您當(dāng)前的位置：檢測(cè)資訊 > 科研開(kāi)發(fā)
嘉峪檢測(cè)網(wǎng) 2024-08-12 19:49
X射線檢測(cè)是常用的焊縫缺陷檢測(cè)技術(shù)，但缺陷的形態(tài)、大小、方向具有不確定性，使得射線底片評(píng)價(jià)較為復(fù)雜，僅依賴人工進(jìn)行焊縫質(zhì)量檢測(cè)，時(shí)間較長(zhǎng)且效率低，無(wú)法滿足現(xiàn)代化焊接技術(shù)的要求。因此，將深度學(xué)習(xí)應(yīng)用于焊縫缺陷的智能化檢測(cè)已經(jīng)成為備受研究者和工程技術(shù)人員關(guān)注的前沿領(lǐng)域。
深度學(xué)習(xí)是一種基于數(shù)據(jù)驅(qū)動(dòng)的端到端學(xué)習(xí)，可以自動(dòng)學(xué)習(xí)數(shù)據(jù)的內(nèi)在規(guī)律及表示層次，不需要從數(shù)據(jù)中手動(dòng)提取更加復(fù)雜的特征，從而提高了模型的準(zhǔn)確性和泛化能力。在X射線檢測(cè)領(lǐng)域，深度學(xué)習(xí)應(yīng)用的主要目標(biāo)是通過(guò)對(duì)大量數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)缺陷的自動(dòng)識(shí)別和分類，以提高檢測(cè)的準(zhǔn)確性和效率。
在焊縫X射線檢測(cè)中，作為數(shù)據(jù)的X射線底片往往存在圖像質(zhì)量較差、噪聲干擾、對(duì)比度不足等問(wèn)題，所以在進(jìn)行深度學(xué)習(xí)模型訓(xùn)練前，需要對(duì)圖像進(jìn)行對(duì)比度調(diào)整、圖像降噪等預(yù)處理操作，優(yōu)化圖像質(zhì)量進(jìn)而提高模型的學(xué)習(xí)效果。
為分析圖像增強(qiáng)對(duì)焊縫X射線圖像質(zhì)量和分類識(shí)別的影響，大連理工大學(xué)、大連船舶重工集團(tuán)有限公司和大連市鍋爐壓力容器檢驗(yàn)研究院的研究人員以峰值信噪比、結(jié)構(gòu)相似度、無(wú)參考結(jié)構(gòu)清晰度、信息熵等參數(shù)對(duì)圖像增強(qiáng)質(zhì)量進(jìn)行評(píng)價(jià)；在此基礎(chǔ)上對(duì)X射線焊縫缺陷圖像數(shù)據(jù)集進(jìn)行圖像增強(qiáng)處理，以ResNet-50模型對(duì)預(yù)處理的焊縫缺陷進(jìn)行訓(xùn)練及識(shí)別，并以準(zhǔn)確率、精確率、召回率、F1值對(duì)識(shí)別效果進(jìn)行評(píng)估。
X射線檢測(cè)圖像增強(qiáng)與評(píng)價(jià)原理
由于X射線成像本身的特殊性質(zhì)，獲取X射線圖像的過(guò)程受設(shè)備、操作環(huán)境等多方面的影響，可能會(huì)出現(xiàn)噪聲多、對(duì)比度低、缺陷邊緣模糊等問(wèn)題。這些問(wèn)題會(huì)嚴(yán)重影響到檢測(cè)算法的性能，導(dǎo)致后續(xù)的分析與評(píng)價(jià)出現(xiàn)誤差。因此，需要對(duì)X射線檢測(cè)圖像進(jìn)行預(yù)處理，這不僅可以突出焊縫X射線底片中缺陷的輪廓、灰度等細(xì)節(jié)特征，提高圖像清晰度，而且還可以使圖像更有利于計(jì)算機(jī)的分析和處理，從而提高深度學(xué)習(xí)模型的訓(xùn)練效果。常見(jiàn)的X射線圖像預(yù)處理操作包括圖像色彩空間變換、對(duì)比度增強(qiáng)、降噪等。
