管道焊缝检测视觉图像处理的研究
管道焊缝无损检测的综合方法结合及图像处理分析
管道焊缝无损检测的综合方法结合及图像处理分析管道焊缝无损检测是保证管道安全运行的重要环节，而综合方法结合及图像处理分析是确保检测结果准确可靠的关键步骤。
本文将从综合方法结合及图像处理分析两个方面进行探讨，以期为相关领域的研究和实践提供一定的参考和借鉴。
一、综合方法结合管道焊缝无损检测需要综合运用多种检测方法，以提高检测的准确性和全面性。
一般常用的方法包括超声波检测、射线检测、涡流检测等。
超声波检测具有高灵敏度、高分辨率和能够实现定量检测等优点，主要用于表面和内部缺陷的探测；射线检测则可以检测到管道焊缝中的各种内部缺陷，如气孔、夹渣等；涡流检测主要适用于金属表面裂纹的检测。
另外还可以利用磁粉探伤、光纤传感等方法进行辅助检测。
在实际检测过程中，综合运用这些方法是非常必要的。
可以先使用超声波检测对管道进行初步筛查，发现可疑区域后再使用射线或涡流检测进行确认，并且可以结合磁粉探伤来对发现的裂纹进行进一步确认。
通过多种方法的综合运用，可以提高检测的准确性和全面性，确保对管道焊缝的各种缺陷都能够有效地进行探测。
二、图像处理分析图像处理分析是管道焊缝无损检测中的重要环节，其主要作用是对检测到的数据进行分析和处理，以提取有效信息，为判定结果提供依据。
主要的图像处理分析方法包括图像增强、特征提取、缺陷定位等。
对检测到的图像进行增强处理，以提高图像的清晰度和对比度，使得图像中的细微特征能够更加清晰地呈现出来。
针对不同类型的缺陷，需要进行相应的特征提取。
对于裂纹缺陷，可以运用边缘检测和纹理分析等方法进行特征提取，以便对缺陷进行更为精确的识别和定位。
根据分析得到的特征信息，可以对缺陷进行定位，确定其大小、形状和位置等，为后续的评定和处理提供数据支持。
除了上述基本的图像处理分析方法，还可以结合人工智能、深度学习等技术进行自动化识别和处理。
可以利用卷积神经网络（CNN）对大量的图像数据进行学习，建立缺陷的自动识别模型，以实现对检测数据的自动分析和识别。
图像处理在管道机器人焊缝自动定位中的研究
目前数字图像处理与无损检测技术的结合已经广泛应用于管道机器人当中，逐步实现了管道焊缝检测的手工化到半自动化的发展。
管道机器人经由人工控制在管道中爬行，爬行过程中通过摄像头采集管道焊缝图像，经过图像处理得到所需要的焊缝图像，从而实现焊缝的定位。
由于X 射线技术已经应用于焊缝的检测当中，通过对焊缝照射X 射线，从而对焊缝进行无损检测，但是这需要有相关专业的技术人员对X 射线的图像进行实时同步的观测才可以得到焊缝的结果。
本研究提出了基于数字图像处理在管道机器人焊缝的自动定位。
焊缝图像处理的一般步骤为：获取焊缝图像、焊缝图像的预处理、焊缝图像的分割、焊缝图像的识别。
1图像的获取焊缝的图像由管道机器人的CCD 摄像头采集管道图像，经X 射线发出图像信息，再由无线传输模块把图像信息传给图像处理单元。
本文采用的是基于TI 公司生产的TMS320C6437DSP 的图像采集处理实验开发平台。
由于DM6437集成了视频输入模块加上了解码芯片TVP5146，可以直接与数字视频信号连接，同时也集成了输出模块DAC 。
2图像预处理2．1图像增强图像增强是一类基本的图像处理技术，是为了突出图像中的某些信息，同时抑制或去除某些不需要的信息来提高图像质量的处理方法。
由于焊缝图像存在着以下特点：其图像的灰度值主要分布在阈值40以下；飞溅噪声一般在图像中占了几十个像素的空间；在焊接过程中的烟尘噪声其覆盖面比较广泛，并且像素灰度值略小。
中值滤波是一种典型的低通滤波器，不但能保护图像边缘，同时也能有效的去除噪声，它将每一像素点的灰度值作为该点某邻域窗口内的所有像素点灰度值的中值为输出像素。
