CN111047547B - 一种基于多视图tfm的联合缺陷定量方法 - Google Patents
一种基于多视图tfm的联合缺陷定量方法 Download PDFInfo
- Publication number
- CN111047547B CN111047547B CN201911300912.XA CN201911300912A CN111047547B CN 111047547 B CN111047547 B CN 111047547B CN 201911300912 A CN201911300912 A CN 201911300912A CN 111047547 B CN111047547 B CN 111047547B
- Authority
- CN
- China
- Prior art keywords
- tfm
- defect
- view
- path
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007547 defect Effects 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000011002 quantification Methods 0.000 title claims abstract description 30
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 230000008569 process Effects 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 abstract description 9
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000009659 non-destructive testing Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 235000006629 Prosopis spicigera Nutrition 0.000 description 1
- 240000000037 Prosopis spicigera Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于多视图TFM的联合缺陷定量方法，包括：分别计算选取的多个TFM视图下的TFM图像强度；在每一种模式下，根据已知的工件形状和结构，分析识别各不同视图中与工件结构本身直接相关的图像特征和其他模式的伪像，识别出与缺陷相关的图像特征；对不同TFM视图图像进行分割处理，并提取出可能的缺陷成像区域，获得仅包含缺陷成像区域的图像强度；将不同TFM视图的仅包含缺陷成像区域的图像强度叠加求和，得到多视图联合TFM图像；在多视图联合TFM图像中，根据与缺陷相关的成像特征，使用缺陷定量方法确定缺陷延伸趋势和等效大小。本发明的方法通过综合利用多种视角下的TFM成像携带的缺陷信息，能够更好地评估材料、工件或系统的损伤程度和风险。
Description
技术领域
本发明涉及超声定量无损检测技术领域，尤其涉及一种基于多视图TFM的联合缺陷定量方法。
背景技术
无损检测正朝着定量无损检测方向不断发展。在无损检测(Non-destructivetesting，NDT)中仅发现缺陷是远远不够的，还需要进一步了解缺陷的具体信息，如尺寸、形状、延伸方向等缺陷特征，这有助于评估材料、工件或系统的损伤程度，并能更好的估计风险大小。
缺陷定征方法有很多。基于超声成像的定量方法具有直观形象的优势。全聚焦成像技术(Total Focusing Method，TFM)利用全阵列数据集(Full Matrix Capture，FMC)，在任意观测点实现逐点聚焦，相对于其他常规波束形成方法，可以实现更高的分辨率，成为成像质量的一种黄金标准。基于超声波传输时发射路径和接收路径的不同，分为direct、half-skip、full-skip TFM 3种。根据在传输途中是否有不同模式的体波波型转换，又可以继续分为不同的模式或视图。目前，TFM成像正逐步出现在商业化设备中，多模式TFM成像也崭露头角。然而，基于TFM的缺陷定量却仍局限于只利用某一种单一路径或模式的成像。当工件中出现缺陷族或者延伸范围比较大的缺陷或者当检测范围的声束可达性不好时，不同缺陷或不同缺陷部位可能会在某些不同的TFM视图中被检测出来，而在其他TFM视图中强度很微弱或几乎看不见。综合使用不同路径、不同波模式的TFM成像，可以充分利用全阵列回波信号，对缺陷的不同部位进行成像，最大限度的挖掘有关缺陷尺寸或取向的信息，有效避免缺陷定量时出现欠定量或漏检的可能。由上述内容可知，对于在工件厚度方向有一定的延伸范围或在目标区域中存在一个缺陷族群或缺陷取向难于探测时，基于单一TFM视图的定量方法，只能获得部分缺陷信息，难以判断缺陷走势，定量结果往往低于实际值，有时甚至可能无法发现缺陷，易于造成检测结果的误判。
