魏延杰，何宏軍，周 輝，張東升

(1.上海大學(xué) 力學(xué)與工程科學(xué)學(xué)院，上海 200444；2.上海航天化工應(yīng)用研究所，湖州 313000)

紅外熱成像技術(shù)是一種新型的無(wú)損檢測(cè)技術(shù)，相較于傳統(tǒng)無(wú)損檢測(cè)技術(shù)(如渦流檢測(cè)、超聲檢測(cè)、X射線檢測(cè)等)，其具有操作簡(jiǎn)單、檢測(cè)效率高、單次檢測(cè)面積大等優(yōu)點(diǎn)，現(xiàn)已廣泛應(yīng)用于航空航天，工業(yè)設(shè)計(jì)，電力等領(lǐng)域，具有廣闊的發(fā)展前景[1-2]。紅外熱成像技術(shù)通過(guò)采集一系列紅外圖像來(lái)跟蹤熱波在物體內(nèi)部的傳播情況，解算出物體的內(nèi)部缺陷。根據(jù)熱源激勵(lì)方式的不同，熱像法主要分為脈沖熱像法、鎖相熱像法和長(zhǎng)脈沖熱像法等[3-4]。長(zhǎng)脈沖紅外熱像法利用鹵素?zé)艏訜嵩嚇颖砻?，通常加熱幾秒鐘的時(shí)間以確保足夠多的熱量傳遞至試樣內(nèi)部，該加載系統(tǒng)較傳統(tǒng)的閃光燈脈沖加載系統(tǒng)更加經(jīng)濟(jì)便攜[5-6]。受限于器件本身及成像機(jī)理，紅外熱成像系統(tǒng)得到的原始圖像質(zhì)量不理想。另外，受檢測(cè)環(huán)境的影響，缺陷在紅外熱像圖中對(duì)比度較低，圖像噪聲較大，給后續(xù)的缺陷定位及尺寸測(cè)量帶來(lái)不便[7-8]。

文章以鹵素?zé)魹榧?lì)源研制了一套經(jīng)濟(jì)、便攜的長(zhǎng)脈沖紅外無(wú)損檢測(cè)系統(tǒng)，并基于傅里葉位相分析法，提出了一種新型的紅外圖像增強(qiáng)算法，有效抑制了圖像噪聲，獲得了清晰的缺陷圖像。該檢測(cè)系統(tǒng)可對(duì)典型的纖維增強(qiáng)復(fù)合材料、熱障涂層材料、固體推進(jìn)劑包覆層進(jìn)行檢測(cè)。

1 方法及原理

長(zhǎng)脈沖激勵(lì)下的傳熱可以看作是一系列閃光激勵(lì)對(duì)時(shí)間的積分。設(shè)定缺陷深度為d，則表面溫度T(t)隨冷卻時(shí)間t的變化可表示為[9]

(1)

式中:tp為鹵素?zé)舻募?lì)時(shí)間；W為試樣表面的熱流密度；α為試樣的熱擴(kuò)散系數(shù)；ρ和C分別為材料的密度和比熱容;n為熱圖像張數(shù)。

采用紅外相機(jī)記錄物體表面的溫度場(chǎng)信息，以初始時(shí)刻的圖像為參考，記t時(shí)刻的溫度變化ΔT為序列圖像與參考圖像的灰度差。由于相位數(shù)據(jù)的信噪比(SNR)高于原始溫度數(shù)據(jù)的，所以文章采用一維傅里葉變換將溫度測(cè)量從時(shí)域逐像素地轉(zhuǎn)變到頻域，頻率k處的相位φk表示為

(2)