焊缝图像中值滤波后其像素的输出等于该像素领域中各个像素灰度值的中值。
中值滤波的实现方法如下：1）通过图像中的某个采样窗口给定的n 个数值将它们按大小有序排序；2）用排序后的中值取代要处理的数据即可。
2．2二值化对于中值滤波等后的焊缝图像进行二值化处理，目的是将其转化成灰度级别只有0和1的二值图像，可以提高图像的运算处理速度，更为重要的是把所要提取的图像信息显现出来，这样就更为精确的得到图像的位置信息。
管道焊缝无损检测的综合方法结合及图像处理分析
管道焊缝无损检测的综合方法结合及图像处理分析
管道焊缝无损检测是一种非破坏性检测的方法，主要用于检测焊接质量和管道的完整性。
本文将介绍管道焊缝无损检测的综合方法结合及图像处理分析方法。
管道焊缝无损检测的方法综合，主要包括超声检测、射线检测和磁粉检测。
超声检测主要通过超声波的传播速度和回波信号的强度来检测焊缝的质量。
射线检测是利用射线穿透物体的原理，检测焊缝内部的缺陷。
磁粉检测是在焊缝表面涂覆磁粉，并通过磁场的变化来检测焊缝的缺陷。
在实际操作中，可以综合运用这些方法来提高检测的准确性和可靠性。
可以使用超声检测和射线检测相结合的方法。
超声检测可以检测焊缝内部的细小缺陷，射线检测可以检测焊缝的结构和内部的大缺陷。
两者结合使用可以全面评估焊缝的质量和完整性。
综合运用超声检测、射线检测和磁粉检测可以得到更准确和全面的结果。
可以先使用超声检测来初步筛选出存在问题的焊缝，然后使用射线检测和磁粉检测来进一步确认和评估缺陷的情况。
在图像处理分析方面，可以使用数字图像处理技术来对检测结果进行分析和处理。
可以将检测结果转换成数字图像，然后利用图像处理算法提取焊缝的特征和缺陷信息。
常用的图像处理算法包括图像增强、边缘检测、形态学处理和特征提取等。
通过综合运用管道焊缝无损检测的方法和图像处理分析技术，可以对焊缝进行全面和准确的评估。
这些方法的结合可以提高检测的准确性和可靠性，同时图像处理分析可以提取更多的信息，为焊缝质量评估提供更多的依据。
管道焊缝无损检测的综合方法结合及图像处理分析
管道焊缝无损检测的综合方法结合及图像处理分析管道焊缝无损检测是保障管道安全运行的重要环节。
随着科技的不断发展，越来越多的综合方法和图像处理分析技术被应用于管道焊缝无损检测中。
本文将介绍一种综合方法结合及图像处理分析的方式，来提高管道焊缝无损检测的准确性和效率。
一、综合方法结合1. 超声波检测技术超声波检测技术是目前应用最广泛的无损检测方法之一，它通过超声波在材料中的传播和反射来检测焊缝的缺陷。
可以利用超声波技术来检测焊缝的疲劳裂纹、气孔、夹渣等缺陷，对焊接质量进行评定。
2. X射线检测技术X射线检测技术是通过X射线对焊缝进行透射或透射成像来检测焊缝中的缺陷。
它可以检测到更加细微的缺陷，如微裂纹、微小气孔等，对焊接质量的评定更加全面和准确。
3. 电磁感应检测技术电磁感应检测技术是通过检测焊缝周围的磁场变化来判断焊缝中是否存在缺陷。
它对于焊缝表面的缺陷具有较高的敏感度，可以辅助超声波和X射线检测技术，提高检测的准确性。
热像检测技术是通过红外相机来检测焊缝及其周围区域的热量分布情况，从而判断是否存在异常情况。
这种方法对于焊缝处的温度异常、局部热量积聚等情况具有较高的检测敏感度，可以发现一些隐蔽的缺陷。
以上几种无损检测方法可以相互结合使用，互补优势，提高焊缝无损检测的准确性和全面性。
二、图像处理分析在使用上述方法的还可以结合图像处理分析技术，对检测到的焊缝图像进行综合分析。
1. 图像增强对焊缝图像进行增强处理，提高图像的对比度和清晰度，使得更加容易观察和判断焊缝的情况。
