一种用于叶片缺陷的热成像快速检测方法
本发明属于红外热成像,具体涉及一种叶片缺陷的热成像快速检测方法。
背景技术:
1、工业无损检测是现代制造业质量控制体系中的关键环节,其核心任务是在不破坏被测对象完整性的前提下,发现和分析内部或表面缺陷。随着工业化进程向高精度、高可靠性方向快速发展,工业无损检测技术已广泛应用于航空航天、石油化工、电力能源、汽车制造等战略性领域。其中,热成像检测技术作为一种非接触式、快速响应的无损检测方法,能够通过捕获目标物体表面温度分布的异常变化来识别潜在缺陷,在保障装备安全运行和产品质量控制方面发挥着日益重要的作用。
2、其中,热成像检测技术是一种利用红外热像仪探测物体表面红外辐射能量分布,并将温度分布可视化呈现的检测技术。该技术基于缺陷区域与正常区域在热传导特性上存在差异的原理,通过分析热图像中的温度异常来定位和识别各类缺陷。在叶片检测应用场景中,叶片作为旋转机械的核心部件,其质量直接关系到整机的运行效率和安全性。叶片在制造和使用过程中可能产生裂纹、夹杂、孔洞、腐蚀等缺陷,传统的人工目视检测和常规无损检测方法在检测效率、覆盖范围和缺陷识别能力等方面存在明显不足,热成像检测技术为叶片缺陷的快速筛查提供了一种新的技术路径。
3、现有技术中的热成像检测方法在应用于叶片缺陷识别时仍面临诸多技术瓶颈。现有技术主要采用被动式热成像检测方式,仅依靠叶片自身温度与环境温度的差异进行缺陷判别,这种方式对微小缺陷的检测灵敏度不足,容易漏检尺寸较小的早期缺陷;同时,被动检测模式下获取的热图像对比度普遍偏低,缺陷边缘模糊,导致缺陷边界难以精确划定,严重影响了缺陷尺寸测量的准确性。此外,现有技术在检测过程中缺乏有效的快速定位机制,往往需要操作人员逐区域手动搜索疑似缺陷点,检测效率低下,难以满足大批量叶片快速在线检测的生产需求。在复杂工况环境下,例如叶片表面存在油污、氧化皮或温度不均匀分布时,环境干扰因素会显著降低缺陷识别的准确率,导致误检率上升。更为关键的是,现有热成像检测系统普遍缺乏针对叶片特征结构的专用算法模型,难以实现不同类型缺陷的自适应分类和定量评估,检测结果的可靠性和重复性难以保证。这些技术难题的存在,严重制约了热成像检测技术在叶片缺陷检测领域的广泛应用和效能发挥,亟需一种能够实现快速、精准、高可靠性叶片缺陷热成像检测的技术方案。
技术实现思路
1、本发明的目的在于提供一种叶片缺陷的热成像快速检测方法,可以有效解决现有技术中被动式热成像检测灵敏度不足、热图像对比度偏低、缺陷定位效率低下、缺乏专用算法模型导致分类评估困难的技术问题。
2、为实现上述目的,本发明采取的技术方案为:
3、一种叶片缺陷的热成像快速检测方法,包括以下具体步骤:步骤1获取叶片表面温度场分布数据:采用主动式红外热激励装置对叶片进行均匀可控的热激励,同时使用高分辨率红外热像仪采集叶片表面的温度场分布数据,得到包含叶片完整表面热信息的原始热图像序列;步骤2对原始热图像序列进行预处理:对采集到的原始热图像序列进行噪声滤除、盲元补偿和非均匀性校正处理,消除红外热像仪本身引起的图像退化,并通过时域滤波和空域滤波相结合的方法增强热图像的信噪比;步骤3实现缺陷区域的快速自动定位:基于预处理后的热图像序列,采用基于形态学梯度与自适应阈值分割相结合的方法提取疑似缺陷区域,并利用连通域分析实现疑似缺陷区域的标记和快速定位,获得缺陷候选区域;步骤4对缺陷候选区域进行特征提取:对每个缺陷候选区域提取多维特征参数,包括温度异常幅度特征、空间几何特征、时间演化特征和频域特征,构建缺陷特征向量;步骤5实现缺陷类型的自适应分类识别:基于提取的缺陷特征向量,采用多核学习支持向量机分类器对缺陷类型进行自适应分类识别,输出缺陷类别和置信度,完成叶片缺陷的热成像快速检测。
4、优选的,所述步骤1中主动式红外热激励装置采用可控功率密度的脉冲式红外加热器,激励功率密度为预设功率密度范围,激励持续时间为预设激励时间,激励波长覆盖预设波长范围,热激励均匀性偏差在允许范围内。
