• 제목/요약/키워드: Radiographic testing

검색결과 72건 처리시간 0.018초

모의 시험편에 대한 TOFD와 방사선투과시험의 비교 (Comparison of TOFD and Radiographic Testing for a Mock-up Specimen)

  • 김중직;전종건;김진택
    • 비파괴검사학회지
    • /
    • 제28권1호
    • /
    • pp.64-69
    • /
    • 2008
  • 압력용기 및 구조물 용접부의 내부결함을 검출하기 위해서는 방사선투과시험과 초음파탐상시험을 시행한다. 그러나 방사선투과시험은 방사선 노출 위험성과 필름 현상처리 소요 등으로 결과의 확인에 상대적으로 긴 시간이 소요되어 제작 공정에 영향을 준다. 일반적인 수동 초음파탐상시험은 결과의 재현이 용이하지 않으며 검사자의 기량에 대한 의존도가 높다는 문제점을 가지고 있다. 이에 대한 대안으로 자동 초음파탐상시험 기법의 하나인 TOFD의 적용이 확산되고 있다. 본 연구는 결함을 포함한 시험편에 대하여 방사선투과 시험과 TOFD 기법을 적용하고 비교한 결과를 기술하였다. TOFD 기법은 초음파 시험기법의 객관적 신뢰도 향상에 기여하게 될 것으로 판단된다.

A Special Pre-Service-Inspection Using Radiographic Testing(RT) for Brazing Fitting Uused in Aircraft Hydraulic System

  • Kim, Gyu-Ho
    • 비파괴검사학회지
    • /
    • 제30권3호
    • /
    • pp.271-281
    • /
    • 2010
  • Brazing fitting which is one of the aircraft hydraulic power system components is widely used for saving weight and achieving higher reliability. Any inherent defects or damage of fitting can cause system failure and/or physical damage of human body due to highly pressurized fluid. Radiographic testing(RT) technique and additional micro-structure investigation on cut-away surfaces have been accomplished to find out some defect-like-inhomogeneity in the fittings. The radiography results showed that some defect-like-inhomogeneity existed inside body. Additional micro-structure investigation on cut-away surface reveals that the inhomogeneity is due to internal voids. In this study, it can be is said that RT technique can be a useful tool for field acceptance test of hydraulic brazing fitting in short time.

방사선 투과 이미지에서의 용접 결함 검출을 위한 딥러닝 알고리즘 비교 연구 (Comparative Study of Deep Learning Algorithm for Detection of Welding Defects in Radiographic Images)

  • 오상진;윤광호;임채옥;신성철
    • 한국산업융합학회 논문집
    • /
    • 제25권4_2호
    • /
    • pp.687-697
    • /
    • 2022
  • An automated system is needed for the effectiveness of non-destructive testing. In order to utilize the radiographic testing data accumulated in the film, the types of welding defects were classified into 9 and the shape of defects were analyzed. Data was preprocessed to use deep learning with high performance in image classification, and a combination of one-stage/two-stage method and convolutional neural networks/Transformer backbone was compared to confirm a model suitable for welding defect detection. The combination of two-stage, which can learn step-by-step, and deep-layered CNN backbone, showed the best performance with mean average precision 0.868.