2. 缺陷识别利用图像处理技术对焊缝图像中的缺陷进行识别和标记，便于后续的数据分析和处理。
3. 数据分析利用图像处理软件对焊缝图像进行数据分析，比如对焊缝缺陷的分布情况、大小、形状等进行统计和分析，从而为后续的焊接质量评定提供依据。
基于图像处理的焊接质量检测技术研究
基于图像处理的焊接质量检测技术研究随着现代制造业的不断发展，自动化生产已经成为工业界的主流趋势。
在这样一种生产方式下，机器人焊接已经替代传统的手工焊接，成为了主流的焊接方式。
但是，相比于手工焊接，机器人焊接在焊接质量上还存在许多问题，因为由于焊接过程中的复杂性，焊接产品的质量往往难以得到保证。
在这种情况下，机器人焊接质量的检测就成了非常重要的任务。
本文将介绍基于图像处理的焊接质量检测技术，该技术可以准确检测出焊接的质量问题，并指导焊接工艺的优化。
一、机器人焊接存在的问题机器人焊接是一种由机器人实现的自动化焊接。
相比于手工焊接，机器人焊接有许多优点：比如速度快、效率高、可重复性好等等。
但是，机器人焊接现在还有很多问题。
其中一个重要的问题就是焊接质量不稳定。
在机器人焊接过程中，焊条的形状、姿态、尺寸等参数都会影响焊接的质量。
同时，完美的焊接还需要考虑金属熔融、液态流动、晶粒生长以及表面缺陷的形成等诸多因素。
由于焊接过程的复杂性，处理焊接的过程和结果相比于其他工业过程更加困难。
二、基于图像处理的焊接质量检测技术为了解决机器人焊接中存在的这些问题，现在出现了基于图像处理的焊接质量检测技术。
这种技术不仅能够自动识别焊接质量问题，而且能够为焊接工艺的优化提供关键信息。
当今，图像处理技术已经成为了解决焊接质量问题的最佳方式。
通过将处理后图像与焊接标准和质量标准进行比较，我们可以快速检测到焊接的质量问题，并进行诊断。
在具体实现上，这种技术通常包括图像采集、预处理、特征提取和分类识别等步骤。
1. 图像采集对于基于图像处理的焊接质量检测来说，首先需要采集焊接过程中的图像。
通过摄像头、激光测距仪等多种设备可以获得焊接过程中的图像数据。
这些数据可以包括温度、电流、电压、等焊接过程中的各种指标。
2. 预处理在采集到焊接过程的图像后，需要进行预处理，以便更好的完成图像的特征提取和分类。
预处理通常包括去噪、边缘增强、图像平滑、直方图均衡等步骤。
管道焊缝无损检测的综合方法结合及图像处理分析
管道焊缝无损检测的综合方法结合及图像处理分析管道焊缝无损检测是近年来在工业生产中被广泛应用的一项重要技术。
通过对焊缝进行无损检测，可以及时发现焊接质量问题，保障工程的安全和可靠性。
为了提高管道焊缝无损检测的准确性和效率，需要综合运用多种方法并结合图像处理分析技术，以实现更精准的检测和分析。
本文将综合介绍管道焊缝无损检测的综合方法以及图像处理分析的应用。
一、管道焊缝无损检测的综合方法1. 超声波检测超声波检测是一种常用的管道焊缝无损检测方法。
通过超声波的传播和反射来检测管道焊缝中的各种缺陷，如气孔、夹杂、裂纹等。
超声波检测可以实现对焊缝内部的全面检测，并且可以实现对不同材料和不同形状的焊缝进行检测。
2. X射线检测X射线检测是一种通过X射线穿透物体来检测其内部结构的方法。
对于焊缝无损检测来说，X射线可以透过焊缝，形成X射线像，通过对X射线像的分析可以发现焊缝中的各种缺陷。
X射线检测适用于各种材料的焊缝检测，但是需要专门的X射线设备和技术人员来操作。
3. 磁粉检测磁粉检测是一种利用磁性粒子来检测表面和近表面的裂纹、夹杂和其他缺陷的方法。
对于焊缝无损检测来说，磁粉检测可以有效地发现表面和近表面的缺陷，并且可以对不同形状的焊缝进行检测。
