CN110073171A - 对漆膜的厚度分布执行可视化测量的方法及其设备 - Google Patents

对漆膜的厚度分布执行可视化测量的方法及其设备 Download PDF

Info

Publication number
CN110073171A
CN110073171A CN201880003344.4A CN201880003344A CN110073171A CN 110073171 A CN110073171 A CN 110073171A CN 201880003344 A CN201880003344 A CN 201880003344A CN 110073171 A CN110073171 A CN 110073171A
Authority
CN
China
Prior art keywords
time
thermal image
thermal
space
measurement
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.)
Granted
Application number
CN201880003344.4A
Other languages
English (en)
Other versions
CN110073171B (zh
Inventor
孙勋
黄淳奎
朴志镐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Publication of CN110073171A publication Critical patent/CN110073171A/zh
Application granted granted Critical
Publication of CN110073171B publication Critical patent/CN110073171B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • G01B15/02—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G01B21/08—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness
    • G01B21/085—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness for measuring thickness using thermal means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30156—Vehicle coating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • Geometry (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种对漆膜的厚度分布执行可视化测量的方法及其设备。测量目标区域由加热单元加热，该加热单元在相对于测量目标结构的测量目标区域移动的同时施加光束。与加热单元一起移动的感测单元通过扫描和拍摄加热的测量目标区域生成与热能在测量目标区域中传播的现象相关的多个热图像。通过执行根据时空集成坐标变换算法的坐标变换来将动态热图像转换成静态的时空集成热图像。通过使用傅立叶热传导方程来计算漆膜厚度。通过从转换的时空集成热图像中减去加热前的时空集成热图像来去除由外部热源引起的噪声。

Description

对漆膜的厚度分布执行可视化测量的方法及其设备
相关申请的交叉引用
本申请是于2018年11月2日提交的国际申请号PCT/KR2018/013234的中国国家阶段申请。本申请要求于2017年11月24日向韩国知识产权局(KIPO)提交的韩国专利申请号10-2017-0158460的优先权，其全部公开内容通过引用并入本文。
技术领域
本发明涉及用于测量施加到结构的漆膜厚度的技术领域，且更特别地涉及一种用于通过热波分析来对漆膜的厚度分布进行可视化和量化的技术。
背景技术
大多数钢结构可通过漆膜(即漆层)来屏蔽各种外部影响，诸如湿度、直射的阳光和海水。然而，若不是将具有合适厚度的漆膜施加到钢材料，钢材料则可能由于上述各种外部影响而被腐蚀或可能具有减小的截面积。使用腐蚀钢材料的结构的承载能力下降。严重腐蚀的结构可能无法执行其设计预期的最初作用。相反地，若漆膜厚度太厚，则由于过量用漆而在经济上是不利的。
测量漆膜厚度的最大困难在于漆膜的厚度可能无法用肉眼识别。漆膜厚度检查目标可以是例如，大型钢结构，诸如桥梁中使用的钢结构、船舶结构等。除了通过适于测量的特别装置来测量大型钢结构的漆膜厚度之外，没有别的选择。然而，迄今为止开发的大多数漆膜厚度测量装置是接触式检查装置，或具有这样的局限性，即，只能检查在特定点处的漆膜厚度，而不能检查大面积上的“漆膜厚度分布”。为了使用传统的漆膜厚度检查装置来获得大面积上的漆膜厚度分布，使用在整个检查目标区域中不同点处直接测量漆膜厚度并基于直接测量的结果估计在剩余点处漆膜厚度的检查方法。因此，传统的检查装置具有诸如点测量工作的不便和低效率以及由于估计而导致测量不准确的问题。
为了改进接触式漆膜测量的不便，提出了通过分析太赫兹波的传播趋势来测量漆膜厚度的技术(参见美国专利申请公布号2010-0195090 A1，“以非接触方式测量漆膜厚度的装置”)。然而，默认情况下，太赫兹波可能不能在包含金属材料的材料中传播。因此，上述技术提出的测量装置不能测量含有金属材料的漆膜的厚度。另外，上述技术不能对大面积上的漆膜厚度分布进行可视化。
发明内容
为了解决上述问题，本发明的一个目的是提供一种通过分析记录于涂覆在结构上的漆膜的多个热图像上的热波、以非接触方式对漆膜的厚度分布进行可视化和量化的方法及其设备。
本发明的另一个目的是提供一种使由外部噪声热源和表面反射引起的漆膜厚度检查误差最小化的方法及其设备。
本发明的又一个目的是提供一种考虑漆的物理性能、通过热图像校正来对漆膜的厚度分布进行可视化，并基于可视化的厚度分布测量漆膜厚度的方法及其设备。
本发明的又一个目的是提供一种通过使用光学组件来对施加至具有包括弯曲部分的各种形状的结构的漆膜厚度进行可视化的方法及其设备。
本发明的又一个目的是提供一种通过使用线性激光束来加宽检查区域以增加检查速度并校正由线性激光束引起的温度不均匀性的方法及其设备。
本发明的目的不限于上述，在不脱离本发明实质和范围的情况下可进行各种扩展。
