基于紅外無損檢測的非金屬材料粘貼缺陷識別

（武漢理工大學 安全與應急管理學院，湖北 武漢 430070）

0 引言

非金屬材料的粘貼結構在工業(yè)生產、航空航天、軍事、建筑等領域具有廣泛的應用性和諸多的優(yōu)越性[1]，但是粘貼界面容易出現(xiàn)脫粘、分層、夾雜等缺陷，進而降低系統(tǒng)的保溫隔熱性、耐久性和防火安全性，最終引發(fā)安全問題。因此，對非金屬材料的粘貼缺陷進行無損檢測具有重要意義。

近些年來應用廣泛的紅外無損技術與其他常規(guī)無損檢測方法相比，具有適用范圍廣、非接觸性、測溫范圍廣、結果直觀可靠等[2]優(yōu)勢。目前許多學者基于紅外無損檢測技術，對材料內部的缺陷進行探測，對其進行定性定量分析，同時提出各種算法以實現(xiàn)缺陷的可視化。在缺陷的定性定量方面，M.Barus[3]等通過對復合材料內部粘貼缺陷試樣表面溫度場的處理，驗證了紅外無損檢測技術對檢測復合材料脫粘缺陷的可行性；劉俊巖[4]等建立熱波在試件中傳導的熱-電等效模型，得到了缺陷深度和反射熱波與入射熱波相位差之間的關系，獲得缺陷大小及位置信息；王黎明[5]等運用紅外熱圖和溫差-時間對數曲線兩種方式識別缺陷，缺陷識別精度達到0.4 mm；Balageas[6]和Holtmnn[7]等分別總結了脈沖法和鎖相法在缺陷厚度、類型、導熱率等定性定量分析的應用。在缺陷識別及提取方面，汪子君[8]等通過改進OSTU算法搜索最佳閾值實現(xiàn)紅外圖像的缺陷分割；梅林[9]等提出基于遺傳算法優(yōu)化求解的紅外無損檢測缺陷信息新方法；王濤等[10]人將粒子群優(yōu)化算法和二維最小誤差分割算法相結合，能夠在實現(xiàn)更低對比度的紅外圖像分割；范春利[11-12]等使用共軛梯度法都缺陷邊界進行定量識別，數值算例證明了該算法的有效性；此外，還有學者基于BP 神經網絡[13]、小波變換[14]等識別并提取缺陷。缺陷的識別技術雖然已經取得了寶貴成果，但由于實驗環(huán)境、技術制約等問題，在實際工程應用中仍然無法進行精確的缺陷定量識別。

本文研究了持續(xù)激勵條件下非金屬材料粘貼缺陷的邊界特征，確定了對粘貼缺陷邊界進行定量分析的方法。根據邊界特征結合了Canny 邊緣檢測算法，改進了算法的識別結果，最終對粘貼缺陷邊界幾何特征進行識別，并標識出缺陷區(qū)域。實現(xiàn)對非金屬材料粘貼缺陷的定量檢測并將缺陷可視化，可為紅外無損檢測的工程應用提供理論基礎和技術指導。

1 粘貼缺陷邊界特征研究

目前紅外無損檢測技術根據激勵方式不同，主要分為脈沖激勵紅外無損技術、鎖相激勵紅外無損技術和持續(xù)激勵紅外無損技術。其中，持續(xù)熱激勵方式相較于其他熱激勵方式，更適合熱導系數較低且厚度較大的非金屬材料[15]。本文采用持續(xù)熱激勵法研究粘貼缺陷，使用CFD 流體分析軟件研究在二維條件下的缺陷邊界特征，并提出缺陷邊界識別方法，最后在三維條件下驗證方法的可靠性。

1.1 二維數值模擬

假設防腐材料片狀的粘貼缺陷是由粘貼時膠水中含有氣泡導致，則防腐材料表面在激勵輻射熱流作用下溫度上升，而缺陷部位（空氣）的熱擴散系數要遠小于膠水，導致該部分熱量擴散較無缺陷部位緩慢，因此該部位對應的表面溫度比周圍溫度較高。本文為研究非金屬材料粘貼缺陷邊界的溫度分布特征，使用CFD 流體分析軟件，假設基體材料為鐵，非金屬材料為PE，兩者之間使用膠水粘貼，膠水的厚度處處相等，氣泡假設由空氣填滿且位于試樣的中心，氣泡的大小和高度即為缺陷的大小和程度。試件二維模型及邊界傳熱條件如圖1所示。4種材料的密度、導熱系數、熱容[16]如表1所示。通過數值模擬計算，圖2給出穩(wěn)定狀態(tài)時不同缺陷半徑R下，表面溫度及溫度梯度的分布曲線，其中r表示試件上表面各點與對稱軸的距離，T表示對應點的溫度，dT/dr表示對應點的溫度梯度。

圖1 粘貼缺陷二維軸對稱模型示意圖Fig.1 The diagram of two-dimensional axisymmetric model of paste defect

