用于工业无损缺陷检测和尺寸计量的X射线计算机断层扫描技术：综述

《Neurocomputing》：X-ray computed tomography for industrial nondestructive defect detection and dimensional metrology: a survey

　　

摘要 X射线计算机断层扫描（XCT）是一种功能强大的三维无损检测技术，已被广泛应用于工业内部缺陷检测和尺寸计量。然而，在工业4.0和智能制造的背景下，XCT在复杂工程场景中的应用仍面临重大挑战。在缺陷检测方面，现有方法的鲁棒性和实际适用性受到复杂缺陷形式、严格的实时性要求和标注数据缺乏等因素的制约。在尺寸计量领域，多模态数据对齐、高密度材料的成像性能以及测量可追溯性等问题仍有待妥善解决。为了应对这些挑战，本综述系统回顾了近年来在XCT应用于工业缺陷检测和尺寸计量方面的代表性研究进展。首先，回顾了XCT的历史发展、成像原理和系统配置。随后，在缺陷检测领域，本综述从传统机器视觉技术和基于深度学习的智能算法这两个互补视角系统地分析了相关方法，并全面回顾了它们在不同工业材料中的应用。在尺寸计量方面，本综述批判性地回顾了测量不确定度评估、系统校准与验证等关键方法，并通过代表性工程案例研究了这些方法在复杂结构和高精度几何测量中的应用潜力。最后，总结了当前限制XCT发展的主要技术瓶颈，并展望了面向智能工业检测和计量的未来研究方向。

引言 随着工业4.0和智能制造的发展，现代工业系统对产品的精度、结构完整性和生产效率提出了更高的要求。传统的表面检测和接触式测量技术在处理复杂几何形状、多材料组件以及肉眼不可见的内部缺陷时通常力不从心。因此，无损检测（NDT）已成为确保产品质量和可靠性的关键手段。在各类无损检测技术中，X射线计算机断层扫描（XCT）最初是为医学成像而开发的[255]，但如今已成为航空航天、汽车工程、电子封装和增材制造（AM）等先进制造领域的有力工具。XCT [31]、[77]、[187]具有高成像能力，且具有非破坏性、定量性和可重复性，能够重建高分辨率的三维体积数据，使人们能够深入观察内部结构和几何特征。基于这些优势，XCT已成为现代工业质量控制、缺陷分析和设计的关键使能技术[78]、[123]。

在工业应用中，XCT主要支持两项任务：缺陷检测和尺寸计量。缺陷检测是通过从多角度投影数据重建三维体积模型来实现的[67]、[302]，可以识别材料内部的微缺陷，如孔隙、裂纹和夹杂物[66]、[302]。然而，在CT图像中识别和分割缺陷仍然困难，且容易受到扫描参数、材料密度、重建算法和人工判读等因素的影响[256]。因此，准确的缺陷检测仍然是一个难题。传统的图像处理方法和基于阈值的分割方法在简单场景中可能有效，但在应用于复杂多相材料时，往往缺乏鲁棒性，不易泛化。近年来，人工智能（AI）和深度学习（DL）的快速发展推动了基于XCT的分析技术的进步。卷积神经网络（CNN）[64]、[278]、基于Transformer的模型[25]等数据驱动方法在自动缺陷检测和特征提取方面表现出强大的能力。然而，缺陷通常是罕见且形态变化较大的[6]、[23]、[294]，因此仍然难以获得足够的标注样本。无监督机器学习方法通常仅使用正常样本进行训练，使模型学习正常数据的分布，从而检测异常结构[238]、[290]、[291]。然而，这些方法准确分类缺陷的能力仍然有限。为了缓解数据稀缺问题，Jordan等人[134]提出通过计算建模或模拟生成合成数据集用于模型训练。近年来，生成对抗网络（GAN）已被用于在材料表面、纤维层和X射线图像上合成制造缺陷[124]、[182]、[184]，并进一步用于生成增材制造组件的合成图像以支持模型训练[51]、[181]。对于金属增材制造零件，研究人员还使用了基于物理的建模和光线追踪模拟方法来生成高保真度的合成XCT数据[81]、[85]、[329]、[330]。尽管数据稀缺和标注成本仍然是主要限制因素，但基于GAN的合成方法和利用合成数据进行模型训练的实践正在逐渐缓解这些瓶颈，推动智能XCT缺陷检测向更高精度和稳定性发展。