5、优选的,所述步骤1中高分辨率红外热像仪的探测器类型为制冷型碲镉汞探测器,工作波段为预设工作波段,热灵敏度为预设热灵敏度,像素规模为预定像素规模,帧频为预设帧频。
6、优选的,所述步骤2中对原始热图像序列的预处理包括:采用自适应均值滤波算法进行噪声滤除,滤波窗口尺寸根据局部噪声水平自适应调整;采用基于参考黑体的实时定标方法进行非均匀性校正,校正后的图像残差在允许误差范围内。
7、优选的,所述步骤3中基于形态学梯度与自适应阈值分割相结合的方法包括:对预处理后的热图像计算形态学梯度图像,突出温度突变区域的边缘;采用最大类间方差法确定自适应分割阈值,将梯度图像二值化得到初始缺陷区域掩膜;通过形态学开闭运算消除孤立噪声点和小孔洞,获得连通的疑似缺陷区域。
8、优选的,所述步骤3中利用连通域分析实现疑似缺陷区域的快速定位包括:采用八邻域连通性准则对二值化后的缺陷区域进行连通域标记;计算每个连通域的面积、重心、最小外接矩形和长宽比等几何参数;根据预设的几何参数阈值筛选出真实的缺陷候选区域,实现缺陷的快速自动定位。
9、优选的,所述步骤4中对缺陷候选区域提取的多维特征参数包括:温度异常幅度特征中的最高温度点温度值、温度异常区域与背景区域的平均温差最大值和温度标准差;空间几何特征中的缺陷区域面积、等效圆形直径、周长和紧凑度;时间演化特征中的温度上升速率、温度峰值时间和热扩散系数;频域特征中的二维离散余弦变换系数分布特征和频谱能量比。
10、优选的,所述步骤5中多核学习支持向量机分类器采用线性核函数、多项式核函数和径向基核函数的加权组合,组合权重通过交叉验证优化确定,支持向量机分类器对裂纹、夹杂、孔洞和腐蚀四类典型缺陷的分类准确率达到预设准确率。
11、优选的,所述方法还包括缺陷尺寸定量评估步骤:基于热图像中缺陷区域的温度分布模型,结合热传导逆问题求解方法,估算缺陷的深度信息和几何尺寸,定量评估结果与实际缺陷尺寸的误差在允许误差范围内。
12、优选的,所述方法应用于自动化叶片检测生产线,检测系统集成有自动上下料机构、多自由度机械臂和视觉引导模块,机械臂重复定位精度为预设定位精度,单叶片检测耗时为预设检测时间,检测通量达到预设检测通量。
13、与现有技术相比,本发明具有如下有益效果:
14、1.高灵敏度缺陷检测能力:通过采用主动式红外热激励技术替代被动式检测,实现了叶片表面温度场的可控加载,显著增强了缺陷区域与正常区域之间的热对比度,有效提升了微小缺陷的检测灵敏度,可靠识别尺寸小于特定阈值的早期缺陷,检测灵敏度较被动式方法得到显著提升;高分辨率红外热像仪结合先进的图像预处理算法,消除了探测器本身的噪声干扰,显著提高了热图像的质量,为后续缺陷分析提供了高质量数据源。
15、2.高效率快速定位能力:通过形态学梯度与自适应阈值分割相结合的缺陷提取方法,实现了疑似缺陷区域的自动快速定位,替代了传统方法中操作人员手动逐区域搜索的低效方式,缺陷定位效率得到大幅提升;基于连通域分析的筛选机制能够快速剔除虚假缺陷目标,显著提升了定位的准确性和可靠性,满足大批量叶片快速在线检测的生产需求。
16、3.智能化分类评估能力:通过多维特征参数提取和多核学习支持向量机分类器,实现了不同类型缺陷的自适应分类识别,对裂纹、夹杂、孔洞和腐蚀四类典型缺陷的分类准确率达到预设准确率,较传统阈值法大幅提升;热传导逆问题求解方法的引入,使得缺陷尺寸的定量评估成为可能,为叶片的质量等级评定和剩余寿命预测提供了科学依据。
17、4.高可靠性环境适应能力:通过时域滤波和空域滤波相结合的预处理方法,有效抑制了复杂工况环境下油污、氧化皮和温度不均匀分布等干扰因素的影响,降低了误检率,复杂工况下的检测可靠性和稳定性显著优于现有技术;自动化的检测流程和标准化的算法参数设置,消除了人为因素对检测结果的影响,检测结果的重复性和一致性得到充分保证。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com