表1 材料熱物性參數Table1 Material thermal property parameters

圖2 二維模型的表面溫度及溫度梯度分布曲線Fig.2 Surface temperature and temperature gradient distribution curves of two-dimensional models

從不同缺陷半徑對應的溫度分布曲線可以看出，缺陷區(qū)域呈現(xiàn)高溫狀態(tài)，缺陷邊界處的溫度快速下降。根據表2缺陷邊界的溫度可得知，隨著缺陷半徑的增加，缺陷邊界對應的表面溫度也隨之升高，這是由于缺陷半徑越大，缺陷區(qū)域內積累熱量越多，試件表面溫度越高[17]。此外，粘貼材料的不同也會影響試件表面溫度[18]。因此，無法利用溫度值作為閾值檢測出缺陷邊界的準確位置，需要找到更普遍的規(guī)律來識別缺陷邊界。

在粘貼缺陷的邊界處，由于空氣的熱擴散系數遠遠小于膠水的熱擴散系數，因此熱量由空氣傳向膠水。根據導熱的傅里葉定律，在缺陷的邊界熱流密度將達到峰值。因此，可考慮通過計算溫度梯度峰值位置來確定缺陷邊界。由溫度梯度分布曲線可以看出，溫度梯度在缺陷邊界位置附近達到極值。表2給出了通過溫度梯度極值確定的計算缺陷半徑與實際缺陷半徑對比，結果顯示兩者的相對誤差較小，因此驗證了使用溫度梯度極值確定缺陷邊界的可行性。

表2 計算缺陷半徑與實際缺陷半徑的對比Table2 Comparison of simulated defect radius with actualdefect radius

1.2 缺陷邊界識別算法

根據溫度梯度在缺陷邊界處達到極值這一特性，準確地篩選出溫度梯度極值部位即可識別邊界位置。由于Canny邊緣檢測算法的原理是計算像素的梯度大小及方向后采用非極大值抑制和雙閾值來去除誤檢點及保留漏檢點[19]，這與篩選出溫度梯度極值來確定缺陷邊界的過程一致，因此考慮采用Canny 邊緣檢測算法對試件表面溫度分布進行缺陷識別。

為驗證使用Canny邊緣檢測算法可篩選出溫度梯度極值的可靠性，本文首先利用CFD 流體分析軟件，使用三維模型進行驗證。建立含有底面為圓形及正方形形狀缺陷的三維模型，如圖3(a)所示試件三維模型。兩種類型缺陷的底面尺寸如圖3(b)所示，圓形直徑Φ為40 mm，正方形邊長L為30 mm。使用CFD 流體分析軟件，其邊界條件及試件材料與二維模型一致，得到如圖4所示的試件表面溫度分布云圖，結果顯示在缺陷對應的上表面存在局部的高溫區(qū)域，但無法準確定位缺陷邊界的位置。

對其進行一階微分處理得到如圖5所示的表面溫度梯度分布等高線圖。由溫度梯度等高線圖可知，缺陷區(qū)域形成“火山”狀地形，在缺陷邊界處形成“山脊”，即溫度梯度在缺陷邊界處達到極值。對兩種缺陷的溫度分布數據使用Canny算法進行檢測，得到如圖6所示的缺陷邊界點集合。使用Canny算法得到的缺陷邊界所圍成的區(qū)域面積與實際缺陷面積進行對比，如表3所示。結果顯示Canny 邊緣檢測法檢測出的缺陷邊界所圍成的區(qū)域面積與實際缺陷區(qū)域面積基本吻合。

圖3 三維模型試件及其缺陷尺寸Fig.3 3D model test piece and its defect size

圖4 三維模型的表面溫度分布云圖Fig.4 Surface temperature distribution of a three-dimensional model

圖5 三維模型的溫度梯度分布等高線圖Fig.5 Contour map of temperature gradient distribution of 3D model

圖6 基于Canny算法的缺陷識別結果Fig.6 Defect identification result based on Canny algorithm

表3 計算缺陷面積與實際缺陷面積的對比Table3 Comparison of simulated defect area with actual defect area

2 粘貼缺陷識別實驗驗證

2.1 實驗裝置

實驗平臺示意圖如圖7所示，紅外熱像儀采用Fotric 688，光源由6 根長為40 cm的紅外管式碳纖維燈管組成。為驗證前文模擬得到的缺陷邊界定量方法可靠性，制備如圖8所示的含有4種尺寸脫粘缺陷的試樣。為避免光源直接照射試樣產生較強的反射，影響實驗結果，將試樣傾斜30°，即入射光源與試樣法線夾角為30°進行實驗。

