基于人工智能的射線檢測(cè)底片評(píng)定系統(tǒng)的研究與開發(fā)

羅偉堅(jiān)，李緒豐，郭晉，鄧聰

（廣東省特種設(shè)備檢測(cè)研究院，廣東 佛山 528251）

1 前言

射線檢測(cè)具有記錄真實(shí)、直觀、全面以及缺陷可追蹤性的優(yōu)點(diǎn)，在特種設(shè)備的檢驗(yàn)檢測(cè)領(lǐng)域中具有廣泛的運(yùn)用。就目前而言，射線檢測(cè)底片仍主要采用傳統(tǒng)的人工評(píng)定方法，具有主觀性強(qiáng)、效率低、穩(wěn)定性差、檢測(cè)過(guò)程不宜實(shí)現(xiàn)自動(dòng)化、膠片資料不易保存等多種缺點(diǎn)。

近年來(lái)，隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的飛速發(fā)展，在此背景下，越來(lái)越多的學(xué)者嘗試采用人工智能的方法實(shí)現(xiàn)射線檢測(cè)底片的自動(dòng)評(píng)定。如李曉賓研究了一套智能的焊縫缺陷測(cè)量與評(píng)級(jí)系統(tǒng)，可實(shí)現(xiàn)對(duì)焊縫的識(shí)別以及缺陷的識(shí)別與評(píng)級(jí)，可提高檢測(cè)工作的標(biāo)準(zhǔn)化、規(guī)范化、可追溯化。王鵬等根據(jù)數(shù)字化底片的缺陷的特征，提出了一種基于神經(jīng)網(wǎng)絡(luò)的底片焊縫缺陷的識(shí)別方法，并建立了缺陷信息庫(kù)，該方法能實(shí)現(xiàn)了底片的數(shù)字化以及缺陷定位和識(shí)別。迄今為止，尚未有射線檢測(cè)底片智能評(píng)片系統(tǒng)實(shí)現(xiàn)大規(guī)模商業(yè)應(yīng)用。大部分射線檢測(cè)底片智能評(píng)片系統(tǒng)由于普遍缺乏檢驗(yàn)檢測(cè)的實(shí)踐經(jīng)驗(yàn)，對(duì)一些實(shí)際問(wèn)題考慮不足，導(dǎo)致應(yīng)用過(guò)程中出現(xiàn)各種問(wèn)題，難以在實(shí)際工作中發(fā)揮作用。本文將基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)工具，根據(jù)承壓類特種設(shè)備檢驗(yàn)檢測(cè)的實(shí)際需求，研究與開發(fā)了一套基于人工智能的射線檢測(cè)底片評(píng)定系統(tǒng)，實(shí)現(xiàn)對(duì)無(wú)效底片、造假片、重復(fù)底片的篩選，焊縫缺陷定位和識(shí)別，以及底片報(bào)告自動(dòng)生成及保管等功能，具有很強(qiáng)的市場(chǎng)應(yīng)用前景和推廣價(jià)值。

2 系統(tǒng)方案設(shè)計(jì)

2.1 總體方案

系統(tǒng)總體設(shè)計(jì)方案如圖1所示。從圖1可知，經(jīng)掃描儀獲得的數(shù)字化底片，首先，要經(jīng)過(guò)相似度判別，通過(guò)判定的底片則被稱為有效評(píng)片，才會(huì)進(jìn)入AI智能輔助評(píng)片模塊，不通過(guò)相似度判定的底片則被稱為同口片或造假片。進(jìn)入AI智能輔助評(píng)片模塊的有效片，系統(tǒng)將自動(dòng)獲底片質(zhì)量信息和焊縫邊界信息。同時(shí)，AI智能自動(dòng)評(píng)片模塊將對(duì)底片中的缺陷進(jìn)行智能識(shí)別與評(píng)定。最終全部信息將存儲(chǔ)進(jìn)底片數(shù)字化數(shù)據(jù)庫(kù)，并根據(jù)需要自動(dòng)生成評(píng)片報(bào)告。

圖1 系統(tǒng)總體設(shè)計(jì)方案

2.2 AI智能輔助評(píng)片模塊

AI智能輔助評(píng)片模塊將基于機(jī)器視覺與圖像處理算法，從底片中提取焊縫邊界信息，自動(dòng)抓取焊縫區(qū)域內(nèi)灰度值的極值點(diǎn)位置以及周圍母材的噪點(diǎn)坐標(biāo)信息。同時(shí)，模塊還能實(shí)現(xiàn)對(duì)像質(zhì)計(jì)型號(hào)和靈敏度智能識(shí)別，并將按照NB/T 47013.2《承壓設(shè)備無(wú)損檢測(cè) 第2部分：射線檢測(cè)》中有關(guān)條款的要求，根據(jù)事先確定的透照方式、像質(zhì)計(jì)位置、技術(shù)等級(jí)以及公稱厚度等信息，對(duì)底片質(zhì)量進(jìn)行判定，并自動(dòng)生成底片信息質(zhì)量報(bào)告。

