、防护子系统的运动和互锁等。其中操作台上包括操作面板及按钮、计算机、视频监控显示器、射线控制器等。控制单元及执行组件控制部分是电气系统的核心，包括射线源控制部分、智能控制终端、PLC及控制软件、执行机构(各种电磁阀、步进电机、伺服电机)以及其他电气组件。计算机设置各种参数并通过PLC对各执行机构进行控制，以及与PLC进行实时通信实现系统状态监控和对机械平台、连锁保护机构、X射线源的控制。

    利用编程器或计算机等设备，将编制好的用户程序下载至PLC用户程序内存中，PLC内部的微处理器在一个循环扫描周期内，先通过输入部件将现场传至的开关量、模拟量等信号进行采集，然后根据用户程序进行逻辑、数学运算，最后将运算处理结果通过输出部件来控制继电器、接触器以带动电磁阀、电机等执行部件动作。

2.5 自动测距装置

    对X射线成像系统，焦距的大小对成像的几何清晰度和灵敏度有着较大的影响，而且对于计算图像放大倍率、确定图像中缺陷的实际物理尺寸有重要作用，操作者会根据成像的要求对焦距进行实时调整，从而得到最佳的图像质量。为实时测量焦距和物距以方便估算放大倍率，采用超声波测距原理开发了一种自动测距装置，将其安装在射线机下方，装置的发射器和接收器正对平板成像器和被测试工件。通过控制软件下达测距指令，测距模块的发射器发射波长约6 mm、频率为40 kHz的超声波，到达平板成像器(或被测物)表面后发生反射并由接收器接收，根据发射与接收的时间差值和波速，就可以计算得到射线源焦点到平板成像器(或被测物体)的距离即焦距。

3 软件设计

3.1 双射线源成像的图像增强处理

    常规焦点与微焦点成像系统共享平板成像器、计算机、图像处理软件，虽然节省了空间、提高了软硬件的集成度，但二者分辨率、对比度、灰度范围均存在差异，若采用一套参数进行图像处理，不能达到很好的匹配效果，因此需要针对不同分辨率、对比度的射线图像研究自适应图像增强算法。

    本文采用基于曲波(Curvelet)变换的图像增强方法。与小波变换一样，基于Curvelet变换图像去噪的基本原理是首先对图像做Curvelet变换得到一系列Curvelet系数，其次计算阈值，选取合适的阈值量化方法对Curvelet系数进行取舍，从而得到新的Curvelet系数，最后对经过量化的系数进行Curvelet逆变换，得到去噪后的图像。其中，选择合适的阈值对图像去噪十分重要，如果阈值太小，去噪后的信号仍会含有噪声；如果阈值太大，重要的图像特征会被滤掉引起偏差^[4]。大多数阈值选择的过程是针对一组系数即根据本组系数的统计特性计算出一个值。常用的阈值有D.J阈值、SURE阈值和BayesShrink阈值等^[5]。本文选用D.J阈值，分别计算每一层系数的阈值，大小为：

其中，C为Curvelet变换的最高层系数。

    实验表明，该方法对常规焦点和微焦点射线图像都具有很好的增强效果，图像质量明显优于常规方法，可有效解决两种射线系统焦点不同导致的相容性和匹配性问题。

3.2 缺陷图像自动识别

    受到影像设备、媒质的实际性能及接收设备等因素的限制，实际采集到的图像质量存在噪声大、对比度差、背景均匀性差、边界模糊及焊缝细节复杂等问题，给缺陷的提取与识别带来了一定的困难。而且人工评片工作量大、速度慢、易误判漏判造成严重后果。本文应用计算机图像处理技术，在提高图像细节信息的同时抑制系统噪声和背景噪声以更好地显示图像，可有效克服人工评片引起的漏判或误判，使评定工作客观化、规范化。基于X射线图像的缺陷识别处理算法流程如图4所示。

3.2.1 基于减影技术的迭代阈值分割

    实现对缺陷的识别，关键在于提取图像的特征以正确反映图像的特点，从而合理地进行图像分割和特征参量提取^[6]。针对X射线图像的特点，采用数字减影技术，结合图像分割技术，对其进行数字减影处理，降低了原始图像的干扰成分，仅提取图像中缺陷的影像，并通过一定的分割处理，进一步突出了有效信息。

    如何确定最佳阈值是缺陷检测的一个关键。如果阈值选取太小，则会把一些不是缺陷的像素也当作缺陷造成误识；如果阈值选取得太大，则会把一些缺陷漏掉造成漏识。在综合考虑阈值既能准确定位计算量又可接受的条件下，采用迭代阈值进行图像分割，其基本思想：首先选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。具体步骤如下：