圖7 實驗平臺示意圖Fig.7 The diagram of the experimental platform

圖8 含脫粘缺陷試樣平面示意圖Fig.8 The diagram of a sample containing debonding defects

2.2 實驗結果分析

試樣在持續(xù)熱激勵150 s 后得到如圖9所示的紅外熱圖，結果顯示試件表面紅外圖具有4個明顯的高溫區(qū)域，但因受熱不均、周圍環(huán)境噪聲等影響，所采集到的數據存在噪聲較大、邊緣模糊等問題。

圖9 實驗試件表面溫度分布云圖Fig.9 Contour map of surface temperature distribution of experimental specimens

對試件表面溫度分布數據使用高斯濾波進行降噪處理后得到如圖10所示的表面溫度分布圖。根據前文得到使用溫度梯度極值來確定缺陷邊界的定量分析方法，對試件表面紅外測溫數據進行一階微分處理得到相應的溫度梯度分布，如圖11所示，采用Canny 邊緣檢測算法對試樣4 塊缺陷區(qū)域進行定量識別，其結果如圖12所示。

圖10 降噪處理后的試樣表面溫度云圖Fig.10 Contour map of the surface temperature of the sample after noise reduction treatment

圖11 試樣的表面溫度梯度分布等高線圖Fig.11 Contour map of surface temperature gradient of sample

圖12 基于Canny算法的試樣缺陷識別結果Fig.12 Identification result of sample defects based on Canny algorithm

結果顯示使用Canny邊緣檢測算法識別的缺陷邊界與實際缺陷邊界相比存在明顯的誤差，第一個和第二個缺陷的檢測結果為完整、閉合的邊界，但第三個和第四個缺陷邊界只能檢測到部分邊界。這是由于缺陷3和缺陷4 受熱不均勻，造成缺陷邊界處有局部高溫，使檢測到缺陷部分邊界模糊，如圖11 中標識出的部分。而Canny 邊緣檢測算法采用雙閾值法，從而漏檢了缺陷3和缺陷4 部分邊界模糊的“弱邊界”，即溫度梯度較小的部分，導致檢測到的缺陷3、4 不完整。

由以上分析可知，Canny 邊緣檢測法在數值模擬理想條件下可識別出準確的缺陷邊界，但在實驗條件不理想時存在誤差，需要進一步改進算法得到較為理想的識別效果。

2.3 改進的缺陷邊界識別及標識算法

根據前文的數值模擬結果可知溫度梯度在缺陷邊界達到極值，因此缺陷邊界處的像素點的溫度梯度值總會比領域至少一個方向的像素值大。利用這一結論，可設計算法篩選出所有“疑似邊界點”集合，具體思路為：將目標像素點Pi,j與其領域水平、垂直、斜45°四個方向上的像素點相比較，若目標像素點的溫度梯度值大于任一方向上的兩個像素點的溫度梯度值，則認為該點為“疑似邊界點”。

對紅外無損實驗得到的試件表面溫度梯度分布數據進行該方法的篩選后得到如圖13所示的“疑似邊界點”集合。從結果可知，疑似邊界點集合內包括了4個完整的閉合缺陷，且該形狀與大小與實際缺陷基本吻合。因此，利用疑似邊界點集合可對Canny算法識別的缺陷邊界進行補充，從而得到完整、閉合的缺陷邊界。利用“質心填充”法，從每個缺陷的質心位置開始填充，當遇到邊界時停止填充，得到最終識別到的4個缺陷區(qū)域，如圖14所示。

圖13 疑似邊界點集合Fig.13 Collection of points suspected of being borders

在計算缺陷面積時考慮了試樣與入射光源存在一定的夾角，計算得到算法檢測的缺陷面積與實際缺陷面積，如表4所示。

根據計算結果可以看出，檢測缺陷面積與實際面積相比存在一定的誤差，缺陷1、2 存在較小誤差，但缺陷3、4 誤差明顯偏大，這可能是由于缺陷3、4表面受熱不均勻，局部溫度偏高從而產生的誤差；另外一方面，由于缺陷3、4 為正方形，其4個尖角部位因熱擴散導致其對應的溫度分布呈現(xiàn)圓滑的形狀，導致檢測到缺陷3、4的面積有部分損失。

圖14 改進Canny算法得到的缺陷識別結果Fig.14 Identification result of defects obtained by improved Canny algorithm

表4 算法檢測的缺陷面積與實際缺陷面積對比Table4 Comparison of defect area detected by algorithm and actual defect area

3 結論

本文基于紅外無損檢測技術，在持續(xù)激勵條件下對粘貼缺陷試件進行數值模擬和實驗驗證，研究了溫度梯度分布與缺陷邊界的關系，并設計了粘貼缺陷的定量識別算法。主要結論如下：

1）通過建立二維及三維粘貼缺陷模型，在持續(xù)激勵條件下得到模型對應的上表面溫度分布及溫度梯度分布，溫度梯度在缺陷邊界處達到極值；

2）由于實驗得到紅外熱圖存在部分邊界模糊、噪聲較大等問題，對Canny算法進行改進后，可補充其缺損的缺陷邊界，得到完整、閉合的缺陷邊界。