根据用于实现本发明目的的实施例，提供了一种对漆膜的厚度分布执行可视化测量的方法，其用于测量涂覆有漆的测量目标结构的漆膜厚度。该方法包括由加热单元加热测量目标区域，该加热单元在相对于测量目标结构的测量目标区域移动的同时施加光束。此外，对漆膜的厚度分布执行可视化测量的方法包括由与加热单元一起移动的感测单元通过扫描和拍摄加热的测量目标区域来生成与热能在测量目标区域中传播的现象有关的多个热图像；以及通过执行根据时空集成坐标变换(TSICT)算法的坐标变换来将动态的热图像转换成静态的时空集成热图像。
根据实施例，该方法还可包括：基于光束引起的热能通过漆膜的传播时间根据漆膜厚度变化的现象，通过使用时空集成热图像来测量漆膜的厚度。
根据实施例，TSICT算法可通过应用x*＝tv，y*＝y和t*＝x/v来执行时空集成坐标变换(TSICT)。这里，x和y分别表示热图像中的x轴线和y轴线，t表示时间。x*和y*分别表示时空集成热图像中的x轴线和y轴线，t*表示热波传播时间，v表示测量目标结构和感测单元之间的相对速度。
根据实施例，可确定热波传播时间t*的值，使得在时空集成热图像中实现最大平均温度分布的时间点等于从结构和漆膜之间的界面反射的热能到达测量目标结构表面的时间。
根据实施例，漆膜的厚度可通过使用傅里叶热传导方程L＝Q/kAΔTt*来计算。这里，ΔT表示由施加的光束引起的漆膜的温度增量，k表示漆膜的导热系数，L表示漆膜的厚度，Q表示施加至测量目标结构的热能，A表示热能传播通过的截面积，且t*表示热波传播时间。
根据实施例，该方法还可包括在施加光束至测量目标结构之前，通过对测量目标结构执行生成步骤和转换步骤来生成测量目标区域加热前的时空集成热图像；以及生成校正的时空集成热图像，其中通过从转换步骤生成的时空集成热图像减去加热前的时空集成热图像去除了由外部噪声热源引起的噪声分量。加热步骤可包括通过将任意光束转换成线性光束来将线性光束施加至测量目标区域，且该方法还可包括通过将校正的时空集成热图像中每个纵向轴线(y轴线)数据除以线性光束的非均匀能量分布轮廓来去除引起异常温度分布的图像噪声。
根据实施例，加热步骤可包括通过将任意光束转换成线性光束来将线性光束施加至测量目标区域。
根据实施例，该方法还可包括通过将转换步骤生成的时空集成热图像中每个纵向轴线(y轴线)数据除以线性光束的非均匀能量分布轮廓来去除引起异常温度分布的图像噪声。
根据实施例，该方法还可包括通过使用中值滤波掩模对转换步骤中生成的时空集成热图像执行中值滤波来去除感测单元的热波拍摄单元中生成的随机胡椒噪声分量。
根据实施例，该方法还可包括通过将漆的颜色转换成灰度并将转换步骤中生成的时空集成热图像的每个像素数据值除以灰度来基于灰度生成归一化像素数据。
根据实施例，该方法还可包括通过将转换步骤中生成的时空集成热图像的每个像素数据值除以漆的导热系数来基于漆的导热系数生成归一化像素数据。
根据实施例，该方法可适用于漆膜未干燥的湿漆膜和漆膜已干燥的干漆膜两者。
根据实施例，在至少加热单元和感测单元组合成单体并安装在无人机上的状态下，在无人机平行于测量目标结构的测量目标区域平行飞行的同时执行加热步骤和生成步骤。
同时，根据用于实现本发明目的的实施例，提供了一种用于对涂覆有漆的结构(下文称为“测量目标结构”)的漆膜的厚度执行可视化测量的设备。该设备包括配置为在相对于测量目标结构移动的同时生成光束以施加热能至测量目标结构的测量目标区域的加热单元，配置为在与加热单元一起移动的同时、通过拍摄热能施加至的测量目标结构的测量目标区域来生成与热能传播现象相关的多个热图像的感测单元，以及控制单元，其配置为执行控制加热单元的加热操作和感测单元的拍摄操作并接收感测单元的热图像以存储热图像的功能，以及通过执行基于时空集成坐标变换(TSICT)算法的坐标变换来将动态热图像转换成静态时空集成热图像的功能。
根据实施例，加热单元可包括：配置为连续地生成激光束的激光发生器，配置为将激光发生器生成的点激光束转换成线性激光束的线束发生器，以及配置为调整焦点使得线束发生器发出的线性激光束的长度适合于测量目标区域的宽度的第一聚焦透镜。
根据实施例，加热单元可包括：配置为将电能转换成光能的灯光源单元，配置为收集灯光源单元生成的光以转换光、使得输出线性光的光线性化单元，以及配置为调整焦点使得光线性化单元发出的线性光的长度适合于测量目标区域的宽度的第一聚焦透镜。
根据实施例，感测单元可包括：拍摄测量目标以生成与测量目标区域中热分布相对应的热图像的热波拍摄单元，以及配置为调整热波拍摄单元的焦点使得热波拍摄单元精确地聚焦在测量目标区域上的第二聚焦透镜。热波拍摄单元可以是热成像相机和高光谱相机中的任一个。
根据实施例，该设备可通过使用热图像来测量漆膜的厚度，基于热能通过漆膜的传播时间根据漆膜厚度变化的现象，热图像中记录有测量目标结构的测量目标区域中的热能分布特性。
根据实施例，漆膜的厚度可通过使用傅里叶热传导方程L＝Q/kAΔTt*来计算。这里，ΔT表示由施加的光束引起的漆膜的温度增量，k表示漆膜的导热系数，L表示漆膜的厚度，Q表示施加至测量目标结构的热能，A表示热能传播通过的截面积，且t*表示热波传播时间。
根据实施例，控制单元可配置为进一步执行控制功能以在施加光束至测量目标结构之前拍摄测量目标结构的测量目标区域并通过将拍摄生成的多个动态热图像转换成静态时空集成热图像来生成测量目标区域加热前的时空集成热图像，以及生成校正时空集成热图像的功能，其中通过从转换的静态时空集成热图像减去加热前的时空集成热图像去除了由外部噪声热源引起的噪声分量。
根据实施例，光束可以是线性光束，且控制单元可配置为进一步执行通过将校正的时空集成热图像中每个纵向轴线(y轴线)数据除以线性光束的非均匀能量分布轮廓来去除引起异常温度分布的图像噪声的功能。
根据实施例，该设备还可包括至少配备有加热单元和感测单元的无人机，该无人机配置为接近测量目标结构的测量目标区域并平行于测量目标区域飞行。
本发明利用了通过测量和分析检查目标结构中的热波能够可视化和量化漆膜厚度分布的主动热成像技术。
根据本发明的实施例，漆膜厚度检查能够以非接触方式执行。因此，能够减少由于不必要的检查而造成的经济损失，从而提高生产率。
根据本发明的实施例，能够通过单次测量以高准确性对大面积上的漆膜厚度分布进行可视化。通过对漆膜厚度分布的可视化，能够提高结构管理的效率和生产率。
根据本发明的实施例，测量能够在检查目标结构是金属材料以及非金属材料两者时执行。此外，漆膜的厚度能够实时地进行可视化，且能够同时测量湿漆膜和干淋膜两者的厚度分布。能够提供这种功能的技术尚未开发出。
本发明能够通过自动化检查方法和设备提供漆膜厚度分布的可视化和量化信息，而无需用户和专家干预。根据本发明的检查设备能够应用于，例如，无人驾驶飞行器。
附图说明
结合附图、根据以下详细描述，将更清楚地理解说明性、非限制性的示例实施例。
图1是根据本发明一实施例、用于对漆膜的厚度分布进行可视化测量的系统的配置图。
图2用于描述通过使用根据本发明的实施例、对漆膜的厚度分布进行可视化测量的系统来对测量目标结构的测量目标区域中的漆膜厚度进行可视化和量化的方法。