以上三种方法分别具有其适用的范围和特点，综合运用这些方法可以实现对焊缝的全面、精准的无损检测。
二、图像处理分析在管道焊缝无损检测中的应用1. 图像获取在管道焊缝无损检测中，需要获取焊缝的图像数据，以便进行后续的分析和处理。
图像可以通过摄像头、扫描仪等设备获取，并且可以得到数字化的图像数据。
2. 图像预处理对于获取的图像数据，需要进行预处理，以去除噪声、增强对比度、调整亮度等操作，以便得到清晰、准确的焊缝图像。
3. 特征提取对于焊缝图像，需要提取其中的特征信息，如尺寸、形状、亮度等特征，以便进行后续的分析和识别。
特征提取可以通过图像处理算法实现，并且可以根据具体的检测要求进行定制化。
图像处理在X射线焊缝检测机器人焊缝识别中的研究
道 焊 缝 准 确 定位 是 管道 焊 缝 质 量 检 验 的前 提 和 保
证 。现 有 的 焊缝 检 测机 器 人 需 要 操 作 者遥 控 机 器
２ 焊缝 图像预处理
用ＣＣ Ｄ采 集 的焊 缝 图像 中包 含很 多噪 声 以及 在 无线 传输 过程 中不 可避 免 的产 生干扰 ｎ，因此 在 】
（ 白顶 点 ） ；
具体 操作 步骤 如下 ：
人 在 管 道 内部 移 动 ，通 过机 器 人 携 带 的ＣＣ Ｄ来 采 集 焊 缝 图 像并 传 送 至外 部 的 监 控 器 管道 内情 况 。 当监 视 器 屏幕 显 示 焊 缝 时 ，操 作 者 控制 机 器 人 准 确定 位焊 缝 ，并 进行Ｘ光 照射 ，对 焊 缝进行 检 测 。 人 工 操 作 定位 准 确 率 较 高 ，但 效 率极 低 。为 提 高 管 道 焊 缝 检 测机 器 人 的 自动 化 程 度 。本 文 提 出 了 采 用ＭＰ 法 获得 焊 缝 的边 缘 特 征 ，并 通 过 相 关 匹 Ｐ
问题 ，而 且 对 过 滤 脉 冲干 扰 非 常 有 效 。中值 滤 波
是 用一 个 有 奇 数 点 的 滑动 窗 口 ，将 窗 口中心 点 的
值 用 窗 口各 点 的中值 代替 。
其数 学 描述 为 ：
若ｓ 为像 素 √） 。的邻域 集合 ，“ ） 示Ｓ 表 中的元
图 １ｘ 线 焊 缝 检 测机 器 人 工 作 原 理 射
关榆 军 ，董翠 英
ＧＵ ｕ ｕ ． ＯＮＧ Ｃ ｉ ｉｇ ＡＮ Ｙ ４ ｎ Ｄ ｕ— ｎ ｙ
（ 山学院 信息 工程 系，唐 山 ０ ３ ０ ） 唐 ６ ００
摘
要 ：本文针对管道施ＩＢ Ｘ Ｉ 射线管道焊缝焊接检测 ，提出对二值化后的焊缝图像采用 ＭＰ 法获得焊 Ｐ
焊缝位置识别及图像处理算法的研究
88电子技术Electronic Technology电子技术与软件工程Electronic Technology & Software Engineering焊缝自动跟踪是实现焊接自动化的关键，近年来受到了越来越多的关注。
目前，应用于焊缝跟踪系统的传感器最常见的有电弧传感器和视觉传感器。
电弧传感器结构简单，但只有电弧形成后才能工作，精度通常不高。
视觉传感器灵敏度和精度更高、不受电磁干扰，适合于各种不同布置形态的焊缝，是一种更有发展前景的方法[1]。
在焊缝位置获取和图像识别算法的研究方面，国内外都开展过一些研究，例如横尾尚志等提出了模糊控制和模糊专家系统[2]。
Yoshito Sameda 等以激光扫描法，通过焊缝图像处理，实现了焊缝跟踪[3]。
N.SHIBATA 等采用激光束与CCD 传感器配合，实现了焊接过程的跟踪控制[4]。
在国内，崔元彪等通过改进传感器的结构设计，实现了对焊缝的跟踪[5]。
在焊缝图像处理技术中，对图像的预处理及后处理是实现位置检测的关键技术。
预处理阶段的主要目的是采用滤波方法除噪，排除弧光、烟雾等干扰因素，常用的有频域滤波以及空域滤波[6]。