另一方面，尺寸测量在确保工业零件的几何精度和装配一致性方面发挥着关键作用。在国际标准化组织（ISO）制定的几何产品规范（GPS）框架下，尺寸、形状、位置和表面纹理等参数被视为质量控制的基本要素。传统坐标测量机（CMM）的测量能力仅限于探针可达的范围。相比之下，XCT不仅可以获取外部几何形状，还能准确测量内部结构和自由曲面。基于此，XCT被广泛认为是传统CMM测量的有效补充，在某些应用场景中甚至可以作为替代方案。随着增材制造技术（AM）的快速发展[3]、[24]、[153]、[197]、[215]、[227]、[271]，具有复杂几何形状的组件越来越多，对内部腔体和复杂表面的非破坏性三维测量的需求显著增加[257]。基于这些原因，XCT已成为现代工业应用中检测复杂几何形状和内部结构特征的重要工具[36]、[142]、[147]、[197]、[215]。基于XCT的尺寸测量精度受多种因素影响。材料密度和厚度会改变X射线的穿透行为。当特征尺寸接近体素分辨率时，测量精度将变得更加敏感。在这种情况下，需要依赖扫描参数和重建算法来估算表面粗糙度等微几何特征。这通常会使测量偏差更大。此前的研究已对XCT测量中的优化策略和误差来源进行了分析[219]、[254]。这些研究指出，束硬化效应[164]、[167]、[208]、结构分辨率、材料衰减特性和重建算法共同影响测量精度。为了解决这些问题，研究人员不断改进XCT系统的校准程序和标准化框架[77]、[287]。已开发出标准化且可追溯的参考工件以支持测量不确定度评估和性能验证。这为工业应用中的测量可追溯性和误差补偿提供了依据[223]。同时，高保真XCT体积数据的可用性使得对材料结构的高级定量分析成为可能。通过将XCT数据与计算机视觉技术相结合，可以有效地表征宏观几何形状和微观特征，如孔隙形态和表面粗糙度[35]、[37]、[92]、[221]、[228]、[237]、[248]、[328]。与此同时，表面形态分析框架已从早期的基于网格的轮廓逼近方法[138]、[202]发展为ISO 25178-2标准化的三维表面纹理提取和参数化方法[245]。在优化采集、重建和校准条件下，XCT能够为复杂零件的内部尺寸评估和表面形态表征提供可追溯的定量工程级测量。这些能力为现代制造系统中的数字质量控制和结构分析提供了强有力的技术支持。高保真的XCT体积数据使研究人员能够进行材料结构的高级定量分析。XCT数据与计算机视觉技术的结合可以 effectively描述宏观几何形状和微观特征，如孔隙形态和表面粗糙度[35]、[37]、[92]、[221]、[228]、[237]、[248]、[328]。表面形态分析框架也从早期基于网格来逼近轮廓的方法[138]、[202]演变为当前采用ISO 25178-2标准下的三维表面纹理提取和参数化方法[245]。在采集、重建和校准条件优化的情况下，XCT能够提供可追溯的定量工程级测量结果。这些结果可用于复杂零件的内部尺寸评估和表面形态表征。这些功能为现代制造系统中的数字质量控制和结构分析提供了技术支持。

尽管先前的综述研究已总结了XCT技术、缺陷检测和尺寸计量的发展，但现有综述通常侧重于个别技术组件，而非对完整的工业XCT工作流程进行系统性分析。例如，一些综述主要集中于XCT成像技术和重建算法的发展，特别强调图像质量增强和重建性能优化。相比之下，其他研究则专注于基于人工智能的缺陷检测方法或尺寸测量策略，主要评估算法性能和应用效果。然而，这些技术组件并非相互独立，而是共同受到XCT系统特性、成像条件、数据质量和工业应用需求的共同影响。因此，仍然需要一个统一的综述框架来建立XCT基础理论、系统特性、智能分析方法和工程应用之间的联系。与以前的研究不同，本综述建立了一个以工程为导向的系统性框架，涵盖从基本原理到智能检测应用的工业XCT演变过程。如图1所示，本综述围绕四大方面展开组织，包括XCT基础理论、缺陷检测、尺寸计量和未来的智能工业应用。通过该框架，系统地总结了XCT从三维成像和结构表征向智能质量控制发展的技术演变过程。首先，全面介绍了XCT的技术特征、历史发展、成像原理和系统组成，为理解XCT技术及其完整工作流程提供了基础知识。在此基础上，进一步对不同XCT系统配置（包括在线工业CT、同步辐射CT和实验室微焦点CT）进行了对比分析。特别关注系统特性、硬件限制和成像条件的变化如何影响重建质量、伪影形成机制和后续分析任务。此外，系统性地回顾了基于XCT的缺陷检测方法，并建立了一个从传统机器视觉方法到高级人工智能驱动方法的层次化分类框架。这些方法不仅在检测精度方面进行了分析，还从数据可用性、模型鲁棒性、计算效率和工程部署可行性等实际工业需求角度进行了评估。同时，全面回顾了基于XCT的尺寸计量，特别强调XCT尺寸测量方法、测量不确定度评估方法、XCT测量系统的校准与验证策略以及精度评估方法。此外，讨论了代表性工业应用案例，进一步展示了XCT在复杂结构定量表征和质量评估方面的实际能力。通过将XCT基础理论、系统级分析、智能缺陷检测和尺寸计量整合到一个统一框架中，本综述为XCT从传统三维成像技术向智能、定量和高可靠性工业检测系统发展的技术演变提供了全面的视角。

