起重机械金属结构缺陷的热成像技术研究

对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像技术检测原理,设计了脉冲红外热成像检测系统,并根据脉冲红外热成像检测系统搭建了脉冲红外热成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处理,并针对以上算法处理后缺陷轮廓边缘模糊的问题,提出了巴特沃斯带通滤波算法。对图像进行阈值分割、边缘检测后提取出缺陷轮廓特征,根据平板试件的实际尺寸和轮廓特征图像像素之间的换算关系,最终得到裂纹缺陷的识别精度。经过对比验证,脉冲红外热成像技术可以满足对起重机械金属结构裂纹缺陷检测的检测需求。     

起重机械金属结构缺陷的热成像技术研究

对起重机械金属结构裂纹缺陷的识别是红外热成像检测技术的新方向。介绍了脉冲红外热成像技术检测原理,设计了脉冲红外热成像检测系统,并根据脉冲红外热成像检测系统搭建了脉冲红外热成像检测系统实验平台。采用中值滤波和巴特沃斯低通滤波对实验中采集到的红外图像进行图像处理,并针对以上算法处理后缺陷轮廓边缘模糊的问题,提出了巴特沃斯带通滤波算法。对图像进行阈值分割、边缘检测后提取出缺陷轮廓特征,根据平板试件的实际尺寸和轮廓特征图像像素之间的换算关系,最终得到裂纹缺陷的识别精度。经过对比验证,脉冲红外热成像技术可以满足对起重机械金属结构裂纹缺陷检测的检测需求。     

基于红外图像处理技术的建筑外窗缺陷面积计算研究

将红外热成像与图像处理技术结合应用于建筑外窗缺陷的检测,提出一种外窗缺陷检测和面积计算方法。通过外窗缺陷检测实验,利用压差法进行外窗空气渗透检测,求出渗透的缺陷面积。将红外热成像仪采集的外窗红外图像进行图像的预处理、外窗缺陷的检测以及检测后的面积计算,并建立外窗缺陷红外图像检测模型。结果表明:利用加权平均法进行灰度化处理,中值滤波进行降噪处理、图像锐化和直方图均衡化进行图像增强处理,处理效果明显,可作为外窗红外图像的预处理方式;Roberts算法对预处理后外窗红外图像的检测与实验值差异最小,检测信息更接近实际缺陷位置;将处理方法和检测模型与建筑整体气密性检测结合,能够在现场对外窗气密性能等级进行初步判定。     

基于CNN的金属疲劳裂纹超声红外热像检测与识别方法研究

传统超声红外热像检测与识别金属疲劳裂纹主要是通过图像处理算法提取红外热图像的相关热特征,并与裂纹特征进行匹配,其过程过于繁琐,识别率较低且需要人工筛选有效特征。结合主动红外热成像技术以及卷积神经网络（Convolutional Neural Network,CNN）在金属结构无损检测与缺陷自动识别中的优势,提出了一种基于CNN的金属疲劳裂纹超声红外热像检测与识别方法。通过超声红外热成像装置对实验对象（文中为金属平板试件）进行检测,获取红外热图像并制作图像数据集。运用设计的卷积神经网络对不同尺寸裂纹的超声红外热图像进行特征提取与识别分类。此外,对所提出的方法与两种常见图像分类网络模型以及支持向量机的分类结果进行对比。实验结果表明,设计的卷积神经网络在该数据集上识别分类准确率为100%,优于其他网络模型和支持向量机的识别分类,可以有效检测与识别金属疲劳裂纹。     

基于DSP的新型超声热成像材料缺陷检测系统的设计

超声热成像检测是利用高能量、低频率的超声波作用于金属构件,使试样缺陷处产生热量,通过红外热成像技术对此局部发热过程进行监测和分析,从而对材料的缺陷或损伤进行判别的技术,相对其他热成像方法具有适应性好、检测范围大以及检测信号易于辨别等特点.系统采用新型高速数字信号处理芯片TMS320VC5402和大功率稀土超声换能器,实验证明检测金属构件中的疲劳裂纹,具有检测快速、精度高和结果直观等优点,应用前景广阔.     

