脈沖渦流熱成像檢測技術(shù)在無損檢測領(lǐng)域中作為一種新興技術(shù),具備無接觸、高效率、單次檢測范圍大等優(yōu)點(diǎn),受到了國內(nèi)外研究人員的廣泛關(guān)注,并且提出了很多基于該檢測技術(shù)的數(shù)據(jù)處理方法。從最開始的人工選擇圖像進(jìn)行判斷,到基于傅里葉變換的頻域分析,再到被廣泛應(yīng)用的PCA、ICA等方法,雖然能夠?qū)崿F(xiàn)缺陷檢測,但通過以上數(shù)學(xué)或統(tǒng)計(jì)模型的檢測方法提取的缺陷信息由于缺乏物理意義而導(dǎo)致可靠性較弱。因此,建立一個(gè)可靠性更強(qiáng)的物理模型對(duì)完成缺陷的快速檢測具有重要意義。本文通過缺陷特征分析、建立算法模型、實(shí)驗(yàn)驗(yàn)證的方式,系統(tǒng)地研究和分析了基于全物理模型的缺陷數(shù)據(jù)快速處理算法,并通過采用本文的方法和其他常見的數(shù)據(jù)處理方法對(duì)不同類型的試件進(jìn)行缺陷檢測的結(jié)果證明了本文提出的方法可以自動(dòng)實(shí)現(xiàn)缺陷信息的準(zhǔn)確提取。本文研究的主要內(nèi)容從以下幾個(gè)方面展開:（1）理論基礎(chǔ)研究。首先研究了脈沖渦流熱成像技術(shù)的檢測原理,并結(jié)合脈沖渦流熱成像實(shí)驗(yàn)平臺(tái)闡述了其主要組成部分及其參數(shù);然后分別從空間和時(shí)間角度詳細(xì)地描述了熱圖像序列普遍存在的數(shù)據(jù)特征,為后面運(yùn)用級(jí)聯(lián)分類器選擇特征用于缺陷識(shí)別奠定理論基礎(chǔ);最后主要研究了熱發(fā)射率的定義和影響機(jī)理,并... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于傅里葉變換的幅值圖和相位圖

5圖 1-3 基于 PCA 和小波變換方法得到的特征圖像學(xué)者將深度學(xué)習(xí)的方法與特征相結(jié)和以實(shí)現(xiàn)缺陷自動(dòng)檢測，如規(guī)范化交叉關(guān)聯(lián)方法實(shí)現(xiàn)了圖像特征增強(qiáng)，便于后續(xù)的定量檢一種結(jié)合缺陷行為的物理特性，推導(dǎo)出缺陷分割的一階統(tǒng)計(jì)，并利用遺傳算法自動(dòng)調(diào)整統(tǒng)計(jì)特征，進(jìn)一步優(yōu)化了閾值選缺陷處溫度一定最高的假設(shè)上，在實(shí)際應(yīng)用中會(huì)受到加熱位等因素的局限，導(dǎo)致結(jié)論無法永遠(yuǎn)成立[36]，如圖 1-4 所示。T分分析和神經(jīng)網(wǎng)絡(luò)理論提出了馬爾可夫 PCA-BP 算法，這一Cs 脫粘缺陷的直徑和深度[37]。Shi, Z., et al.結(jié)合導(dǎo)數(shù)時(shí)間算數(shù)算法（RCA）構(gòu)成了擬合導(dǎo)數(shù)時(shí)間相關(guān)系數(shù)算法（FCA）的征圖像的信噪比（SNR），并利用蟻群算法（ACA）有效地 CFRP 的紅外圖像中的缺陷邊緣特征，更有利于缺陷檢測和識(shí)

圖 1-4 熱圖像原圖和基于 FOSP-GA 的分割結(jié)果為了更直接地在圖像序列中提取特征信息，還有一些學(xué)者研究了矩陣分解在熱成像中的應(yīng)用。Gao, B., et al. 將基于物理的感應(yīng)熱機(jī)制與基于信號(hào)處理的稀疏貪婪主成分分析 (SGPCA) 模式提取算法相結(jié)合，進(jìn)而提出了一種無監(jiān)督的感應(yīng)熱成像系統(tǒng)缺陷診斷與監(jiān)測方法[39]。Zheng, K.,Y. Yao 提出了一種利用拉普拉斯特征映射算法（the Laplacian eigenmap algorithm）迭代運(yùn)行的超圖像分割方法，可對(duì)所有熱成像視頻幀數(shù)據(jù)進(jìn)行分析，而不需要人手動(dòng)挑選(視覺檢查)一部分質(zhì)量好的視頻幀數(shù)據(jù)，實(shí)現(xiàn)了碳纖維增強(qiáng)塑料（CFRP）材料缺陷檢測的自動(dòng)化[40]。張素文等為了改善傳統(tǒng)圖像融合方法魯棒性不穩(wěn)定，提出了基于非負(fù)矩陣分解的紅外特征圖像融合方法，實(shí)現(xiàn)了分別對(duì)源圖像的目標(biāo)區(qū)域和背景區(qū)域進(jìn)行融合[41]，如圖 1-5所示。Bin Gao 提出了基于變分貝葉斯子群的自適應(yīng)稀疏分量提取算法，進(jìn)行了熱模式的物理解釋和稀疏分解，提出的稀疏模式提取方法可以對(duì)異常模式進(jìn)行自動(dòng)提取，增強(qiáng)缺陷對(duì)比度，該方法能夠減少背景信息的干擾[42]。Yizhe Wang 利用渦流脈沖熱像技術(shù)檢測飛機(jī)制動(dòng)系統(tǒng)轉(zhuǎn)矩臂沖擊損傷的可行性研究，基于光流算法