1、圖像色彩空間變換
焊縫缺陷X射線檢測(cè)圖像的區(qū)別通常體現(xiàn)在灰度級(jí)別上，因此使用灰度圖像可以更清晰地展示焊縫缺陷的特征；此外，在許多情況下，使用灰度圖像可以提高圖像處理和模型訓(xùn)練的效率和準(zhǔn)確性，同時(shí)減少計(jì)算成本和內(nèi)存需求。
但是通過(guò)專業(yè)的掃描儀器采集到計(jì)算機(jī)中的X射線檢測(cè)圖像是以三通道的RGB（紅綠藍(lán)）圖像的方式呈現(xiàn)的，因此還需要借助圖像色彩空間變換將X射線檢測(cè)圖像從RGB空間轉(zhuǎn)換到灰度空間。研究人員采取加權(quán)平均灰度處理算法，將X射線檢測(cè)圖像由RGB三通道色彩圖轉(zhuǎn)換為單通道的灰度圖。
2、圖像對(duì)比度增強(qiáng)
對(duì)比度增強(qiáng)廣泛應(yīng)用于數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別等領(lǐng)域。焊縫X射線檢測(cè)圖像的灰度值范圍很窄，各區(qū)域之間的對(duì)比度不高，不利于觀察。對(duì)比度增強(qiáng)處理能夠提升圖像的質(zhì)量，增強(qiáng)缺陷的可見(jiàn)性，并為后續(xù)的分析和算法提供更有利的條件，從而提高焊縫缺陷的檢測(cè)和識(shí)別效果。
研究人員使用的對(duì)比度增強(qiáng)技術(shù)包括直方圖均衡化（HE）、限制對(duì)比度自適應(yīng)直方圖均衡（CLAHE）、灰度線性變換（GLT）、伽馬變換（GT）等。
3、圖像降噪處理
X射線檢測(cè)圖像的噪聲會(huì)受到多方面影響，常見(jiàn)的有隨機(jī)噪聲、統(tǒng)計(jì)噪聲、電子噪聲，這些噪聲可能分布在圖像中的各個(gè)位置。圖像降噪是一個(gè)減少圖像現(xiàn)有噪聲并最大限度減少圖像中特征損失的過(guò)程。
X射線檢測(cè)圖像去噪的目的是保留缺陷邊緣細(xì)節(jié)的同時(shí)去除圖像的噪聲，研究人員使用的降噪算法有自適應(yīng)中值濾波（AMF）、非局部均值濾波（NLM）、雙邊濾波（BF）、基于離散小波變換（DWT）的降噪等。
4、圖像增強(qiáng)的評(píng)價(jià)與表征
為了量化分析算法對(duì)圖像的重建效果、細(xì)節(jié)保留以及噪聲抑制效果，研究人員使用峰值信噪比（PSNR）、結(jié)構(gòu)相似性指數(shù)（SSIM）、無(wú)參考結(jié)構(gòu)清晰度（NRSS）和信息熵作為指標(biāo)。這些指標(biāo)可用于衡量圖像增強(qiáng)后的質(zhì)量，并提供了對(duì)比和描述算法性能的依據(jù)。
基于神經(jīng)網(wǎng)絡(luò)的缺陷分類試驗(yàn)
1、數(shù)據(jù)集的組成
使用的數(shù)據(jù)集取自于某船舶工廠，經(jīng)擴(kuò)增后共包含1804張焊縫缺陷圖片，使用美國(guó)VIDAR公司設(shè)計(jì)的工業(yè)底片掃描儀，對(duì)該批原始X射線底片進(jìn)行掃描讀取，并儲(chǔ)存為JPG格式的圖片文件，最后人工截取出尺寸為224像素×224像素的缺陷部分作為數(shù)據(jù)集。數(shù)據(jù)集共包含804張氣孔缺陷圖片，520張夾雜缺陷圖片以及480張裂紋缺陷圖片，按4∶1的比例劃分為訓(xùn)練集與測(cè)試集。
2、缺陷識(shí)別模型與分類評(píng)價(jià)