发明内容
本发明目的在于为了能够获得工件或材料中缺陷区域的更多特征信息并对缺陷走势或延伸范围进行更加精确地定量估计，如确定缺陷的长度、延伸方向甚至形状，克服基于单一TFM视图进行缺陷定量时的不足与局限性，本发明通过联合使用多种不同视图的TFM成像来确定缺陷的特性，提供一种基于多视图TFM的联合缺陷定量方法。
本发明提供了一种基于多视图TFM的联合缺陷定量方法。该方法针对在工件或材料的垂直方向上存在一个缺陷组或具有较大扩展范围的缺陷的检测情形，将不同视图的TFM成像组合在一起对缺陷形态进行成像和定征。选择并利用几种主要的TFM视图进行TFM成像得到B扫描图像；通过缺陷特征辨识、分割和提取形成相应的子视图图像；将各子视图图像组合成一幅联合的TFM图像；利用联合的TFM图像，使用基本的定量方法估计缺陷在垂直方向的走势、形状或尺寸。
为了实现上述目的，本发明提供一种基于多视图TFM的联合缺陷定量方法，所述方法包括：
分别计算选取的多个TFM视图下的TFM图像强度；
在每一种模式下，根据已知的工件形状和结构，分析识别各不同视图中与工件结构本身直接相关的图像特征和其他模式的伪像，识别出与缺陷相关的图像特征；
对不同TFM视图图像进行分割处理，并提取出可能的缺陷成像区域，获得仅包含缺陷成像区域的图像强度；
将不同TFM视图的仅包含缺陷成像区域的图像强度叠加求和，得到多视图联合TFM图像；
在多视图联合TFM图像中，根据与缺陷相关的成像特征，使用缺陷定量方法确定缺陷延伸趋势和等效大小。
作为上述方法的一种改进，所述方法还包括：选取多个TFM视图；其中，一个TFM视图为一种发射路径和接收路径、以及发射和接收路径中不同的体波模式的组合；即可能是横波或纵波或仅横波或仅纵波。
作为上述方法的一种改进，所述分别计算选取的多个TFM视图下的TFM图像强度；具体包括：
第k种TFM视图的TFM图像强度Ik(r)为：
其中，aij(r)表示幅度变迹加权因子；tij(r)表示超声波从第i个阵元到达当前目标像素点r再返回至第j个阵元接收的路径中的传播时间，N为阵元的总数；表示回波信号fij(t)的解析信号，是fij(t)的希尔伯特变换。
作为上述方法的一种改进，对于L-L、S-S、S-L、L-S发射路径和接收路径均为直达型路径的TFM视图，tij(r)的计算采用公式(1)、(2)，如下：
tij(r)＝ti+tj (1)
其中，dDi表示发射阵元i到目标点的直达型路径声程；dDj表示目标点到接收阵元j的直达型路径声程；c1和c2取决于体波模式，取值为纵波声速cL或横波声速cS。
作为上述方法的一种改进，对于LL-SL，LL-SS，LL-LS，LL-LL，LS-LL，LS-LS，LS-SS，LS-SL发射路径和接收路径中均包含界面反射过程的TFM视图；tij(r)计算采用公式(1)、(3)，如下：
tij(r)＝ti+tj (1)
其中，diF1、diF2表示发射阵元i的全跨式发射路径中的两段，即发射阵元i到工件界面反射点的距离、工件界面反射点到目标点的距离；djF1、djF2表示接收阵元j的全跨式接收路径中的两段，即工件界面反射点到接收阵元j的距离、目标点到工件界面反射点的距离；ci1和ci2、cj1和cj2取决于体波模式，取值为纵波声速cL或横波声速cS。
作为上述方法的一种改进，对于LL-SL，LL-SS，LL-LS，LL-LL，LS-LL，LS-LS，LS-SS，LS-SL发射路径和接收路径中均包含界面反射过程的TFM视图；tij(r)计算采用公式(1)、(4)，如下：
tij(r)＝ti+tj (1)
本发明的优势在于：
本发明针对沿工件或材料厚度方向有一定延伸范围的缺陷或目标区域中存在一个缺陷族群情形，联合多视图TFM对缺陷不同区域或对不同缺陷进行成像，并在此基础上进一步确定缺陷区域的延伸趋势、形状、尺寸等缺陷信息。该方法联合多种视图TFM，利用不同视图TFM携带缺陷不同部位或缺陷族群中的不同缺陷的信息的优势，将不同试图TFM图像进行联合，得到更丰富的缺陷信息，并能更精确的对缺陷进行定量，使工作人员能够根据缺陷量化结果对工件或材料进行进一步评估和处理。
附图说明
图1为本发明的基于多视图TFM的联合缺陷定量方法的流程图；
图2为换能器直接接触工件时发射或接收路径示意图；