2.3 AI智能自動(dòng)評(píng)片模塊

由于加工環(huán)境及工藝參數(shù)等原因，焊縫中會(huì)存在氣孔、夾渣、未焊透、未熔合、裂紋等多種缺陷，以及壓痕、折痕、靜電斑紋等多種偽缺陷。AI智能自動(dòng)評(píng)片模塊，將基于深度學(xué)習(xí)技術(shù)，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)方法，對(duì)焊縫區(qū)域缺陷類型、位置、尺寸等信息的識(shí)別與學(xué)習(xí)，實(shí)現(xiàn)對(duì)焊縫圖像的預(yù)處理、缺陷特征值的自動(dòng)提取，以及對(duì)缺陷定性分析和定量計(jì)算，并將按照NB/T 47013.2 《承壓設(shè)備無(wú)損檢測(cè) 第2部分：射線檢測(cè)》中的有關(guān)條款，對(duì)給底片進(jìn)行智能評(píng)級(jí)。

3 關(guān)鍵算法

3.1 特征提取子算法（Backbone）

特征提取子算法的主要功能在于對(duì)經(jīng)過(guò)預(yù)處理的底片圖像進(jìn)行多層的特征抽象，在不同粒度上表達(dá)圖像信息，包括正常區(qū)域和缺陷區(qū)域，然后饋送到后續(xù)模型做進(jìn)一步計(jì)算。其關(guān)鍵結(jié)構(gòu)包括Focus模塊和Bottlenneck CSP模塊。

Bottlenneck CSP原理是將原輸入分成兩個(gè)分支，分別進(jìn)行卷積操作使得通道數(shù)減半，然后分支一進(jìn)行Bottlenneck x N操作，隨后Cat分支一和分支二，從而使得Bottlenneck CSP的輸入與輸出是一樣的大小，目的是為了讓模型學(xué)習(xí)到更多的特征。

3.2 缺陷檢測(cè)及定位

為解決缺陷特征提取信息的融合，將采用PANet方式進(jìn)行處理。該方法不僅將有效解決底片焊縫圖像中的部分缺陷不夠明晰、缺陷和背景融合度較高等問(wèn)題，還將加強(qiáng)信息傳播，具有準(zhǔn)確保留空間信息的能力，有助于對(duì)缺陷進(jìn)行定位和識(shí)別。

4 系統(tǒng)的GUI設(shè)計(jì)與實(shí)現(xiàn)

本系統(tǒng)開發(fā)工具有IntelliJ IDEA以及Visual Studio Code，并使用Java作為后端語(yǔ)言開發(fā)，JavaScript作為前端語(yǔ)言開發(fā)，Python作為人工智能模塊開發(fā)。系統(tǒng)的整體界面大致包括系統(tǒng)管理、數(shù)據(jù)管理、缺陷評(píng)定及審核、評(píng)定報(bào)告等幾個(gè)部分。

4.1 系統(tǒng)管理模塊

系統(tǒng)管理模塊有登錄和主界面，并可實(shí)現(xiàn)用戶管理、角色管理以及權(quán)限管理。在登陸界面中輸入用戶名、密碼和驗(yàn)證碼后，經(jīng)驗(yàn)證無(wú)誤后即進(jìn)入主界面。

圖2左側(cè)有系統(tǒng)管理選項(xiàng)卡，點(diǎn)擊即可進(jìn)入系統(tǒng)管理界面后。系統(tǒng)管理員可以在該界面查看、添加、刪除用戶賬號(hào)信息，同時(shí)定義用戶賬號(hào)的身份以及權(quán)限情況。

圖2 系統(tǒng)主界面

用戶身份主要有評(píng)片人員、審核人員以及系統(tǒng)管理員3種，評(píng)片人員使用數(shù)據(jù)管理、缺陷評(píng)定、評(píng)定報(bào)告模塊，將底片按項(xiàng)目和批次進(jìn)行上傳，并對(duì)評(píng)定情況進(jìn)行復(fù)核，出具評(píng)片報(bào)告。審核人員主要使用評(píng)定報(bào)告模塊，對(duì)報(bào)告進(jìn)行審核。系統(tǒng)管理員能夠使用所有模塊，并通過(guò)系統(tǒng)管理模塊來(lái)定義用戶賬號(hào)角色以及菜單權(quán)限，未賦予的菜單權(quán)限，用戶登錄后無(wú)法看到該菜單。

