CN103592333A

CN103592333A - 一种脉冲涡流热成像缺陷自动检测与识别方法

Info

Publication number: CN103592333A
Application number: CN201310566622.6A
Authority: CN
Inventors: 高斌; 白利兵; 田贵云
Original assignee: University of Electronic Science and Technology of China
Current assignee: University of Electronic Science and Technology of China
Priority date: 2013-11-13
Filing date: 2013-11-13
Publication date: 2014-02-19

Abstract

本发明公开了一种脉冲涡流热成像缺陷自动检测与识别方法，包括脉冲涡流热成像获得热图视频，向量化并重构新矩阵，主成成份加独立成份分解新矩阵得到混合矩阵和独立成份矩阵，归一化混合矩阵各列向量，计算各列向量最大值所在位置，选取位置最靠前的混合矩阵列向量所对应的独立成份行向量并按原热图尺寸转换该向量为矩阵用以定位和识别缺陷。本发明通过结合ECPT无损检测物理原理，构架了单信道盲源分离模型并用于导体材料缺陷自动检测与识别，该技术可直接处理ECPT热图视频，无需人为选择热图或像素特征，避免丢失大量数据信息，自动并精确定位缺陷。

Description

一种脉冲涡流热成像缺陷自动检测与识别方法

技术领域

本发明属于无损检测技术领域，更为具体地讲，涉及一种脉冲涡流热成像缺陷自动检测与识别方法。

背景技术

无损检测技术是控制产品质量、保证在役设备安全运行的重要手段。涡流脉冲热成像(ECPT)将涡流与热成像技术结合，可实现大范围不同深度缺陷的快速检测，近年来在导体材料无损检测领域得到广泛的应用，成为分析导体材料失效原因的重要依据。

目前ECPT对导体材料缺陷的检测和表征还局限人为选择热成像仪记录的帧图用以识别和定位缺陷，这类处理方式会丢失大量数据信息，并造成缺陷检测定位不准确，甚至错误判定缺陷数量。

发明内容

本发明的目的在于克服现有技术的不足，提供一种脉冲涡流热成像缺陷自动检测与识别方法，以实现直接处理针对测试导体热成像仪所记录的涡流脉冲热成像的热图视频，便可自动识别和准确判定缺陷数量并定位缺陷位置。

为实现上述发明目的，本发明脉冲涡流热成像缺陷自动检测与识别方法，其特征在于，包括以下步骤：

（1）、通过脉冲涡流热成像无损检测，在含缺陷的导体上获得热图视频，对每一帧热图片按列依次取值并顺序化排列，向量化每帧热图片，得到每帧热图向量并依次作为新矩阵的行向量，构架出一个新矩阵；

（2）、主成成份分解(Principle Component Analysis)加独立成份分解(Independent Component Analysis)新矩阵得到混合矩阵和独立成份矩阵，归一化混合矩阵的各列向量，并计算出各列向量最大值所在位置，选取最大值位置最靠前即行号最小的混合矩阵列向量所对应的独立成份矩阵行向量，并按原热图尺寸，对选取的独立成份行向量按列依次取值构成一个缺陷图像矩阵，用以检测和识别缺陷。

本发明的目的是这样实现的

本发明脉冲涡流热成像缺陷自动检测与识别方法，将含有缺陷导体在ECPT作用下涡流（电磁热）分布不同的各类区域考虑为具有独立分布特性的盲源区，热成像仪考虑为混合各盲源区信号的单信道混合信号接收器，建立了单信道盲源混合数学模型并利用统计信号处理算法主成成份分解和独立成份分解同时提取热图视频空间和时域模式特征，通过时域特征找到热传导最快上升和下降对应的缺陷两端集热盲源区用以自动定位（检测）和判定（识别）缺陷，实现脉冲电涡流热成像(ECPT)自动缺陷检测及识别。本发明通过结合ECPT无损检测物理原理，构架了单信道盲源分离模型并用于导体材料缺陷自动检测与识别，该方法可直接处理ECPT热图视频，无需人为选择热图或像素特征，避免丢失大量数据信息，自动并精确检测缺陷。