图3为检测缺陷不同区域对应的不同TFM视图；
图4为发明实施例中阵列、试块和缺陷示意图；
图5(a)为本发明的L-L的TFM视图的成像；
图5(b)为本发明的LL-LL的TFM视图的成像；
图5(c)为本发明的L-LL的TFM视图的成像；
图6(a)为本发明的L-L的TFM视图的缺陷相关的图像区域的分割和提取结果；
图6(b)为本发明的LL-LL的TFM视图的缺陷相关的图像区域的分割和提取结果；
图6(c)为本发明的L-LL的TFM视图的缺陷相关的图像区域的分割和提取结果；
图7(a)为联合多视图TFM的缺陷定量的示意图；
图7(b)为缺陷延伸长度定量的示意图。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
本发明针对在工件或材料的垂直方向上存在一个缺陷组或具有较大扩展范围的缺陷的检测情形，选择并利用几种主要的TFM视图进行TFM成像得到B扫描图像；通过缺陷特征辨识、分割和提取形成相应的子视图图像；将各子视图图像组合成一幅联合的TFM图像；利用联合的TFM图像，使用基本的定量方法估计缺陷在垂直方向的走势、形状或尺寸。通过综合利用多种视角下的TFM成像携带的缺陷信息，提高缺陷定量的准确性。
如图1所示，本发明提供一种基于多视图TFM的联合缺陷定量方法，以检测时换能器直接接触工件表面的情形为例，具体包括以下步骤：
步骤1)分析、确定并选取几个主要的TFM路径和视图。
根据实际检测条件和情况，分析和选取主要的可能的声传播视图模式是哪些，并从中选取具有代表性的几个用于缺陷定量。选取时综合考虑工件形状、大小、工件与换能器之间的相对位置以及实际系统在工件中超声波声束可达的位置和深度、期望能检测到的缺陷形状和取向等特性。一种视图是指一种发射路径和接收路径、以及发射和接收路径中不同的体波模式的组合。发射路径指的是超声波由阵元i出发到达缺陷表面的路径，接收路径指超声波由缺陷表面返回至阵元j的路径。发射或接收路径均可以进一步分为两种情况，如图2所示，一种是传播期间声波不经过工件表面的反射，由阵元直接到达缺陷或者由缺陷直接返回阵元，称为直达型路径，路径上的声速为c。另一种是期间经过工件表面的反射，反射过程可能引起体波模式的转换，此时发射或接收路径分为两段，一段是位于阵元和工件界面之间，一段位于工件界面和缺陷之间，称为跨越式路径。这两段的声速可能是不同的，分别用c1和c2表示。第一种情况下，如果声波在缺陷表面发生反射，则发射路径的声速和接收路径中的声速也可能不同。c、c1和c2取决于体波模式，取值可能为纵波(Longitudinalwave)声速cL或横波(Shearwave)声速cS。
当发射或接收路径不同时，能够对缺陷不同区域或缺陷族群中的不同缺陷进行成像，如图3所示。采用“发射路径波模式——接收路径波模式”的方式记录某一种视图的TFM。例如，发射路径是直达型，且为纵波、接收路径为跨越式且第一段声程为纵波第二段声程为横波时，对应的TFM视图记为L-LS；当发射路径是跨越式，且第一段和第二段声程均为纵波、接收路径为跨越式且第一段和第二段均为横波时，对应的TFM视图记为LL-SS。
根据实际检测条件和情况，分析和选取主要的可能的声传播路径和模式是哪几个。选取时综合考虑工件形状、大小、工件与换能器之间的相对位置以及实际系统在工件中超声波声束可达的位置和深度、期望能检测到的缺陷的形状和取向等特性。对于如图4所示的情形，这里选取L-L、LL-LL、L-LL三个主要视图进行联合TFM成像，因为这三个视图中超声回波信号比较强，能覆盖的总体的检测深度范围较大。也可以另外多选择其他几个TFM视图进行联合。
步骤2)分别计算步骤1)中确定的几个主要视图的TFM图像强度Ik。
步骤201)计算不同视图下的延时法则tij，即由阵元i发射、阵元j接收时的延时，包括发射路径上的延时ti和接收路径上的延时tj。
对于L-L、S-S、S-L、L-S等发射和接收路径均为直达型路径的TFM视图，tij(r)的计算采用公式(1)、(2)，如下：
tij(r)＝ti+tj (1)
其中，dDi表示发射阵元i到目标点的直达型路径声程；dDj表示目标点到接收阵元j的直达型路径声程；c1和c2取决于体波模式，取值可能为纵波声速cL或横波声速cS。
对于LL-SL，LL-SS，LL-LS，LL-LL，LS-LL，LS-LS，LS-SS，LS-SL等发射和接收路径中均包含界面反射过程的TFM视图，tij(r)计算采用公式(1)、(3)：