該研究的目的是探究圖像增強(qiáng)對(duì)焊縫缺陷圖像識(shí)別的影響，所以選用常規(guī)的ResNet50模型作為訓(xùn)練模型。ResNet50網(wǎng)絡(luò)由49個(gè)卷積層和1個(gè)全連接層構(gòu)成，該模型引入了殘差塊的設(shè)計(jì)，緩解了常規(guī)CNN網(wǎng)絡(luò)達(dá)到一定深度后會(huì)出現(xiàn)的梯度消失的問(wèn)題，使用較廣泛。由于使用的數(shù)據(jù)集是非平衡數(shù)據(jù)集，故按照以下公式計(jì)算準(zhǔn)確率A、精確率P、召回率R、F1值，對(duì)訓(xùn)練后的網(wǎng)絡(luò)性能進(jìn)行評(píng)估。
A=(TP+TN)/(TP+TN+FP+FN)
P=TP/(TP+FP)
R=TP/(TP+FN)
F1=(P×R)/(P+R)
式中：TP為正例樣本被正確預(yù)測(cè)的數(shù)量；TN為反例樣本被正確預(yù)測(cè)的數(shù)量；FP為反例樣本被錯(cuò)誤預(yù)測(cè)為正例的數(shù)量；FN為正例樣本被錯(cuò)誤預(yù)測(cè)為反例的數(shù)量。
3、焊縫射線圖像增強(qiáng)結(jié)果與視覺(jué)分析
選擇3種缺陷的X射線檢測(cè)圖像作為研究對(duì)象，首先探究了對(duì)比度增強(qiáng)算法對(duì)圖像質(zhì)量的影響；在此基礎(chǔ)上，以引入噪聲最多的直方圖均衡化后的圖像作為原圖，進(jìn)一步探究降噪算法的影響與作用。
(1)對(duì)比度增強(qiáng)算法對(duì)缺陷圖像質(zhì)量的影響
氣孔、夾渣、裂紋3類缺陷圖像分別使用伽馬變換（GT）、直方圖均衡化（HE）、限制對(duì)比度自適應(yīng)直方圖均衡化（CLAHE）、灰度線性變換（GLT）4種對(duì)比度增強(qiáng)算法進(jìn)行處理，得到的圖像如圖1所示。
圖1 4種對(duì)比度增強(qiáng)算法對(duì)3類焊接缺陷圖像的處理結(jié)果
同時(shí)，鑒于各種缺陷的對(duì)比度增強(qiáng)效果相似，以氣孔缺陷為例，使用灰度分布直方圖進(jìn)一步展示了對(duì)比度增強(qiáng)算法對(duì)圖像質(zhì)量的影響，其結(jié)果如圖2所示。
圖2 不同氣孔缺陷圖像對(duì)比度增強(qiáng)算法處理后的灰度分布直方圖
由圖1a和圖2a中3種缺陷的原始圖像及其直方圖可以看出，原始X射線檢測(cè)圖像的灰度值分布在一個(gè)較為狹窄的暗區(qū)范圍內(nèi)，亮度與對(duì)比度較低，圖片中的焊縫缺陷輪廓與精細(xì)結(jié)構(gòu)不能被很好地觀測(cè)出來(lái)。
伽馬變換后的圖像整體亮度與對(duì)比度都有一定的提升，缺陷的邊緣細(xì)節(jié)可以清晰地觀測(cè)出來(lái)，整體觀感較好，其灰度值被均勻地拉伸在25~225的范圍內(nèi)，如圖1b和圖2b所示。
直方圖均衡化處理后的圖像整體亮度有較大的提升，缺陷與周圍部分的對(duì)比度明顯增大，容易找到缺陷的位置且缺陷部分的細(xì)節(jié)輪廓特征更加清晰，但是該算法引入了過(guò)多的噪聲，如圖1c所示。直方圖均衡化后的圖像灰度值在0~255的范圍內(nèi)均勻分布，但過(guò)渡不平滑，如圖2c所示。
與常規(guī)均衡化處理的圖像相比，經(jīng)CLAHE處理的圖像保留了局部對(duì)比度明顯增強(qiáng)的特性，同時(shí)引入了更少的噪聲，圖像整體觀感更加自然，可以清晰地觀測(cè)到缺陷部分的外輪廓，其邊緣銳利度很高，在處理裂紋缺陷時(shí)表現(xiàn)尤為突出，如圖1d所示。CLAHE算法對(duì)應(yīng)的灰度直方圖可以清晰地分辨出灰度峰的位置，且過(guò)渡平滑，如圖2d所示。