4.2 數(shù)據(jù)管理模塊

圖3為底片導(dǎo)入界面圖。通過(guò)點(diǎn)擊導(dǎo)入按鈕，系統(tǒng)將彈出導(dǎo)入界面，根據(jù)實(shí)際情況選擇項(xiàng)目和裝置后，將底片按批次上傳至系統(tǒng)。針對(duì)單張的底片，可以通過(guò)新增按鈕，單獨(dú)添加。另外，該模塊還支持導(dǎo)出功能，可以實(shí)現(xiàn)按條件搜索，并導(dǎo)出查詢結(jié)果臺(tái)賬。

圖3 底片導(dǎo)入界面

在圖3左側(cè)有項(xiàng)目列表，可以根據(jù)項(xiàng)目情況，對(duì)項(xiàng)目進(jìn)行新增。這里需要強(qiáng)調(diào)的是，評(píng)片人員僅能添加和修改項(xiàng)目和裝置信息和數(shù)據(jù)，但不能刪除，因此，評(píng)片人員只有部分的數(shù)據(jù)管理權(quán)限。

4.3 缺陷評(píng)定及審核模塊

圖4為人工復(fù)核的界面。從圖可發(fā)現(xiàn)，經(jīng)過(guò)人工智能識(shí)別，發(fā)現(xiàn)了2處圓形缺陷和1處未焊透缺陷，評(píng)定等級(jí)為Ⅳ級(jí)，結(jié)果為不合格。當(dāng)系統(tǒng)發(fā)現(xiàn)不合格底片或評(píng)片人員和審核人員對(duì)系統(tǒng)評(píng)片結(jié)果有懷疑時(shí)，可以在復(fù)核界面點(diǎn)擊在線評(píng)片按鈕，即可進(jìn)入在線評(píng)片工具。在人工復(fù)核的界面下部，還會(huì)出現(xiàn)同口片的識(shí)別結(jié)果，若發(fā)現(xiàn)可疑的底片，系統(tǒng)將會(huì)進(jìn)行提示。另外，系統(tǒng)還將根據(jù)識(shí)別的黑度和像質(zhì)計(jì)信息，對(duì)底片質(zhì)量進(jìn)行判定。

圖4 人工復(fù)核界面

4.4 評(píng)定報(bào)告模塊

經(jīng)審核后的底片，可按日期或底片批次生成底片評(píng)定報(bào)告。由于檢驗(yàn)檢測(cè)單位報(bào)告格式存在差異，為更好滿足使用需求，系統(tǒng)提供了可編輯的評(píng)定報(bào)告模塊，項(xiàng)目管理人員可以對(duì)評(píng)定報(bào)告格式進(jìn)行編輯，如圖5所示。

圖5 評(píng)定報(bào)告模版編輯界面

5 結(jié)語(yǔ)

本研究通過(guò)利用人工智能的深度學(xué)習(xí)方法自動(dòng)提取圖像深層信息的特質(zhì)，基于大數(shù)據(jù)開發(fā)射線檢測(cè)底片識(shí)別系統(tǒng)，開啟無(wú)損檢測(cè)信息化大數(shù)據(jù)新模式，實(shí)現(xiàn)篩選無(wú)效底片與造重復(fù)底片、焊縫缺陷位置識(shí)別等智能評(píng)片功能，完成底片管理信息報(bào)告的自動(dòng)生成保管工作。

基于人工智能的評(píng)片系統(tǒng)不僅能有效改善傳統(tǒng)檢測(cè)方法的不足，提高有限資源的評(píng)片專家的工作效率，還將切實(shí)提升無(wú)損檢測(cè)項(xiàng)目質(zhì)量和現(xiàn)場(chǎng)管理水平，提高整個(gè)無(wú)損檢測(cè)行業(yè)的安全性和可靠性，對(duì)特種設(shè)備行業(yè)的發(fā)展具有重要意義。

目前，該系統(tǒng)成果已在華南地區(qū)某大型石化項(xiàng)目承壓設(shè)備監(jiān)督檢驗(yàn)項(xiàng)目中進(jìn)行管理示范應(yīng)用，經(jīng)過(guò)在實(shí)際工程項(xiàng)目中進(jìn)行測(cè)試，評(píng)定系統(tǒng)對(duì)缺陷識(shí)別的準(zhǔn)確率達(dá)到了95%以上，為該系統(tǒng)后續(xù)大規(guī)模商業(yè)應(yīng)用奠定了基礎(chǔ)。