其中，diF1、diF2表示发射阵元i的全跨式发射路径中的两段，即发射阵元i到工件界面反射点的距离、工件界面反射点到目标点的距离；djF1、djF2表示接收阵元j的全跨式接收路径中的两段，即工件界面反射点到接收阵元j的距离、目标点到工件界面反射点的距离。ci1和ci2、cj1和cj2取决于体波模式，取值可能为纵波声速cL或横波声速cS。
对于LL-L，LS-L，LL-S，LS-S，L-SL，L-LL，L-SS，L-LS等发射和接收路径中有且只有一个路径包含界面反射过程的TFM视图，tij(r)计算采用公式(1)、(4)：
其中，dDi表示发射阵元i到目标点的直达型路径声程；djF1、djF2表示接收阵元j的全跨式接收路径中的两段，即工件界面反射点到接收阵元j的距离、目标点到工件界面反射点的距离。ci、cj1和cj2取决于体波模式，取值可能为纵波声速cL或横波声速cS。
步骤202)对于每一种视图，TFM图像的强度Ik可以表示如下：
其中，k表示某一种TFM视图形式，本实施例选用了三种模式，k＝1，2，3。aij(r)表示幅度变迹加权因子，这里令aij(r)＝1(矩形窗函数)，实际中aij(r)可以选择其它窗函数的形式；tij(r)表示超声波从第i个阵元到达当前目标像素点r再返回至第j个阵元接收的路径中的传播时间，计算过程参见步骤201)。(tij(r))表示回波信号fij(t)的解析信号，是fij(t)的希尔伯特变换。每一种TFM视图，在计算过程中主要差别在于tij(r)，造成这种差别的原因主要有两个：一是在不同模式下声传播路径不同会导致声程不同；二是不同模式下声传播波模式不同会导致声速不同引起的。
步骤3)缺陷信号、不同模式伪像、与工件形状和结构有关的其他干扰信号的识别。
在每一种模式下，根据已知的工件形状和结构，分析识别各不同视图中与工件结构本身直接相关的图像特征和其他模式的伪像，辨别出与缺陷相关的成像。
根据工件的形状和结构特性，可以推测出20mm深度处的回波信号对应的是工件底面，是与工件结构本身直接相关的图像特征，如图5(a)～图5(c)所示，用矩形虚线框标注。其它信号均为与缺陷有关的可疑信号，如图5(a)～图5(c)中用椭圆虚线框标注，辨识出这些可能与缺陷相关的图像特征。
步骤4)对不同视图图像进行边沿提取，并对可能的缺陷成像区域进行分割处理，提取仅包含缺陷成像区域的图像I’k，并按照特定的动态范围进行显示，如图6(a)～图6(c)所示。
步骤5)将图像I’k叠加求和，得到联合多视图TFM图像I：
I＝∑kI’k (6)
如图7(a)所示。
步骤6)在联合多视图TFM图像I中，根据与缺陷相关的成像特征，使用具体的缺陷定量方法，如等效缺陷定量法等，确定缺陷延伸趋势和可能的等效大小。
找到图像中缺陷的最上端点和最下端点，如图7(b)所示。二者之间的垂直距离即为沿深度方向上缺陷可能的纵向延伸范围，这里经确定为9.6mm。
本发明针对工件或材料垂直方向有拓展缺陷且目标区域中存在一个缺陷组或具有较大扩展范围的缺陷的检测情形，且波形主要考虑纵波，联合三种视图的TFM对缺陷区域进行成像，再利用特殊的定量方法来确定缺陷区域的尺寸、拓展趋势等缺陷信息。该方法联合三种视图TFM不同成像特点得到更多的缺陷相关信息，并能更精确的对缺陷进行定量，使工作人员能够根据缺陷量化结果精确地对工件或材料进行估计和处理。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于多视图TFM的联合缺陷定量方法，该方法包括：
分别计算选取的多个TFM视图下的TFM图像强度；
在每一种模式下，根据已知的工件形状和结构，分析识别各不同视图中与工件结构本身直接相关的图像特征和其他模式的伪像，识别出与缺陷相关的图像特征；
对不同TFM视图图像进行分割处理，并提取出可能的缺陷成像区域，获得仅包含缺陷成像区域的图像强度；
将不同TFM视图的仅包含缺陷成像区域的图像强度叠加求和，得到多视图联合TFM图像；
在多视图联合TFM图像中，根据与缺陷相关的成像特征，使用缺陷定量方法确定缺陷延伸趋势和等效大小。
2.根据权利要求1所述的基于多视图TFM的联合缺陷定量方法，其特征在于，所述方法还包括：选取多个TFM视图；其中，一个TFM视图为一种发射路径和接收路径、以及发射和接收路径中不同的体波模式的组合；即可能是横波或纵波或仅横波或仅纵波。
3.根据权利要求2所述的基于多视图TFM的联合缺陷定量方法，其特征在于，所述分别计算选取的多个TFM视图下的TFM图像强度；具体包括：
第k种TFM视图的TFM图像强度Ik(r)为：
其中，aij(r)表示幅度变迹加权因子；tij(r)表示超声波从第i个阵元到达当前目标像素点r再返回至第j个阵元接收的路径中的传播时间，N为阵元的总数；表示回波信号fij(t)的解析信号，是fij(t)的希尔伯特变换。