空域滤波比较常用，有邻域平均法以及中值滤波法等，其中，中值滤波法在滤除噪音的同时又能够保留原有图像的主要特征，应用得最为普遍。
对于焊缝图像后处理一般常采取的算法为二值化处理，其中关键技术是阈值的确定[7]，其中，Otsu 法是确定最佳阈值常用的一种有效方法[8]。
本文采用CCD 作为传感器采集焊缝位置图像，通过预处理后，在上位机上完成了图像后处理，并根据图像信息来指挥下位机工作，有效地完成了焊缝的跟踪。
1 试验方法及装置本文实验中采用的试验布置如图1，图中焊接设备部分包括焊机、焊枪和焊枪移动执行机构。
图像采集及处理系统包括CCD 摄像头，图像采集卡和上位机系统。
本课题试验中所采用的焊机为YC-400TX TIG 焊机，焊枪移动执行机构为自行设计，为十字滑板型结构，采用步进电机驱动，可以满足系统的精度要求。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
管道焊缝检测视觉图像处理的研究
为了有效追踪焊缝，及时检测出焊缝缺陷，需对视觉传感设备所获取到的焊缝原始图像采取预处理措施，从而减小噪音影响，并提出管道焊缝视觉图像处理措施。
本文就管道检测视觉系统予以了简要的概述，而后就针对图像平滑、图像分割以及边缘检测等焊缝图像分析与处理展开了深入的研究工作，并最终提出了统计识别与投影法两种对焊缝目标进行识别的方法。
希望借助于本文的分析与探讨，能够引起更为广泛的关注，并为有关的管道焊缝检测工作提供一些可供参考的内容。
标签：管道；焊缝检测；视觉；图像处理；目标识别
在现代生活当中，无论是工业、农业还是日常生活均有大量的管道应用，管道现已成为了当今社会最常用到的运输工具[1]。
但是受制于管道建设常采取组对焊接的形式，且工作条件较为恶劣，焊接位置的质量不合格是造成管道出现严重安全隐患最为重要的一项原因，作为目前管道工程施工的核心技术之一，管道焊接的质量至关重要。
为实现对焊接质量的良好保障，便应当对管道焊接的工作展开实时性的检测与修补处理，其中爬行检测机器人能够快速、高效实现对焊缝的跟踪与检测。
本文将就焊缝图像的分析与处理展开具体的研究工作，以期能够为后续的质量检测及处理工作提供以必要的保障。
1 管道检测视觉系统概述
视觉系统是通过CCD（Charge-coupled Device）摄像头、照明系统、图像采集系统、机械装置系统、计算机系统、超声波及管道等相关系统构建共同组成[2]。
在进行图像传染系统的构建工作当中，为了尽可能的避免周边的环境因素对图像质量产生严重的负面干扰，可采用辅助照明措施来确保所获得图像清晰、完整。
可将视觉系统所提供的激光结构光源直接映射于焊接工件之上，在超声探头、照明系统及摄像头的辅助之下进入到管道内部之中，管道当中的具体情况将直接通过CCD摄像头获得并通过图像采集系统传输至计算机当中，之后计算机采用图像处理算法预处理以及特征提取方法对数据信息展开具体的分析，目标判定以及定位监测等，从而最终达到对焊缝的有效监测。
2 焊缝图像分析与处理
（1）图像平滑。
基于焊缝图像特征的具体情况来看，应用效果较为有效的中值滤波，其不但需要在消除噪音的同时还需确保能够在图像细节中的应用，以此促使周围像素灰度值相差较大的像素重新选取同周围像素较为接近的值，进而便可较为有效的消除独立存在的噪点。
通常进行3～5次的中值滤波处理后便可獲得较为满意的效果[3]。
（2）图像分割。
此项处理过程即为将图像的各构成像素予以明确的类型划分，鉴于焊缝图像是拍摄于黑暗的管道之中，同时再加上光照条件的有限以及