附图说明

图1是本发明脉冲涡流热成像缺陷自动检测与识别方法流程图；

图2是图1中向量化并构架新矩阵的示意图；

图3是主成成份分解和独立成份分解示意图；

图4是向量归一化示意图；

图5是独立成份矩阵行向量选取示意图；

图6重构并可视化缺陷相关独立成份向量示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

当导体材料存在缺陷（如裂纹），在ECPT作用下，缺陷位置在电磁感应下的涡流分布不同。当电涡流行径于缺陷处（比如裂纹），电涡流行径会随之发生变化从而在裂纹附近形成各类不同电涡流密度分布区。裂纹两端会形成电涡流密度集中区域，而裂纹两旁形成电涡流密度分散区域。由于焦耳热作用，电涡流密度分布会直接反映为裂纹附近形成各类温度分布区，例如裂纹两端会形成温度集中区，而远离激励线圈的样本区域也会受线圈感应区散热影响形成不同于缺陷附近的温度分布区，同时，不同温度分布区域在时域热传导过程也不相同，根据傅立叶定律和焦耳热在笛卡儿坐标温度上升规律，裂纹两端温度集中区温度会随时间最快上升并在停止加热后温度最快下降，其他温度分布区同样存在各自的热传导规律，这些现象被热象仪所记录到热图视频中。

图1是本发明脉冲涡流热成像缺陷自动检测与识别方法流程图。

在本实施例中，如图1所示，本发明脉冲涡流热成像缺陷自动检测与识别方法基于单信道盲源分离算法实现，包括以下步骤：

1、初始化处理

首先通过脉冲涡流热成像无损检测，在含缺陷导体上获得热图视频，对每一帧热图片按列依次取值并顺序化排列，对向量化每帧热图片，然后，将得到的每帧热图向量依次作为新矩阵的行向量，构架出一个新矩阵。

向量化并构架新矩阵的示意图如图2所示，所得ECPT热图视频Y沿时间t轴包含N帧热图片，如图2（A）所示；每帧热图片是一个N_x×N_y的矩阵，如图2（B）所示，行排含n_x=1,…,N_x个像素，列含n_y=1,…,N_y个像素。将每帧热图片Y（t），t=1,...,N向量化，即对每一帧热图片Y（t）按列依次取值并顺序化纵向排列，得到列向量vec[Y(t)]，如图2（C）所示；然后转置得到行向量vec[Y(t)]^T，如图2（D）所示，vec[Y(t)]^T含有n_p=1,…,N_y,…,N_y×N_y个像素，T表示转置。

将t=1,...,N帧热图片全部向量化再转置，并将各行向量按时间t=1,...,N顺序重新组合即依次作为新矩阵的行向量构架出如图2（E）所示的新矩阵Y′：

Y′=[vec[Y(t=1)]^T；vec[Y(t=2)]^T；...；vec[Y(t=N)]^T]。

2、盲源分离

主成成份分解(Principle Component Analysis)加独立成份分解(IndependentComponent Analysis)分解新矩阵Y′得到维数为N×N_s混合矩阵M_PCA+ICA和维数为N_s×P独立成份矩阵Y′_PCA+ICA，其中N_s为降维尺寸，需要人为事先设定。

盲源分离如图3所示。

已得到的图3(A)所示的新矩阵Y′维数为N×P，P=N_x×N_y，通过主成成分和独立成份分解算法得到如图3(B)所示的混合矩阵：

M_{PCA + ICA} = [m_{1}, m_{2}, . . ., m_{N_{s}}];

m_i=[m₁,m₂,...,m_N]^T

其中m_i是混合矩阵M_PCA+ICA第i个列向量，i=1,...,N_s，这里N_s需要人为设定数量，列向量m_i含有j=1,...,N个元素，所以整个混合矩阵M_PCA+ICA维数为N×N_s。

同理得到如图3（C）所示的独立成份矩阵Y′_PCA+ICA维数为N_s×P，即N_s行P列矩阵。

主成成份分解和独立成份分解属于现有技术，具体步骤可在论文《A.Hyvarinen,J.Karhunen,and E.Oja,“Independent component analysis and blindsource separation,”John Wiley & Sons,pp.20–60,2001.》中得到。

