渦流熱成像動態檢測模式的缺陷信號重構方法研究*

魏嘉怡，張來斌，鄭文培,賀　敏

(中國石油大學(北京) 機械與儲運工程學院，北京 102249)

0　引言

隨著現代工業的飛速發展，生產過程中的機械設備和結構愈加大型化、復雜化，裝備結構安全服役的風險日益突出[1]。國內外在生產過程中已經發生過很多起結構損傷引起的安全事故，造成重大的經濟損失、人員傷亡和環境影響。如：1980年，歐洲北海油田的“基爾蘭”號平臺因結構損傷造成傾覆，導致123人死亡[2]。因此，有效檢測結構的損傷，評定結構的安全性和可靠性，對保證結構裝備安全服役，最大限度的避免生產過程中事故的發生具有重要意義。

目前，結構損傷檢測技術主要有滲透檢測、磁粉檢測和超聲檢測[3-4]。這些檢測方式都存在一定的弊端，不適用于復雜結構的檢測。渦流熱成像檢測是近些年發展起來的一項非接觸測量的無損檢測技術，它不存在提離效應的問題，加熱迅速，便于快速檢測，并且檢測面積大、靈敏度高、使用方便，受被檢測對象形狀的影響小，特別適合復雜裝備結構的檢測[5-6]。

渦流熱成像的檢測模式可以分為靜態檢測模式和動態檢測模式，靜態檢測時感應線圈和紅外熱像儀與被測試件的相對位置固定不動，而在動態檢測過程中，感應線圈與被測試件有相對的位移。目前，國內外學者針對渦流熱成像圖像處理方面的研究大部分都是針對靜態檢測[7-12]，針對動態檢測模式的研究相對較少。賀敏[13]針對動態檢測模式渦流熱成像表面發射率不均的問題，運用基于溫度梯度的方法和小波變換的方法進行處理，得到了較好的效果。

為了對動態模式渦流熱成像檢測的缺陷溫度信號進行重構，本文提出1種基于區域掃描的方法，通過劃分區域并進行相應的運算處理來獲得新的溫度矩陣，進而重構出包含所有缺陷溫度信息的熱像圖。

1　方法研究

渦流熱成像技術以電磁感應原理為基礎，當載有交變電流的激勵線圈靠近被測導體試件時，由于線圈的磁場作用，會在試件中產生感應渦流，當試件表面或者亞表面存在缺陷時，熱量會在缺陷附近聚集，表現為試件表面的溫度發生變化，紅外熱像儀可以捕捉到試件表面的溫度變化，通過對采集到的熱圖像進行分析，可以得到缺陷的相關信息，進而對缺陷進行定性定量分析[14-15]。

動態模式的渦流熱成像檢測適用于大型裝備的檢測，相比于靜態檢測來說，更加高效省時。為了對動態模式渦流熱成像檢測的溫度信號進行重構，提出1種基于區域掃描的方法。首先選定區域大小及劃分準則，在每幀圖像的相同位置劃分1個矩形區域，在動態檢測的過程中，就等同于用這個區域掃描過整個試件。然后在該矩形區域內由上至下依據像素劃分若干個相同的小區域，對各個小區域內的溫度數據進行相應的運算處理并提取結果，以此作為每個小區域的重構溫度，形成新的溫度矩陣，進而重構出包含所有缺陷溫度信息的熱像圖。方法原理如圖1所示。

圖1　區域掃描法Fig.1　Area based method

2　試驗裝置

試驗中采用的試件材料為45號鋼板，鋼板上有3處缺陷，如圖2所示。缺陷板的尺寸等相關信息見表1，缺陷的形狀如圖3所示，缺陷的尺寸見表2。

圖2　試驗缺陷板Fig.2　The experimental defective plate

編號大小/mmL195L297L392L490L410H10W60

圖3　缺陷形狀Fig.3　Shape of the defect

mm

試驗裝置主要由激勵系統、激勵線圈、紅外熱像儀、冷卻系統、導軌、被測試件以及計算機組成，原理如圖4所示。

圖4　試驗裝置原理Fig.4　Schematic diagram of the experimental setup

將被測試件放在導軌托架上，試驗時導軌以3 mm/s的速度勻速帶著被測試件移動，其他裝置保持固定不動。激勵系統向激勵線圈提供160 kHz的交變電流30 A，紅外熱像儀置于試件上方，以30 fps的頻率來采集試件表面的溫度變化圖像并將采集到的信息傳遞給計算機。冷卻系統為激勵系統及中空的激勵線圈提供循環水，以達到降溫的目的。

