基于无人机红外热像的电缆隐患点智能检测

城市输电电缆是城市电力供应的生命线, 保障其安全可靠地运行是电网企业日常工作的重中之重, 运维工作面临巨大的挑战, 人工检查手段难以快速有效发现并及时排除隐患点. 因此, 本文提出基于无人机红外热像智能检测电缆隐患点的方法. 首先, 采用无人机对户外电缆终端进行航拍, 得到户外电缆终端的红外热图; 其次, 对红外热图采用改进的Bernsen二值化处理; 再次, 使用投影法从二值化图像中提取出待检测的主体电缆, 通过形态学方法去除背景或干扰区域对隐患点诊断的影响; 最后, 根据强度色谱确定主体电缆图像中颜色高亮的异常区域为隐患点. 通过应用本方法, 电网企业能够实现快速的缺陷识别, 消缺和故障判断, 全面提升城市输电电缆状态的管控能力.     

脉冲漏磁检测技术中新型传感器设计及实验验证

漏磁检测法广泛应用于铁磁性材料的缺陷检测.应用有限元法对一新型脉冲漏磁传感装置下钢管缺陷产生的漏磁场进行了仿真分析,仿真结果表明提取缺陷漏磁场三维分量进行缺陷识别,相比较传统的提取一维或二维缺陷漏磁场分量而言,可获取更多有关缺陷尺寸、位置等信息,提高对缺陷的识别能力.采用所设计的新型脉冲漏磁传感器,对脉冲漏磁三维检测分量信号进行了分析,由三维检测信号峰值扫描波形可有效识别缺陷,并评估缺陷长度、深度等信息;实验结果与仿真分析有较好的一致性.     

基于连通磁路的脉冲远场涡流传感器设计及缺陷定量评估与分类识别

为了克服传统脉冲远场涡流传感器由于结构的限制带来的激励磁场在空间出现发散、对大壁厚管道检测能力较弱以及难以对缺陷进行准确定位的问题,在分析了脉冲远场涡流检测原理的基础上,采用仿真与实验相结合的方法,仿真分析了基于连通磁路的脉冲远场涡流传感器的聚磁效果,研究了该传感器对管道轴向内外壁裂纹缺陷的定量评估能力,比较了检测线圈处于不同位置时的缺陷分类识别效果。仿真结果表明,该传感器通过引导磁场的定向传播实现了对磁场的聚集,同时,通过提取适当检测位置的信号负峰值可以实现对缺陷的分类识别。最后,采用实验的方法验证了基于连通磁路的脉冲远场涡流传感器对管道轴向裂纹缺陷深度的定量能力,实验结果表明该传感器可以很好的实现对缺陷的定量评估。     

基于脉冲涡流热成像的表面缺陷实验研究

针对碳纤维增强复合材料、铁磁性材料、非铁磁性材料,采用脉冲涡流热成像技术对其表面裂纹进行了实验研究,由于红外热像仪采集到的红外热图像边缘信息模糊以及提取的信息不完整,提出了一种Sobel算子的优化算法,研究发现改进后的算法能够有效提高对裂纹缺陷的边缘识别能力,实现对裂纹缺陷的定性分析.研究了不同材料缺陷深度的温度分布规律以及涡流加热方式,并分析了感应加热后不同裂纹深度与温度响应曲线的关系,为裂纹缺陷的定量分析提供了理论依据.     

基于模糊分析的焊缝图象的缺陷提取

在X射线检测焊缝缺陷过程中,至关重要的一步就是图象中缺陷的提取和分割,其处理效果直接影响到后续缺陷识别的正确性.本文先进行了焊缝背景去除,然后针对焊缝图象对比度差的特点以及其固有的模糊性,设计了基于直方图的模糊增强算法,以及基于直方图的模糊C-均值聚类分割算法.实验表明,本文提出的方法不仅能大大减少图象处理工作量,还能有效地提取出缺陷,为后续正确识别缺陷打下良好基础.     

伏安型电子舌对不同品种中药材的检测

中药在我国卫生体系中占有非常重要的地位,其质量好坏对人们的健康至关重要.提出了应用伏安型电子舌对不同品种的中药材进行分类鉴别研究.采用差分脉冲伏安法和方波伏安法,分别以玻碳电极和金电极作为工作电极来检测被识别样品,并利用主成分分析法对其检测后的数据进行分析.结果显示:同种实验方法下应用双电极体系检测的识别结果要优于单电极体系检测的识别结果,不同实验方法下基于差分脉冲伏安法检测的识别结果要优于基于方波伏安法检测的识别结果.应用伏安型电子舌对中药材进行检测能够很好地区分不同品种的中药材,为伏安型电子舌系统在中药材领域的研究提供了一定的基础.     

基于LabVIEW的红外无损检测数据分析系统

传统上实施红外无损检测对人员和经验的依赖性强;使用红外热像仪测得表面存在缺陷的管道红外热像和温度场分布数据,基于图形化编程语言LabVIEW开发了红外无损检测数据分析系统;该数据分析系统具备求温度分布极值、多项式拟合、样条滤波、中值滤波、傅立叶变换、功率潜分析等数据处理和分析功能,适应性强。该数据分析系统用于红外无损检测中的缺陷识别和定位十分有效。     

结合小波变换和稀疏主成分分析的复合材料缺陷信号增强算法

脉冲热成像技术被广泛应用于碳纤维复合材料内部缺陷检测。由于原始热成像数据包含不均匀背景及检测噪声,缺陷信号的可视化效果较差,无法直接进行缺陷检测及识别。针对上述问题,提出结合小波变换和稀疏主成分分析（wavelet transforming and sparse principal component analysis,WT-SPCA）的特征提取方法,以提高缺陷信号的可视化效果。首先利用小波变换进行噪声信号去除,进一步采用稀疏主成分分析提取缺陷信号特征。实验结果表明,WT-SPCA方法可有效去除不均匀背景及噪声干扰,准确提取缺陷特征。与主成分分析、稀疏主成分分析等特征提取方法相比,WT-SPCA能够有效提高缺陷信号的可视化效果及缺陷区域的信噪比水平。     

相位编码脉冲串的相参性识别算法研究

本文提出了一种相位编码脉冲串的相参性识别算法,通过检测脉冲相位的线性度判别序列的相参性。该算法通过M次方运算将相位编码信号变换成正弦波信号,再通过相参积累,有效地提高了信号的信噪比。文中讨论了算法的信噪比门限,并通过仿真实验加以验证。仿真实验表明,本方法可以在一定信噪比条件下实现对相位编码脉冲串相参性的识别。本文算法有助于实现对脉冲多普勒雷达的识别和告警,对研制数字射频存储器也具有重要意义。     

基于显著性判别的缺陷检测方法

X射线成像存在噪声大、半影现象及散射等问题,使所得缺陷图像边缘模糊,背景灰度变化不均匀,严重影响了缺陷的识别准确率。提出了一种由LoG边缘检测和局部对比度筛选进行显著性判别的缺陷检测方法,在基于LoG边缘检测的双阈值进行显著性边缘检测的基础上,通过各向同性扩散方法求取待定缺陷的局部背景,利用待定缺陷和局部背景之间对比度的显著性设置第三个阈值进行进一步判断,从而去除假缺陷,使缺陷能够被准确地提取出来,并可以同时确定缺陷的轮廓和面积。实验结果表明,该方法对缺陷识别的准确度较高,并可以用于在线的实时检测系统中。