基于脉冲涡流热成像的钢板缺陷检测研究

脉冲涡流热成像检测技术是一种新型的无损检测方法,研究热成像表面缺陷的数据特征,将otsu分割算法与最大熵分割算法相结合,提出基于最大熵的otsu分割算法,既能较好的分割热图像中的缺陷又能有效的识别目标缺陷的边缘。实验结果表明,相比较其他传统分割算法,具有更好的缺陷提取效果。     

脉冲涡流热成像图像的BEMD提升小波阈值去噪

在脉冲涡流热成像检测中,有效抑制红外热图的噪声是最终提取特征量识别缺陷的关键环节之一。将提升小波阈值去噪的思想运用到二维经验模态分解(BEMD)中,提出了一种基于BEMD的提升小波阈值去噪方法。针对传统软、硬阈值法的局限性,引入包括带有可变因子的隶属函数的模糊阈值处理方法。将该方法运用于脉冲涡流热成像信号的实际消噪处理,实验结果表明,该方法与小波阈值去噪相比,去噪效果更明显,图像的细节特征更清晰。     

基于形态学和OTSU算法的红外图像降噪及分割

在涡流热像技术中,图像处理是进行缺陷特征提取和识别的关键基础,而增强的图像有助于提高涡流热像技术的检测效果。利用多种常用的红外图像处理方法进行增强处理,旨在解决红外图像信噪比不高、缺陷对比度低等问题。首先分析了噪声来源,通过算术运算对涡流红外图像进行预处理,然后采用基于形态学权重的自适应算法进行形态学降噪,最后利用二维最大类间方差法(OTSU)对图像进行分割。定性和定量分析结果均验证了该方法的有效性和适用性,研究成果为红外图像的特征提取和缺陷识别奠定了方法基础。     

数字细节增强技术在脉冲热成像无损检测中的应用

针对脉冲热成像法红外检测图像对比度低、缺陷目标边缘模糊、受不均匀照明影响大的问题,提出一种基于目标轮廓的结合数字细节增强技术与多阈值最大熵的缺陷大小定量估算方法。首先,脉冲红外检测图像经自动对比度增强算法优化的数字细节增强方法处理后,缺陷与背景间对比度显著提升,从而不均匀照明对缺陷识别效果的影响明显减弱;其次,再通过遗传算法优化的最大熵多阈值分割方法提取缺陷目标,对其进行八邻域法轮廓跟踪,以提取各缺陷区域的轮廓像素点并排序;最后,对具有一定方向的缺陷轮廓分别采用欧氏距离法和格林公式对缺陷的周长和面积进行定量估算。实验结果表明:该方法对缺陷大小进行定量估算的可行性,且数字细节增强技术可在一定程度上提高脉冲热成像检测系统的缺陷探测水平。     

基于涡流脉冲热成像的角焊缝表面裂纹检测北大核心CSCD

角焊缝裂纹是焊接结构中常见的缺陷之一,由于其所处位置特殊而常出现漏检、错检等情况。本文采用涡流脉冲热成像技术对T形角焊缝裂纹进行了研究,并提出了一种包含表面裂纹热图像前、后处理及定量检测的检验方法。首先,采用L形铁氧体磁芯对角焊缝缺陷试件进行检测,然后基于独立成分分析算法(ICA)对整个图像序列进行前处理,并提出了一种改进区域生长算法用于提取缺陷特征,最后利用所提出的检测方法对缺陷进行了定量检测和误差分析。实验结果表明,所提出的检测方法可以实现对焊缝表面裂纹的检测,抑制不均匀加热和边缘效应,改善图像分割中的欠分割和过分割现象,且检测出的缺陷长度和宽度相对误差仅为0.4%和14%。     

基于涡流脉冲热成像的焊缝表面多缺陷检测

焊缝表面气孔缺陷的存在减少了工件的有效截面积,降低了工件抵抗外载荷的能力,严重时会导致工件断裂,为此提出一种基于涡流脉冲热成像技术的焊缝表面多缺陷检测方法。首先,采用一种新型电磁传感器结构,通过涡流脉冲热成像原理对不同直径和深度的碳钢缺陷进行检测,并分析了图像序列中缺陷区域与非缺陷区域的温度信号;为了提高该检测系统的灵敏度,采用主成分分析方法对图像序列进行图像重构,增强原始图像中缺陷特征。最后,通过实验验证了该方法,实验结果表明该方法能够减小焊缝边缘效应的影响,实现对焊缝表面缺陷的大面积检测,并为红外热像仪提供一个开放的视野。     

夜视环境下激光助视成像与红外热像的融合

以夜视环境下激光助视成像和红外热成像为研究对象,提出了一种基于非向下采样Contourlet变换和分割模板的图像融合方法.通过引入脉冲耦合神经网络对两幅输入图像进行分割,利用类间方差比判断分割效果的优劣并选取分割模板.在NSCT域中,根据分割模板对激光助视成像和红外热成像的高低频系数进行分区域处理,得到低频和高频融合系数.最后对融合系数进行NSCT逆变换得到融合图像.实验结果表明本文方法能够在融合图像中最大程度呈现出夜视环境下激光助视成像的细节信息和红外热像的目标信息.     