【參考文獻(xiàn)】：
期刊論文
[1]脈沖紅外無損檢測技術(shù)研究現(xiàn)狀與發(fā)展趨勢[J]. 江海軍,陳力.  紅外技術(shù). 2018(10)
[2]基于HSV和MBLBP特征的級(jí)聯(lián)Adaboost車牌檢測算法[J]. 馬永杰,李歡,劉姣姣.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]基于PCA-GA-RSPSVM的復(fù)合材料損傷檢測技術(shù)研究[J]. 張寶印,董恩生.  電子測量與儀器學(xué)報(bào). 2017(09)
[4]基于PCA的管道缺陷導(dǎo)波信號(hào)特征優(yōu)化方法[J]. 許楨英,羅來齊,王勻,俞慧芳,劉歡.  電子測量技術(shù). 2016(04)
[5]基于主觀貝葉斯推理的多傳感器分布式故障檢測融合方法[J]. 徐小力,劉秀麗,蔣章雷,任彬.  機(jī)械工程學(xué)報(bào). 2015(07)
[6]一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法[J]. 張品,董為浩,高大冬.  傳感技術(shù)學(xué)報(bào). 2014(05)
[7]一種基于Contourlet變換的GFP圖像與相襯圖像融合算法研究[J]. 馮鵬,王靜,魏彪,陳超.  光電子.激光. 2013(01)
[8]固體火箭發(fā)動(dòng)機(jī)殼體脫黏缺陷的熱波檢測[J]. 宋遠(yuǎn)佳,張煒,楊正偉,田干.  深圳大學(xué)學(xué)報(bào)(理工版). 2012(03)
[9]航天器紅外成像檢漏方法研究[J]. 喻新發(fā),閆榮鑫,鐘亮,洪曉鵬,孫立臣.  航天器環(huán)境工程. 2012(02)
[10]脈沖熱像法在航空復(fù)合材料構(gòu)件無損檢測中的應(yīng)用[J]. 劉穎韜,郭廣平,楊黨綱,何方成,霍雁,趙石彬.  航空材料學(xué)報(bào). 2012(01)

博士論文
[1]電渦流脈沖熱成像無損檢測技術(shù)研究[D]. 白利兵.電子科技大學(xué) 2013
[2]納米結(jié)構(gòu)硬質(zhì)合金磨削理論和工藝實(shí)驗(yàn)研究[D]. 任瑩暉.湖南大學(xué) 2009
[3]紅外輻射成像無損檢測關(guān)鍵技術(shù)研究[D]. 田裕鵬.南京航空航天大學(xué) 2009

碩士論文
[1]基于紅外熱波的承壓設(shè)備缺陷檢測技術(shù)研究[D]. 甘文東.電子科技大學(xué) 2018
[2]基于紅外熱波無損檢測技術(shù)的鋼軌裂紋檢測研究[D]. 劉麗.蘭州交通大學(xué) 2017
[3]基于渦流脈沖熱成像的表面裂紋檢測及其量化評(píng)估研究[D]. 李曉青.電子科技大學(xué) 2017
[4]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]. 陳怡帆.電子科技大學(xué) 2016
[5]熱成像檢測中材料表面熱發(fā)射率影響機(jī)理及其抑制方法[D]. 白秋菊.電子科技大學(xué) 2016
[6]紅外成像無損檢測的缺陷定量化分析與應(yīng)用研究[D]. 楊如意.南京航空航天大學(xué) 2009
[7]基于AdaBoost算法的人臉檢測研究[D]. 王英明.南京理工大學(xué) 2008
[8]紅外圖像人臉識(shí)別研究[D]. 周羽.大連理工大學(xué) 2008
[9]被檢物表面條件對(duì)紅外熱波無損檢測結(jié)果影響的研究[D]. 李艷紅.首都師范大學(xué) 2006



本文編號(hào)：3430139