CN105717163A - 红外热像检测缺陷的方法 - Google Patents
红外热像检测缺陷的方法 Download PDFInfo
- Publication number
- CN105717163A CN105717163A CN201610063930.0A CN201610063930A CN105717163A CN 105717163 A CN105717163 A CN 105717163A CN 201610063930 A CN201610063930 A CN 201610063930A CN 105717163 A CN105717163 A CN 105717163A
- Authority
- CN
- China
- Prior art keywords
- time
- defect
- temperature
- excitation
- fitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
Abstract
本发明提供了一种红外热像检测缺陷的方法,包括以下步骤:对被测试件进行热激励,并同时使用红外热像仪获取激励前、中、后一段时间内的被测试件的表面的时间序列检测热图像;对升温阶段和降温阶段进行温度拟合;对平均温度求导取最大值,以确定检测中的激励开始时间点和结束时间点,为分析缺陷与时间的关系建立时间基准;对平均温度求二阶导数并取极值,以确定温差出现的精确时间;在激励结束后,对缺陷面积大小进行检测,将半最大对比度宽度法中的阈值系数确定在0.5至0.7之间;按照时间顺序,根据图像相同灰度值构建等值面,并采用投影方法获取缺陷三维重建结果。本发明能够实现高精度的缺陷投影重建。
Description
技术领域
本发明涉及一种红外热像检测缺陷的方法。
背景技术
红外热像无损检测技术是随着热成像技术等的发展而逐渐成熟的一种无损检测新技术。红外热像检测是通过接收物体发出的红外辐射,采用红外热像仪将其以热图像的形式显示出来。当物体存在缺陷时,其导热特性与物体材料本身存在明显差异。在一定的热激励下,缺陷会影响热传导,导致表面温度分布异常,采用红外热像仪等传感装置测量被检构表面温度变化,再通过分析处理获得其内部缺陷的特征,完成检测判断。红外检测具有直观、实时、快速、无污染等优点,引起人们极大兴趣,但由于容易受到干扰、信噪比低,在热扩散等因素的影响下,其检测定量化水平不高。
层析重建是定量检测的终极目标,热像检测的层析重建与传统CT等层析重建不同,原因在于热波的传递与通常的波动不同,并且热量在传递过程中衰减严重,因此称为热层析。热层析重建主要可以分为两类:一是基于缺陷深度的重建方法;二是基于热波散射的重建方法。基于热波散射的重建一般采用点探测方式,获取不同角度的热波散射数据,经过扫描完成缺陷重建,检测速度慢,实际应用价值不大。
基于缺陷深度的重建方法,是在深度探测的基础上得到缺陷形状,并进而完成缺陷重建的。显然缺陷深度、大小检测质量对重建具有决定性意义。中国发明专利“红外热波检测层析图像的重建方法”(公开号CN1696674A)也对基于深度的红外检测层析重建方法进行研究,但仅给出了不同深度平底盲孔缺陷的平面层析图像,并没有给出层析重建的立体图像或其剖面图,且检测对象只是深度不同的缺陷,没有考虑缺陷大小的提取问题,而深度和大小是缺陷图像重建的两个方面。
发明内容
为解决上述技术问题,本发明提供一种红外热像检测缺陷的方法,包括以下步骤:
步骤1,对被测试件进行热激励,并同时使用红外热像仪获取激励前、激励中及激励后一段时间内的被测试件的表面的时间序列检测热图像;
步骤2,对获得的所述时间序列检测热图像的升温阶段和降温阶段进行温度拟合;
步骤3,对所述时间序列检测热图像的平均温度求导取最大值,以确定检测中的激励开始时间点和结束时间点,为分析缺陷与时间的关系建立时间基准;
步骤4,对所述时间序列检测热图像的平均温度求二阶导数并取极值,以确定温差出现的精确时间;
步骤5,在激励结束后,对缺陷面积大小进行检测,将半最大对比度宽度法中的阈值系数确定在0.5至0.7之间;
步骤6,按照时间顺序,根据图像相同灰度值构建等值面,并采用投影方法获取缺陷三维重建结果。
较优选地,在所述步骤2中,对所述温度拟合采用多项式拟合。更优选地,所述多项式拟合采用4阶多项式。
较优选地,在所述步骤2中,对所述温度拟合采用指数拟合。更优选地,所述指数拟合采用6阶多项式。
较优选地,在所述步骤2中,所述采用多项式+指数拟合的分段拟合方法,即升温阶段采用多项式拟合,降温阶段采用指数拟合,以实现红外检测全程拟合处理。更优选地,所述多项式拟合采用3阶多项式,所述指数拟合采用4阶指数。
较优选地,在所述步骤5中,将半最大对比度宽度法中的阈值系数确定为0.632。
较优选地,在所述步骤6中,所述缺陷三维重建结果采用三维效果图。
本发明由于采用以上技术方案,其具有以下优点和有益效果:
本发明可以通过序列图像数据本身确定缺陷深度,不再需要一般方法中使用的外部时间同步控制器;全程拟合处理不仅适合于脉冲快速激励,而且可以应用于大厚度试件的长时间激励;横向根据热扩散衰减效应确定图像分割阈值提高了缺陷面积大小的提取精度,从而实现了高精度的缺陷投影重建。通过观察重建结果图可知,缺陷的内部结构已经形象、直观地显示出来,且比单纯的基于深度的重建方法质量更高,达到了缺陷定量化分析的目的,并对工程应用有一定的指导作用。
附图说明
图1是不同深度缺陷温差出现时间。
图2是不同拟合结果。
图3是激励开始、结束时间的确定。
图4是温度对比度时间变化拟合及其二阶导数曲线。
图5是缺陷半最大对比度宽度示意。
图6是不同时间(深度)缺陷热图像分割结果。
图7A是缺陷形状为三角形的试件的(i)缺陷形状、(ii)仅基于深度的重建结果效果图、(iii)基于本发明的深度与等值面缺陷重建结果效果图。
图7B是缺陷形状为半圆形的试件的(i)缺陷形状、(ii)仅基于深度的重建结果效果图、(iii)基于本发明的深度与等值面缺陷重建结果效果图。
图7C是缺陷形状为深度渐变斜槽形的试件的(i)缺陷形状、(ii)仅基于深度的重建结果效果图、(iii)基于本发明的深度与等值面缺陷重建结果效果图。
具体实施方式
以下结合附图和具体实例对本发明作进一步详细的说明。
步骤1,对被测试件进行热激励,并同时使用红外热像仪获取激励前、激励中及激励后一段时间内的被测试件的表面的时间序列检测热图像。
具体而言,在红外热像检测中,用灯或热风对被测试件进行热激励,同时红外热像仪在被测试件同侧记录被测试件的表面的时间序列检测热图像。参见图1,图1对含有不同深度Z1、Z2平底盲孔缺陷的试件进行检测,得到其正常区域与缺陷区域的时间序列检测热图像的温度随时间变化的曲线。根据热传导模型,热量传递到缺陷后返回,到改变上表面温度分布,即缺陷区域和正常区域的温度开始出现不同的时间与深度有直接关系,但温差出现的判断规则不易确定。缺陷深度不同,产生温差的对应分离时间点△t不同,缺陷越深热波传递延迟越长,分离时间点出现越迟,在图1中不同深度Z1、Z2缺陷对应的分离时间点分别为△tz1、△tz2。由于分离时间点是热波返回的时间,其温度变化会比较大,在激励开始的时间会有同样现象,所以激励开始时间点、热波返回时间点与信号时间变化率存在联系,可以作为确定的判断依据。
步骤2,对获得的时间序列检测热图像的升温阶段和降温阶段进行温度拟合。
具体而言,参见图2,图2是采用不同拟合方法得到的温度—时间曲线。实验过程至少包括以下几个阶段:热激励前温度保持阶段、热激励中温度上升阶段、以及热激励后温度降低阶段。热激励后采集的时间序列检测热图像的温度与时间的关系是非线性、非稳态的。比如,对温度拟合可以采用多项式拟合,多项式拟合可以采用4阶多项式。又如,对温度拟合可以采用指数拟合,指数拟合可以采用6阶多项式。一般指数曲线拟合的方法,主要是对降温阶段获得了良好的拟合效果,但是,温度数据分析表明,在升温阶段,温度变化并不完全符合指数规律,时间信号曲线波动较大。在升温区,曲线具有近似线性特征,因此可以采用多项式拟合,而在降温区,曲线仍然可以采用指数拟合,其中,温度最大值点作为接点。要使得接点处能平滑过渡,本发明使用两个约束条件,即两段在接点处的值相等,并且两段在接点处的斜率相等,在分段拟合中,多项式拟合可以采用3阶,指数拟合可以采用4阶。可以看出,分段拟合的效果是很好的。
步骤3,对时间序列检测热图像的平均温度求导取最大值,以确定检测中的激励开始时间点和结束时间点,为分析缺陷与时间的关系建立时间基准。在附图中,可以用热图像灰度表示温度,用热图像灰度平均值表示温度平均值。
具体而言,参见图3和图7A、图7B、图7C,图3是对聚合物被测试件(尺寸见图7A、图7B、图7C)实验(激励时间10s)所获得的时间序列检测热图像的温度平均值(即灰度平均值)的时间变化曲线(即图3中的“温度曲线”,对应左侧纵坐标轴)及其一阶导数曲线(即图3中的“温度变化曲线”,对应右侧纵坐标轴)。如曲线图所示,在激励前的温度保持阶段温度变化曲线是平坦的,其开始上升的点就是激励开始的时刻,此时其一阶导数有最大变化率,而达到最大值后激励将结束,所以曲线最大值点就是激励结束时刻。通过对检测数据进行拟合处理,然后再求导,激励开始时的一阶导数有最大值,而在激励结束点一阶导数为零。图3所示激励的实测开始、结束时间分别为:0.9s和10.7s。确定了激励开始时间也就是确定了缺陷定量分析的起始基准时刻。
步骤4,对所述时间序列检测热图像的平均温度求二阶导数并取极值,以确定温差出现的精确时间。
具体而言,参见图4,在其中的温度对比度—时间变化拟合曲线(即图4中的“+”温度对比度曲线,对应左侧纵坐标轴)及其二阶导数曲线上(即图4中的“O”温度对比度二阶导数曲线,对应右侧纵坐标轴),分别有最大对比度时间、前半最大对比度时间、后半最大对比度时间、对比度变化曲线的二阶导数有最大值时的起始分离点(即二阶导数为零时间)、对比度变化最大点等。但该时间或阈值精确确定困难,特别是峰值不明显时,而且还受到很多因素影响,如激励时间长短、缺陷大小等对其都有影响。在对比度变化的起始阶段,对比度变化曲线的二阶导数有最大值(对应右侧纵坐标轴)时间定义为热波返回时间,实验对比发现二阶导数与缺陷深度之间具有更强的相关性,所以可以选择通过该时间进行缺陷深度检测。要准确求取上述时间,对图像采集速度有一定要求。
步骤5,在激励结束后,对缺陷面积大小进行检测,将半最大对比度宽度法中的阈值系数确定在0.5至0.7之间。
具体而言,参见图5,参见图5为半最大对比度宽度法缺陷面积大小检测。在图5中,曲线表示横贯缺陷中心的某扫描线(见图中左上角所示)上的图像灰度,也即温度分布。在缺陷面积大小的定量分析中,一般采用图像分割或边缘检测的方法,得到表示缺陷大小的像素数或边缘曲线长度,热扩散是影响缺陷大小检测的主要因素。检测首先需要定位缺陷位置及缺陷中心,可以根据图像最大对比度自动检测或手动选取。在半最大对比度宽度法中根据缺陷中心处及正常区域图像灰度差大小的一半确定分割阈值,即选取50%作为阈值系数。在本发明中,阈值系数的选取范围是0.5至0.7,最优选地,本发明根据热传导衰减规律确定(1-1/e),即数值0.632,作为选取的阈值系数。
步骤6,按照时间顺序,根据图像相同灰度值构建等值面,并采用投影方法获取缺陷三维重建结果。
具体而言,参见图6和图7A、图7B、图7C,在图6中,对热激励开始直到热返回表面时间内形成的时间序列检测热图像经过上述步骤处理后,得到图像分割后的缺陷图示结果,在图7A、图7B、图7C中,在图7A、图7B、图7C中,展示了不同形式缺陷重建结果效果图。在图7中,三角形(图7A)、半圆形(图7B)、深度渐变斜槽型(图7C)缺陷试件及其重建结果,三种缺陷形状不同,深度、面积大小都不同程度发生渐变,代表了不同缺陷形式。以图7A为例,图7A(i)示出了:缺陷形状为三角形的试件的缺陷区域的实际尺寸;图7A(ii)示出了:仅基于深度的缺陷的重建结果效果图;图7A(iii)示出了:本发明的基于深度与等值面的缺陷重建结果效果图。对于图7B、图7C,也是同样的解读方式。
在基于深度的缺陷重建中,根据采样间隔(频率)大小将时间序列检测热图像与不同时刻(也即不同深度)相对应,热图像反映的是试件表面的温度分布,根据采样时间与缺陷深度之间的关系,计算所获得的热图像中各像素点相对试件无缺陷表面的深度值;对不同深度的像素赋予不同的颜色值后将采样点投影到视平面上,进行相应的叠加,最后形成重建的缺陷图像剖面图,即如图7A、图7B、图7C中(iii)所示,是本发明的基于深度与等值面的缺陷重建结果效果图。
等值面是空间中所有具有某个相同值的点的集合。它可以表示成:
{(x,y,z)|f(x,y,z)=c},c是常数
选取缺陷区域的灰度值来确定等值面,用等值面表示缺陷区域和非缺陷区域的交界面,最后对等值面进行光照、明暗处理以得到消隐和渲染后的缺陷投影重建图像。明显地本方法的重建效果大大优于仅基于深度的缺陷的重建结果,即如图7A、图7B、图7C中(ii)所示。
简而言之,本发明的实现过程是:首先在一定采样频率下获取足够长时间的热激励红外热像检测的时间序列检测热图像,对时间序列检测热图像进行拟合处理,为下面的时间点确定做好准备。根据时间序列检测热图像的全场平均强度变化确定激励开始时间点,根据缺陷处温度对比度时间变化确定热波返回时间点,上述两个时间点对应不同深度缺陷激励热波传递的时间,对该时间范围内的时间序列检测热图像缺陷进行分割,获取不同时间对应的缺陷分割图像,最后采用等值面投影重建方法获得缺陷外形重建结果,就可得出最终的重建效果图。
对实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的实施例,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。综上所述仅为发明的较佳实施例而已,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化与修饰,都应为本发明的技术范畴。
Claims (9)
1.一种红外热像检测缺陷的方法,包括以下步骤:
步骤1,对被测试件进行热激励,并同时使用红外热像仪获取激励前、激励中及激励后一段时间内的被测试件的表面的时间序列检测热图像;
步骤2,对获得的所述时间序列检测热图像的升温阶段和降温阶段进行温度拟合;
步骤3,对所述时间序列检测热图像的平均温度求导取最大值,以确定检测中的激励开始时间点和结束时间点,为分析缺陷与时间的关系建立时间基准;
步骤4,对所述时间序列检测热图像的平均温度求二阶导数并取极值,以确定温差出现的精确时间;
步骤5,在激励结束后,对缺陷面积大小进行检测,将半最大对比度宽度法中的阈值系数确定在0.5至0.7之间;
步骤6,按照时间顺序,根据图像相同灰度值构建等值面,并采用投影方法获取缺陷三维重建结果。
2.如权利要求1所述的红外热像检测缺陷的方法,其特征在于,在所述步骤2中,对所述温度拟合采用多项式拟合。
3.如权利要求2所述的红外热像检测缺陷的方法,其特征在于,所述多项式拟合采用4阶多项式。
4.如权利要求1所述的红外热像检测缺陷的方法,其特征在于,在所述步骤2中,对所述温度拟合采用指数拟合。
5.如权利要求4所述的红外热像检测缺陷的方法,其特征在于,所述指数拟合采用6阶多项式。
6.如权利要求1所述的红外热像检测缺陷的方法,其特征在于,在所述步骤2中,所述采用多项式+指数拟合的分段拟合方法,即升温阶段采用多项式拟合,降温阶段采用指数拟合,以实现红外检测全程拟合处理。
7.如权利要求6所述的红外热像检测缺陷的方法,其特征在于,所述多项式拟合采用3阶多项式,所述指数拟合采用4阶指数。
8.如权利要求1所述的红外热像检测缺陷的方法,其特征在于,在所述步骤5中,将半最大对比度宽度法中的阈值系数确定为0.632。
9.如权利要求1所述的红外热像检测缺陷的方法,其特征在于,在所述步骤6中,所述缺陷三维重建结果采用三维效果图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610063930.0A CN105717163A (zh) | 2016-01-29 | 2016-01-29 | 红外热像检测缺陷的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610063930.0A CN105717163A (zh) | 2016-01-29 | 2016-01-29 | 红外热像检测缺陷的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105717163A true CN105717163A (zh) | 2016-06-29 |
Family
ID=56154400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610063930.0A Pending CN105717163A (zh) | 2016-01-29 | 2016-01-29 | 红外热像检测缺陷的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105717163A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928979A (zh) * | 2016-07-05 | 2016-09-07 | 南京中车浦镇城轨车辆有限责任公司 | 一种搅拌摩擦焊孔洞测量方法及设备 |
CN106296670A (zh) * | 2016-08-02 | 2017-01-04 | 黑龙江科技大学 | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 |
CN106442625A (zh) * | 2016-09-29 | 2017-02-22 | 上海热像机电科技股份有限公司 | 基于红外热成像技术的后挡玻璃加热丝检测系统及方法 |
CN106680315A (zh) * | 2016-12-19 | 2017-05-17 | 中国建筑第八工程局有限公司 | 钢管混凝土的密实度检测方法 |
WO2018122810A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 |
CN108387609A (zh) * | 2018-01-19 | 2018-08-10 | 重庆大学 | 一种无损检测的方法、装置、设备可读存储介质 |
CN108535321A (zh) * | 2018-03-30 | 2018-09-14 | 吉林建筑大学 | 一种基于三维红外热成像技术的建筑热工性能检测方法 |
CN109427049A (zh) * | 2017-08-22 | 2019-03-05 | 成都飞机工业(集团)有限责任公司 | 一种涂层缺陷的检测方法 |
CN109813758A (zh) * | 2019-02-28 | 2019-05-28 | 西安交通大学 | 基于红外检测图像信号的层间脱粘缺陷复杂边界轮廓定量重构方法 |
CN110222740A (zh) * | 2019-05-23 | 2019-09-10 | 电子科技大学 | 一种基于加性模糊的红外技术缺陷重构与特征提取方法 |
CN113412424A (zh) * | 2019-02-06 | 2021-09-17 | 松下知识产权经营株式会社 | 厚度测量方法、厚度测量装置、缺陷检测方法以及缺陷检测装置 |
CN114593673A (zh) * | 2022-03-03 | 2022-06-07 | 哈尔滨工业大学 | 基于电视频道的对象测量精度和尺寸的评估方法 |
CN116664846A (zh) * | 2023-07-31 | 2023-08-29 | 华东交通大学 | 基于语义分割实现3d打印桥面施工质量监测方法及系统 |
RU2805235C1 (ru) * | 2023-03-22 | 2023-10-12 | федеральное государственное бюджетное образовательное учреждение высшего образования "Ульяновский государственный технический университет" | Способ контроля качества проводников многослойных печатных плат |
JP7389321B2 (ja) | 2018-07-31 | 2023-11-30 | 住友金属鉱山株式会社 | 基板の検査装置、基板の検査方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1696674A (zh) * | 2005-06-24 | 2005-11-16 | 首都师范大学 | 红外热波检测层析图像的重建方法 |
CN102486462A (zh) * | 2010-12-03 | 2012-06-06 | 中国科学院沈阳自动化研究所 | 一种合金固件内部缺陷三维重建方法 |
-
2016
- 2016-01-29 CN CN201610063930.0A patent/CN105717163A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1696674A (zh) * | 2005-06-24 | 2005-11-16 | 首都师范大学 | 红外热波检测层析图像的重建方法 |
CN102486462A (zh) * | 2010-12-03 | 2012-06-06 | 中国科学院沈阳自动化研究所 | 一种合金固件内部缺陷三维重建方法 |
Non-Patent Citations (5)
Title |
---|
唐斌 等: "半导体阻温曲线拟合方法的研究", 《大学物理实验》 * |
张建新 等: "脉冲加热红外热成象无损检测技术的研究", 《无损检测》 * |
杨如意 等: "缺陷大小的红外热成像检测", 《无损检测》 * |
田裕鹏 等: "红外热像无损检测技术及其应用", 《2011远东无损检测新技术论坛——低碳、绿色、健康的无损检测与评价技术论文集》 * |
苏义鑫 等: "飞机红外热波无损检测中损伤埋藏深度的计算方法", 《唐山师范学院学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105928979A (zh) * | 2016-07-05 | 2016-09-07 | 南京中车浦镇城轨车辆有限责任公司 | 一种搅拌摩擦焊孔洞测量方法及设备 |
CN106296670A (zh) * | 2016-08-02 | 2017-01-04 | 黑龙江科技大学 | 一种基于Retinex‑分水岭‑Canny算子的红外图像边缘检测方法 |
CN106296670B (zh) * | 2016-08-02 | 2019-01-04 | 黑龙江科技大学 | 一种基于Retinex-分水岭-Canny算子的红外图像边缘检测方法 |
CN106442625A (zh) * | 2016-09-29 | 2017-02-22 | 上海热像机电科技股份有限公司 | 基于红外热成像技术的后挡玻璃加热丝检测系统及方法 |
CN106442625B (zh) * | 2016-09-29 | 2021-05-11 | 上海热像科技股份有限公司 | 基于红外热成像技术的后挡玻璃加热丝检测系统及方法 |
CN106680315A (zh) * | 2016-12-19 | 2017-05-17 | 中国建筑第八工程局有限公司 | 钢管混凝土的密实度检测方法 |
WO2018122810A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于动态红外热像图处理的地下管廊渗漏检测方法 |
CN109427049A (zh) * | 2017-08-22 | 2019-03-05 | 成都飞机工业(集团)有限责任公司 | 一种涂层缺陷的检测方法 |
CN108387609A (zh) * | 2018-01-19 | 2018-08-10 | 重庆大学 | 一种无损检测的方法、装置、设备可读存储介质 |
CN108387609B (zh) * | 2018-01-19 | 2020-10-27 | 重庆大学 | 一种无损检测的方法、装置、设备可读存储介质 |
CN108535321A (zh) * | 2018-03-30 | 2018-09-14 | 吉林建筑大学 | 一种基于三维红外热成像技术的建筑热工性能检测方法 |
CN108535321B (zh) * | 2018-03-30 | 2021-04-02 | 吉林建筑大学 | 一种基于三维红外热成像技术的建筑热工性能检测方法 |
JP7389321B2 (ja) | 2018-07-31 | 2023-11-30 | 住友金属鉱山株式会社 | 基板の検査装置、基板の検査方法 |
CN113412424A (zh) * | 2019-02-06 | 2021-09-17 | 松下知识产权经营株式会社 | 厚度测量方法、厚度测量装置、缺陷检测方法以及缺陷检测装置 |
CN109813758A (zh) * | 2019-02-28 | 2019-05-28 | 西安交通大学 | 基于红外检测图像信号的层间脱粘缺陷复杂边界轮廓定量重构方法 |
CN110222740A (zh) * | 2019-05-23 | 2019-09-10 | 电子科技大学 | 一种基于加性模糊的红外技术缺陷重构与特征提取方法 |
CN110222740B (zh) * | 2019-05-23 | 2022-03-25 | 电子科技大学 | 一种基于加性模糊的红外技术缺陷重构与特征提取方法 |
CN114593673A (zh) * | 2022-03-03 | 2022-06-07 | 哈尔滨工业大学 | 基于电视频道的对象测量精度和尺寸的评估方法 |
RU2805235C1 (ru) * | 2023-03-22 | 2023-10-12 | федеральное государственное бюджетное образовательное учреждение высшего образования "Ульяновский государственный технический университет" | Способ контроля качества проводников многослойных печатных плат |
CN116664846A (zh) * | 2023-07-31 | 2023-08-29 | 华东交通大学 | 基于语义分割实现3d打印桥面施工质量监测方法及系统 |
CN116664846B (zh) * | 2023-07-31 | 2023-10-13 | 华东交通大学 | 基于语义分割实现3d打印桥面施工质量监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105717163A (zh) | 红外热像检测缺陷的方法 | |
