1 新疆大学机械工程学院, 新疆 乌鲁木齐 830017
2 新疆维吾尔自治区特种设备检验研究院, 新疆 乌鲁木齐 830047
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。
焊缝气孔 涡流脉冲热成像 缺陷检测 主成分分析 weld porosity eddy current thermography defect detection principal component analysis
1 昆明理工大学信息工程与自动化学院，云南 昆明 650500
2 昆明理工大学云南省人工智能重点实验室，云南 昆明 650500
3 浙江大学控制科学与工程学院，浙江 杭州 310027
提出一种迁移学习与深度学习相结合的钢板裂纹缺陷检测方法。首先，通过非负矩阵分解（NMF）建立红外缺陷数据集的目标域特征空间，以余弦相似度为衡量指标选取可见光缺陷数据集的源域样本，对深度学习模型进行预训练，并将模型权重参数迁移至目标域，实现相似领域的知识迁移；然后，在YOLO v5算法基础上引入自适应空间特征融合（ASFF）模块，提高缺陷检测精度。实验结果表明：所提方法对钢板脉冲涡流热成像裂纹缺陷的检测精度达到98.6%，可实现不同长度裂纹的准确识别与定位。
机器视觉 无损检测 脉冲涡流热成像 迁移学习 非负矩阵分解 YOLO v5
在涡流脉冲热像技术中，高频涡流瞬时加热被测物体时，不同区域的热响应会发生混叠现象，这势必影响缺陷区域热响应信号的判别。本文以红外图像序列为观测信号，建立热响应信号的混叠模型；其次，利用不同区域的热响应彼此独立的特点，开展了基于主成分分析的盲源分离数据处理方法研究；最后，建立仿真模型研究了不同区域的热响应形态，采用了基于混叠向量和峰度系数定量分析主成分强化的区域。实验结果表明该方法能够实现不同生热区域的盲源分离，为缺陷的特征提取和识别提供了理论支撑。
涡流脉冲热像 盲源分离 主成分分析 热响应 Eddy current thermography Blind source separation PCA Thermal response signals
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。
涡流热像 红外图像 形态学降噪 图像分割 eddy current thermography infrared image morphological noise reduction image seg-mentation
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。
涡流热成像 铁磁材料 近表面微裂纹 平行激励 eddy current thermography ferromagnetic materials micro crack near surface parallel excitation 红外与激光工程
2017, 46(3): 0317001
