汪步云，程 軍，梁 藝

(1.安徽工程大學(xué) 人工智能學(xué)院,安徽 蕪湖 241000； 2.蕪湖安普機器人產(chǎn)業(yè)技術(shù)研究院,安徽 蕪湖 241007)

0 引言

針對帶電線纜、復(fù)合材料或者鋼板等工件，工程中往往需要無損傷檢測，得到被檢測工件的裂縫、裂紋或紋理圖像。渦流檢測作為無損檢測的一種手段，易于實現(xiàn)自動化、效率高等特點，多年來在金屬以及碳纖維復(fù)合材料等導(dǎo)電構(gòu)件的表面和近表面損傷檢測中得到了廣泛的應(yīng)用[1-3]。利用渦流法對大面積的實際結(jié)構(gòu)件檢測時，大多通過表面C掃的方式完成掃描并成像[4]。

渦流探測采用C掃描，一般分為兩種模式，其一是單程隔行掃描，這種掃描方式對對被測工件掃查，顯而易見是僅在去程完成被測工件掃描，而沒有在回程過程中運用渦流探頭掃描。相比于第一種掃描方式，往復(fù)式逐行掃描充分利用了掃描路徑的去程及回程，從檢測效率角度看，這種是較為理想的檢測手段[5]。

一般地，探頭在由電機組成的驅(qū)動機構(gòu)完成運動。在往復(fù)式逐行掃描過程中，由于去程、回程導(dǎo)致的電機正反轉(zhuǎn)過程的位置不一致，即電機編碼器輸出的A、B和Z相位脈沖的初始位置不一致，這會帶來傳動系統(tǒng)在同步運動過程中出現(xiàn)錯位，即奇數(shù)行與偶數(shù)行的無法同步信息，相鄰兩行之間的脈沖采樣不一致，導(dǎo)致掃描呈現(xiàn)的圖像中縱向或橫向的像素出現(xiàn)行間錯位，掃描圖像因此而出現(xiàn)模糊和失真現(xiàn)象。

由于往復(fù)式掃描效率高，但容易產(chǎn)生像素奇偶行間錯位現(xiàn)象，既兼顧其效率高的優(yōu)點，也克服其錯位確定，確定往復(fù)式掃描圖像錯位校正算法在復(fù)合檢測中的應(yīng)用則顯得尤為重要。針對上述問題，相關(guān)學(xué)者提出了序貫相似度檢測方法、最大互信息量和形態(tài)學(xué)梯度預(yù)估計法等多種算法[6-9]。相關(guān)學(xué)者采用上述方法，主要是通過掃描成像后的圖像灰度、對比度變化等信息完成錯位校正，這些方法大多僅適用分辨率很高的掃描成像，如光學(xué)信息圖像。對應(yīng)地，渦流檢測得到的掃描成像，分辨率較低，上述大多算法不適用于渦流錯位圖像。因此，需要從渦流檢測圖像錯位機理入手，結(jié)合圖像校正算法，通過建立錯位圖像的退化模型，修正得出原始圖像，進而消除奇偶行間錯位，補償圖像模糊帶來的失真。據(jù)此，通過LabVIEW完成運動控制及數(shù)據(jù)采集，通過Matlab完成軟件算法開發(fā)程序，在此基礎(chǔ)上，設(shè)計實現(xiàn)了一套LabVIEW與Matlab混合編程的渦流檢測系統(tǒng)，所開發(fā)系統(tǒng)亦可集成化實現(xiàn)，在項目制教學(xué)中得到了應(yīng)用。

