超声/射线工业质检软件原型设计

超声检测软件：从波形到缺陷结论

超声检测的原始输出是 A 扫波形：横轴是声程（时间），纵轴是回波幅值。把一维波形沿扫查方向排布， 才得到 B 扫灰度图。这一“由波到图”的过程，决定了超声软件的第一个界面必须同时承载 看图、量尺、调参三件事。

1.1 可视化交互与参数配置

界面左侧是 B 扫图像与检出台，右侧是参数面板：检测频率、增益设置、缺陷类型选择分页排列， 下方用滑杆控制“结果检值”。这是典型的“图像 + 参数”双栏布局，操作者可以一边看标注，一边改判据。

01可视化交互与参数配置界面设计图

技术拆解

• 灰度映射链路：A 扫信号先做包络检波，再经对数压缩映射到 0–255 灰度，才能在屏幕上呈现可读的 B 扫图像；纵轴刻度对应声程，需要与声速、采样率严格一致。
• 增益与 TGC：增益是整体放大，TGC（时间增益补偿）按深度分段补偿衰减，使深部回波与浅部回波幅值可比——这也是为什么同一缺陷在不同深度下的“显示亮度”不能直接比较。
• 闸门与判据：闸门 A/B 定义检测窗口，闸门内的峰值幅值、峰值位置、-6 dB 宽度构成最基础的缺陷判据；界面上的蓝框与箭头标注，本质是在把闸门结果可视化。
• 像素—毫米标定：箭头测距必须经过标定（声速 × 采样间隔），否则界面上的“尺寸”只是一串像素；标定参数应随检测任务一起保存。
• 参数集下发：检测频率、增益、算法、结果类型通过统一的 profile 下发到算法侧，界面只改变量、不改代码，才能支持不同工件快速切换。
• 阈值联动性能：“结果检值”滑杆会触发重算，实现时需要节流（如 120 ms）并做增量刷新，避免拖动过程中界面卡顿。

这张界面体现的是三层同步：参数层（表单与滑杆）→ 算法层（闸门、阈值、分类器）→ 视图层（图像、标注、结果值）。 任何一层不同步，操作者看到的判据就和实际执行的判据不是同一个，这是质检软件最危险的一类缺陷。

1.2 数据解析与标记管理

第二个界面把视角从“看图”切到“造数据”。左侧是数据解析、标记管理、缺陷统计三个入口； 中间是文件解析进度与样本翻页（Sample_071.raw → Sample_001.raw）；下方是矩形、椭圆、多边形三种标注工具， 以及“裂纹-001 / 气孔-002”的缺陷清单。

02数据解析与标记管理界面设计图

技术拆解

• RAW 解析：文件名 Sample_071.raw 说明数据以原始采集格式落盘，解析时需要读取文件头（探头频率、采样率、增益、编码方式）、帧结构（道集数 × 采样点数）与字节序；错一个字段，整幅图就会“斜切”或错位。
• 流式加载：单文件常达数百 MB，必须分块读取 + 内存映射，只保留当前视窗与相邻若干帧，否则内存会被瞬间吃满。
• 容错与进度：解析进度条之外，更关键的是坏帧跳过、校验和失败定位到帧号——现场数据永远比实验室脏。
• 标注几何：矩形/椭圆/多边形三种工具覆盖了不同缺陷形态；标注应同时保留矢量与Mask两种形式：矢量便于人工复核与二次编辑，Mask 便于分割模型训练。
• 缺陷字典：类型（裂纹、气孔、夹渣、未熔合）必须集中定义、统一编号，否则不同标注员会造出三套“气孔”。
• 统计反哺：“缺陷统计”入口不只是报表，它决定下一批要补标哪个类别——这是数据闭环的第一环。

1.3 智能识别与分析

第三个界面进入实时检测：上方是幅值随位置变化的波形曲线，虚线阈值横贯全图，一段阴影区标出触发窗口； 下方是“缺陷类型 / 位置 / 尺寸 / 置信度”的勾选列表；顶部是开始、暂停、导出报告三个动作，底部显示“当前状态：就绪”。