3、向量归一化及独立成份矩阵行向量选取

3.1）、向量归一化

将混合矩阵M_PCA+ICA各列向量归一化，如图4（C）公式所示即：

m_{i}^{'} = \frac{[m_{i} - \min (m_{i})]}{\max (m_{i}) - \min (m_{i})}

其中，m_i为混合矩阵M_PCA+ICA的第i个列向量，m′_i是归一化处理后的混合矩阵M_PCA+ICA第i个列向量，i=1,...,N_s；

min(m_i)表示取列向量m_i的最小元素，max(m_i)表示取列向量m_i的最大元素，m_i-min(m_i)表示列向量m_i的每一个元素去减列向量m_i的最小元素min(m_i)。其中(A)中虚线框区域表示混合矩阵M_PCA+ICA的第i个归一化后的列向量m′_i且对应(B)中虚线框区域独立成份矩阵Y′_PCA+ICA的第i个行向量

3.2）、独立成份矩阵行向量选取

在图5中，从图5(A)所示的混合矩阵M_PCA+ICA中找出所有归一化后列向量m′_i，i=1,...,N_s的最大值所在位置。在本实施例中，如图5(A)所示，框出的第一个列向量m′₁最大值所在位置为39，框出最后一个列向量

最大值所在位置为75，选取列向量中其最大值所在位置最靠前即行号最小的混合矩阵列向量m′_i所对应的独立成分矩阵Y′_PCA+ICA的第i个行向量

即所示的对应为混合矩阵列向量的列号与独立成份矩阵行向量的行号相同。

在上述例子中，列向量中其最大值所在位置最靠前的39，该列向量为混合矩阵列M_PCA+ICA第一个列向量，则对应的是独立成份矩阵Y′_PCA+ICA第一个行向量同样框画出，如（B）所示。这个独立成份行向量

将用以缺陷定位。

4、向量归一化及独立成份矩阵行向量选取

将选取的独立成份矩阵行向量，并按原热图尺寸，对选取的独立成份行向量按列依次取值构成一个缺陷图像矩阵，用以检测和识别缺陷。

在图6中，如图6(A)将选取的最大值所在位置最靠前的混合矩阵列向量m′_i所对应的独立矩阵Y′_PCA+ICA的第i个行向量

按原热图大小重新排列行和列得到缺陷图像矩阵

如图6（B）所示。视图化该矩阵，所显示的集热亮点为裂纹两端点位置，从而用以定位缺陷，完成缺陷检测。

图6（C）给出ECPT传统人为选择帧图与本专利方法的对比结果，图6（C）中测试样本是风机叶片，在标注区域含有两个微裂纹（事先已通过其他检测方法确定），人为选择帧图方法只能看出一对集热亮点，所以导致裂纹判断不准确。而本专利方法不仅解决了人为选择的局限性，同时也清晰的反映出两对集热亮点，准确判断出缺陷位置和数量。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims

1.一种脉冲涡流热成像缺陷自动检测与识别方法，其特征在于，包括以下步骤：

（1）、通过脉冲涡流热成像无损检测，在含缺陷的导体上获得热图视频，对每一帧热图片按列依次取值并顺序化排列，向量化每帧热图片，得到每帧热图量并依次作为新矩阵的行向量，构架出一个新矩阵；

2.根据权利要求1所述的自动检测与识别方法，其特征在于，步骤（2）中所述的归一化混合矩阵的各列向量为对混合矩阵的各列向量进行一下计算：

m_{i}^{'} = \frac{[m_{i} - \min (m_{i})]}{\max (m_{i}) - \min (m_{i})}

其中，m_i为混合矩阵的第i个列向量，m′_i是归一化处理后的混合矩阵M_PCA+ICA第i个列向量，i=1,…,N_s；

min(m_i)表示取列向量m_i的最小元素，max(m_i)表示取列向量m_i的最大元素，m_i-min(m_i)表示列向量m_i的每一个元素去减列向量m_i的最小元素min(m_i)。

3.根据权利要求1所述的自动检测与识别方法，其特征在于，步骤（2）中所述的混合矩阵列向量所对应的独立成份矩阵行向量为：混合矩阵列向量的列号与独立成份矩阵行向量的行号相同。