使用灰度線性變換將原始圖像的灰度范圍拉伸至原來(lái)的二倍，然后將顏色對(duì)調(diào)，結(jié)果如圖1e所示，其視覺(jué)效果呈現(xiàn)為黑白對(duì)調(diào)，明顯不同于其他幾種算法得到的圖像，圖像整體處于高亮度狀態(tài)，缺陷部分呈現(xiàn)為白色，突出了缺陷中一部分細(xì)節(jié)特征，引入噪聲較少。
由此可見(jiàn)，不同對(duì)比度算法對(duì)3類缺陷圖像的質(zhì)量產(chǎn)生了一定的增強(qiáng)效果，無(wú)論是圖像的結(jié)構(gòu)清晰度、邊緣銳利度還是背景的對(duì)比度都有所提升，但也不同程度地引入了噪聲。
(2)降噪算法對(duì)缺陷圖像質(zhì)量的影響
為了更直觀地展示降噪效果，選用上述引入噪聲最多的直方圖均衡化后的圖像作為原圖，對(duì)其進(jìn)行不同方式的降噪處理，降噪效果如圖3所示。
圖3 使用不同降噪技術(shù)對(duì)氣孔、夾雜、裂紋3種缺陷圖像處理后的效果
由圖3可以看出，經(jīng)過(guò)濾波后的圖像變得更加平滑，但不同的濾波算法在降噪的同時(shí)不同程度地犧牲了圖像的清晰度即邊緣銳利度。
其中，圖 3b表明自適應(yīng)中值濾波（AMF）較好地保留了圖像的細(xì)節(jié)信息，缺陷部分的邊緣輪廓幾乎沒(méi)有發(fā)生改變，整體噪聲去除效果一般，且計(jì)算量較大。
如圖3c所示，非局部均值濾波（NLM）處理后得到了平滑流暢的圖像，但與自適應(yīng)中值濾波相同，其需要較大的計(jì)算成本，同時(shí)缺陷的小型結(jié)構(gòu)被視為噪聲而移除。
如圖3d所示，雙邊濾波（BF）的去噪效果良好，計(jì)算時(shí)間快，同時(shí)保留了缺陷的小特征，但是在缺陷的邊緣附近可能會(huì)殘留一些噪聲。
如圖3e所示，經(jīng)小波變換（DWT）降噪處理后的圖片看起來(lái)更加自然，原始圖像的邊緣細(xì)節(jié)也被有效地保留下來(lái)，沒(méi)有產(chǎn)生過(guò)度模糊的情況，整體來(lái)看小波降噪擁有最好的視覺(jué)效果。
4、焊縫射線檢測(cè)圖像增強(qiáng)的客觀評(píng)價(jià)
(1)對(duì)比度增強(qiáng)算法的客觀評(píng)價(jià)
采用峰值信噪比（PSNR）、無(wú)參考結(jié)構(gòu)清晰度（NRSS）、信息熵3個(gè)指標(biāo)來(lái)評(píng)價(jià)伽馬變換（GT）、直方圖均衡（HE）、限制對(duì)比度自適應(yīng)直方圖均衡化（CLAHE）、灰度線性變換（GLT）4種對(duì)比度增強(qiáng)算法對(duì)3種缺陷圖像的增強(qiáng)作用，其結(jié)果如圖4~6所示。
圖4 基于峰值信噪比的對(duì)比度增強(qiáng)客觀評(píng)價(jià)結(jié)果
圖5 基于無(wú)參考結(jié)構(gòu)清晰度的對(duì)比度增強(qiáng)客觀評(píng)價(jià)結(jié)果
圖6 基于信息熵的對(duì)比度增強(qiáng)客觀評(píng)價(jià)結(jié)果
由圖4可以明顯看出，對(duì)于PSNR指標(biāo)，CLAHE算法處理后的圖像得到了最好的效果。其余3種增強(qiáng)方法對(duì)于不同的缺陷類型表現(xiàn)不同，伽馬變換處理氣孔缺陷時(shí)表現(xiàn)較好，灰度線性變換處理夾雜時(shí)表現(xiàn)較好，直方圖均衡化處理裂紋時(shí)表現(xiàn)較好，但都不如CLAHE算法。
由圖5可以看出，對(duì)于NRSS 指標(biāo)（無(wú)量綱），相較于原始圖像，4種對(duì)比度增強(qiáng)處理后的圖像結(jié)構(gòu)清晰度都有較大提升。其中HE與CLAHE算法的表現(xiàn)效果較好，遠(yuǎn)優(yōu)于其余兩種方法的效果。
