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。

电涡流脉冲热成像（Eddy current pulsed thermography，ECPT）技术是一种集成了电、磁、热等多物理效应的新兴无损检测技术，具有单次检测范围大、无交互、检测速度快等特点。传统基于特定时刻的单帧热图像分析，很难直接区分不同区域的热分布，无法建立有效的数学、物理模型，对微小缺陷与早期疲劳损伤难以进行完整、有效的检测与评估。本文利用多帧热图像序列构造出了不同阶段的多维观测矩阵，通过拉普拉斯特征映射（ Laplacian eigenmap，LE）方法对高维观测数据集进行降维处理。利用 COMSOL仿真分析了隐马尔科夫模型（ hidden Markov model，HMM）追踪、评估材料特性的有效性，最后通过 HMM对降维后的齿轮疲劳数据进行学习、评估。通过不同阶段的齿轮疲劳实验验证，基于隐马尔科夫模型与电涡流脉冲热成像的技术可以很好地评估齿轮在不同阶段的疲劳损伤状态。

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。