本综述的主要贡献如下：

- 概述了XCT基础理论和系统演变，涵盖历史发展、成像原理、系统组成和工业XCT的关键特征。进一步在成像能力、硬件限制、伪影机制、重建策略和工业部署需求方面对不同的XCT配置（包括在线工业CT、同步辐射CT和实验室微焦点CT）进行了比较。

- 建立了基于XCT的工业缺陷检测方法的系统分类，涵盖传统机器视觉方法和高级人工智能驱动技术。进一步讨论了不同材料和制造场景中的代表性应用，以突出其在缺陷识别、定位和定量表征方面的能力。

- 回顾了基于XCT的尺寸计量的进展，重点强调测量方法、不确定度评估、系统校准与验证以及精度评估策略。分析了代表性工业案例，展示了XCT在复杂结构定量表征、高精度测量和质量控制方面的潜力。

- 通过整合系统级特征、智能算法和工业应用，提供了XCT演变的工程视角。

XCT向智能化、定量化和可靠检测系统发展的当前挑战与未来机遇，在智能制造背景下进行了进一步讨论。本综述的其余部分组织如下：第2节介绍文献筛选标准和系统综述方法。第3节介绍XCT的基础知识，包括其技术特征、历史发展、成像原理和系统组成。此外，还对不同的XCT构型进行了比较分析，包括在线工业CT、同步辐射CT和实验室微焦点CT。第4节综述了基于XCT的工业缺陷检测方法，涵盖传统机器视觉方法和人工智能驱动的检测策略，并通过代表性工业应用进一步讨论其适用性和发展趋势。第5节讨论了基于XCT的尺寸计量，包括尺寸测量方法、测量不确定度评估、测量系统的校准与验证以及精度评估策略。进一步分析了代表性工业案例，以展示XCT在复杂结构的定量表征和工业质量控制方面的能力。第6节总结了XCT技术当前面临的主要挑战，并提供了未来研究方向的前瞻性视角。本综述旨在从技术原理、算法方法和工程应用三个方面构建系统框架，讨论XCT在工业检测中角色的演变，即从传统成像方法向集成检测与计量方法的转变，为未来研究与发展提供结构化的基础。
综述片段
评价协议
本研究采用系统文献综述方法，对基于XCT的工业缺陷检测和尺寸计量的最新发展进行了系统分析。为确保整个评审过程的透明性、可重复性和方法学严谨性，本研究遵循了Kitchenham和Charters提出的指南，并整合了PRISMA框架来指导文献
XCT概述
本节简要介绍了常见的无损检测技术，包括超声检测、磁粉检测、渗透检测、涡流检测和射线检测，这些技术共同构成了工业检测的基本方法。讨论进一步介绍了本综述的核心技术——XCT。各种无损检测方法的特征总结于表3中。
XCT用于缺陷检测
缺陷检测的定义相对广泛。它与计算机视觉中的分类、检测和分割任务密切相关，但并不完全等同于它们。在实际工业应用中，对缺陷检测的需求通常可以分为三个层次：缺陷是什么、缺陷位于何处以及缺陷有多严重。第一层——缺陷是什么，对应计算机视觉中的分类任务，其目标是
XCT用于尺寸计量
目前，全球范围内有超过40项与XCT相关的标准，其中最重要的是由ISO和ASTM International发布的一系列标准。这些标准涵盖了各个方面，包括术语定义、技术规范、操作规程和性能评估，确保了XCT技术在全球范围内的一致性和可靠性。表11总结了代表性的XCT相关标准，并简要概述了其技术范围。官方
未来方向与结论
基于对缺陷检测和尺寸计量两个代表性应用领域进行的系统综述与分析，本综述总结了XCT技术的最新进展，并在此基础上提出了若干未来研究方向，旨在克服当前技术瓶颈，推动该领域的可持续发展。
迈向缺陷检测的通用化框架：在实际制造环境中，缺陷的产生和
作者贡献声明
吴星：撰写——审阅与编辑、监督、概念构思。魏星：撰写——初稿、方法学、调查研究、形式化分析。朱一敏：撰写——审阅与编辑、验证。段硕：撰写——审阅与编辑、验证。张心远：撰写——审阅与编辑、验证。钱全：验证、监督。宋军：验证、监督。戴建彪：验证、监督。
利益冲突声明
作者声明，他们没有已知的 competing 财务利益或个人关系，这些利益或关系可能影响本文所述工作的结果。
致谢
本研究得到了国家重点研发计划——先进材料项目的资助，以及教育部硅酸盐文化遗产保护重点实验室——上海大学项目的资助。
吴星
吴星，上海大学计算机工程与科学学院教授，中国上海。他的研究兴趣包括机器学习和多模态数据挖掘。吴教授于上海交通大学获得计算机科学博士学位。
吴星｜魏星｜朱一敏｜段硕｜张心远｜钱全｜宋军｜戴建彪