由圖6可以看出，對(duì)于信息熵指標(biāo)，經(jīng)HE處理后的圖像，信息熵是最高的，但結(jié)合視覺(jué)效果分析，信息熵可能包含了引入噪聲的影響。整體來(lái)看，GT與CLAHE算法帶來(lái)的提升相差不大，次于HE但優(yōu)于GLT。
顯而易見(jiàn)，無(wú)論采用哪種對(duì)比度增強(qiáng)算法，相較于原始圖片，缺陷圖像質(zhì)量均得到了改善。綜合考慮各項(xiàng)評(píng)價(jià)指標(biāo)對(duì)不同增強(qiáng)算法的響應(yīng)，可知伽馬變換（GT）對(duì)3類缺陷圖像質(zhì)量的增強(qiáng)作用要略高于灰度線性變換（GLT），但比直方圖均衡化（HE）和限制對(duì)比度自適應(yīng)直方圖均衡化（CLAHE）的作用效果差，后兩者的作用相當(dāng)。
(2)降噪算法的客觀評(píng)價(jià)
采用峰值信噪比（PSNR）、結(jié)構(gòu)相似度（SSIM）、信息熵3個(gè)指標(biāo)對(duì)自適應(yīng)中值濾波（AMF）、非局部均值濾波（NLM）、雙邊濾波（BF）、基于離散小波變換（DWT）4種降噪算法進(jìn)行評(píng)價(jià)，其結(jié)果如圖7~9所示。
圖7 基于峰值信噪比的降噪客觀評(píng)價(jià)結(jié)果
圖8 基于結(jié)構(gòu)相似度的降噪客觀評(píng)價(jià)結(jié)果
圖9 基于信息熵的降噪客觀評(píng)價(jià)結(jié)果
由圖7可以看出，對(duì)于PSNR指標(biāo)，BF算法的PSNR 值最低，噪聲抑制效果最差。AMF算法在氣孔缺陷圖像中表現(xiàn)較好，夾雜圖像中較差。NLM與DWT算法在三種缺陷圖像中都有不錯(cuò)的表現(xiàn)，相差不大。
由圖8可以看出，對(duì)于SSIM指標(biāo)（無(wú)量綱），AMF算法取得了最好的效果，經(jīng)其降噪后的圖像在結(jié)構(gòu)和細(xì)節(jié)方面與原始圖像有最高的相似性，DWT算法次之（與AMF相差不大），雙邊濾波（BF）效果最差。
由圖9可以看出，對(duì)于信息熵，在前兩項(xiàng)指標(biāo)中表現(xiàn)均不佳的雙邊濾波（BF）反而取得了更好的效果，處理后的圖像細(xì)節(jié)和結(jié)構(gòu)更加豐富。同時(shí)小波降噪的得分略微低于雙邊濾波的，但相差不大。其余兩種方法相對(duì)來(lái)說(shuō)效果一般。
歸納而言，每種降噪算法都有各自的優(yōu)勢(shì)，自適應(yīng)中值濾波（AMF）在噪聲去除方面表現(xiàn)較好，雙邊濾波（BF）保留細(xì)節(jié)信息的能力很強(qiáng)，非局部均值濾波（NLM）沒(méi)有在任何一項(xiàng)指標(biāo)中有較低的情況，小波變換（DWT）所有指標(biāo)的得分都處于第一或第二的位置，綜合表現(xiàn)最佳。
5、基于神經(jīng)網(wǎng)絡(luò)的缺陷分類結(jié)果分析
根據(jù)上述客觀評(píng)價(jià)結(jié)果，選用直方圖均衡化（HE）與限制對(duì)比度自適應(yīng)直方圖均衡化（CLAHE）兩種對(duì)比度增強(qiáng)方法與其余4種降噪方法分別組合為不同的圖像增強(qiáng)方法，使用ResNet50網(wǎng)絡(luò)對(duì)經(jīng)過(guò)不同增強(qiáng)處理得到的焊縫缺陷X射線底片進(jìn)行訓(xùn)練及分類識(shí)別，并利用準(zhǔn)確率、精確率、召回率、F1值4個(gè)指標(biāo)對(duì)分類效果進(jìn)行評(píng)價(jià)，其結(jié)果如表1所示。