图3示意性示出热图像坐标变换步骤(第一步骤)，其是根据本发明的实施例、通过使用热图像来对漆膜厚度进行可视化和测量的算法的一部分。
图4示出施加线性激光束的测量目标结构中的热能传播特性。
图5示出从时空集成热图像中去除与厚度测量无关的诸如外部热源和表面反射的噪声分量的方法。
图6示出去除时空集成热图像中含有的其他内部噪声的方法。
图7用于描述图6中所示的校正异常的方法。
图8用于描述图6中所示的中值滤波过程。
图9示出用于验证本发明的检查样本的照片。
图10示出通过使用图9的检查样本进行的检查的结果的热图像。
图11示出用于描述漆膜厚度量化的图。
图12示出根据本发明的实施例、将可视化测量系统分别安装在机器人臂和无人机上的示例。
图13描绘了通过使用安装在无人机上的可视化测量系统对施加至桥梁结构的漆膜的厚度分布进行的可视化测量。
具体实施方式
以下参照其中示出了一些示例实施例的附图将更全面地描述各种示例实施例。然而，本发明的概念可以按许多不同的形式具体化，且不应解释为仅限于本文中提出的示例实施例。相反地，提供这些示例实施例使得本发明将是彻底和完整的，且向本领域的技术人员完全传达了本发明概念的范围。在附图中，为了清楚起见，层和区域的大小和相对大小可进行夸大。相同的附图标记始终指代相同的元件。
对于本文中公开的本发明的实施例而言，仅出于说明本发明的实施例的目的，给出了某些结构或功能描述。本发明的实施例可以不同的形式实现，且不应解释为仅限于本文提出的实施例。
虽然诸如“第一”或“第二”的术语中的任一可用于描述各种元件，但元件不应受该术语限制。术语仅用于区分一个元件与另一个。
本文使用的术语仅旨在描述某些实施例，决不限制本发明。除非另有明确使用，否则单数形式的表达包括复数形式的含义。在本说明书中，诸如“包括”或“包含”的术语旨在表示特性、数字、步骤、操作、元件、部件或其组合的存在，不应解释为排除一个或多个其他特性、数字、步骤、操作、元件、部件或其组合存在或添加的任何可能性。
对于本文公开的本发明的实施例而言，仅出于说明本发明的实施例的目的，给出了某些结构或功能描述。本发明的实施例可以不同的形式实现，不应解释为仅限于本文提出的实施例。换句话说，由于能够对本发明进行各种改变和修改，将参照附图详细说明和描述某些实施例。然而，这决不是将本发明局限于某些实施例，而应解释为包括落在本发明的实质和范围内的所有修改、等同物和替代物。
在下文中，将参照附图详细描述本发明的一些优选实施例。在所有附图中，相同的附图标记用于表示相同的元件，将省略对相同元件的冗余描述。
图1示出根据本发明一实施例、用于对漆膜的厚度分布进行可视化测量的系统100的配置。图2用于描述通过使用根据本发明的实施例的可视化测量系统100来对测量目标结构10和20的感兴趣区域(ROI)，即测量目标区域200中的漆膜10的厚度进行测量和可视化的方法。
参照图1，用于对漆膜的厚度分布进行可视化测量的系统100可包括控制单元110、加热单元120和感测单元140。漆膜厚度检查目标可以是其中漆10被施加到结构20的表面以形成漆膜10的结构(以下称为“测量目标结构10和20”)。漆膜10可以是由单一类型漆形成的单层或由多种类型漆层压形成的多层。结构20的类型或尺寸不特别限制。
加热单元120生成激光束以将热能施加至漆膜厚度检查目标。热能在由激光束或光束加热的测量目标结构10和20中传播。感测单元140可通过对测量目标结构10和20中发生的热能传播现象拍照生成多个热图像。感测单元140可将热图像提供给控制单元110。
加热单元120和感测单元140的操作可由控制单元110提供的控制信号控制。加热单元120、感测单元140和控制单元110可包括用于允许加热单元120、感测单元140和控制单元110彼此通信的通信单元(未示出)。通信单元可支持有线通信或无线通信。
根据该实施例，控制单元110可用计算机装置实现。用于控制单元110的计算机装置可设有用于控制加热和测量操作(其将在下面描述)的程序。
根据该实施例，加热单元120可生成线性光束以在大面积上有效地执行加热。加热单元120可施加光束，同时相对于测量目标结构10和20移动。光束可以是，例如由激光发生器生成的激光束或由灯装置生成的灯光。
根据该实施例，加热单元120可包括用于生成激光束的激光发生器122、线束发生器124和第一聚焦透镜126。激光发生器122可以是，例如连续波(CW)激光器。连续波激光器是连续生成激光束而不会中断的装置。根据检查目标结构的形状或检查的精确度等，连续波激光器可用各种类型的光源代替。根据该实施例，激光发生器122可根据控制单元110的控制信号生成点激光束。根据另一实施例，激光发生器122可以是脉冲激光器。
如图2所示，测量漆膜10厚度的测量目标区域200可以很宽。为了有效地加热宽的测量目标区域200，激光束可通过线束发生器124转换成具有预定长度和预定宽度的线性激光束。线性激光束可经由第一聚焦透镜126在测量目标结构10和20中具有预定长度和预定宽度的线性区域中产生热能。为了有效地通过单次运动传递热能，线性激光束的长度(即，图2中沿y轴方向的长度)可大于或等于测量目标结构10和20的测量目标区域200的宽度w。
根据该实施例，加热单元120可使用灯装置(未示出)来代替激光发生器122作为加热测量目标结构10和20的工具。灯装置可通过使用用于将电能转换成光能的灯光源单元(未示出)以及用于收集灯光源单元生成的光以转换光使得输出线性光的光线性化单元(未示出)来生成线性光。
线性光可经由第一聚焦透镜126施加至测量目标结构10和20。第一聚焦透镜126可调整焦点使得线性光的长度适合于测量目标区域200的宽度。灯光源单元可通过使用例如，卤素灯、LED灯或其他各种光源来实现。激光发生器对于精确检查可能是有利的，但对于小尺寸的轻质系统的构造是不利的，反之，灯光源单元可能适于构造小尺寸的轻质系统。可根据检查目标来选择和使用最佳光源装置。在下文中，为了方便起见，将描述使用激光束的示例。
施加至测量目标结构10和20的热能可传播通过测量目标结构10和20。感测单元140可测量由加热单元120施加的热能在测量目标结构10和20中传播的现象，并将测量的现象转换成图像。换句话说，感测单元140可将与测量目标结构10和20中热能传播有关的测量数据自动转换成热图像。此外，感测单元140可将热图像传输至控制单元110。控制单元110可将接收的热图像存储在存储装置中。
根据该实施例，感测单元140可包括热波拍摄单元142和第二聚焦透镜144。
第二聚焦透镜144可调整热波拍摄单元142的焦点使得热波拍摄单元142精确地聚焦在测量目标结构10和20的表面上。
