1、存在的问题 在钢焊缝射线检测实时成像中，计算机对焊缝缺陷的定位、定量和定级比较容易实现， 而对焊缝缺陷(如裂纹、未熔合、未焊透、条状夹渣和气孔等)的定性则比较因难，这是因为：
(1)缺陷形状识别比较困难 图像组成的基本单元是像素，如果一幅图像中包含的像素 越多，图像就越清晰，像质就越高。从目前射线实时成像技术和计算机图像处理(chǔ lǐ)技术来看， 像质的提高，特别是清晰度（Clarity)的提高已经不是很困难的事。但是，图像清晰度的提高，只是有利 于图形边界的分辨，即缺陷的定位和定量，不能代替图像形状的识别，即缺陷的定性。由于 缺陷形状较复杂，给图像的自动识别带来一定的困难。
(2)图像识别需要建立数学模型 焊缝缺陷具有一定的立体形状，投影到成像平面上后 则成为二维图像。识别缺陷的几何形状(即识别缺陷的图像特征)应首先建立多个可以描述 不同边界形状或图像特征的数学模型，否则很难用计算机程序(procedure)来自动识别。建立数学模型往 往不是无损检测专业人员的强项，需要多个学科人员的配合和支持才能实现，这就需要强有力 的组织和较大的资源，是一项系统(system)工程(Engineering)，这在一般性的无损检测研究课题中难于做到。
2、图像的人工识别 虽然图像自动识别在一般性的无损检测研究（research)课题中存在暂时的困难，但也不能因此而影 响射线实时成像应用的步伐，因此，图像的人工识别就提到了议事日程。对射线实时成像的图 像应按什么特征来识别，是图像识别应首先考虑的问题(Emerson)。检测物体(例如钢焊接缝及其缺陷)总 是具有一定的自身物理特征(例如形状和密度（单位:g/cm3或kg/m3)等)，根据射线衰减（attenuation）定律，射线透过物质后被衰 减，影响(influence)衰减的主要因素是被检物体的形状(厚度)和密度的变化，从而引起图像中灰度的变 化，即图像灰度的变化是图像识别的基本条件。 在笔者参加(cān jiā)的 ;气瓶钢焊缝射线实时成像检测研究 ;课题中，对焊缝缺陷的定位、定量 和定级通过计算机来完成，而定性则用人工方式方法来识别。课题组从对比试验开始，逐渐了解(Find out) 气瓶钢焊缝缺陷的个性特征(虽然它不完全代表所有钢板焊缝缺陷的共性特征，但它对气瓶 薄钢板焊缝个性特征是适用的)。
试验挑选50个有各种缺陷的钢瓶，分别对焊接缝进行射线 照相和射线实时成像检测。将在射线照相底片中得到的焊缝缺陷信息与射线实时 成像检测图像对比，逐渐建立起图像评定人员对缺陷图像识别的感性认识，再综合上升到理 性认识。统计结果表明，图像与底片识别的相符率达90％以上。当然，射线实时成像检测 与射线照相检测毕竟在检测原理上和方法上存在不同，要求两者的识别完全相符是不太可能 的。 实践证明(zhèng míng)，用对比分析(Analyse)建立起来的图像人工识别方法在当前技术水平下是可行 的，与当前无损检测五大常规的缺陷定性方法均为人工定性的现实情况(Condition)是相适应的， 它可以使气瓶钢焊缝射线实时成像检测课题的研究成果较快地转化为实际应用。
由于气瓶属于压力容器管理的范畴(category)，图像人工识别的方法得到了压力容器质量技术监 督部门的认可。在GB 17925—1999《气瓶对接焊接缝射线实时成像检测》标准中， 焊缝缺陷的定性是以人工识别为前提的。 图像的人工识别能够发挥(表现出内在的能力)无损检测人员的经验（experience)和智慧(wisdom)，使检测图像中焊缝缺陷性 质的判断与评定更加准确，即使是将来实现了智能(intelligence)化的图像自动识别，对被测物体缺陷 的判断与定性，人工识别还会起到最终决定的作用(据了解(Find out)，现在卫星图像的最终识别 仍是以人工识别为准)。从这个角度出发，更加证明(zhèng míng)了无损检测人员资格鉴定与考核的 重要性和必要性。
3、图像的智能化识别 图像智能化识别是射线实时成像技术的发展方向。
它与卫星图像的自动识别系 统有相同之处。虽然射线实时成像图像自动识别系统(system)比卫星图像的自动识别系统要 简单，但毕竟是一项系统工程，需要通过(tōng guò)系统的方法来解决。相信通过多学科的共 同努力，射线检测图像智能化识别最终会得以实现。