    (1)选择图像灰度值的中值作为初始阈值T₀，也可以选择图像的平均灰度值来作为初始阈值；

    (2)利用阈值T₀把图像分为R₁和R₂两个区域；

    (3)计算区域R₁和R₂的灰度均值μ₁和μ₂；

    (4)计算μ₁和μ₂后,计算新的阈值T_i+1：

    (5)重复步骤(2)、(3)和(4)，直到T_i+1和T_i值相等，那么就获得了所需要的阈值。

    该方法可以有效地去除背景噪声，在缺陷和背景的交界处能很好地突出背景和目标的边界，与其他分割方法相比较不会产生粘连现象，且算法简单易于实现。

3.2.2 基于支持向量机的缺陷图像识别

    经过图像增强、分割和特征选择与提取从而实现对缺陷的识别，就是要根据提取的特征参量对图像进行分类。由于实验条件的限制，获得的每一类型图像数量有限，因此必须解决样本数量少这一难题。

    在解决小样本分类问题中，支持向量机(SVM)相比神经网络、模糊数学等是比较有效的方法。应用支持向量机理论对图像进行分类，主要是建立图像分类的模型，包括数据的归一化、多类分类方法的选择、核函数的选取以及分类机参数的分析和确定等。为了解决多类分类问题，采用SVM法对多类对象进行分类，主要步骤如下：

    (1)将实际问题数据化，并对数据进行归一化处理；

    (2)根据分类对象的特点，选择合适的多类分类方法；

    (3)选择核函数与参数。核函数在支持向量机中具有重要地位，核函数参数的选择直接影响核函数的推广能力；

    (4)构建训练样本集，建立最优分类超平面；

    (5)对待测样本做出分类决策，得出分类问题的学习精度。

    其中，对数据进行归一化可采用下式对数据进行压缩。

    经上述公式归一化后的特征参量数据在[0.1，0.9]之间，有利于数据的分类。

    SVM多类分类法可选用一对余类的多类分类法对疵病图像进行分类，在核函数以及分类机参数的选取方面，可选用Gauss径向基核函数，主要参数为σ。因此对于一个基于RBF核的SVM，其性能是由参数(C，σ)决定的，参数选择就是要选取最优参数组合(C，σ)，得到SVM的最优值，可结合实验反复调整参数值来确定参数的最优组合。

3.3 图像处理软件开发

    软件主要功能有参数设置、数据采集、图像编辑、图像处理、图像分析、图像测量、图像管理等，实现的关键功能点如下：(1)具有降噪、亮度对比度增强、边缘增强等基本功能；(2)适应相应检测产品所规定的技术标准，具有图像几何尺寸标定和测量以及缺陷定位功能。一般在图像中标定的缺陷位置与实际位置误差应不大于2 mm，单个缺陷的测量精度为±0.5 mm。

    软件采用图5所示流程控制平板成像器和射线源进行扫描和图像采集。

    首先要确定拍照区域大小，并将平板成像器置于扫描起始点上；其次是判断有无信号，这是保证成像器能采集到有用数据的关键一步，采用阈值判断法保证了其能够正确获得图像。具体方法是：无射线照射时，成像器在全暗情况下数字化后的图像灰度值基本分布在0~20之间，而在有射线照射时灰度值一般在50以上，所以可以设置一个阈值(如30)，采集到的一幅图像的平均灰度值小于此值时认为无信号，否则认为有信号。用户程序中采用循环采集判断，当循环时间超过一定时间(一般设定为10 s)没有信号时则退出采集，若采集到信号，则退出循环正式开始采集图像。

    再次是启动X射线源进行拍照。在循环判断期间，手动启动X射线源，如果一切正常，探测器应该采集到信号，迅速退出循环(连采集带判断，一般不超过10 ms)启动扫描和图像采集程序。探测器输出的数字信号通过电缆输入至计算机的图像采集卡并送入内存。经过以上过程，得到了一幅完整的X射线图像，可以将图像保存到硬盘、CDR等存储介质中，并可在图像处理软件中进行灰度拉伸、图像反转、中值滤波等操作。

4 结论

    本文的双焦点射线源复合型弹药无损检测系统实现了焦点的自动切换，并通过对双射源图像的增强处理，达到了强穿透力和高分辨率的统一，可适用于厚工件和微损伤的检测。通过采用图像自动识别算法，实现了损伤的辅助自动识别，降低了人工识读带来的误差。本文成果不仅适用于弹药的无损检测，也适用于其他产品，已经进行了实际使用，应用结果表明，该系统适用范围广、故障检出率高、准确性强，具有很好的推广价值。

参考文献

[1] 高正中，赵晨晖，薛寒，等.基于图像处理的产品表面缺陷检测系统研究[J].电子技术应用，2017，43(5)：64-66.

[2] 周建凯，许盛之，赵二刚，等.基于深度学习的电池片缺陷识别研究[J].电子技术应用，2019，45(5)：66-69，77.

[3] 田子龙.高炮炮弹无损检测系统的设计与实现[D].沈阳：东北大学，2008.

[4] 戴光智，陈铁群，薛家祥，等.一种基于图像融合的综合无损检测系统[J].科学技术与工程，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] 丁国琴.小型超声无损检测系统设计与软件开发[D].南京：南京航空航天大学，2014.

作者信息:

刘耀周1，宋祥君2，高宏伟3，李  妍3

(1.沈阳理工大学 装备技术研究院，辽宁 沈阳110159；2.中国人民解放军32181部队，河北 石家庄050000；

3.沈阳理工大学 自动化与电气工程学院，辽宁 沈阳110159)