03智能识别与分析界面设计图

技术拆解

• 实时波形刷新：波形用环形缓冲区接收，绘制前做降采样（按像素宽度取 min/max），并用 requestAnimationFrame 控制帧率，避免高频采集把主线程拖死。
• 阈值判据：固定阈值简单但怕噪声，工程上常用浮动阈值——按局部噪声基线（如中位数 + 3σ）自适应抬升门限，图中 45 附近的虚线即这类判据的可视化。
• 峰值特征：在闸门窗口内提取峰值幅值、峰值位置、-6 dB 宽度、上升/下降沿斜率与面积积分，这几维特征比单看幅值稳健得多。
• 置信度分流：勾选“置信度”意味着结果带有可信度评分；低于阈值的样本应自动进入复核队列，而不是直接判废——这是人机协同的落点。
• 状态机：“就绪 / 运行 / 暂停”三态要严格：暂停时必须保留采集缓冲与已算结果，恢复后从断点继续，否则会出现“重复计数”。
• 报告冻结：导出报告时应冻结当前视图与参数快照，避免导出过程中界面继续刷新导致图文不一致。

工程经验：阈值不是越灵敏越好

阈值下调会同时抬高检出率与过杀率。产线上真正需要优化的是“单位时间内的有效复核量”， 通常做法是把阈值设在能覆盖 95% 真实缺陷的位置，再用置信度分层把剩下的 5% 交给人工。

1.4 可视化展示与数据导出

最后一个超声界面是“结果编辑展示导出模块”：一张可勾选的缺陷列表，列为缺陷编号、位置、类型、尺寸， 其中尺寸列直接是可输入框；右下角是保存、导出 Excel、导出报告。界面朴素，但它承担着质检结论真正离开系统的最后一步。

04可视化展示与数据导出界面设计图

技术拆解

• 编号规则：形如 2027-02390283-081-10 的编号通常由年份、批次/工件、工位、序号组合而成，保证全局唯一且可直接检索；编号生成必须由服务端统一分配。
• 可编辑表格：行内编辑要配类型与单位校验（如尺寸只允许数值、限定小数位），并支持撤销；批量勾选后应能批量改类型或批量删除。
• 一致性控制：保存采用乐观锁（带版本号），多人同时编辑同一工件时给出冲突提示，而不是静默覆盖。
• 双通道导出：Excel 走字段映射模板（列顺序、表头、合并单元格可配）；报告走 PDF 模板，嵌入缺陷截图、参数快照与签核栏。
• 审计字段：每条记录保留修改人、修改时间、修改前后值——质检报告一旦签字，任何改动都必须留痕。

1.5 超声链路小结：四个界面就是一条流水线

把四张图连起来看，超声软件的链路非常清晰： 可视化交互定标调参 → 数据解析造数据 → 智能识别实时检出 → 结果编辑定稿输出。 其中可视化交互与智能识别是“在线”的，数据解析与结果编辑是“离线”的；在线部分拼的是实时性与稳定性，离线部分拼的是数据质量与可追溯性。

一个容易被忽略的设计点是：参数配置面板与数据解析的标注界面共享同一套缺陷类型字典。 如果两边各自维护一份枚举，模型训练时的类别与上线判读的类别就会错位——这类问题在项目里往往要等到“某个类别永远检不出”时才被发现。

射线检测软件：从底片到量化结论

射线检测的对象是数字底片：16 bit 灰度、幅面大、对比度低，缺陷与背景的灰度差往往只有几个灰阶。 因此射线软件的界面数量更多，且明显把重心放在了图像质量与可量化上—— 先保证底片本身合格（像质计），再谈缺陷检测。