4.根据权利要求3所述的基于多视图TFM的联合缺陷定量方法，其特征在于，对于L-L、S-S、S-L、L-S发射路径和接收路径均为直达型路径的TFM视图，tij(r)的计算采用公式(1)、(2)，如下：
tij(r)＝ti+tj (1)
其中，dDi表示发射阵元i到目标点的直达型路径声程；dDj表示目标点到接收阵元j的直达型路径声程；c1和c2取决于体波模式，取值为纵波声速cL或横波声速cS。
5.根据权利要求3所述的基于多视图TFM的联合缺陷定量方法，其特征在于，对于LL-SL，LL-SS，LL-LS，LL-LL，LS-LL，LS-LS，LS-SS，LS-SL发射路径和接收路径中均包含界面反射过程的TFM视图；tij(r)计算采用公式(1)、(3)，如下：
tij(r)＝ti+tj (1)
其中，diF1、diF2表示发射阵元i的全跨式发射路径中的两段，即发射阵元i到工件界面反射点的距离、工件界面反射点到目标点的距离；djF1、djF2表示接收阵元j的全跨式接收路径中的两段，即工件界面反射点到接收阵元j的距离、目标点到工件界面反射点的距离；ci1和ci2、cj1和cj2取决于体波模式，取值为纵波声速cL或横波声速cS。
6.根据权利要求3所述的基于多视图TFM的联合缺陷定量方法，其特征在于，对于LL-L，LS-L，LL-S，LS-S，L-SL，L-LL，L-SS，L-LS发射路径和接收路径中有且只有一个路径包含界面反射过程的TFM视图；tij(r)计算采用公式(1)、(4)，如下：
tij(r)＝ti+tj (1)
其中，dDi表示发射阵元i到目标点的直达型路径声程；djF1、djF2表示接收阵元j的全跨式接收路径中的两段，即工件界面反射点到接收阵元j的距离、目标点到工件界面反射点的距离；ci、cj1和cj2取决于体波模式，取值为纵波声速cL或横波声速cS。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911300912.XA CN111047547B (zh) | 2019-12-17 | 2019-12-17 | 一种基于多视图tfm的联合缺陷定量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911300912.XA CN111047547B (zh) | 2019-12-17 | 2019-12-17 | 一种基于多视图tfm的联合缺陷定量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111047547A CN111047547A (zh) | 2020-04-21 |
| CN111047547B true CN111047547B (zh) | 2023-10-17 |
Family
ID=70235199
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911300912.XA Active CN111047547B (zh) | 2019-12-17 | 2019-12-17 | 一种基于多视图tfm的联合缺陷定量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111047547B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114882028B (zh) * | 2022-07-08 | 2022-10-21 | 深圳市瑞祥鑫五金制品有限公司 | 一种基于多摄像头的焊接端子检测方法、装置及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106770669A (zh) * | 2017-01-20 | 2017-05-31 | 大连理工大学 | 基于多模式声束合成孔径聚焦的缺陷二维形貌成像检测方法 |
| CN106770664A (zh) * | 2016-11-22 | 2017-05-31 | 中国计量大学 | 一种基于全聚焦成像算法改进边缘缺陷检测的方法 |
| CN109212032A (zh) * | 2018-10-25 | 2019-01-15 | 福州大学 | 基于改进多次反射全聚焦成像算法的界面型缺陷检测方法 |
-
2019
- 2019-12-17 CN CN201911300912.XA patent/CN111047547B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106770664A (zh) * | 2016-11-22 | 2017-05-31 | 中国计量大学 | 一种基于全聚焦成像算法改进边缘缺陷检测的方法 |
