[发明专利]一种用于复材缺陷无损检测的红外热影像分析方法

说明书

一种用于复材缺陷无损检测的红外热影像分析方法，包括以下步骤：(1)数据采集：利用红外热像仪获取聚合物复合材料内部缺陷的热影像数据，包括试样的脉冲加热与试样表面热图像捕捉两个过程；(2)数据预处理：对传感器采集到的原始热影像数据进行预处理，包括三部分内容：a)图像有效区域选择b)数据的扩展c)中心化处理；(3)缺陷检测热影像数据分析模型OLPPT构建：计算特征空间的嵌入矩阵Y；(4)OLPPT模型结果可视化：嵌入投影y可视化；(5)OLPPT模型效果定量评估：计算信噪比指标。

技术领域

本发明涉及一种用于复材缺陷无损检测的红外热影像分析方法，特别涉及一种工业生产中聚合物复合材料缺陷检测过程热影像数据的处理和分析方法。

背景技术

聚合物复合材料由于其良好的特性已成为制造业中产品制造的重要材料。然而，在复合材料的制造过程中，会出现纤维断裂、空洞等各种类型的隐形缺陷，这会对复合材料产品的质量产生负面影响。因此，准确、有效、及时地检测复合材料中的缺陷，对提高社会效益和经济效益具有重要意义。无损检测(NDT)技术由于其无损和检测全面的优势已成为复合缺陷检测的优先选择。常用的NDT方法包括红外热成像(IRT)，超声波检测，电阻检测和射线后向散射检测等。其中，IRT因其低成本、易操作和宽扫描范围而广受欢迎。根据外部热源的加热时间，IRT中的主动主动热成像技术主要分为脉冲热成像(PT)和锁相热成像。

近年来，PT由于其低成本、易操作和快速扫描速度而备受关注。为了应用PT，照相闪光通常用于产生短的能量脉冲以在短时间内加热目标物体的表面，然后热通量扩散到材料中，使用红外热像仪记录表面温度响应为热图像的时间序列。然而，仅通过目视检查通常难以识别热图像中的缺陷，主要原因是热图像中通常包含测量噪声和不均匀背景。此外，高频红外摄像机在测试过程中经常会捕获大量的热图像，使用目视逐一检查费力又耗时。因此，有必要采用有效的热成像数据处理方法来改进热成像缺陷分析的结果。

目前，已经开发了许多常见的热成像数据处理技术，包括脉冲相位热成像，差分绝对对比度，热成像序列重建(TSR)，主成分热成像(PCT)，数学形态学，惩罚最小二乘法等。其中，PCT通过线性投影，期望数据方差在投影维度中最大以最大限度地保留数据结构的特征，并实现热图像中的缺陷识别。基于傅里叶热传导原理，TSR为每个像素的表面温度响应建立多项式滤波器，减少数据中的测量噪声，并导出所获得的滤波信号，以进一步改善缺陷检测结果。先前的研究表明，这些方法从不同角度分析热成像数据，达到去除不均匀背景，降低噪声和特征提取的目的。然而，这些缺陷评估方法对缺陷信息提取仍然非常有限，缺陷检测不完全、不集中等问题一直存在。

非线性降维方法作为统计学和机器学习的一个分支，已经在多个实际应用领域中有了行之有效的技术。流形学习作为一种典型的非线性降维技术，能够在低维空间反映高维数据空间中的固有低维流形。在特征提取方面，它通常优于主成分分析(PCA)等传统的线性方法。在此发明中，提出了一种正交局部保持投影热影像数据分析方法(OLPPT)。作为流形学习方法，该方法不仅在保持原始热成像数据的固有结构特征的同时提高了辨别能力，而且在提高识别效率的同时减少了计算时间和成本。OLPPT是基于正交局部保留投影(OLPP)算法开发的，OLPP以局部保留投影(LPP)为基础，它在保留局部结构和内部信息方面更为强大，并建立了能反映流形几何形状和样本点的类关系，然后通过保留该图形结构来获得邻接图。

事实上，若使用OLPPT获得的所有维数，则投影图只是一个不会扭曲度量结构的旋转图。因此，OLPPT的性能对维度的数量并不敏感。由于热影像数据尺寸较大，图像中像素较多且数据实际上位于低维流形上，因此OLPPT比对维度敏感的LPP更适合用来分析热影像数据，且预期OLPPT具有更强的鉴别能力。然而，经文献检索发现，流形学习的概念很少应用于热成像数据分析，故而本文提出基于一种正交局部保持投影的流形学习热影像数据分析方法OLPPT。

发明内容