2.1 可视化交互与数据管理

主界面采用“功能卡片 + 主视图 + 数据表”的三段式：左侧是导入检测数据、缺陷检测、数据管理、报告管理、系统设置五个入口； 中间是焊缝底片与缺陷框；右侧是沿焊缝方向的灰度剖面曲线；下方是缺陷记录表与分页。

05可视化交互与数据管理界面设计图

技术拆解

• 窗宽窗位：16 bit 底片无法直接显示，需要映射到 8 bit；WW/WL 决定哪一段灰度被拉伸。不同壁厚、不同曝光条件应保存各自的窗设置，作为“观察参数”随记录存档。
• 灰度剖面：右侧曲线是沿焊缝法线取像素带平均后的灰度分布，缺陷处的凹陷幅度可直接换算为对比度，比肉眼判断更稳定。
• 图层体系：底图、标注、缺陷框、测量线分层绘制，任一层可独立显隐；缩放平移时所有图层共享同一变换矩阵，避免框与实际位置脱开。
• 缩放锚点：滚轮缩放必须以鼠标位置为锚点（先反算图像坐标，再重算偏移），否则放大后目标会跑出视野。
• 表格↔图像联动：选中表格行应高亮对应缺陷框并自动平移定位；反向点击缺陷框也应滚动到对应行。这种双向绑定是“能用”和“好用”的分水岭。
• 大数据分页：底片与缺陷记录均采用分页 + 缩略图缓存，避免一次性解码全部图像。

2.2 数据标注与参数配置

深色主题的标注工作台：左侧是标注类型选择与标注区域绘制，中间是标注结果预览（Mask 叠加）， 右侧是缺陷阈值设置（对比度、亮度滑杆）与算法参数调整，底部是配置保存/加载。

06数据标注与参数配置界面设计图

技术拆解

• 半自动标注：先用阈值 + 连通域 + 形态学给出候选区域，再由人工修边。相比纯手工勾画，标注效率通常能提升数倍，且边界一致性更好。
• 对比度/亮度参数：这两个滑杆同时影响显示与阈值分割，实现时必须明确“只改显示”还是“也改算法输入”；否则同一张图在不同人眼里会得到不同的 Mask。
• Mask 预览：叠加预览要能切换透明度与描边，用来快速发现漏标（缺块）与过标（粘连）。
• 参数组管理：“配置保存/加载”意味着算法参数被序列化为可版本化的配置对象（JSON Schema 校验字段类型与范围），并与数据集、设备型号绑定。
• 标注规范：最小可标尺寸、边界判定（压线算不算）、类别互斥规则必须写进标注手册，并在界面里以提示条常驻。

2.3 质量检测与智能识别

进入在线检测环节：左侧是检测参数设置、缺陷识别结果、历史数据查询；中间是焊缝底片主视图； 下方是“开始检测”下拉、暂停/继续与保存报告；底部状态栏显示“当前检测进度 85%”“识别准确率 92%”。

07质量检测与智能识别界面设计图

技术拆解

• 任务参数绑定：检测参数（工件、工艺、曝光、灵敏度）应作为任务上下文一次性绑定，而不是分散在多个界面里逐项设置。
• 推理流水线：预处理 → 检测/分割 → 后处理（NMS、形态学、面积过滤）→ 量化 → 判定，每一步都应可单独关闭，便于定位误检来自哪一段。
• 进度与准确率口径：进度按已处理图幅/批次统计；“识别准确率 92%”必须注明口径（与人工复判的一致率？按缺陷数还是按图幅？），否则这个数字没有意义。
• 断点续检：暂停需保存中间状态（已处理索引、缓存结果），恢复后从断点继续，避免整批重跑。
• 历史回放：历史数据查询不仅要能查，还要能“重放”——用当时保存的参数快照复算，验证结论是否可复现。
• 报告保存：保存动作应生成不可变快照（图 + 结果 + 参数 + 时间戳），后续修改生成新版本，而非覆盖原件。

2.4 结果展示与管理

结果页把“结论”组织成三层：上方是检测编号、缺陷类型、缺陷位置、严重程度的列表； 中部用“缺陷图像 / 尺寸测量 / 分析报告”三个页签承载详情；下方是缺陷详情图（圆形视野的底片局部）。

