X射線實(shí)時(shí)成像設(shè)備與計(jì)算機(jī)深度學(xué)習(xí)

X射線實(shí)時(shí)成像設(shè)備無損檢測(cè)在孔隙率和裂紋檢測(cè)方面有無可比擬的優(yōu)勢(shì)。由于工業(yè)生產(chǎn)條件的制約，工件缺陷難以避免。通常工件內(nèi)部主要存在夾渣、氣孔和裂紋等缺陷。這些缺陷在服役過程中不斷演化，對(duì)工件的性能造成影響，最終使工件失效，縮短了工件的使用壽命，進(jìn)而威脅機(jī)器的使用安全。通過工業(yè)CT無損檢測(cè)技術(shù)，對(duì)工件內(nèi)缺陷的形狀、面積、位置了解的越清楚，對(duì)工件的可靠性評(píng)估就會(huì)越準(zhǔn)確。

目前的X射線實(shí)時(shí)成像設(shè)備軟件缺陷檢測(cè)算法一般分為兩個(gè)步驟:1）缺陷區(qū)域分割，將所有潛在的缺陷區(qū)域從CT圖像中分割出來，并選取邊界閉合的區(qū)域作為缺陷候選區(qū)域;2）候選區(qū)域判別，對(duì)分割出的候選區(qū)域依據(jù)形狀特征、灰度特征以及不變矩特征進(jìn)行甄別。而候選區(qū)域判別這一部分，需要人參與設(shè)計(jì)缺陷的一些主要特征，這就存在一個(gè)問題:基于手工設(shè)計(jì)的特征對(duì)于缺陷多樣化的變化沒有很好的魯棒性，只適用于特定的缺陷檢測(cè)，很難適應(yīng)缺陷面積大小不一、形狀種類多樣化、背景區(qū)域復(fù)雜的圖像的自動(dòng)識(shí)別與定位。2006年Hinton等人第1次提出了深度學(xué)習(xí)的概念，開啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界研究的新起點(diǎn)。深度學(xué)習(xí)相比于傳統(tǒng)手工提取特征的方法，不僅可以自動(dòng)學(xué)習(xí)到目標(biāo)的特征，而且適合數(shù)據(jù)集的處理，還能進(jìn)行端到端(end2end)的學(xué)習(xí)。深度學(xué)習(xí)的優(yōu)勢(shì)在于其能夠?qū)W習(xí)到多層的非線性關(guān)系，這是其他淺層學(xué)習(xí)算法所不能做到的。2012年，Hinton和他的團(tuán)隊(duì)在ImageNet評(píng)測(cè)問題中采用深度學(xué)習(xí)算法將原來的圖像識(shí)別錯(cuò)誤率降低了9%。

由于X射線實(shí)時(shí)成像設(shè)備系統(tǒng)的成像原理，重建獲得的工業(yè)CT圖像含有一定的噪聲，對(duì)于夾渣和氣泡這樣的小目標(biāo)缺陷，在某些區(qū)域目標(biāo)和背景的灰度差異很小，這種情況下人眼也比較困難發(fā)現(xiàn)并識(shí)別目標(biāo)，從而影響GT包圍盒的標(biāo)記，進(jìn)一步影響模型的訓(xùn)練，所以有必要做預(yù)處理來增強(qiáng)這些較小目標(biāo)和背景的灰度差異。通過深度學(xué)習(xí)和在檢測(cè)之前對(duì)訓(xùn)練集做預(yù)處理增強(qiáng)目標(biāo)和背景的差異，最終獲得工業(yè)CT圖像缺陷檢測(cè)模型。利用深度卷積網(wǎng)絡(luò)自動(dòng)提取特征，有效避免了傳統(tǒng)方法依賴手工設(shè)計(jì)缺陷特征的問題，從而更好地檢測(cè)到氣泡和夾渣這類面積較小的目標(biāo)，降低了模型對(duì)這類缺陷的誤檢和漏檢率。此類方法可以得到較優(yōu)的檢測(cè)結(jié)果，并且速度快，從檢測(cè)過程上較傳統(tǒng)方法在自動(dòng)化程度上有了大幅的提升，具有較強(qiáng)的魯棒特性，是一種有效可行的方法。

總之，一個(gè)好的X射線實(shí)時(shí)成像設(shè)備檢測(cè)效果需要三方面的共同努力，第一：性能良好的工業(yè)CT設(shè)備，第二，經(jīng)驗(yàn)豐富的檢測(cè)工程師，第三，擁有強(qiáng)悍算法的計(jì)算軟件。而泰琛測(cè)試一直在向這方面努力，我們引入德國(guó)全系列Yxlon設(shè)備，我們擁有多名5年以上工業(yè)CT檢測(cè)的工程師，同時(shí)，我們和德國(guó)相關(guān)工業(yè)CT軟件廠商深度交流合作，參與項(xiàng)目測(cè)試調(diào)研，不斷提高系統(tǒng)算法和軟件計(jì)算能力，總之，泰琛測(cè)試一直在整合各種資源，不遺余力地提高工業(yè)CT檢測(cè)的技術(shù)水平，并愿意以此為核心能力為中國(guó)工業(yè)CT領(lǐng)域貢獻(xiàn)更多的力量。