魏延杰，何宏軍，周 輝，張東升

(1.上海大學 力學與工程科學學院，上海 200444；2.上海航天化工應用研究所，湖州 313000)

紅外熱成像技術是一種新型的無損檢測技術，相較于傳統(tǒng)無損檢測技術(如渦流檢測、超聲檢測、X射線檢測等)，其具有操作簡單、檢測效率高、單次檢測面積大等優(yōu)點，現(xiàn)已廣泛應用于航空航天，工業(yè)設計，電力等領域，具有廣闊的發(fā)展前景[1-2]。紅外熱成像技術通過采集一系列紅外圖像來跟蹤熱波在物體內部的傳播情況，解算出物體的內部缺陷。根據(jù)熱源激勵方式的不同，熱像法主要分為脈沖熱像法、鎖相熱像法和長脈沖熱像法等[3-4]。長脈沖紅外熱像法利用鹵素燈加熱試樣表面，通常加熱幾秒鐘的時間以確保足夠多的熱量傳遞至試樣內部，該加載系統(tǒng)較傳統(tǒng)的閃光燈脈沖加載系統(tǒng)更加經濟便攜[5-6]。受限于器件本身及成像機理，紅外熱成像系統(tǒng)得到的原始圖像質量不理想。另外，受檢測環(huán)境的影響，缺陷在紅外熱像圖中對比度較低，圖像噪聲較大，給后續(xù)的缺陷定位及尺寸測量帶來不便[7-8]。

文章以鹵素燈為激勵源研制了一套經濟、便攜的長脈沖紅外無損檢測系統(tǒng)，并基于傅里葉位相分析法，提出了一種新型的紅外圖像增強算法，有效抑制了圖像噪聲，獲得了清晰的缺陷圖像。該檢測系統(tǒng)可對典型的纖維增強復合材料、熱障涂層材料、固體推進劑包覆層進行檢測。

1 方法及原理

長脈沖激勵下的傳熱可以看作是一系列閃光激勵對時間的積分。設定缺陷深度為d，則表面溫度T(t)隨冷卻時間t的變化可表示為[9]

(1)

式中:tp為鹵素燈的激勵時間；W為試樣表面的熱流密度；α為試樣的熱擴散系數(shù)；ρ和C分別為材料的密度和比熱容;n為熱圖像張數(shù)。

采用紅外相機記錄物體表面的溫度場信息，以初始時刻的圖像為參考，記t時刻的溫度變化ΔT為序列圖像與參考圖像的灰度差。由于相位數(shù)據(jù)的信噪比(SNR)高于原始溫度數(shù)據(jù)的，所以文章采用一維傅里葉變換將溫度測量從時域逐像素地轉變到頻域，頻率k處的相位φk表示為

(2)

式中：T(n)為序列中第n幅圖像像素點的溫度；N為獲取的熱像圖的總數(shù)。

圖1 含不同深度缺陷構件的結構示意及缺陷相位差變化曲線

在相位圖中，相位分布為[-ππ]，缺陷處的相位比無缺陷處的相位小。一個典型構件的內部存在不同深度的缺陷，通過傅里葉位相分析，筆者發(fā)現(xiàn)無缺陷區(qū)域的相位通常大于缺陷區(qū)域的相位(見圖1)。該發(fā)現(xiàn)提供了一種定位缺陷位置以及缺陷深度的方法。由圖1(b)可見，每條曲線上都有一個相位差峰值，當缺陷較深時(缺陷1)，峰值較小，對應的頻率也較低。這意味著很難用單張相位圖清晰地顯示不同深度的所有缺陷。

文章提出了一種紅外相位圖像的細節(jié)增強算法。該方法包括圖像分離和增強兩個步驟，合成圖像再采用局部自適應伽馬算法進行校正。

文章采用引導濾波的處理方法從相位圖中提取缺陷的邊緣細節(jié)，利用導向圖像把相位圖分為細節(jié)層和背景層，通過選擇性地增強細節(jié)層，達到增強缺陷邊緣的目的，然后再進行圖像融合，提高缺陷在相位圖中的對比度。

紅外無損檢測采集到的序列圖像經過增強處理后，得到一組包含與缺陷相關相位信息的8位格式序列圖像。研究發(fā)現(xiàn)，較深的缺陷通常出現(xiàn)在低頻對應的相位圖中,隨著頻率的增大，深度較大缺陷的邊緣變得模糊，而淺層缺陷的邊緣變得清晰。對于一定深度的缺陷，缺陷與無缺陷區(qū)域的相位差會隨著頻率的增大先達到某一峰值，然后隨著頻率的繼續(xù)增大而逐漸減小。可以通過主成分分析來實現(xiàn)多張增強相位圖的融合，重構包含所有缺陷的檢測圖像。長脈沖紅外熱成像序列圖像的處理流程如圖2所示。