08结果展示与管理界面设计图

技术拆解

• 评级规则引擎：缺陷类型、尺寸、数量与严重程度的映射关系来自验收标准（如 NB/T 47013、ISO 10675 等），应做成可配置规则表，而不是写死在代码里——标准换版时只需要改配置。
• 严重程度色码：文字 + 颜色双编码，避免仅靠颜色传达关键信息（色觉障碍用户无法区分红绿）。
• 尺寸测量：像素→毫米的换算依赖像素尺寸与几何放大倍数；长度、面积、圆度等指标要给出单位与有效位，不能只显示一串数字。
• 三段式详情：图像证据、测量值、文字结论分开呈现，既方便复核，也方便直接拼装成报告。
• 字段命名：表头出现两列同名“缺陷位置”，说明底层字段缺少区分（如“沿焊缝方向位置”与“距焊缝中心偏移”），需要在数据模型层先拆清楚。

2.5 图像自动预处理

预处理界面遵循“左流程、右对比”的结构：左侧是图像导入、预处理设置、参数调整、结果预览； 中间是原始底片与处理结果的并排对比；底部显示“预处理进度 100%”“处理时间 2.3s”。

09图像自动预处理界面设计图

技术拆解

• 预处理流水线：平场校正（去背景不均匀）→ 去噪（中值 / 非局部均值 / BM3D）→ 对比度增强（CLAHE）→ 锐化（USM）→ 16 bit 到 8 bit 显示映射，顺序不可随意调换，否则会把噪声一起放大。
• 自动参数：“自动预处理”背后是基于直方图统计估计窗位、窗宽与增强强度，属于规则式自适应；它给出的是起点，不是终点。
• 前后对比：双视图应联动缩放平移（linked view），否则很难判断增强到底是提亮了缺陷，还是制造了伪影。
• 耗时预算：2.3s 的处理时间说明实现上大概率用了降采样预览或多线程/GPU；全分辨率处理应放到后台任务，界面先给预览。
• 参数版本化：预处理参数需随数据集版本保存，保证“同一批数据永远得到同一批增强结果”，这是模型可复现的前提。

2.6 模型训练

训练模块是典型的“三栏 + 日志”结构：左栏是模型列表（已训练模型 / 待训练模型），右上角是训练参数 （训练轮次、学习率）与“开始训练”，下方是训练输出进度条与日志“epoch 10 loss 0.02”。

10模型训练界面设计图

技术拆解

• 模型生命周期：列表区分“已训练 / 待训练”，每个模型应绑定数据集版本、超参、评估指标与权重路径，形成可追溯的模型卡。
• 训练超参：轮次（epoch）、学习率（lr）、批大小（batch size）、优化器与增强策略要成组保存；只记 lr 不记 batch size，训练结果无法复现。
• 训练监控：进度条之外，loss/acc 曲线、早停条件与显存占用才是判断训练是否正常的关键；日志建议按 epoch 结构化输出，便于事后分析。
• 断点续训：长任务必须支持保存 checkpoint 与恢复，否则一次中断就前功尽弃。
• 灰度替换：新模型先在影子模式下与现网模型并行推理，对比差异后再切流，出问题可一键回滚。
• 控件语义：图中“学习率”下拉里列的是 batch size 选项——控件类型应与参数语义匹配：学习率适合数值输入或对数滑杆，批大小才是枚举下拉。

2.7 像质计丝检测

这是射线链路里最“专业”的一个界面：中央是像质计（IQI）丝区域的底片，下方是检测进度与开始/重新检测， 底部显示“检测精度 98%”“校验状态：通过”。它检查的不是产品，而是成像系统本身是否合格。