表1 采用不同圖像增強(qiáng)方法的焊縫缺陷X射線檢測(cè)圖像分類結(jié)果比較（%）
由表1可知，含有限制對(duì)比度自適應(yīng)直方圖均衡化（CLAHE）的圖像增強(qiáng)方法可以顯著提高焊縫缺陷的分類識(shí)別效果，識(shí)別準(zhǔn)確率均高于未使用圖像增強(qiáng)的情況。而在含有直方圖均衡化（HE）的圖像增強(qiáng)方法中，只有直方圖均衡化（HE）與小波降噪（DWT）組合的增強(qiáng)方法提高了識(shí)別準(zhǔn)確率，其余方法相較于不使用圖像增強(qiáng)方法的情況，識(shí)別準(zhǔn)確率下降或者不變。
結(jié)合上述對(duì)對(duì)比度增強(qiáng)算法的分析可知，圖像增強(qiáng)方法對(duì)最終分類結(jié)果的影響取決于對(duì)比度增強(qiáng)算法與降噪算法的綜合作用，直方圖均衡化雖然極大地提高了焊縫缺陷圖像的對(duì)比度，但是引入的過(guò)多噪聲反而不利于神經(jīng)網(wǎng)絡(luò)對(duì)特征的學(xué)習(xí)。
使用CLAHE與NLM相結(jié)合的圖像增強(qiáng)方法，可以得到最佳的焊縫缺陷分類識(shí)別效果，準(zhǔn)確率、精確率、召回率和F1值分別為97.6%，98.84%，95.24%，96.93%，相比沒(méi)有使用圖像增強(qiáng)的數(shù)據(jù)，各項(xiàng)指標(biāo)分別提升了3.2%，6.23%，3.98%，5.23%，在提高圖像對(duì)比度的同時(shí)也很好地控制了圖像噪聲，顯著提升了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)X射線底片中焊縫缺陷特征的能力。
結(jié)語(yǔ)
1、綜合考慮增強(qiáng)方法的圖像重建能力、圖像清晰度和信息熵，直方圖均衡化與限制對(duì)比度自適應(yīng)直方圖均衡化對(duì)焊縫缺陷X射線檢測(cè)圖像有最好的增強(qiáng)效果。
2、在直方圖均衡化的基礎(chǔ)上，自適應(yīng)中值濾波有最好的去噪能力，雙邊濾波有較好的細(xì)節(jié)信息保留能力，非局部均值濾波在不同類型的缺陷圖像上表現(xiàn)穩(wěn)定，小波降噪的綜合表現(xiàn)最好。
3、提出了一種結(jié)合限制對(duì)比度的直方圖均衡化和非局部均值濾波的圖像增強(qiáng)方法，采用該方法結(jié)合ResNet50模型對(duì)焊縫缺陷進(jìn)行分類，準(zhǔn)確率、精確率、召回率、F1值分別提高了3.2%，6.23%，3.98%，5.23%。有效解決了焊縫X射線檢測(cè)圖像存在的對(duì)比度低、像素分布不均勻、噪聲差等問(wèn)題。
作者：王樹(shù)森1，李萍1，黃大偉2，李曉慶2，吳中華2，張忠仁2，王爽2，田雙3，楊毅德2
工作單位：1. 大連理工大學(xué) 材料科學(xué)與工程學(xué)院
2. 大連船舶重工集團(tuán)有限公司 質(zhì)量檢驗(yàn)部
3. 大連市鍋爐壓力容器檢驗(yàn)研究院 承壓檢驗(yàn)部
第一作者簡(jiǎn)介：王樹(shù)森，碩士研究生，主要研究方向?yàn)闊o(wú)損檢測(cè)、深度學(xué)習(xí)。
通信作者簡(jiǎn)介：李萍，博士，副教授，碩士生導(dǎo)師，主要研究方向?yàn)椴牧蠠o(wú)損表征與評(píng)價(jià)、模式識(shí)別。
來(lái)源：《無(wú)損檢測(cè)》2024年6期
來(lái)源：無(wú)損檢測(cè)NDT