CCD镜头本身的特点，所拍摄出的焊缝图像很可能会出现光照强度呈现出非线性分布的特点，即为图像呈现出中部明亮，而四周灰暗，从而也就造成了焊缝图像分割与边缘提取发生了严重的困难，无法有效识别。
特征突出法则可有效应对此类情况，此种方法是针对图像四周不进行处理，即将图像四周的边缘去除，仅针对中间区域的光照不足情况进行处理。
此种方法使得摄像头视角范围进一步减小，同时图像拍摄速度则为30帧/s，完全不會遗漏某一区域，因而对于整套系统的工作效率不会产生任何影响[4]。
（3）边缘检测。
Canny算法（Canny边缘检测算子是John F. Canny于1986 年开发出来的一个多级边缘检测算法）
促使针对边缘处所需进行的检测将直接转换成针对函数极限值的测定。
Canny算法的检测边界极限值即为滤波结果，在考量到函数第一阶导数部分区域的极限值与之相对应的二阶导数存在着一个零点情况，因而应用Canny算法进行计算基础便可明确出阶跃边界的确切位置。
从根本上来看，Canny算法不单单是仅仅采取梯度计算的方式来确定像素边界，在确定某像素是否处在边界处，必须要将多方面的因素予以综合考量，结合先前的像素和与计算过的像素来予以判定。
3 焊缝目标识别
（1）统计识别。
在焊缝特征提取时需针对单组图像样本在完全相同的成像条件、传感器设备和差异化的光照水平与时间段展开多次焊缝特征性统计，以便能够获取到其具备自身特殊价值的表征，而后采集样本进行统计分析，进而便可作出有效的目标识别。
1）长度与宽度。
假定测量物体的边缘分割已完全掌握，便可利用物体最小接矩形的方式来确定其主轴。
借助于MER技术手段将物体沿着其边缘处进行垂直转动，每转动一个增量变化，即对其边缘处重新进行拟合分析。
为了能够更好的达到计算要求，需将轩辕后边界点最大与最小值进行记录。
2）体态比。
体态比即为物体MER长与宽之比，通过体态比便可将圆形、方形以及细长形的物体进行明确的区分。
3）周长。
在图像当中单个图像周长可通过边界追踪方法获得，亦可依据正方向进行扫描，由于物体边界即为以边界像素中心为顶点的多边形。
因此所对应周长即为大量的横竖向（）与对角线方向（）的间距和。
（2）投影法。
投影法最为显著的优势特点即为其能够对管道当中内表面不光滑情况进行有效的处理，可在识别是减小负面干扰，对于光照不匀、运动模糊等情况也十分适用，能够较为有效的进行边缘分割，可大大提高焊缝与其他物体的对比度。
特别是在对条状物体识别方面优势更加明显。
投影可作为对物体进行识别的主要特征之一。
投影不但是一类十分简洁的图像显示方法，同时还能够达
到快速识别。
投影识别焊缝的具体操作为：由上到下，从左至右进行投影扫描，存在焊缝位置的投影便会高出其他部位，便可及时找出焊缝进行检测。
4 结束语
在平常不焊接时对焊缝进行检测工作必须要采取一定的辅助光源，来尽可能的减小环境光源对检测工作所带来的负面影响，利用摄影设备来对焊缝周围进行影响拍摄获取其图像。
而后便可针对所获取到的图像展开平滑性分析、图像分割、边缘检测等工作。
最终来实现对焊缝目标的有效识别，在此过程中较为常用的识别方法包括有对焊缝长度、宽度、体态、周长等方面的统计，以及采用图像投影扫描同样也可达到较高的识别率。
参考文献：
[1]林莉，杨平华，张东辉等.厚壁铸造奥氏体不锈钢管道焊缝超声相控阵检测技术概述[J].机械工程学报，2012（04）.
[2]卢威，张运平，柯涛等.不锈钢管道焊缝超声检测中显示信号的定性分析[J].无损检测，2015（02）.
[3]王伟，申爱明，魏辉等.管道焊缝缺陷图像特征参数的提取[J].安徽师范大学学报（自然科学版），2013（04）.
[4]杨伟光.基于RCCM规范的EPR主管道焊缝射线检测方法和验收标准[J].无损检测，2016（06）.。