| CN106770669A (zh) * | 2017-01-20 | 2017-05-31 | 大连理工大学 | 基于多模式声束合成孔径聚焦的缺陷二维形貌成像检测方法 |
| CN109212032A (zh) * | 2018-10-25 | 2019-01-15 | 福州大学 | 基于改进多次反射全聚焦成像算法的界面型缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 缺陷散射对相控阵超声全聚焦成像的影响研究;周进节;郑阳;张宗健;谭继东;仪器仪表学报(第002期);454-461 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111047547A (zh) | 2020-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105699492B (zh) | 一种用于焊缝检测的超声成像方法 | |
| CN104535657B (zh) | 一种薄板工件相控阵超声导波成像检测系统及其检测方法 | |
| GB2610449A (en) | Efficient high-resolution non-destructive detecting method based on convolutional neural network | |
| CN111855809B (zh) | 一种基于复合模式全聚焦的裂纹形貌重建方法 | |
| US7503218B2 (en) | Methods and system for ultrasound inspection | |
| US7995829B2 (en) | Method and apparatus for inspecting components | |
| CN104132997B (zh) | 焊接部的组织形状的图像化方法及其装置 | |
| CN111007151A (zh) | 基于缺陷预定位的超声相控阵快速全聚焦成像检测方法 | |
| CN107576729B (zh) | 基于超声相控阵的焊缝缺陷检测和快速提取系统及方法 | |
| CN105806948B (zh) | 基于局部水浸耦合方式单晶直探头的中厚板超声检测方法 | |
| CN112098526B (zh) | 基于激光超声技术的增材制件近表面缺陷特征提取方法 | |
| JP2010276465A (ja) | 超音波探傷装置及び方法 | |
| CN111983030A (zh) | 基于超声相控阵的摩擦焊焊缝缺陷定量检测方法和系统 | |
| CN107356670A (zh) | 一种基于斜入射的超声相控阵焊缝缺陷检测方法 | |
| CN107449829A (zh) | 一种对接焊缝无损检测验收方法 | |
| CN112997075B (zh) | 对异质材料中缺陷进行超声检测和表征的方法 | |
| CN111047547B (zh) | 一种基于多视图tfm的联合缺陷定量方法 | |
| JP7078128B2 (ja) | 超音波探傷方法、超音波探傷装置、鋼材の製造設備、鋼材の製造方法、及び鋼材の品質管理方法 | |
| Han et al. | Application of ultrasonic phased array total focusing method in weld inspection using an inclined wedge | |
| GB2598017A (en) | Ultrasound scanning system with adaptive signal transmission timing | |
| CN106153722A (zh) | 无人船船体中裂缝扩展的超声探测方法 | |
| Han et al. | Combination of direct, half-skip and full-skip TFM to characterize defect (II) | |
| JP5416726B2 (ja) | 超音波検査装置および超音波検査方法 | |
| JP4738243B2 (ja) | 超音波探傷システム | |
| CN106018560A (zh) | 无人船船体中裂缝扩展的超声探测器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |