CFRP层压板脉冲红外热波检测的缺陷特征提取及其检测概率研究

CFRP material is widely used in all kinds of fields such as aerospace, but the defects may be created in the material during manufacture and employ, which can influence the performance and lifespan of the part. It is emergency require to research a nondestructive method to detect defects of CFRP. The purpose of the project mainly focuses on the material defect feature extraction and nondestructive evaluation combining the pulse Infrared thermal wave nondestructive testing technology with ANSYS simulation, thermal image processing and probability analysis of defect detection method. The thermal wave response characteristic and noise interference mechanism of the internal defect of pulse infrared thermal wave will be studied. The relationship between characteristic time and defect will be established by analyzing the one-dimensional conduction model of the material under pulse heat excitation. According to the infrared sequence thermal image, the defect buried depth will be quantitatively detected. The method of local variance maximum is proposed to select single image as the original image for the edge of defect by image processing. The thermal image processing method for infrared thermal image will be explored, such as edge detection, image segmentation algorithm suitable and image fuse, and the feature extraction of defect shape and area is to be realized. The probability density distribution model of defect detection will be established, and the influence of detection noise level, detection parameters and feature extraction algorithm on the probability of defect detection will be discussed. The research work can provide the related performance indexes for the automatic discrimination material defect by pulse infrared thermal wave detection, and provide the reliability evaluation basis for the future engineering applications.

CFRP广泛应用于航空航天等领域，但在制造与使用过程中易产生缺陷。这将严重影响制件性能及寿命，迫切需要简单、有效、快速的无损检测方法实现材料缺陷检测。项目旨在采用脉冲热波检测技术、模拟仿真、图像处理与融合技术以及缺陷检测概率分析相结合的方法，开展CFRP层压板缺陷特征提取和无损评价的研究。研究脉冲红外热波检测材料内部缺陷的热波响应特性及影响因素；分析材料在脉冲热激励下的一维热传导模型，建立特征时间与缺陷埋深的关系，实现缺陷埋深定量检测；研究相关的性能参数指标实现从图像序列中选取反映缺陷特征的最佳帧图；研究红外热图像的处理算法，包括图像融合算法，实现缺陷分布、形状、面积等特征提取；建立缺陷检测概率密度分布模型，探讨检测噪声水平、检测参数和特征提取算法对缺陷检测概率水平的影响。研究工作可为红外热波检测CFRP缺陷的自动化判别提供相关的性能指标，为该技术的工程应用提供无损检测可靠性评判依据。

随着红外热像技术应用领域的不断拓展，该技术将渗透到国民经济的各个领域，发挥越来越重要的作用。 但作为一种无损检测新技术，相对五大常规方法，它还不够成熟和完善，需要加强科技创新和研发。同时，随着现代航空航天业对CFRP应用的不断增多，对CFRP的检测日益成为该领域的重点和难点。迫切需要探求一种简单 、有效、快速的无损检测方法实现对CFRP层压板缺陷可靠的自动检测与识别。本项目重点研究了红外序列图像处理方法，包括单帧图像处理和多帧图像处理。在定义敏感区域的基础上，提出了敏感区域最大均方差法，这一性能指标的提出解决了单帧图像处理红外序列图像的原图选取问题。探讨了敏感区域大小对检测结果的影响，其大小推荐为10×10像素到15×15像素。基于Matlab的GUI设计开发了红外热图像处理程序，可实现红外序列图像的缺陷信息自动处理，获得缺陷形状、轮廓、尺寸、面积以及分布状况等信息。在这基础上提出了一种新的单帧图像分割方法，基于模糊C均值聚类预分割的多尺度八方向边缘检测图像分割算法。算法提升了对红外图像中冲击损伤弱边缘的检测能力，而且缺陷的边缘细节保留性好，提升了缺陷特征的检测精度，为红外热成像技术在CFRP板冲击损伤的定量检测方面提供了有效的方法。介绍了两种红外序列多帧图像的处理方法，即主成分分析和独立成分分析。以GFRP平底孔为例，通过假设、对比、验证环节，确定了PCA算法的最佳融合区间，并将其运用到原始PCA算法中，使优化的算法能自动选取图像序列的最佳区间进行融合。运用ICA研究了CFRP板冲击损伤特征提取问题，结果表明ICA能够有效区分噪声与缺陷，并且获得的特征图像比原始图像的信噪比更高、对比度更大以及图像质量更好，有利于缺陷的提取和表征。为了可视化CFRP层合板内部冲击损伤的演变过程，提出了CFRP层合板冲击损伤重建的概念，构建了层板冲击层间损伤的三维模型。此外，开展了红外小目标和红外图像与可见光图像的融合研究，目前是针对库里的数据开展研究，提出了相应的算法和融合策略。在红外小目标的研究中提出了多种改进的Top-hat算法，能够有效地抑制背景和增强目标。在图像融合中提出了基于潜在低秩表示及改进双判别器生成对抗网络的红外与可见光图像融合方法，融合了两种源图像的重要特征。本项目的研究可为红外热波检测CFRP缺陷的自动化判别提供相关的性能指标，为该技术的工程应用提供参考。