3　試驗結果及分析

3.1　以1像素×1像素為區域進行劃分

首先從紅外熱像儀拍攝到的熱圖像中選取1幀，在該幀圖像上選取1條直線，該直線垂直于試件的移動方向，長度為110個像素大小，然后提取每幀圖像相同位置的一列溫度信息，將所有的溫度信息按時間順序排列，構成1個新的溫度矩陣，以此來進行溫度信號的重構，如圖5所示。

圖5　以1像素×1像素劃分的信號重構Fig.5　Signal reconstruction diagram divided by 1×1 pixel

由圖5可以看出，以1像素×1像素為大小進行劃分和運算得到的新溫度矩陣可以重構出試件表面缺陷的溫度信號，但是部分無缺陷區域的溫度波動比較大。

3.2　以2像素×2像素為區域進行劃分

首先對紅外熱像儀拍攝到的熱圖像選定矩形區域，在試件移動方向上選取2個像素大小的區域，在垂直于試件移動方向上選取110個像素大小的區域，然后對這個矩形區域進行進一步的劃分，從上至下分別劃分55個2像素×2像素的小矩形區域，如圖6所示。

圖6　區域劃分Fig.6　Area partition

首先分別對每個2像素×2像素的小區域進行運算，選出其最大值，得到該幀圖像矩形區域的55個溫度值，然后對每幀圖像進行相同的運算處理，依據時間順序排列所得到的溫度數據，構成1個新的溫度矩陣，最后根據該溫度矩陣進行試件表面的溫度信號重構，如圖7所示。

圖7　依據最大值重構得到的溫度信號Fig.7　The temperature signal reconstructed by the maximum value

由圖7可以看出，通過對各個小區域進行運算，以每個小區域的最大值組成的新溫度矩陣可以重構出缺陷的溫度信號，但是無缺陷部分的溫度信號波動比較大，顯示效果不夠理想。

然后分別對每個2像素×2像素的小區域進行取均值運算，得到該幀圖像矩形區域的55個溫度值，再進行與前述運算過程相同的處理方式，最后依據新的溫度矩陣進行缺陷的溫度信號重構，如圖8所示。

圖8　依據均值重構得到的溫度信號Fig.8　The temperature signal reconstructed by the mean value

由圖8可以看出，以每個小區域的均值組成的新溫度矩陣也可以重構出缺陷的溫度信號，但是無缺陷部分的溫度信號波動也比較大，顯示效果依然不是非常理想。

因而采用將每個小區域的最大值減去均值這種運算方式，以減弱無缺陷部分溫度波動的影響。分別對每個2像素×2像素小區域進行最大值減均值的運算，得到該幀圖像的55個溫度值，然后進行與前述運算過程相同的處理方式，最后依據新的溫度矩陣進行缺陷的溫度信號重構，如圖9所示。

圖9　依據最大值減均值重構得到的溫度信號Fig.9　The temperature signal reconstructed by the maximum value minus the mean value

由圖9可以看出，以每個小區域的最大值減均值組成的新溫度矩陣不但可以重構出缺陷的溫度信號，而且缺陷區域的溫度信號相對于無缺陷區域更加直觀，無缺陷區域的部分噪聲信號得到了一定程度上的抑制，缺陷顯示更為明顯突出，效果比單獨使用最大值或均值作為重構溫度矩陣時的效果好。

3.3　以其他像素大小為區域進行劃分

為了比較劃分區域大小對溫度信號重構效果的影響，分別對小區域進行3像素×3像素以及4像素×4像素的劃分，然后分別采用最大值、均值以及最大值減均值運算進行處理，再依據新的溫度矩陣進行缺陷的溫度信號重構，如圖10、圖11所示。

圖10　以3像素×3像素劃分的信號重構Fig.10　Signal reconstruction diagram divided by 3×3 pixel

圖11　以4像素×4像素劃分的信號重構Fig.11　Signal reconstruction diagram divided by 4×4 pixel

由圖10、圖11可知，以3像素×3像素、4像素×4像素為大小進行劃分，對該區域進行運算處理也可重構出試件表面缺陷的溫度信號，并且依據最大值減均值這種運算方式得到的重構結果比單獨選擇最大值或均值作為重構矩陣溫度數據時的效果要好，但是隨著劃分區域的增大，缺陷溫度信號峰值部分的細節也被弱化，由于垂直于試件移動方向上的像素太少，若掃描區域劃分的過大，運算處理時會造成部分有效數據的丟失，效果不如以2像素×2像素劃分小區域的重構效果好。

以1像素×1像素劃分重構出來的溫度信號雖然也能重構出試件表面的溫度信號，但是相比于以2像素×2像素劃分而言，前者沒有降噪的效果，無缺陷部分的溫度信號波動較大。所以綜合來看，以2像素×2像素劃分的區域更適合于本文條件下動態模式渦流熱成像檢測的缺陷溫度信號重構，更有利于對缺陷的后續定性定量分析。