式中：T(n)為序列中第n幅圖像像素點(diǎn)的溫度；N為獲取的熱像圖的總數(shù)。

圖1 含不同深度缺陷構(gòu)件的結(jié)構(gòu)示意及缺陷相位差變化曲線

在相位圖中，相位分布為[-ππ]，缺陷處的相位比無(wú)缺陷處的相位小。一個(gè)典型構(gòu)件的內(nèi)部存在不同深度的缺陷，通過(guò)傅里葉位相分析，筆者發(fā)現(xiàn)無(wú)缺陷區(qū)域的相位通常大于缺陷區(qū)域的相位(見(jiàn)圖1)。該發(fā)現(xiàn)提供了一種定位缺陷位置以及缺陷深度的方法。由圖1(b)可見(jiàn)，每條曲線上都有一個(gè)相位差峰值，當(dāng)缺陷較深時(shí)(缺陷1)，峰值較小，對(duì)應(yīng)的頻率也較低。這意味著很難用單張相位圖清晰地顯示不同深度的所有缺陷。

文章提出了一種紅外相位圖像的細(xì)節(jié)增強(qiáng)算法。該方法包括圖像分離和增強(qiáng)兩個(gè)步驟，合成圖像再采用局部自適應(yīng)伽馬算法進(jìn)行校正。

文章采用引導(dǎo)濾波的處理方法從相位圖中提取缺陷的邊緣細(xì)節(jié)，利用導(dǎo)向圖像把相位圖分為細(xì)節(jié)層和背景層，通過(guò)選擇性地增強(qiáng)細(xì)節(jié)層，達(dá)到增強(qiáng)缺陷邊緣的目的，然后再進(jìn)行圖像融合，提高缺陷在相位圖中的對(duì)比度。

紅外無(wú)損檢測(cè)采集到的序列圖像經(jīng)過(guò)增強(qiáng)處理后，得到一組包含與缺陷相關(guān)相位信息的8位格式序列圖像。研究發(fā)現(xiàn)，較深的缺陷通常出現(xiàn)在低頻對(duì)應(yīng)的相位圖中,隨著頻率的增大，深度較大缺陷的邊緣變得模糊，而淺層缺陷的邊緣變得清晰。對(duì)于一定深度的缺陷，缺陷與無(wú)缺陷區(qū)域的相位差會(huì)隨著頻率的增大先達(dá)到某一峰值，然后隨著頻率的繼續(xù)增大而逐漸減小?？梢酝ㄟ^(guò)主成分分析來(lái)實(shí)現(xiàn)多張?jiān)鰪?qiáng)相位圖的融合，重構(gòu)包含所有缺陷的檢測(cè)圖像。長(zhǎng)脈沖紅外熱成像序列圖像的處理流程如圖2所示。

圖2 長(zhǎng)脈沖紅外熱成像序列圖像的處理流程

2 試驗(yàn)設(shè)計(jì)

2.1 設(shè)備

筆者開(kāi)發(fā)的長(zhǎng)脈沖紅外無(wú)損檢測(cè)系統(tǒng)外觀如圖3所示。激勵(lì)源是兩個(gè)功率為1 000 W的鹵素?zé)?，熱輻射時(shí)間可調(diào)。試驗(yàn)使用的熱像儀是FLIR公司生產(chǎn)的A6700sc科研型熱像儀，工作波段為35 μm，圖像分辨率為640像素×512像素，溫度響應(yīng)范圍為-20350 ℃，熱靈敏度在室溫下為20 mK。

將設(shè)備放置在被測(cè)構(gòu)件前約1 m的位置進(jìn)行檢測(cè)，加熱時(shí)間一般設(shè)置為10 s，使被測(cè)構(gòu)件表面上升約5 ℃；采集幀率為10 Hz，采集時(shí)間一般不超過(guò)30 s。

圖3 長(zhǎng)脈沖紅外無(wú)損檢測(cè)系統(tǒng)外觀

2.2 試件

圖4 試件1實(shí)物及缺陷分布示意

檢測(cè)選用了3種典型試件。試件1為碳纖維層壓板(見(jiàn)圖4)，規(guī)格為250 mm×80 mm×4 mm(長(zhǎng)×寬×厚)，其背面加工了總共10個(gè)不同直徑和深度的圓形和方形平底盲孔模擬分層缺陷，盲孔缺陷的直徑分別為5，10，15，20，25 mm，缺陷至檢測(cè)表面的距離為1.4～3.0 mm。