1 行間錯位成因分析

往復(fù)式高頻渦流檢測系統(tǒng)設(shè)計如圖1所示，分為上位機、下位機以及探頭運動裝置，3個部分組合集成一套完整的渦流檢測系統(tǒng)。

圖1 高頻渦流檢測掃描成像實驗裝置

下位機包括激勵信號源、鎖相放大器和數(shù)據(jù)采集卡。其中，激勵信號源通過信號發(fā)生器、功率放大器和濾波器組成。其中，信號發(fā)生器最高可輸出20 MHz的正弦波，經(jīng)功率放大和濾波后便可用于渦流探頭的激勵。采用鎖相放大器對接收線圈信號進行解調(diào)，提取掃描成像中的損傷信息，同時，以光電編碼器的脈沖為信息采集的觸發(fā)信號，有效提高了運動信息采集的同步性。

探頭運動裝置主要包括承載被測件的X、Y位移工作臺和位移臺控制器，用以實現(xiàn)相對探頭拖動的高精度運動控制。一般的，將發(fā)射-接收型探頭固定于位移工作臺上方，將被測工件固定于位移平臺表面，而且相對尺寸保持在探頭檢測范圍內(nèi)，由此來實現(xiàn)探頭對一塊面積區(qū)域的掃描[10]。

上位機采用PC機實現(xiàn)數(shù)據(jù)采集和處理。探頭在往返掃描過程中，探頭上的感應(yīng)線圈得出的電壓信號產(chǎn)生變化，在單位時間內(nèi)由下位機采集后直接送至上位機，電壓信號的變化以強度變化同步顯示。利用LabVIEW軟件實現(xiàn)對位移臺的運動控制、激勵信號的幅值頻率設(shè)定、信號的采集存儲顯示。

對于往復(fù)掃描過程，往往需要同步連續(xù)采集。探頭在一個自由度上實現(xiàn)水平運動時，需要經(jīng)歷一次加速、勻速和減速階段，每一次運動均是從起點連續(xù)運動至終點。加減速運動階段與勻速掃描階段相比，單位時間內(nèi)系統(tǒng)探頭的運動距離比勻速運動時作動距離小，若采用等時間間隔的采樣脈沖，在兩個相鄰的采樣周期內(nèi)，系統(tǒng)探頭掃描被測工件的作動距離不相等，這會導(dǎo)致探頭在空間實際運動位置與采樣信息不一致的情況[5]，這往往會帶來同步誤差積累，并以此帶來探測圖像上的錯位或者是重影，是往復(fù)式渦流掃描的問題所在。

此外，位移臺運動的檢測往往通過X軸或Y軸上的電機轉(zhuǎn)速檢測的，實現(xiàn)的方法多是通過檢測運動軸上電機的編碼器實現(xiàn)的。一般地，位移臺軸端聯(lián)軸器與電機同軸旋轉(zhuǎn)。因此，通過電機編碼器的輸出脈沖，作為檢測系統(tǒng)采集數(shù)據(jù)的觸發(fā)時鐘，可以解決采樣點與空間實際位置不匹配的問題。

根據(jù)編碼器的原理可知，在加速和減速階段，輸出脈沖寬度變化規(guī)律為速度越小，脈沖寬度越寬；速度越大則輸出脈沖寬度越窄。而探頭在每個脈沖內(nèi)運動的距離可以理解為速度的積分，這相當(dāng)于編碼器在輸出每一個脈沖周期內(nèi)保證了探頭運動的距離相等，進而解決了相鄰兩個采樣脈沖內(nèi)，探頭運動距離不一致而引起的數(shù)據(jù)采樣點與空間實際位置不對應(yīng)的問題。這種方式不僅能夠提高探頭的掃描速度，還能實現(xiàn)系統(tǒng)的同步運動采集，是一種理想的控制方式。

對照圖2，進一步闡述上述原理。從圖2(a)可以看出，與圖2(b)的單程隔行掃描路徑相比，往復(fù)式逐行掃描首先在X軸快速完成一個正程掃描，而后在Y軸實現(xiàn)一個步長的回程掃描，回程掃描完成后，Y軸再次完成一個運動步長。完成該正程和回程掃描即為一個周期。

圖2 渦流探頭C掃描路徑

但是，在往復(fù)掃描過程中，發(fā)射-接收型探頭從開始掃描到運動端點停止，這個運動過程往往有外界干擾，包括位移平臺的隨機振動、機械回差和電流噪聲等，這會帶來探頭掃描成像出現(xiàn)奇數(shù)行和偶數(shù)行的重復(fù)位置不匹配，這亦是往復(fù)式渦流掃描和成像造成重影或錯位的根本原因。

探頭的起始位置發(fā)生隨機偏移而造成圖像錯位。根據(jù)圖2闡述的原理，為了克服這一問題，需實現(xiàn)運動采集數(shù)據(jù)的同步。采用編碼器的A相，輸出上升沿作為采集數(shù)據(jù)的觸發(fā)時鐘。編碼器正反轉(zhuǎn)時輸出脈沖如圖3所示。一般地，對電機輸出采用A、B和Z三相脈沖輸出，實現(xiàn)電機的輸出轉(zhuǎn)速和正反轉(zhuǎn)識別。位移臺上的驅(qū)動電機在拖動探頭時，編碼器的輸出脈沖在起始相位難以保證一致，這也會讓系統(tǒng)掃描成像后，像素的奇數(shù)行和偶數(shù)行采樣信息與位置無法對應(yīng)，導(dǎo)致掃描圖像的行間信息錯位，造成往復(fù)式掃描渦流成像較為模糊，為后續(xù)檢測和高精度復(fù)原帶來很大的困難。

圖3 編碼器輸出脈沖

2 圖像復(fù)原校正算法

本節(jié)將通過幾組實驗，驗證文中提出的自適應(yīng)維納濾波的圖像復(fù)原校正算法。分別針對不銹鋼板裂縫、CFRP碳纖維復(fù)合材料編織紋理圖像開展檢測，通過實驗結(jié)果進一步說明算法的適用性。

如圖4所示，以不銹鋼板裂縫檢測為例，304不銹鋼板厚度5 mm，表面加工出寬度0.2 mm、深度分別為1 mm和2 mm的兩條裂紋，掃描區(qū)域為0

如圖5所示，針對不銹鋼板的裂縫，運用渦流探頭單程隔行掃描得到常規(guī)掃描圖像，采用同一檢測硬件檢測系統(tǒng)，得到往復(fù)式掃描的模糊圖像。對比圖4所示的304不銹鋼板的損傷條紋，由成像結(jié)果可以看出，單程掃描成像質(zhì)量較高，裂紋成像清晰明確；往復(fù)式渦流掃描成像錯位嚴重，鋼板實際的裂縫部位呈現(xiàn)鋸齒狀且輪廓模糊，掃描成像對損傷定位和識別帶來不利影響。

圖4 不銹鋼板示意圖

圖5 渦流掃描檢測對比圖

上述問題，可設(shè)計一種維納濾波自適應(yīng)方法，修正像位錯位誤差。維納濾波(Wiener filtering)復(fù)原算法也被稱為最小均方誤差濾波方法。在得到渦流檢測成像之后，將完成圖像退化，這個過程可看作是在模糊核的干擾下，由原來清晰檢測成像轉(zhuǎn)變?yōu)閳D像模糊退化的過程[11]。

圖像修正是圖像退化的逆過程。運用估計模糊核，完成圖像退化，最終得到復(fù)原圖像。如圖6所示，渦流檢測成像的圖像退化及復(fù)原的全過程[12]。同時，渦流檢測成像及復(fù)原一直伴有噪聲干擾，是一個近似平穩(wěn)的隨機過程。通過計算渦流往復(fù)檢測成像與復(fù)原圖像中的像素均方誤差，且取均方誤差為最小值，此時從理論上可以任務(wù)圖像復(fù)原效果最好，最接近被測工件的原始掃描成像。

圖6 圖像退化復(fù)原模型

因此，上述問題，可以在軟件算法中，加入數(shù)據(jù)平滑與誤差處理的過程，如加入維納濾波處理圖像采樣的數(shù)據(jù)均方根誤差，其均方誤差表達式為[12]：

(1)

此外，上述數(shù)據(jù)多是在時域內(nèi)表達，為進一步拓寬到頻域領(lǐng)域，更好地表達圖像退化的建模過程，往往需要用到在頻率內(nèi)的表達。圖像退化模型在頻域的表達式為：

G(u,v)=H(u,v)F(u,v)+N(u,v)

(2)

因此，將上述濾波算法與圖像退化處理過程相結(jié)合，對掃描圖像實現(xiàn)退化、濾波和復(fù)原，其具體流程如圖6所示，即通過得到的掃描圖像的像素值f(x,y)，在時域內(nèi)實現(xiàn)退化函數(shù)建模，由于檢測過程噪聲影響，得到加權(quán)函數(shù)，進而得到g(x,y)，在頻域內(nèi)通過復(fù)原濾波器進一步處理后，得到掃描成像復(fù)原后的圖像。此外，輸出信號的函數(shù)特征與探頭中線圈的尺寸和結(jié)構(gòu)有關(guān)。

通過計算構(gòu)造維納濾波函數(shù)得：

(3)

PSNR為峰值信噪比，該參數(shù)可反映復(fù)原處理前后的圖像失真程度，PSNR越小表示圖像失真程度越高，其表達式為[13]：

(4)

維納濾波算法的處理結(jié)果，其可靠性取決于噪聲與原始檢測成像的比值，用常數(shù)K來代替。K值的靜態(tài)估計不利于操作，亦也不便于引出準(zhǔn)確的修正方向。因此，通過引入K值的自適應(yīng)維納濾波算法，動態(tài)優(yōu)化K值，給出最佳檢測成像的修正結(jié)果，其中采用信噪比PSNR參數(shù)確定適應(yīng)度函數(shù)。具體的程序執(zhí)行流程如圖7所示。

圖7 自適應(yīng)維納濾波算法的去模糊流程圖

上式中的MSE反映的是復(fù)原圖像與原始渦流往復(fù)檢測圖像之間的均方誤差，圖像復(fù)原結(jié)果越好，則MSE值越小，其表達式如下：

(5)

3 圖像復(fù)原校正結(jié)果

在設(shè)計的往復(fù)式C掃描渦流檢測系統(tǒng)，采用Matlab編寫自適應(yīng)維納濾波校正算法，處理錯位模糊像位誤差。上位機主要實現(xiàn)數(shù)據(jù)采集及其運動控制，采用LabVIEW編寫。為了使錯位算法更好地嵌入到本系統(tǒng)中，采用聯(lián)合編程的方式，將Matlab與LabVIEW上位機互聯(lián)運行，在Matlab中的Script腳本節(jié)點內(nèi)調(diào)用圖像處理函數(shù)，實現(xiàn)圖像數(shù)據(jù)的自動化處理。

運用維納濾波處理復(fù)原后圖像如圖8(a)所示，渦流成像中的裂紋鋸齒得到了明顯改善，但圖像中存在的兩條裂紋仍然有較多毛刺，復(fù)原結(jié)果不夠理想。進一步，如圖8(b)所示，該圖是基于自適應(yīng)維納濾波去模糊的修正結(jié)果，檢測成像的兩條裂紋光滑清晰，圖像背景斑點和噪點較少，圖像復(fù)原處理狀況較好。同時，該方法能在0.1 s時間內(nèi)500*500像素圖像的校正，將空間分辨率提高1倍以上，峰值信噪比PSNR最高可達25 dB左右。

圖8 維納濾波及其自適應(yīng)算法復(fù)原對比圖

針對PSNR自適應(yīng)動態(tài)調(diào)參的復(fù)原結(jié)果，既需要保證參數(shù)自適應(yīng)調(diào)整的快速迭代，又要保證參數(shù)的收斂速度，因此將迭代與收斂相結(jié)合，需要合理匹配迭代參數(shù)與收斂終止值。結(jié)合實際情況，將終止迭代次數(shù)可以設(shè)置大于迭代計算次數(shù)。如圖9所示?？梢栽O(shè)置迭代參數(shù)為15，終止參數(shù)為30。初始迭代時，PSNR參數(shù)上升較快(此時，設(shè)置為1～5)，之后，適應(yīng)度PSNR的值上升緩慢(此時，設(shè)置為6～15)，在大于20次迭代后，PSNR變化甚小。適應(yīng)度PSNR的值也需要與K值相對應(yīng)。因此，可將適應(yīng)度與K值相匹配，一般可設(shè)置在線性增長區(qū)間。

圖9 PSNR隨迭代次數(shù)的變化曲線

在此基礎(chǔ)上，針對碳纖維增強樹脂基復(fù)合材料(CFRP)檢測開展第二組實驗，進一步驗證上述往復(fù)式掃描圖像復(fù)原校正算法。

CFRP是以樹脂為基體，以碳纖維為增強體制成的復(fù)合材料，作為一種新型材料，CFRP應(yīng)用范圍非常廣泛。因采用導(dǎo)電碳纖維作為增強材料，與其他無損檢測技術(shù)相比，利用渦流法開展無損檢測，電渦流檢測更適合用于CFRP制造過程中半成品的在線檢測。

第二組對象是四向碳纖維復(fù)合材料(CFRP)板，鋪層方式為[45°/0°/-45°]，試件表面光滑無損傷。復(fù)合材料板是通過對多層連續(xù)碳纖維/環(huán)氧樹脂預(yù)浸料加溫加壓制備而成，單根纖維直徑7 μm，預(yù)浸料厚度0.125 mm，不同角度表示鋪層中纖維的取向。

采用圖1所示的往復(fù)式渦流檢測系統(tǒng)，通過高頻掃描，得出有錯位模糊的檢測圖像。其中，掃描區(qū)域設(shè)置為：0

圖10 三向碳纖維板實物圖

圖11 CFRP渦流檢測圖像

如圖11所示，第二組實驗的處理對象是具有豐富纖維紋理的三向板，由檢測成像可看出，復(fù)合板中的碳纖維紋理呈間隔排列。正常圖像與錯位模糊圖像具有明顯區(qū)別，由于在像素單元上的錯位，導(dǎo)致圖像錯位模糊，具體表現(xiàn)在紋理特征不夠清晰，背景模糊，圖像存在噪聲點，邊緣不夠清晰，這些在圖像退化處理時會帶來更多處理誤差，一方面會對往復(fù)式掃描系統(tǒng)的硬件提出更高要求，另一方面提高了復(fù)原處理算法和參數(shù)調(diào)整難度。

如圖12所示，針對往復(fù)式渦流C掃描系統(tǒng)，得到的掃描圖像，分別運用自適應(yīng)維納濾波、最佳規(guī)則化濾波、LR迭代最佳復(fù)原和迭代盲去卷積最佳處理4種算法，在完成圖像退化、濾波和復(fù)原處理后，得到的復(fù)原圖像。經(jīng)過公式(4)計算出4種算法的PSNR分別是24.918 dB、22.932 6 dB、23.712 6 dB和24.821 8 dB。對比四種算法處理復(fù)原的檢測成像，四種算法均明顯改善了碳纖維渦流往復(fù)式檢測成像的錯位模糊問題，但圖像背景與碳纖維的細節(jié)方面仍有差異。

圖12 各算法圖像復(fù)原效果對比圖

如圖12(a)所示，與原始圖像對比，自適應(yīng)維納濾波的復(fù)原效果較好，在圖像的細節(jié)，清晰度和紋理等方面是最接近的。

如圖12(b)所示，最佳規(guī)則化濾波的復(fù)原效果明顯不如圖12(a)，圖像出現(xiàn)了多個噪點，圖像背景模糊，紋理不清晰。

如圖12(c)所示，LR迭代最佳復(fù)原圖像在放大后，邊緣細節(jié)有所欠缺。

圖12(d)所示，運用迭代盲去卷積最佳復(fù)原方法，完好地復(fù)原了圖像中碳纖維的錯位，從復(fù)原結(jié)果來看也能辨認出更多的有效信息，復(fù)原結(jié)果接近退化的原始圖像。