基于紫外联合红外热像的三通道便携式变电站监测装置

本文设计了一种基于紫外联合红外热像的三通道便携式变电站监测装置,该装置采用紫外成像监测扫描、红外测温扫描、摄像和图像处理技术,利用紫外通道的电弧放电进行成像检测,诊断变电站设备的早期故障,利用红外通道的热像原理找出对应位置点的温度,结合可见光确定故障位置的优点确定中后期故障的具体位置,将设备的局部放电和温度分布数据,通过图像融合处理技术置入由摄像头获得的设备可见光图像,建立与设备图像的对应关系,同步采集同一设备同一时刻三种成像的结果,不但能以图像方式直观地显示出放电位置和温度分布,而且能定量表示放电程度及放电发展状况,从而及时发现电力设备的故障情况,可对电气设备有效的进行状态监测、故障诊断和危险预警,且不易受到周围环境、气象等条件的影响,操作简单易行准确率高,体积小重量轻便于携带,具有非常广阔的应用前景。     

线性调频激励的红外热波成像检测技术

线性调频激励的红外热波成像检测技术是一种基于线性调制热波信号处理的主动式红外热成像技术,能够弥补传统红外锁相热像检测的单一调制热波只能探测相应扩散深度缺陷的不足,可准确检测不同深度范围内的缺陷形状及尺寸。阐述了线性调频红外热波成像检测技术的原理、分析方法和实验。采用有限元方法对线性调频啁啾(Chirp)规律变化热流在构件中的传递过程进行了分析。利用相关算法计算了表面温度(热波)信号的相关峰值及其对应的时间,形成了表面温度相关峰值图像与峰值时间图像。利用Chirp规律调制卤素光源作为热激励源对金属平底孔试件进行激励加载,通过Jade MWIR 550 焦平面红外热像仪进行图像序列采集。分别利用时域相关处理与频域FFT扫描得到了表面温度(热波)信号的相关峰值及对应时间图像和不同频率下的相位图像。试验结果表明,在给定激励条件下,相关峰值图像和频域相位图像能够可靠地确定不同深度缺陷的几何特征。     

基于红外注意力提升机制的热成像测温区域实例分割

AI+热成像人体温度监测系统被广泛用于人群密集的人体实时温度测量。此类系统检测人的头部区域进行温度测量,由于各类遮挡,温度测量区域可能太小而无法正确测量。为了解决这个问题,该文提出一种融合红外注意力提升机制的无锚点实例分割网络,用于实时红外热成像温度测量区域实例分割。该文所提出的实例分割网络在检测阶段和分割阶段融合红外空间注意力模块(ISAM),旨在准确分割红外图像中的头部裸露区域,以进行准确实时的温度测量。结合公共热成像面部数据集和采集的红外热成像数据集,制作了“热成像温度测量区域分割数据集”用于网络训练。实验结果表明:该方法对红外热成像图像中头部裸露测温区域的平均检测精度达到88.6%,平均分割精度达到86.5%,平均处理速度达到33.5 fps,在评价指标上优于大多数先进的实例分割方法。     

基于时序信息的红外图像缺陷信息提取

主动红外热像检测技术中,红外图像的缺陷信息提取是其核心内容。传统的红外图像处理方法在一定程度上可以消除噪声、提高图像的对比度,但是仍存在一些问题,如:需要手动选择特征信息丰富的红外图像,红外图像增强和图像分割过程中会引入主观成分,仅仅分析单张红外图像可能存在信息丢失等问题。针对上述问题,本文根据主动红外热成像的数据特征提出了一种基于时序信息的红外图像缺陷信息提取方法。首先,通过室内实验制作含缺陷分层的混凝土试块;然后,利用主动红外热像检测技术进行三维红外图像数据的采集,提取每个像素点的时序信息;最后,采用基于时序信息的K-means方法进行缺陷特征提取。结果表明,基于时序信息的缺陷提取方法是可行的,其可以提取到隐藏的分层缺陷信息,提取效果优于基于空域信息的K-means方法。     

直流XLPE电缆局部放电模式识别技术研究

本文为解决传统直流XLPE电缆局部放电模式识别查准率低的问题,提取局部放电行为特征,处理局部放电行为特征描述子,基于行为特征,将局部放电模式分类,建立局部放电模式识别矩阵,实现局部放电模式识别。设计实例分析,结果表明,实验组识别查准率明显高于对照组,能够解决传统技术识别查准率低的问题。     

基于卷积神经网络的超声红外热图像分类

在超声红外热像技术应用中,从红外热图像来判断被测对象是否含有裂纹,通常需要先基于人工经验,从红外热图像中提取特征再采用某种模式识别方法进行分类,裂纹的识别与定位过程繁琐且识别率较低.为此,提出一种基于卷积神经网络技术的超声红外热图像裂纹检测与识别方法,其特点是可以直接从超声红外图像中学习特征进而实现是否含有裂纹红外热图...     