試件2為圓柱形的固體推進(jìn)劑藥柱(見(jiàn)圖5)，其包覆層厚度為2 mm，藥柱高度為200 mm，直徑為100 mm，包覆層與基體之間插入直徑為15 mm的聚四氟乙烯隔熱片模擬脫黏缺陷，且試樣上部邊緣處有一個(gè)自然形成的脫黏缺陷。

圖5 試件2外觀

試件3為橡膠涂層黏接結(jié)構(gòu)件，涂層厚度為5 mm，涂層表面用白漆涂抹，構(gòu)件的幾何尺寸為100 mm×100 mm(長(zhǎng)×寬)，基體為玻璃鋼材料，涂層與基體之間插入直徑為3 mm和20 mm的脫黏缺陷，其中較小的缺陷有一半被挖開(kāi)暴露在空氣中(見(jiàn)圖6)。

圖6 試件3外觀

3 試驗(yàn)結(jié)果與分析

圖7 文章算法處理前后試件1的熱像圖

文章算法處理前后試件1的熱像圖如圖7所示，從處理前的熱像圖中只能觀察到第一行深度較淺的缺陷，深度大于2 mm的缺陷對(duì)比度低，且直徑最小的缺陷(5 mm)無(wú)法辨別，而經(jīng)過(guò)算法處理后的熱像圖的缺陷對(duì)比度高，缺陷邊緣明顯，即使直徑最小的缺陷和最深的缺陷也清晰可見(jiàn)。這表明所提出的算法可以有效地增強(qiáng)圖像的細(xì)節(jié)信息。

文章算法處理前后試件2的熱像圖如圖8所示，從處理前的熱像圖可以觀察到試樣中間的模擬脫黏缺陷，但缺陷邊緣不明顯，且試樣上方邊緣處的自然脫黏缺陷不明顯，而經(jīng)算法處理后的熱像圖，兩個(gè)缺陷的邊緣十分清晰，圖像噪聲減小，圖像質(zhì)量和缺陷對(duì)比度得到了明顯提高。

圖8 文章算法處理前后試件2的熱像圖

文章算法處理前后試件3的熱像圖如圖9所示，從處理前的熱像圖可以看出，直徑為3 mm和20 mm的2個(gè)脫黏缺陷不明顯，而經(jīng)過(guò)算法處理后的熱像圖，缺陷的對(duì)比度得到了很大的提升，缺陷邊緣明顯，并且可以看出試樣左下角邊緣部分也存在一定的脫黏現(xiàn)象，即試樣自然形成的脫黏缺陷。

以上3種試樣的檢測(cè)結(jié)果表明，文章開(kāi)發(fā)的便攜式紅外無(wú)損檢測(cè)系統(tǒng)能夠針對(duì)典型的工程結(jié)構(gòu)進(jìn)行無(wú)損檢測(cè)，并獲得高質(zhì)量的檢測(cè)結(jié)果。

4 結(jié)語(yǔ)

文章針對(duì)傳統(tǒng)紅外無(wú)損檢測(cè)技術(shù)中熱像圖像模糊及檢測(cè)系統(tǒng)成本昂貴等缺點(diǎn)，研制出了一套基于長(zhǎng)脈沖激勵(lì)的紅外無(wú)損檢測(cè)系統(tǒng)，并提出了相應(yīng)的序列圖像處理技術(shù)，使檢測(cè)到的缺陷邊緣更加清晰，缺陷的信噪比更高。利用該系統(tǒng)及所提出的算法對(duì)復(fù)合材料層壓板、黏接結(jié)構(gòu)和藥柱包覆層等結(jié)構(gòu)中的缺陷進(jìn)行了檢測(cè)。試驗(yàn)結(jié)果表明，所提出的相位圖像增強(qiáng)算法提高了圖像質(zhì)量，在抑制噪聲的同時(shí)還能夠銳化缺陷的邊緣，為缺陷的定位和定量分析奠定了基礎(chǔ)。