[发明专利]超声红外无损检测中热图序列缺陷信号的自动识别方法

摘要

本发明公开了一种超声红外无损检测中热图序列缺陷信号的自动识别方法，采用超声源以一定频率和脉冲时间长度作用在被测试件上，缺陷处由于摩擦或热弹效应等而生热，从而引起其对应表面温场变化，使用热像仪记录该表面温场变化，并提取二维热扩散特征值，进而结合图像处理和支持向量机算法有效的实现了超声红外无损检测技术中热图序列缺陷信号自动识别。

主权项

1.一种超声红外无损检测中热图序列缺陷信号的自动识别方法，其特征在于，包括以下步骤：步骤1，使用超声源在设定频率、脉冲时间长度、功率和压力条件下激励被测试件，同时通过红外热像装置获取被测试件表面的热图序列T(u，v，t)，其中，u、v为被测试件表面的坐标，t为时间；步骤2，根据被测试件超声激励前的图像对热图序列T(u，v，t)进行减背景处理，得到温升热图序列f(u，v，t)；步骤3，选取时间点t₁的第一温升热图f(u，v，t₁)和时间点t₂的第二温升热图f(u，v，t₂)，其中，t₁为激励时间内靠前的某一时刻，t₂取为超声激励时间内靠后的某一时刻；步骤4，选取全局阈值并根据全局阈值方法去除第一温升热图f(u，v，t₁)中的噪声信号，得到图像g(u，v)；步骤5，分别计算第一温升热图f(u，v，t₁)和第二温升热图f(u，v，t₂)中每个像素点的N₀值，将t₁时刻和t₂时刻的N₀值均大于第一设定阈值的像素点在图像g(u，v)中的像素值置为1，将图像g(u，v)中其余像素点的像素值置为0，其中，N₀值为归一化温度-空间曲线中左边温度升高的点数加上右边温度降低的点数；步骤6，将图像g(u，v)中连通区域内像素数不大于第二设定阈值的亮区域的像素值置为0；步骤7，提取图像g(u，v)中亮区域缺陷处每一行温度最大值处对应A₁和A₂，并将其作为支持向量机算法训练集中的第一缺陷特征类，提取g(u，v)中亮区域非缺陷处温度最大值处对应的A₁和A₂，并将其作为支持向量机算法训练集中的第一非缺陷特征类，以高斯径向基函数作为第一核函数，其正则参数C取1，宽度参数γ取0.1，采用支持向量机算法进行学习，得到第一分类函数，其中，A₁为t₁时刻温度-空间归一化曲线面积：A₂为t₂时刻温度-空间归一化曲线面积：A2=Σi=-66f(u0+i,v0,t2)/f(u0,v0,t2);]]>步骤8，提取亮区域中的缺陷区域内每一行对应的k值和t₁时刻对应的温升f(u₀，v₀，t₁)，并将其作为支持向量机算法训练集中的第二缺陷特征类，提取亮区域中的由喷漆造成的伪缺陷区域内每一行对应的k值和t₁时刻对应的温升f(u₀，v₀，t₁)，并将其作为支持向量机算法训练集中的第二非缺陷特征类，以非线性可分的高斯径向基函数作为核函数，采用支持向量机算法进行学习，得到第二分类函数，其中，K＝A₂/A₁；步骤9，对待测试件重复步骤1-6，提取待测试件的图像g(u，v)中亮区域温度最大值处对应的A₁和A₂，采用第一分类函数进行分类，若分类结果中有第一缺陷特征类，则提取待测试件图像g(u，v)中第一缺陷特征类对应处每一行对应的k值和t₁时刻对应的温升，并采用第二分类函数进行分类，得到待测试件是否有缺陷的结果。