基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测

针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。     

基于聚类分析和骨架提取的含裂纹超声红外热像增强方法研究北大核心CSCD

超声红外热图像因噪声干扰及缺陷位置的热扩散,导致其存在对比度差、清晰度低、边缘模糊等问题。为了增强红外图像视觉效果,提高缺陷检测能力,提出了一种基于聚类分析和缺陷骨架的超声红外图像增强方法。采用基于kmeans的DBSCAN聚类算法对裂纹发热区域进行识别聚类,将图像分解为缺陷生热区域与非缺陷区域;然后,对缺陷区域进行骨架描述,并沿裂纹骨架走向采用改进的部分子块重叠直方图均衡算法对缺陷图像进行增强。提出的超声红外图像增强方法与常用的直方均衡化、限制对比度自适应直方图均衡化、自适应同态滤波三种方法进行对比,结果表明所提的增强方法可以得到对比度更显著的图像,具有明显的优势。提出的方法为增强超声红外图像视觉效果、提升裂纹诊断能力提供了一种有效方法。     

基于三维块匹配的红外图像降噪与缺陷量化方法

对金属表面的缺陷检测以及量化逐渐成为一项重要的工作,对于保障器件安全有着重大意义。本文以钛合金为例,使用了一种以激光器为热源的的红外热成像缺陷量化方法。利用激光器可以点加热的优点对缺陷周围进行加热并对金属背面进行图像采集,为了使红外图像清晰表示并保留边缘,对红外图像进行同态滤波,变换后的红外图像进行噪声估计并使用基于三维块匹配的去噪算法将图像进行去噪,并且对去噪图像进行边缘检测以及缺陷量化。实验表明该系统可以有效的对金属材料进行缺陷检测,该红外去噪算法在峰峰值信噪比(PSNR)方面得到了显著的提升,在去除乘性噪声的同时也使图像边缘得到了有效地保留,该缺陷量化方法可以将误差控制在15 %以内。     

红外热成像技术在亚平面缺陷检测中的应用

根据红外成像无损检测原理,利用机器视觉技术,通过实验将红外热像仪采集的亚表面红外缺陷图像进行一系列的处理,包括滤波降噪,图像增强,边缘提取等,将缺陷检测出来。文中用matlab和Visual C++2010联合编程的方式对红外缺陷进行识别,通过窗口可视化将图像和图像中的缺陷位置,大小提取出来。通过多次实验,本方法能够检测大多的亚平面缺陷,具有较高的应用价值。     

航空激光增材制造零部件潜在缺陷检测

传统的航空激光增材制造零部件潜在缺陷检测方法检测准确度低,图像特征查全率低。基于上述问题,提出一种基于图像识别技术的航空激光增材制造零部件潜在缺陷检测方法。采用红外成像技术进行航空激光增材制造零部件成像处理,提取航空激光增材制造零部件红外图像的缺陷区域特征点,对红外图像进行中值滤波降噪处理,利用扫描图像的纹理异常分布特性进行潜在缺陷的自适应定位检测,结合模板匹配和角点检测方法,实现对航空激光增材制造零部件潜在缺陷检测。仿真结果表明,采用该方法方法的图像特征提取查全率比传统方法提高了15%～20%,能够清晰检测到增材零件的潜在缺陷。说明进行航空激光增材制造零部件潜在缺陷检测的准确性较好,对缺陷部位定位的误差较小。     

红外热波检测方法图像增强环节研究

红外热图具有高噪声、低对比度的特点,设计了图像增强环节解决该问题。对红外热图的频段分布和频段来源进行了分析,确定了有效频段为检测对象红外特性带来的高频段,并确定了增强该频段能量为图像增强环节的目标。针对红外热图频段的分布特点,基于处理目标,使用灰度值调整和巴特沃斯滤波对图像进行了处理,通过图像显示和大律法分割图像两种方法来检验图像增强效果。结果表明:经过设计增强环节,图像的对比度增强,噪声降低,对缺陷的分割更加准确,验证了增强方法的有效性,为更加准确地进行缺陷识别和尺寸定量计算打下了基础。     

超声红外热成像技术在航空发动机叶片裂纹的对比研究

由于航空发动机叶片具有复杂的曲面结构,对服役过程中形成的微小裂纹检测带来了困难,文中采用超声红外热成像技术对航空发动机叶片裂纹实施检测,开展了超声红外热成像技术研究,搭建了超声红外热成像实验平台,并对实际服役过程中产生裂纹的航空发动机工作叶片进行检测.超声红外热成像结果与渗透检测、金相检测进行了对比;实验结果表明,对于...     

基于激光热成像方法的奥氏体钢表面缺陷表征

有源热成像是当今广泛使用的无损检测方法,可利用材料热特性完成缺陷表征。本文使用激光作为热成像的激励源,使用激光局部加热试件,产生的球形热流允许以任意方向检测缺陷。在加热过程中,能量扩散完全覆盖缺陷区域,在散热过程中,缺陷的存在会使得激光器的热足迹呈现不对称性,红外热像仪实时监测表面温度场分布,实现表面缺陷的可视化检测。通过实验验证以及对实验结果的图像分析来完成缺陷表征,结果表明:在散热过程中,红外热像仪可实现对缺陷的可视化检测,通过图像锐化处理检测缺陷边界,得到缺陷的形状分布,完成缺陷的定位表征。