圖2 長脈沖紅外熱成像序列圖像的處理流程

2 試驗設計

2.1 設備

筆者開發(fā)的長脈沖紅外無損檢測系統(tǒng)外觀如圖3所示。激勵源是兩個功率為1 000 W的鹵素燈，熱輻射時間可調。試驗使用的熱像儀是FLIR公司生產的A6700sc科研型熱像儀，工作波段為35 μm，圖像分辨率為640像素×512像素，溫度響應范圍為-20350 ℃，熱靈敏度在室溫下為20 mK。

將設備放置在被測構件前約1 m的位置進行檢測，加熱時間一般設置為10 s，使被測構件表面上升約5 ℃；采集幀率為10 Hz，采集時間一般不超過30 s。

圖3 長脈沖紅外無損檢測系統(tǒng)外觀

2.2 試件

圖4 試件1實物及缺陷分布示意

檢測選用了3種典型試件。試件1為碳纖維層壓板(見圖4)，規(guī)格為250 mm×80 mm×4 mm(長×寬×厚)，其背面加工了總共10個不同直徑和深度的圓形和方形平底盲孔模擬分層缺陷，盲孔缺陷的直徑分別為5，10，15，20，25 mm，缺陷至檢測表面的距離為1.4～3.0 mm。

試件2為圓柱形的固體推進劑藥柱(見圖5)，其包覆層厚度為2 mm，藥柱高度為200 mm，直徑為100 mm，包覆層與基體之間插入直徑為15 mm的聚四氟乙烯隔熱片模擬脫黏缺陷，且試樣上部邊緣處有一個自然形成的脫黏缺陷。

圖5 試件2外觀

試件3為橡膠涂層黏接結構件，涂層厚度為5 mm，涂層表面用白漆涂抹，構件的幾何尺寸為100 mm×100 mm(長×寬)，基體為玻璃鋼材料，涂層與基體之間插入直徑為3 mm和20 mm的脫黏缺陷，其中較小的缺陷有一半被挖開暴露在空氣中(見圖6)。

圖6 試件3外觀

3 試驗結果與分析

圖7 文章算法處理前后試件1的熱像圖

文章算法處理前后試件1的熱像圖如圖7所示，從處理前的熱像圖中只能觀察到第一行深度較淺的缺陷，深度大于2 mm的缺陷對比度低，且直徑最小的缺陷(5 mm)無法辨別，而經過算法處理后的熱像圖的缺陷對比度高，缺陷邊緣明顯，即使直徑最小的缺陷和最深的缺陷也清晰可見。這表明所提出的算法可以有效地增強圖像的細節(jié)信息。

文章算法處理前后試件2的熱像圖如圖8所示，從處理前的熱像圖可以觀察到試樣中間的模擬脫黏缺陷，但缺陷邊緣不明顯，且試樣上方邊緣處的自然脫黏缺陷不明顯，而經算法處理后的熱像圖，兩個缺陷的邊緣十分清晰，圖像噪聲減小，圖像質量和缺陷對比度得到了明顯提高。

圖8 文章算法處理前后試件2的熱像圖

文章算法處理前后試件3的熱像圖如圖9所示，從處理前的熱像圖可以看出，直徑為3 mm和20 mm的2個脫黏缺陷不明顯，而經過算法處理后的熱像圖，缺陷的對比度得到了很大的提升，缺陷邊緣明顯，并且可以看出試樣左下角邊緣部分也存在一定的脫黏現(xiàn)象，即試樣自然形成的脫黏缺陷。

以上3種試樣的檢測結果表明，文章開發(fā)的便攜式紅外無損檢測系統(tǒng)能夠針對典型的工程結構進行無損檢測，并獲得高質量的檢測結果。

4 結語

文章針對傳統(tǒng)紅外無損檢測技術中熱像圖像模糊及檢測系統(tǒng)成本昂貴等缺點，研制出了一套基于長脈沖激勵的紅外無損檢測系統(tǒng)，并提出了相應的序列圖像處理技術，使檢測到的缺陷邊緣更加清晰，缺陷的信噪比更高。利用該系統(tǒng)及所提出的算法對復合材料層壓板、黏接結構和藥柱包覆層等結構中的缺陷進行了檢測。試驗結果表明，所提出的相位圖像增強算法提高了圖像質量，在抑制噪聲的同時還能夠銳化缺陷的邊緣，為缺陷的定位和定量分析奠定了基礎。