基于時序熱圖加權(quán)疊加的紅外無損檢測方法
【專利摘要】本發(fā)明公開了一種基于時序熱圖加權(quán)疊加的紅外無損檢測方法。首先，使用紅外熱像儀實時采集加熱試件降溫過程時序熱圖，并對采集的時序熱圖進行灰度化，獲得時序灰度圖；其次，以時序灰度圖中缺陷區(qū)域和正常區(qū)域灰度差值的加權(quán)和為目標(biāo)函數(shù)，采用遺傳算法優(yōu)化加權(quán)系數(shù)，使目標(biāo)函數(shù)值最大；最后，基于該加權(quán)系數(shù)對時序灰度圖進行加權(quán)疊加，獲得突顯缺陷特征信息的疊加圖用于紅外無損檢測。
【專利說明】基于時序熱圖加權(quán)疊加的紅外無損檢測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種紅外無損檢測方法，尤其是一種基于時序熱圖加權(quán)疊加的紅外無損檢測方法。
【背景技術(shù)】
[0002]無損檢測是保證材料及其構(gòu)件安全服役的有效手段之一。紅外無損檢測技術(shù)由于具有抗干擾能力強、快速實時、直觀和非接觸等優(yōu)點，現(xiàn)已成為無損檢測領(lǐng)域的主要研究方向之一。
目前，紅外無損檢測的主要研究方法是基于材料缺陷區(qū)域與正常區(qū)域?qū)嵝阅艿牟町?，在采集預(yù)加熱試件熱圖的基礎(chǔ)上，針對溫度場分布特性，結(jié)合圖像處理技術(shù)實現(xiàn)缺陷檢測。然而，該檢測方法應(yīng)用于材料淺表層缺陷的檢測仍存在一定的局限性，主要原因在于被檢測試件缺陷區(qū)域與正常區(qū)域溫差小，造成紅外熱圖中缺陷區(qū)域與正常區(qū)域特征相互混疊，增加了缺陷檢測的難度。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的是提供一種基于時序熱圖加權(quán)疊加的紅外無損檢測方法，首先，使用紅外熱像儀實時采集加熱試件降溫過程時序熱圖，并對采集的時序熱圖進行灰度化，獲得時序灰度圖；其次，以時序灰度圖中正常和缺陷區(qū)域灰度差值的加權(quán)和作為目標(biāo)函數(shù)，采用遺傳算法獲得時序疊加的加權(quán)系數(shù)；最后，基于該加權(quán)系數(shù)對時序灰度圖進行加權(quán)疊加，獲得突顯缺陷特征信息的疊加圖。
本發(fā)明采用的技術(shù)方案主要包括下列步驟:` 第一步驟:采用熱激勵源加`熱試件，設(shè)定熱激勵源與試件的位置及距離，確定加熱時間，對試件缺陷面均勻加熱；
第二步驟:試件加熱后，設(shè)定紅外熱像儀與試件的位置及距離，選擇采集周期，通過紅外熱像儀自動采集試件降溫過程的紅外時序熱圖。采集過程中保證紅外熱像儀與試件位置不變，且視場剛好覆蓋試件缺陷面；
第三步驟:對采集的紅外時序熱圖進行灰度化，獲得時序灰度圖；提取時序灰度圖中正常和缺陷區(qū)域的灰度值，并以該灰度差值的加權(quán)和構(gòu)建目標(biāo)函數(shù)，目標(biāo)函數(shù)/的表達式如下:
【權(quán)利要求】
1.一種基于時序熱圖加權(quán)疊加的紅外無損檢測方法，其特征在于:技術(shù)方案主要包括下列步驟: 第一步驟:采用熱激勵源加熱試件，設(shè)定熱激勵源與試件的位置及距離，確定加熱時間，對試件缺陷面均勻加熱； 第二步驟:試件加熱后，設(shè)定紅外熱像儀與試件的位置及距離，選擇采集周期，通過紅外熱像儀自動采集試件降溫過程的紅外時序熱圖，采集過程中保證紅外熱像儀與試件位置不變，且視場剛好覆蓋試件缺陷面； 第三步驟:對采集的紅外時序熱圖進行灰度化，獲得時序灰度圖；提取時序灰度圖中正常和缺陷區(qū)域的灰度值，并以該灰度差值的加權(quán)和構(gòu)建目標(biāo)函數(shù)，目標(biāo)函數(shù)/的表達式如下:
2.如權(quán)利要求1所述的一種基于時序熱圖加權(quán)疊加的紅外無損檢測方法，其特征在于: 以鋁板的表面孔洞缺陷檢測為例，具體實施過程如下: I)制備試件:以長、寬、厚分別為220mm、162mm和16mm的招板為對象，制備深度A分別為3mm和5mm,直徑D分別為2.5mm、4.2mm、6mm和8mm的8類孔洞缺陷，以其作為待測試件；2)采集時序熱圖:室溫為25°C，采用兩只250W的紅外輻射燈均勻照射試件缺陷面，照射距離為5cm，對鋁板缺陷面加熱20min后，采用紅外熱像儀距離試件50cm，采集試件降溫過程的紅外時序熱圖,采集周期為30s，獲得30幀紅外時序熱圖； 3)構(gòu)建目標(biāo)函數(shù):對紅外時序熱圖進行灰度化，以時序灰度圖中正常和缺陷區(qū)域灰度差值的加權(quán)和作為目標(biāo)函數(shù)； 4)加權(quán)系數(shù)優(yōu)化:采用遺傳算法對加權(quán)系數(shù)進行優(yōu)化，使目標(biāo)函數(shù)值最大，初始化參數(shù)分別為:幀數(shù)為30、種群大小為300、雜交概率為0.9、變異概率為0.01、最大迭代次數(shù)為.2000，終止條件為:條件一:當(dāng)種群中目標(biāo)函數(shù)的最大值與平均值之差小于1%時終止迭代、條件二:達到最大迭代次數(shù)時終止迭代； 5)獲取加權(quán)疊加圖:根據(jù)優(yōu)化后的加權(quán)系數(shù)，對所有的時序灰度圖進行加權(quán)疊加后再作歸一化處理，獲得能夠突顯缺陷區(qū)域特征的加權(quán)疊加灰度圖。
【文檔編號】G01N21/88GK103728313SQ201310736898
【公開日】2014年4月16日 申請日期:2013年12月27日 優(yōu)先權(quán)日:2013年12月27日
【發(fā)明者】周建民, 李鵬, 胡林海, 劉正平, 楊君, 萬琪 申請人:華東交通大學(xué)