热波拍摄单元142可以是通过使用热波进行拍摄的装置。例如，热波拍摄单元142可以是将测量目标10和20的热分布表达为图像的相机。热波拍摄单元142可通过第二聚焦透镜144将测量目标结构10和20表面上的热能分布转换成图像。热波拍摄单元142可与控制单元110通信。热波拍摄单元142可基于控制单元110提供的控制信号执行测量操作，并将获得的热能分布图像作为测量结果传输至控制单元110。因此，漆膜10的厚度可自动地可视化。
根据该实施例，热波拍摄单元142可以是热成像相机，诸如红外(IR)相机。红外相机分析测量目标10和20辐射的红外线以将热分布表达为图像。通过根据测量目标10和20的温度来有区别地表达颜色，可对每个位置的测量目标10和20的温度分布进行可视化。
根据另一实施例，热波拍摄单元142可以是高光谱相机。高光谱相机可具有其中光谱仪设置在透镜和(红外/可见光)相机之间的结构。与典型相机不同，高光谱相机可根据波长接收连接数据中的宽波段。与典型的(红外/可见光)相机不同，即使是在拍摄单个图像时，高光谱相机也可根据波段存储多个图像。结果，存在能够通过分析每个波长的测量信号的分布和大小来分析物理性能的优点。
例如，热成像相机可用7.5μm至12μm的波段以高分辨率(例如，640×512像素)对温度分布进行可视化。高光谱相机可使用红外波段(例如，7.5μm至12μm)作为波段，并根据波长对热能分布进行可视化。热成像相机可通过使用根据漆的类型和检查时间的基础数据来测量漆膜厚度，而高光谱相机则可在没有基础数据的情况下测量漆膜厚度。
参照图2，热波拍摄单元142可拍摄相应于其视场(FOV)的区域210。当测量目标结构10和20的测量目标区域200比视场(FOV)区域210更宽时，单次发射可能不足。可视化测量系统100可在相对于测量目标结构10和20移动的同时拍摄整个测量目标区域200。在这种情况下，相对运动表示可视化测量系统100和测量目标结构10和20中的至少一个或两者移动的情况。
在对漆膜10的厚度进行测量和可视化期间，可视化测量系统100可移动以拍摄测量目标结构10和20的整个测量目标区域200。根据该实施例，可视化测量系统100可安装在无人驾驶飞行器上并移动。可视化测量系统100可安装在单独的机械移动装置上并移动。
加热单元120和感测单元140可组合成单体以相对于测量目标结构10和20一起移动。控制单元110可与加热单元120和感测单元140一起移动，但不必限于该实施例。例如，加热单元120和感测单元140可安装在无人驾驶飞行器上并一起移动，而控制单元110可与加热单元120和感测单元140分离并位于地面上。在这种情况下，控制单元110以及加热单元120与感测单元140的组合体可通过无线通信彼此连接。根据另一实施例，加热单元120、感测单元140和控制单元110可一起安装在无人驾驶飞行器上。加热单元120、感测单元140和控制单元110可通过有线通信彼此连接。
可视化测量系统100与测量目标结构10和20之间的移动可以是相对的。测量目标结构10和20可处于静止状态，仅可视化测量系统100移动，或者可视化测量系统100可以不移动，仅测量目标结构10和20移动。替代地，可视化系统100和测量目标结构10和20两者都可移动。通过在相对移动期间执行测量，即使测量目标结构10和20是具有大面积的大结构时，也可在其整个区域上测量热能传播特性。例如，加热单元120可向测量目标结构10和20施加沿纵向轴线(y轴线)方向延伸的线性激光束，同时沿与线性激光束正交的横向轴线(x轴线)方向移动线性激光束。在这种情况下，感测单元140可沿x轴线方向执行扫描，从而在与加热单元120一起移动的同时拍摄测量目标结构10和20的热能分布。因此，可测量、可视化和量化比感测单元140的FOV区域210宽得多的区域中的漆膜10的厚度。
根据该实施例，加热单元120和感测单元140的这种移动加热和测量可彼此同步地执行。这种同步操作可通过由控制单元110提供控制信号至加热单元120和感测单元140来执行。
在下文中，将描述根据本发明的实施例、执行漆膜的厚度分布可视化测量的方法(下文中称为“可视化测量方法”)。
可视化测量方法可通过计算机程序实现。通过可视化测量方法的算法，其中漆膜10的厚度可视化的图像可通过使用获得的热图像形成。漆膜10中的热能传播特性可根据漆膜10的物理性能变化。热波通过漆膜10的传播时间可根据漆膜10厚度的变化而变化。基于这一点，漆膜10的厚度可通过使用其中记录有测量目标结构10和20表面上的热能分布特性的热图像来测量。
参照图1和图2，加热单元120和感测单元140可根据控制单元110提供的控制信号彼此同步以执行加热和测量操作。加热单元120可生成激光束以施加热能至测量目标结构10和20，它们是漆膜厚度检查目标。通过施加的激光束可在测量目标结构10和20中生成热能。热能可传播通过漆膜10。热能可通过感测单元140测量。测量到的热能可记录在多个热图像中。漆膜10的厚度可通过分析热图像而可视化。
为了可视化漆膜10的厚度，可对感测单元140生成的热图像执行坐标变换。参照图2，通过热波拍摄单元142拍摄FOV区域210获得的热图像示出了FOV区域210中的热能分布。由于测量目标区域200比热波拍摄单元142的FOV区域210更宽，可视化测量系统100可在相对于测量目标区域200移动的同时测量该测量目标区域200。在下文中，如图2所示，将描述测量目标结构10和20固定且可视化测量系统100在沿x轴线方向移动的同时执行加热和测量的情况作为示例。
在热波拍摄单元142相对于测量目标结构10和20移动的同时拍摄由热波拍摄单元142生成的热图像。压印在热图像上的测量目标结构10和20也处于动态(移动状态)，而不是静态(静止状态)。对于处于动态的测量目标结构10和20而言，很难分析在预定位置处热能随时间的变化趋势。热图像可能需要重新配置以准确分析热能变化趋势。
为此将更详细地描述。加热单元120的线性激光束可位于热波拍摄单元142的FOV区域210内。当测量目标结构10和20以恒定速度v通过FOV区域210时，由线性激光束加热的测量目标结构10和20的表面温度可由热波拍摄单元142测量为热图像。热图像可包括横向空间轴线x、纵向空间轴线y和时间轴线t。为了便于说明，假定线性激光束平行于热图像的y轴线。
热波拍摄单元142可具有有限的FOV区域210，但可在测量期间相对于测量目标结构10和20移动。因此，可通过向测量目标结构10和20的宽测量目标区域200施加线性激光束来测量热反应。在这种情况下，施加线性激光束的区域是测量目标区域(ROI)200。
热图像可在测量目标结构10和20与感测单元140相对于彼此连续移动的同时进行测量。因此，不可能确认在测量目标结构10和20的预定位置处施加线性激光束的温度随时间变化的趋势。另外，难以确认整个测量目标区域200的检查结果。
根据本发明的实施例，为了解决上述问题，可使用时空集成坐标变换(TSICT)算法。感测单元140生成的热图像可通过使用TSICT算法重新配置。
图3示出通过使用TSICT算法将热波拍摄单元142拍摄的动态热图像重新配置成静态图像的方法。
参照图3，热波拍摄单元142生成的热图像250表明测量目标结构10和20上的动态热能反应。当通过应用TSICT算法来处理热图像250时，热图像250可转换成表示测量目标结构10和20上的静态热能反应的图像。换句话说，通过应用TSICT算法可将动态原始热图像250(包括x轴线、y轴线和t轴线的热图像)转换成时空集成热图像260(包括x*轴线、y*轴线和t*轴线的ROI图像)。因此，考虑到整个测量目标区域200，即整个测量目标结构10和20，施加线性激光束来确认样本的温度变化趋势是可行的。
TSICT算法可由下列等式(1)表示。
这里，x和y分别表示原始热图像250中的x轴线和y轴线，t表示时间。另外，x*和y*分别表示转换成的热图像中的x轴线和y轴线。t*表示热波传播时间。v表示热波拍摄单元142与测量目标结构10和20之间的相对速度。
根据等式(1)，x*、y*和t*可分别由x*＝tv、y*＝y和t*＝x/v代替。通过上述替换，动态测量目标结构10和20可转换成静态测量目标结构10和20。
详细地，转换前的热图像250的x轴线数据指示在线性激光束施加位置处施加线性激光束之前和之后测量目标结构10和20随时间的温度变化趋势。因此，位于热图像x轴线上的数据除以相对速度v可指定为ROI图像的时间轴线t*。由于热图像250是通过测量以预定速度v相对于热波拍摄单元142移动的测量目标结构10和20而获得的，在热图像250每个点处的测量目标结构10和20的位置可随时间变化。因此，位于热图像250时间轴线t上的数据乘以相对速度v可指定为ROI图像260的横向空间轴线x*。热图像250的y轴线数据可指定为ROI图像260的纵向空间轴线y*，而不用任何额外的坐标变换。
通过使用等式(1)的转换获得的单个时空集成热图像可以是表示执行了测量的所有区域，即测量目标区域200的图像。可通过单个时空集成热图像确认随时间的热能传播特性。
时空集成热图像可表达为好像是以脉冲波形加热宽热源区域一样。热反应可表达在时域t*中。如图4所示，当脉冲波形的热能施加至测量目标结构10和20时，热能可沿测量目标结构10和20的厚度方向传播到测量目标结构10和20中。传播到测量目标结构10和20中的热能可在测量目标结构10和20物理性能改变的点处，即结构20和漆膜10之间的界面处反射，并再次朝向测量目标结构10和20的表面传播。热能在界面处反射是因为结构20和漆膜10之间存在大的导热系数差异。当漆膜10的导热系数k1与结构20的导热系数k2相比非常小(即，k1<<k2)时，界面处的热反射率接近约100％。
在这种情况下，加热后反射的热能可通过热波拍摄单元142测量。漆膜10的厚度可通过测量时间和热能的量来估计。在时空集成热图像中实现最大平均温度分布的时间点可以是从结构10和漆膜10之间的界面反射的热能到达测量目标结构10和20的表面，即漆膜10的表面的时间。通过使用该时间，漆膜10的厚度可通过由下列等式(2)表示的傅立叶热传导方程来估计。
L＝Q/kAΔTt*......(2)
这里，L表示漆膜10的厚度，Q表示施加至测量目标结构10和20表面的热能，k表示漆膜10的导热系数，A表示热能通过的截面积，ΔT表示由施加的激光束所引起的漆膜10的温度增量，t*表示热波传播时间。为了清楚地看出对应于漆膜10厚度的热反应，需要基于傅立叶热传导方程来选择适当的值作为t*。
然而，通过等式(2)估计的漆膜10的厚度L可能包括各种噪声分量。特别地，诸如环境外部热源(例如，太阳热能或环境加热元件)的噪声以及与厚度测量无关的表面反射可能影响厚度测量。另外，噪声可能由各种环境条件(诸如环境空气的温度和/或湿度条件)生成。由这种环境外部噪声热源引起的温差与线性激光束执行的加热无关。可能需要从集成热图像中去除由外部噪声热源引起的热反应。
图5示出通过额外的图像和信号处理来去除由外部噪声热源引起的与厚度测量无关的噪声分量从而更准确地测量漆膜10厚度的方法。
参照图5，附图标记300表示通过线性激光束施加热能之前拍摄测量目标区域200而获得的时空集成热图像，附图标记310和320表示施加热能之后时间流逝t*＝a和t*＝b(其中b>a)时拍摄测量目标区域200而获得的时空集成热图像。
可在非常短的时间内对测量目标结构10和20的特定区域执行检查(热能测量)。执行检查期间，在热能测量中生成噪声的外部噪声热源可能不会在短时间内引起测量目标结构10和20的温度变化。在用于执行检查的热能施加至测量目标结构10和20之前拍摄的第一时空集成热图像可视为由外部噪声热源引起的热图像。
在这一点上，根据本发明该实施例，可从施加线性激光束至测量目标结构10和20之后拍摄的所有剩余时空集成热图像310和320中减去施加线性激光束至测量目标结构10和20之前拍摄的时空集成热图像300。详细地，可通过在施加线性激光束至测量目标结构10和20之前拍摄测量目标结构10和20的热图像并应用TSICT算法来生成第一时空集成热图像300。然后，在施加线性激光束至测量目标结构10和20的同时，可拍摄测量目标结构10和20的热图像并通过如上所述的方法应用TSICT算法以生成测量目标区域200的第二时空集成热图像320。在图5中，由“340”表示的椭圆区域对应于由外部噪声热源引起的热反应区域。由外部噪声热源引起的热图像340可共同存在于第一和第二时空集成热图像300和320中。可从第二时空集成热图像320中减去第一时空集成热图像300。因此，通过上述减法获得的第三时空集成热图像是要获得的校正图像。通过上述校正获得的时空集成热图像330不包括由外部噪声热源引起的热反应区域340。
同时，除了诸如外部噪声热源的因素之外，噪声因素可能包括其他内部因素。可执行额外的图像校正以去除可能包含在如上所述校正的时空集成热图像330中的其他噪声。图6示出去除包含在时空集成热图像330中的其他内部噪声的方法。图7用于描述校正图6中所示异常的方法，图8用于描述图6中所示的中值滤波过程。
参照图6和7，如上所述的其他图像噪声可以是由可视化测量系统100生成的图像噪声。第一图像噪声可以是图像噪声352，其可能由于线性激光束的非均匀能量分布特性生成，该线性激光束是由加热单元120生成的热源。当施加至测量目标结构10和20的线性激光束的轮廓不均匀时(参见图7(b))，由此引起的温度分布可能也是异常的(参见图7(a))。
为了校正引起异常温度分布的图像噪声，校正的时空集成热图像350中的每个纵向(y轴线)数据(即，温度数据)可除以线性激光束的非均匀能量分布轮廓。如上所述获得的时空集成热图像350的纵向轴线(y轴线)数据具有均匀的温度(热能)分布(见图7(c))。这由下面的等式(3)表示。
Tcorr,x*(y)＝Tx*(y)/激光轮廓(y)......(3)
这里，Tx*(y)是图6的CROI图像中的纵向轴线温度数据分布，且Tcorr，x*(y)是通过将Tx*(y)除以激光轮廓y校正的温度数据分布。
第二图像噪声可以是热波拍摄单元142中生成的随机胡椒噪声。如图6所示，胡椒噪声在其中校正了非均匀能量分布的时空集成热图像360中可能不具有特定图案。然而，却存在胡椒噪声不在连续像素上出现的特性。如图8所示，胡椒噪声可通过中值滤波来减少。滤波掩模380的尺寸为例如3×3的中值滤波可消除随机胡椒噪声。例如，当a、b、c和d四个像素数据(其中a<b<c<d)存在于尺寸为3×3的滤波掩模380中时，a、b、c和d中的最大值，例如d可能是胡椒噪声。胡椒噪声d可用滤波掩模380中像素数据的中值b来代替。去除了胡椒噪声的时空集成热图像370可通过如上所述的中值滤波获得。
可通过如上所述的各种方法来消除各种噪声。如上所述，最终的时空集成热图像可通过去除噪声获得。在最终的集成热图像中，可以可视化和表示施加至结构20的漆膜10的厚度分布。由外部噪声热源引起的噪声分量的去除操作，由于线性激光束的非均匀轮廓引起的噪声分量的去除操作，以及如上所述的胡椒噪声分量的去除操作是彼此独立的。因此，可选择性地执行噪声分量去除操作中的一些或所有，且执行操作的顺序可以是任意的。
漆膜10的厚度可通过使用其中去除了噪声的最终时空集成热图像来量化。最终时空集成热图像的每个像素数据是指示测量目标结构10和20由于施加热能而导致的温度增量值。然而，在量化漆膜10的厚度中，对施加的热能的热反应可根据漆的类型变化。可校正结果值以量化漆膜10的厚度。
为了验证这种现象，已执行了下列测试。图9示出用于测试的六个检查样本。六个检查样本具有厚度不同(60μm、100μm、140μm和180μm)的漆膜。检查样本具有漆类型和颜色以下六种不同的组合：环氧树脂-灰色；陶瓷-灰色；聚氨酯-红色；聚氨酯-浅绿色；陶瓷-绿色；和陶瓷-白色。图9(a)中的两个样本具有不同的漆类型(环氧树脂与陶瓷)和相同的漆颜色(灰色)。图9(b)中的两个样本具有相同的漆类型(聚氨酯)和不同的漆颜色(红色与浅绿色)。图9(c)中的两个样本具有相同的漆类型(陶瓷)和不同的漆颜色(绿色与白色)。
图10示出显示测试结果的热图像。图像表明漆膜10的厚度极好地进行了可视化。但是，温度分布取决于漆类型和漆的颜色。因此，需要额外的分析以量化漆膜10的厚度。
图11用于描述漆膜厚度的量化。参照图11，图11(a)示出当热能施加至测量目标结构10和20时，测量目标区域200中温度升高根据漆的类型和厚度而变化。当漆的颜色改变时，在漆膜10表面处光反射和吸收的比率发生变化。本发明以光学方式产生施加至测量目标结构10和20的热能。因此，测量目标结构10和20中生成的热能的量可根据漆膜10的颜色发生变化。
根据本发明的实施例，漆的颜色可转换成灰度(级别)，且最终时空集成热图像的每个像素数据值可再次除以转换的值。因此，可获得与漆膜10的厚度相对应的归一化像素数据值。图11(b)示出基于灰度获得的归一化像素数据值。如上所述，通过使用灰度的归一化可使由于漆的颜色引起的光反射/吸收比率差异的最小化。
此外，测量目标结构10和20内的热传播速度可根据漆膜10的导热系数变化。当漆的类型改变时，漆膜10的导热系数通常发生变化。在图11中，陶瓷、聚氨酯和环氧树脂的导热系数分别表示为A、B和C。当最终时空集成热图像的每个像素数据值除以导热系数时，可基于漆的导热系数获得相对于漆膜10厚度的归一化值。通过使用如上所述的归一化方案可非常好地量化漆膜10的厚度。
可视化测量系统100可以是轻质且小尺寸的。根据该实施例，可视化测量系统100可安装在各种工业机器人装置中以供使用。工业机器人装置可以是移动或固定装置。图12(A)示出可视化测量系统100安装在固定机器人臂400上的示例。例如，安装在诸如机器人臂400的机器人装置中的可视化测量系统100可引入到诸如汽车、航空和船舶的各种工业领域的生产设施工程中，以自动评价钢结构的涂漆质量。若可视化测量系统100安装在机器人臂400上，可视化测量系统100的三轴线精确控制可在检查目标位置上执行，使得能够增强可视化测量系统100的使用和检查精度。
根据该实施例，可视化测量系统100可安装在无人驾驶飞行器，诸如无人机450上。图12(B)示出根据本发明的实施例、可视化测量系统100安装在无人机450上的示例。
参照图12，可视化测量系统100可通过使用诸如万向节的支撑装置安装在无人机450上。万向节允许可视化测量系统100绕沿前、后、左和右方向的轴线旋转，使得可视化测量系统100可保持在直立状态，而不管漂浮在空间中的无人机450的波动如何。万向节装置通过阻止飞行期间无人机450生成的振动传输到可视化测量系统100使由于摇动而导致的拍摄图像图像质量的劣化最小化，并允许可视化测量系统100以直立状态执行测量操作，而不管无人机450的飞行姿势的倾斜如何。图13描绘了通过使用安装在无人机450上的可视化测量系统100对施加于桥梁结构的漆膜的厚度分布进行可视化测量。
首先，用户可将有关待执行可视化测量的区域510的位置信息输入至可视化测量系统100的控制单元110。输入至控制单元110的测量目标区域510的位置信息可与无人机450的控制单元共享，以便用于无人机450的飞行控制。无人机450可基于位置信息飞行以接近测量目标区域510的起始点。无人机450可在保持与测量目标区域510预定间隔的同时飞行到测量目标区域510的终点。可视化测量系统100和测量目标区域510之间的分开距离可以是，例如合适地约200mm至300mm。在飞行过程中，加热单元120施加热能至测量目标区域510，且感测单元140拍摄测量目标区域510中的热能传播现象以生成多个热图像。热图像可提供给控制单元110。控制单元110通过如上所述对热图像执行处理可对施加至测量目标区域510的漆膜520的厚度分布执行可视化测量。
根据本发明，如上所述的用于对漆膜厚度分布执行可视化测量的方法和设备可通过施加热波至测量目标结构10和20并光学地拍摄从其反射的热波来可视化和量化漆膜的厚度分布。另外，可增加厚度量化的分辨率(例如，40μm或更小)。例如，可视化测量系统100可安装在诸如无人机的航空装置上以在执行相对于测量目标结构10和20的相对飞行运动的同时执行测量操作。因此，可视化测量操作可在可视化测量设备不直接与漆膜接触的状态下以非接触方式执行。另外，可视化测量操作的速度非常快，使得能够对整个测量目标结构有效地执行总测量，而无需执行传统的样本检查方案。
本发明可适用于湿漆膜(未干燥的漆膜)和干漆膜(干燥的漆膜)两者。原因在于，对于湿漆膜和干漆膜两者而言，如果漆膜的导热系数在检查期间不随时间变化，那么在施加热源之后，根据漆膜厚度的漆膜温度变化显示出根据等式(2)的趋势。漆膜的导热系数可根据漆膜是湿漆膜还是干漆膜而变化。然而，由于检查时间非常短，因此能够忽略检查期间导热系数的变化。尽管传统的漆膜厚度测量装置只能测量干漆膜，但本发明的优点在于除了干漆膜之外，还能够测量湿漆膜。
根据本发明的各种实施例，上述方法可以可通过各种计算机装置执行并以计算机可读介质记录的程序指令的形式实现。计算机可读介质可单独或组合地包括程序指令、数据文件、数据结构等。记录在介质中的程序指令可以是专门为实施例设计和配置的那些程序指令，或者可以是计算机软件领域技术人员已广泛知晓且可用的。计算机可读介质的示例包括：诸如硬盘、软盘和磁带的磁介质，诸如CD-ROM和DVD的光学介质，诸如软光盘的磁光介质，以及专门配置成存储和执行程序指令的硬件装置，诸如ROM、RAM和快闪存储器。程序指令的示例包括诸如由编译器生成的那些机器语言代码，以及通过使用解释器等可由计算机执行的高级语言代码。上述硬件装置可配置成作为一个或多个软件模块操作以执行实施例的操作，且反之亦然。
如上所述，本发明能够应用于各种应用领域，诸如大型基础设施设备的漆膜厚度管理，制造船舶和航空器中的漆膜厚度管理以及电子产品的外涂层的厚度管理。
以上是对示例实施例的说明，不应解释为对其的限制。虽然已描述了几个示例实施例，但本领域技术人员容易理解，在实质上不脱离本发明的新颖教义和优点的情况下，示例实施例可进行许多修改。因此，所有这些修改旨在包括在本发明如权利要求限定的范围内。

Claims (24)

1.一种对涂覆有漆的结构的漆膜的厚度分布执行可视化测量的方法，以下将涂覆有漆的结构称为“测量目标结构”，所述方法包括：
由加热单元加热测量目标区域，所述加热单元在相对于所述测量目标结构的所述测量目标区域移动的同时施加光束；
由与所述加热单元一起移动的感测单元通过扫描和拍摄加热的所述测量目标区域来生成与热能在所述测量目标区域中传播的现象有关的多个热图像；以及
通过执行根据时空集成坐标变换(TSICT)算法的坐标变换来将动态的所述热图像转换成静态的时空集成热图像。
2.根据权利要求1所述的方法，还包括：基于所述光束引起的所述热能通过所述漆膜的传播时间根据所述漆膜的厚度而变化的现象，通过使用所述时空集成热图像来测量所述漆膜的厚度。
3.根据权利要求1所述的方法，其中所述TSICT算法通过应用x*＝tv，y*＝y和t*＝x/v来执行时空集成坐标变换(TSICT)，其中x和y分别表示所述热图像中的x轴线和y轴线，t表示时间，x*和y*分别表示所述时空集成热图像中的x轴线和y轴线，t*表示热波传播时间，且v表示所述测量目标结构和所述感测单元之间的相对速度。
4.根据权利要求3所述的方法，其中确定所述热波传播时间t*的值，使得所述时空集成热图像中实现最大平均温度分布的时间点等于从所述结构和所述漆膜之间的界面反射的热能到达所述测量目标结构的表面的时间。
5.根据权利要求1所述的方法，其中所述漆膜的厚度通过使用傅里叶热传导方程L＝Q/kAΔTt*来计算，其中ΔT表示由施加的光束引起的所述漆膜的温度增量，k表示所述漆膜的导热系数，L表示所述漆膜的厚度，Q表示施加至所述测量目标结构的热能，A表示所述热能传播通过的截面积，且t*表示热波传播时间。
6.根据权利要求1所述的方法，还包括通过在施加所述光束至所述测量目标结构之前对所述测量目标结构执行生成步骤和转换步骤来生成所述测量目标区域加热前的时空集成热图像；以及生成校正的时空集成热图像，其中通过从所述转换步骤生成的所述时空集成热图像减去加热前的所述时空集成热图像去除了由外部噪声热源引起的噪声分量。
7.根据权利要求6所述的方法，其中所述加热步骤包括通过将任意光束转换成线性光束来将所述线性光束施加至所述测量目标区域，并且
所述方法还包括通过将校正的所述时空集成热图像中每个纵向轴线(y轴线)数据除以所述线性光束的非均匀能量分布轮廓来去除引起异常温度分布的图像噪声。
8.根据权利要求1所述的方法，其中所述加热步骤包括通过将任意光束转换成线性光束来将所述线性光束施加至所述测量目标区域。
9.根据权利要求8所述的方法，还包括通过将转换步骤中生成的所述时空集成热图像中每个纵向轴线(y轴线)数据除以所述线性光束的非均匀能量分布轮廓来去除引起异常温度分布的图像噪声。
10.根据权利要求1所述的方法，还包括通过使用中值滤波掩模对转换步骤中生成的所述时空集成热图像执行中值滤波来去除在所述感测单元的热波拍摄单元中生成的随机胡椒噪声分量。
11.根据权利要求1所述的方法，还包括通过将所述漆的颜色转换成灰度并将转换步骤中生成的所述时空集成热图像的每个像素数据值除以所述灰度来基于所述灰度生成归一化像素数据。
12.根据权利要求1所述的方法，还包括通过将转换步骤中生成的所述时空集成热图像的每个像素数据值除以所述漆的导热系数来基于所述漆的所述导热系数生成归一化像素数据。
13.根据权利要求1所述的方法，其中所述方法适用于所述漆膜未干的湿漆膜和所述漆膜已干的干漆膜两者。
14.根据权利要求1所述的方法，其中在至少所述加热单元和所述感测单元组合成单体并安装在无人机上的状态下，在所述无人机平行于所述测量目标结构的所述测量目标区域飞行的同时执行加热步骤和生成步骤。
15.一种对涂覆有漆的结构的漆膜的厚度分布执行可视化测量的设备，以下将涂覆有漆的结构称为“测量目标结构”，所述设备包括：
加热单元，其配置成在相对于所述测量目标结构移动的同时生成光束以施加热能至所述测量目标结构的测量目标区域；
感测单元，其配置成在与所述加热单元一起移动的同时通过拍摄所述热能施加至的所述测量目标结构的所述测量目标区域来生成与所述热能传播现象有关的多个热图像；以及
控制单元，其配置成执行控制所述加热单元的加热操作和所述感测单元的拍摄操作并接收来自所述感测单元的所述热图像以存储所述热图像的功能，以及通过执行基于时空集成坐标变换(TSICT)算法的坐标变换来将动态的所述热图像转换成静态的时空集成热图像的功能。
16.根据权利要求15所述的设备，其中所述加热单元包括：配置为连续地生成激光束的激光发生器，配置为将所述激光发生器生成的点激光束转换成线性激光束的线束发生器，以及配置为调整焦点使得所述线束发生器发出的所述线性激光束的长度适合于所述测量目标区域的宽度的第一聚焦透镜。
17.根据权利要求15所述的设备，其中所述加热单元包括：配置为将电能转换成光能的灯光源单元，配置为收集所述灯光源单元生成的光以转换所述光使得输出线性光的光线性化单元，以及配置为调整焦点使得所述光线性化单元发出的所述线性光的长度适合于所述测量目标区域的宽度的第一聚焦透镜。
18.根据权利要求15所述的设备，其中所述感测单元包括：配置为拍摄测量目标以生成与所述测量目标区域中的热分布相对应的热图像的热波拍摄单元，以及配置为调整所述热波拍摄单元的焦点使得所述热波拍摄单元精确地聚焦在所述测量目标区域上的第二聚焦透镜。
19.根据权利要求18所述的设备，其中所述热波拍摄单元是热成像相机和高光谱相机中的任一个。