11像质计丝检测界面设计图

技术拆解

• IQI 丝号识别：线型像质计由若干根直径递减的金属丝组成，识别出“最细可见丝号”即可换算出像质指数（灵敏度），这是底片质量的核心指标。
• 亚像素测量：丝宽往往只有几个像素，需用灰度加权质心或边缘拟合做到亚像素，才能稳定区分相邻丝号。
• 对比度噪声比：除丝号外，还应计算 CNR 与归一化 SNR，作为成像质量的连续指标，弥补“丝号只能粗分档”的不足。
• 判定与留痕：“校验状态：通过”应写入检测记录，与工件检测结果绑定——成像不合格时，后面的缺陷结论本来就不该被采信。
• 难点：低对比度、丝与背景粘连、投照角度带来的几何畸变；工程上通常先限制 ROI、再做尺度归一化，最后才分类。

2.8 图像预处理与区域提取

这张界面把“批量处理”可视化了：左侧是图像导入、预处理设置、区域提取、结果展示的流程导航； 主区按“原始射线焊缝 / 处理后图像 / 区域提取结果”三行排列，每行三张缩略图；顶部有文件筛选与页码。

12图像预处理与区域提取界面设计图

技术拆解

• 焊缝区域提取：常用阈值 + 形态学、方向滤波（Frangi/Gabor）或语义分割网络得到焊缝带，再拟合中心线；焊缝定位的稳定性直接决定后续缺陷量化的可信度。
• 沿焊缝展开：把弯曲的焊缝按中心线“拉直”（unwrapping）成带状图，缺陷的坐标就能统一到“沿焊缝距离 × 距中心偏移”的二维坐标系，跨工件可比。
• 批处理队列：多图批处理需要任务队列、失败重试与结果目录；缩略图应异步生成并缓存，否则翻页会明显卡顿。
• 三联对比：原始 / 处理后 / 提取结果并排展示，是排查误检来源最有效的方式——能一眼看出是增强过度，还是分割跑偏。
• 图例一致性：颜色语义（焊缝、缺陷、背景）必须在所有视图里保持一致，图例不可只在某一页出现。
• 文案审校：原图中“过处后图图”应为“处理后图像”，说明界面文案需要纳入设计评审流程。

2.9 智能检测与特征量化

最后一个界面聚焦“量化”：左侧是数据导入、缺陷检测、特征量化、结果分析； 主视图是焊缝底片，底部是“当前缺陷类型：未识别”“特征量化值：0.00”。空状态本身也是一种设计——它明确告诉操作者：当前还没有可信结论。

13智能检测与特征量化界面设计图

技术拆解

• 量化指标：长度、宽度、面积、圆度、长宽比、灰度对比度、等效直径等，是缺陷评级与趋势分析的基础数据；每一项都要带单位与精度。
• 类型—量化联动：先分类再生效对应量化器（气孔量直径与圆度，裂纹量长度与走向），否则会得到一堆没有物理意义的数值。
• 未识别兜底：“未识别 / 0.00”的空状态比强行给一个结果更负责任；这类样本应进入人工复核队列，并回流为训练数据。
• 结果分析：单件量化值之外，还需要按批次、工位、时间的统计视图，才能发现工艺漂移。
• 数值可信度：量化值应与置信度、成像质量（IQI/CNR）一起展示，让操作者知道这个数字有多可信。

2.10 射线链路小结：把“图像质量”当成一等公民

射线侧的九个界面可以归成四段：看图与整理（数据管理）→ 增强与提取（标注、自动预处理、区域提取）→ 检测与量化（质量检测、特征量化）→ 校验与输出（结果展示、模型训练、像质计检测）。 与超声相比，它多出了“图像质量校验”（像质计丝检测）与“模型训练管理”（模型训练）两个环节， 这正是批量底片检测的必然要求：没有稳定的成像质量，任何算法指标都是空中楼阁。

先证明图像是合格的，再证明算法是有效的——顺序反了，质检结论就失去了依据。

大家可以参考这篇研究笔记http://yuanbaoge.cloud/subIndex/ultrasonic-ray-inspection-ui.html