基于特征提取的铝铸件X射线探伤图像缺陷评级技术。通过对现有方法的总结和比较，提出了一种新的自动缺陷评级方法，该方法建立了铸件缺陷评级量化体系，开发了铸件缺陷评级系统。重点介绍了特征提取算法对铸件X射线图像进行预处理和轮廓提取的方法，以及利用得到的信息与缺陷评级量化体系对比以完成缺陷评级的过程。该方法可以为实际生产过程中的缺陷评级提供参考。

1 铝铸件缺陷评级量化体系建立

重点内容是：评级指标的选择（气孔和夹杂缺陷）、评级量化体系的建立（包括评级指标面积的选取以及具体数值的给出）。评级指标的选择主要是针对铸件X射线探伤图像中的气孔和夹杂缺陷，由于其形状规则易于识别与检测，选取面积作为评级指标。评级量化体系的建立则是给出了具体的数值标准，通过计算缺陷区域像素在整个图样像素内的占比，得到缺陷区域的参考面积，以此得到缺陷的具体评级标准。

2 铝铸件X射线图像预处理

针对铝铸件X射线图像的预处理方法，包括去噪、锐化和二值化处理。通过对各种去噪方法的效果对比，选择了双边滤波作为基础去噪方法；对锐化方法的效果对比，选择了USM锐化作为基础锐化方法；对二值化方法的效果对比，选择了OTSU二值化作为基础二值化方法。最后，还对备选方法进行了说明。

3 铸件X射线图像轮廓提取与缺陷评级

铸件X射线图像轮廓提取与缺陷评级的过程。首先介绍了图像预处理、边缘检测算法的选择和参数设置，然后通过添加外边框解决了缺陷区域边界不闭合的问题。接着提取了缺陷区域的轮廓信息，并通过图像像素面积与实际面积的比例关系计算得到缺陷区域的实际面积，最后根据数据表格对缺陷等级进行了评级。

4 铸件缺陷评级系统开发

1. 介绍了开发的铸件缺陷评级系统，该系统基于特征提取和图像处理技术，实现了简单缺陷的图像检测和缺陷评级工作。

2. 系统界面主要使用Python的pyside2插件中的Qt Designer设计，设计了自动识别计算和图像预处理方法选择等功能。

3. 使用预设方案进行预处理方法选择，同时增加了方案之间的对比功能，以便寻找最优解决方案。

4. 采用与专家评片结果进行对比的方法验证评级效果，并通过实际数据进行分析和对比。

5. 针对四种典型铸件缺陷进行一定数量的结果验证，并指出高等级缺陷的检测效果有待进一步验证。

6. 系统对于低等级的夹杂缺陷的评级效果有一定参考价值，大部分图像的缺陷评级效果与专家评级结果存在最多±1级的偏差。

5 结语

1. 基于GB/T 11346-2018建立了铸件缺陷评级量化体系。

2. 设计实现了一种特征提取算法，并基于此算法开发出了一个铸件缺陷评级系统。

3. 该系统能够对输入的气孔、夹杂、缩孔和缩松缺陷图像进行缺陷检测和评级。

4. 经对比验证，该系统结果与专家评片结果存在±1级的误差。

5. 一定程度上解决人工评片评级结果不稳定和量化困难的问题。

6. 对实际生产过程中的缺陷评级有一定的参考价值。