4　結論

1)針對動態模式渦流熱成像檢測，提出了1種基于區域掃描的方法，結果表明，該方法可以重構出動態檢測的缺陷溫度信號，有利于后續的圖像處理。

2)在對每幀圖像的區域進行數據處理時，分別以最大值、均值以及最大值減均值進行運算，結果表明，對區域的數據進行最大值減均值運算得到的結果重構出的缺陷信號顯示更為直觀突出，并在一定程度上抑制了無缺陷區域的噪聲。

3)在對每幀圖像進行區域劃分時，以3像素×3像素和4像素×4像素進行運算重構出的效果不如以2像素×2像素重構的效果好，缺陷溫度信號峰值部分的細節被弱化；而以1像素×1像素重構出來的效果相比于2像素×2像素而言，無缺陷區域溫度波動較大，沒有降噪的效果，缺陷顯示不如后者明顯直觀。綜合來看，以2像素×2像素劃分的區域更適合于本文條件下動態模式渦流熱成像檢測的缺陷溫度信號重構，更有利于對缺陷的后續定性定量分析。

[1]鄭渝. 機械結構損傷檢測方法研究[D].太原：太原理工大學，2004.

[2]王欣. 水下結構物環境載荷分析及疲勞損傷機理研究[D].青島：中國海洋大學，2012.

[3]白利兵. 電渦流脈沖熱成像無損檢測技術研究[D]. 成都：電子科技大學，2013.

[4]萬琪. 基于遺傳算法的渦流熱成像檢測系統中激勵參數優化[D]. 南昌：華東交通大學， 2016.

[5]Weekes B, Almond D P, Cawley P, et al. Eddy-current induced thermography—probability of detection study of small fatigue cracks in steel, titanium and nickel-based superalloy[J]. Ndt & E International, 2012, 49:47-56.

[6]左憲章，常東， 錢蘇敏，等. 脈沖渦流熱成像裂紋檢測機理仿真分析[J]. 激光與紅外, 2012, 42(9):998-1003.

ZUO Xianzhang, CHANG Dong, QIAN Sumin, et al. Simulation analysis of crack detecting mechanism using pulsed eddy current thermography[J]. LASER & INFRARED, 2012, 42(9):998-1003.

[7]BIJU N, GANESAN N, KRISHNAMURTHY C V, et al. Defect sizing simulation studies for the Tone-Burst eddy current thermography using genetic algorithm based inversion[J]. Journal of Nondestructive Evaluation, 2012, 31(4): 342-348.

[8]WILSON J, TIAN Gui-yun, MUKRIZ I, et al. PEC thermography for imaging multiple cracks from rolling contact fatigue[J]. NDT & E International, 2011, 44(6): 505-512.

[9]陳怡帆．不銹鋼焊縫缺陷脈沖渦流熱成像檢測的圖像處理算法研究[D]．成都：電子科技大學，2016．

[10]胡德洲，左憲章，王建斌，等．脈沖渦流熱成像缺陷檢測圖像的因子分析[J]．紅外技術，2014(12)：1009-1015.

HU Dezhou, ZUO Xianzhang, WANG Jianbin， et al. Factor analysis of thermal images for defect detection with pulsed eddy current thermography[J]. Infrared Technology, 2014(12):1009-1015.

[11]常東,左憲章,張云,等. 脈沖渦流熱成像圖像的BEMD提升小波閾值去噪[J]. 紅外技術,2012, 34(6):346-350.

CHANG Dong, ZUO Xianzhang, ZHANG Yun, et al. PEC thermography image de-noising based on the BEMD and lifting wavelet thresholding[J]. Infrared Technology,2012, 34(6):346-350.

[12]YANG Hai-long, GAO Bin, TIAN Gui-yun, et al. Transient-spatial pattern mining of eddy current pulsed thermography using wavelet transform[J]. Chinese Journal of Mechanical Engineering, 2014, 27(4): 768-778.

[13]He M, Zhang L, Li J, et al. Methods for suppression of the effect of uneven surface emissivity of material in the moving mode of eddy current thermography[J]. Applied Thermal Engineering, 2017, 118:612-620.

[14]江蕾, 劉志平, 劉慧龍,等. 渦流激勵熱成像金屬焊縫裂紋檢測方法研究[J]. 武漢理工大學學報(交通科學與工程版), 2015, 39(1):129-134.

JIANG Lei, LIU Zhiping, LIU Huilong, et al. Research on detecting weld cracks by eddy current thermography[J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2015, 39(1):129-134.

[15]丁汛. 脈沖渦流熱成像缺陷檢測技術優化研究現狀[J]. 價值工程, 2014,33(20):52-53.

DING Xun. Optimization research status of pulsed eddy current thermography defect detection technology[J]. Value Engineering, 2014, 33(20):52-53.