通過對比上述兩組實驗，維納濾波與迭代盲去卷積復(fù)原效果較好，具有更高的主觀評分，這與PSNR的計算結(jié)果是一致的。通過PSNR自適應(yīng)復(fù)原算法，可檢測CFRP鋪層和纖維紋理缺陷，可實現(xiàn)高精度成像，較好地給出復(fù)合材料的缺陷表達。

此外，對比渦流檢測成像的圖11和用四種處理方法復(fù)原處理得出的圖12可以看出，往復(fù)式渦流檢測可表達裂紋的像素值變化，同時可得復(fù)合板的紋路分布和三個纖維方向，也與驗證了所構(gòu)建的檢測系統(tǒng)的可行性，體現(xiàn)了發(fā)射-接收型探頭的高分辨率，根據(jù)所檢測紋理成像的情況來看，CFRP面板內(nèi)的電導(dǎo)率產(chǎn)生變化，但這一變化也很小，可以通過更換渦流探頭，提高其自調(diào)零特性，增強抗干擾能力，進一步提高分辨率，進而可最大程度地還原出分層板中的細觀損傷和分層位置，得出更為理想的檢測效果。

4 結(jié)束語

針對往復(fù)式渦流掃描系統(tǒng)存在行間錯位，導(dǎo)致檢測圖像模糊的問題，在有限提升硬件系統(tǒng)檢測精度的情況下，采用Matlab開發(fā)的自適應(yīng)維納濾波的圖像復(fù)原校正算法，通過與LabVIEW實現(xiàn)上位機下的運動控制相匹配，完成上下位機的聯(lián)合控制，在線實現(xiàn)C掃描，解決了高頻往復(fù)式掃描的奇偶行間錯位而引起的圖像模糊失真問題，該算法既融合了單程隔行掃描的渦流成像結(jié)果準(zhǔn)確性，又具備往復(fù)式逐行掃描成像速度快效率高的特點。

通過對往復(fù)式高頻渦流成像行間錯位的形成原因進行分析，對原始圖像以及錯位模糊圖像進行空間域表征，根據(jù)渦流檢測系統(tǒng)模型，從圖像復(fù)原角度對錯位圖像進一步展開研究，對維納濾波算法做出改進，開發(fā)出自適應(yīng)維納濾波算法，得到復(fù)原算法的最佳復(fù)原效果。為了驗證自適應(yīng)維納濾波的可靠性，引入了包括最佳規(guī)則化濾波法、LR迭代復(fù)原法和迭代盲去卷積復(fù)原法，并對幾種復(fù)原算法的復(fù)原效果進行比較和評價。

由于去CFRP渦流檢測造成紋路和缺陷圖像重疊在一起，給材料中缺陷的識別造成一定困難，此外還需考慮如何降低離散頻譜的混疊程度，或把這種混疊完全解開，可使其對應(yīng)的空間域的空間分辨率得到改善，如何有效地提取CFRP中纖維紋路和缺陷的耦合信號特征，提高對復(fù)合材料中缺陷的檢測效率，這也是需要進一步有待解決的問題。

除此之外，上述所提及的檢測方法亦在項目制教學(xué)中得到的推廣和應(yīng)用，設(shè)計了LabVIEW與Matlab混合編程的渦流檢測系統(tǒng)，使錯位校正算法與上位機軟件實現(xiàn)集成化，將其用于碳纖維復(fù)合材料的渦流檢測，提高了檢測效率和圖像分辨率，所設(shè)計的檢測流程在項目制教學(xué)中得到了充分運用，效果明顯。