EP1258136B8 (en) | Method and system for reference-free thermographic detection of subsurface defects using compressed image data | |
US8449176B2 (en) | Automated binary processing of thermographic sequence data | |
US7822268B2 (en) | Advanced processing of active thermography signals | |
US7724925B2 (en) | System for generating thermographic images using thermographic signal reconstruction | |
US6751342B2 (en) | System for generating thermographic images using thermographic signal reconstruction | |
US7699521B2 (en) | Automated binary processing of thermographic sequence data | |
US10546207B2 (en) | Normalized defect characterization of pulse thermographic nondestructive evaluation | |
CN109060822B (zh) | 长脉冲红外无损检测序列图像处理方法与系统 | |
US10746667B2 (en) | Fluorescent penetrant inspection system and method | |
CN108444934B (zh) | 一种复合材料脱粘缺陷的自动分割及量化方法 | |
CN109785290A (zh) | 基于局部光照归一化的钢板缺陷检测方法 | |
US20230342907A1 (en) | Image analysis apparatus, image analysis method, and program | |
WO2002089042A1 (en) | System for generating thermographic images using thermographic signal reconstruction | |
EP1852697B1 (en) | Method for determing material parameters of an object from temperature-versus-time (t-t) data | |
JP4097079B2 (ja) | 欠陥検査方法およびその装置 | |
Alcayde et al. | Quality monitoring system for pork meat using computer vision | |
Revel et al. | Defect detection in ceramic materials by quantitative infrared thermography | |
WO2020208180A1 (en) | Method for examining a coating of a probe surface | |
JP2017026422A (ja) | 赤外線画像データの画像処理方法及び赤外線画像処理装置 | |
Muzika et al. | Thermal tomography based on time transformation | |
CN110501310B (zh) | 一种基于非模型光学校正高光谱的食品检测方法 | |
Costa et al. | Calibration of circular aperture area using vision probe at inmetro | |
Shepard et al. | Quantitative comparison of thermographic data sequences | |
CN116577376A (zh) | 利用热成像瞬时温度对比度特征时间测量缺陷深度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160629 |