基于涡流热成像的铁磁材料近表面微裂纹检测

采用涡流热成像技术,对铁磁材料近表面微裂纹进行了检测研究。提出了平行激励热传导方式检测近表面微裂纹的检测方法;数值计算模拟了涡流激励下裂纹处的生热过程,分析了裂纹处的温度分布及其对检测结果的影响;采用平行激励方式对含近表面微裂纹的铁磁材料进行了检测实验,通过提取试件表面温度分布数据,获取其变化速率曲线,实现了对裂纹的检测和识别。结果表明:涡流热成像平行激励方式能够准确地检测到铁磁材料近表面的微裂纹缺陷;选择适当的涡流激励时间有助于提高裂纹处与非裂纹处温度对比,增强检测效果。该方法的研究为近表面微裂纹的检测和定量识别奠定了基础。     

钢板表面腐蚀的脉冲涡流热成像检测研究

钢铁腐蚀是威胁工业安全生产的重要原因之一,采用脉冲涡流热成像缺陷检测技术对钢板表面腐蚀进行了检测和评估。用二维感应加热模型分析了腐蚀表面几何形状对感应加热温度分布的影响,根据实验结果提取腐蚀缺陷的表面温度均方根对腐蚀程度进行表征,并研究了涂层对钢板腐蚀程度评估的影响。用主成分分析法、因子分析法和脉冲相位法重构感应加热红外图像,提高了腐蚀缺陷的识别能力和腐蚀程度的评估能力。     

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。     

基于直觉模糊C均值聚类的红外图像缺陷检测

红外热成像技术常被用来检测碳纤维增强复合材料的内部缺陷,但常用的光学热源加热效率低,需要近距离加热试件。激光具有能量集中、衰减小的优点,其作为加热源有助于实现远距离检测。本文介绍了线激光扫描红外热成像无损检测技术,并对加热过程中材料内部热传导进行了分析。其次,针对红外图像均匀性差、对比度弱,不利于缺陷特征提取的问题,本文引入基于直觉模糊C均值聚类算法的图像分割方法来提取缺陷边缘,与K-Means聚类方法相比,该方法可以提升缺陷模糊边缘的识别和检测能力,保留更多图像的细节信息,有助于准确提取缺陷边缘特征。     

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。     

基于脉冲涡流热成像的下表面缺陷评估

针对目前金属材料在高频涡流的激励下,趋肤深度十分小,可视为表面加热,试件下表面缺陷难以被捕捉的现象,提出了基于脉冲涡流热成像纵向热传导的方法来对其下表面缺陷进行识别,同时根据曲线斜率变化来对下表面缺陷进行量化研究。针对铁磁性、非铁磁性材料,通过有限元仿真以及实验验证的方法进行研究。结果表明：当缺陷处横向宽度与剩余厚度之比大于2时,热传导的纵向传导效应会大于横向传导效应,在材料表面形成明显的温度差,从而实现下表面缺陷的检测,并根据温度响应曲线斜率的线性变化与非线性变化所对应的时间点来定量分析缺陷深度之间的关系。     

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。     

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。     

磁环表面缺陷图像分割算法的研究及实时实现

为实现小型磁环表面细微缺陷图像无监督分割,并提高分割精度与计算效率,本文提出了一种基于改进2D Gabor滤波器组的自适应阈值分割方法。首先,利用多尺度、多方向的Gabor滤波器组对缺陷图像进行滤波降噪处理,抑制目标区域与背景区域内部的噪声污染,同时增强区域间的差异性；然后,通过对处理后图像的灰度统计特性分析,根据缺陷图像的灰度均值及方差构造了灰度阈值计算公式,实现了小型磁环表面细微缺陷图像的自适应分割。实验结果表明,本文算法可快速、准确地分割缺陷并抑制噪声干扰,在分割精度、计算效率等方面也优于传统的选择迭代法、OTSU、最大熵等方法,并能够在先进的SEED-DVS8168平台上实时实现,验证了此算法的可行性与实时性。