20.根据权利要求15所述的设备，其中所述设备通过使用热图像来测量所述漆膜的厚度，所述热图像基于所述热能通过所述漆膜的传播时间根据所述漆膜的厚度变化的现象记录有所述测量目标结构的所述测量目标区域中的热能分布特性。
21.根据权利要求15所述的设备，其中所述漆膜的厚度通过使用傅里叶热传导方程L＝Q/kAΔTt*来计算，其中ΔT表示施加的光束引起的所述漆膜的温度增量，k表示所述漆膜的导热系数，L表示所述漆膜的厚度，Q表示施加至所述测量目标结构的热能，A表示所述热能传播通过的截面积，且t*表示热波传播时间。
22.根据权利要求15所述的设备，其中所述控制单元配置为进一步执行控制功能以在施加所述光束至所述测量目标结构之前拍摄所述测量目标结构的所述测量目标区域并通过将拍摄生成的多个动态热图像转换成静态的时空集成热图像来生成所述测量目标区域加热前的时空集成热图像，以及生成校正的时空集成热图像的功能，其中通过从转换得到的静态时空集成热图像减去加热前的时空集成热图像去除了由外部噪声热源引起的噪声分量。
23.根据权利要求22所述的设备，其中所述光束为线性光束，且所述控制单元配置为进一步执行通过将校正的所述时空集成热图像中每个纵向轴线(y轴线)数据除以所述线性光束的非均匀能量分布轮廓来去除引起异常温度分布的图像噪声的功能。
24.根据权利要求15所述的设备，还包括至少配备有所述加热单元和所述感测单元的无人机，所述无人机配置为接近所述测量目标结构的所述测量目标区域并平行于所述测量目标区域飞行。
CN201880003344.4A 2017-11-24 2018-11-02 对漆膜的厚度分布执行可视化测量的方法及其设备 Active CN110073171B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020170158460A KR101877480B1 (ko) 2017-11-24 2017-11-24 도막 두께 분포 시각화 방법 및 이를 위한 능동형 열화상 장치
KR10-2017-0158460 2017-11-24
PCT/KR2018/013234 WO2019103348A1 (ko) 2017-11-24 2018-11-02 도막층 두께 분포의 시각화 계측 방법 및 이를 위한 장치

Publications (2)

Publication Number Publication Date
CN110073171A true CN110073171A (zh) 2019-07-30
CN110073171B CN110073171B (zh) 2021-03-02

Family

ID=63251949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880003344.4A Active CN110073171B (zh) 2017-11-24 2018-11-02 对漆膜的厚度分布执行可视化测量的方法及其设备

Country Status (4)

Country Link
US (1) US11371839B2 (zh)
KR (1) KR101877480B1 (zh)
CN (1) CN110073171B (zh)
WO (1) WO2019103348A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112098462A (zh) * 2020-10-20 2020-12-18 贵州电网有限责任公司 一种漆层厚度红外热成像检测装置及检测方法
CN113125458A (zh) * 2019-12-30 2021-07-16 韩国科学技术院 钢结构涂层状态的检查与评估方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545552B1 (ko) * 2021-11-26 2023-06-20 (주)하나기술 이차전지의 결함 검사장치 및 그 방법
KR102501893B1 (ko) * 2022-05-09 2023-02-21 주식회사 제이디 이차전지 전극 표면 및 코팅 상태 검사 장치
KR102471482B1 (ko) * 2022-08-18 2022-11-28 (주) 다음기술단 도로교량 시설물의 스마트 무인점검 장치

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3631652A1 (de) * 1986-09-17 1988-03-24 Siemens Ag Messanordnung zur beruehrungslosen dickenbestimmung
EP0447775A1 (de) * 1990-02-05 1991-09-25 Siemens Aktiengesellschaft Verfahren und Anordnung zum Prüfen der Oberfläche von bewegten Objekten
CN101055169A (zh) * 2005-12-16 2007-10-17 通用电气公司 用于无损测定绝缘涂层的方法和装置
CN102445155A (zh) * 2010-08-27 2012-05-09 通用电气公司 用于评估涂层的热成像方法和设备
CN103471513A (zh) * 2013-09-29 2013-12-25 黑龙江科技大学 光脉冲红外热成像测量涂层厚度的方法
CN103644854A (zh) * 2013-12-30 2014-03-19 南京诺威尔光电系统有限公司 一种基于激光扫描热波成像技术的膜厚检测方法
CN103673904A (zh) * 2013-12-30 2014-03-26 南京诺威尔光电系统有限公司 激光扫描热波成像膜厚测量方法
CN105358936A (zh) * 2013-07-01 2016-02-24 艾诺瓦感应公司 一种测量材料层厚度的方法以及一种相关的电镀方法和测量装置
CN105571549A (zh) * 2015-12-10 2016-05-11 南京诺威尔光电系统有限公司 一种柱面涂层热波成像无损检测方法
CN106705911A (zh) * 2015-11-14 2017-05-24 南京诺威尔光电系统有限公司 一种热波成像膜层厚度检测系统及方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0970811B1 (en) * 1998-07-06 2005-09-21 L.A.C. Corporation Automatic painting device
US6367968B1 (en) 1999-07-21 2002-04-09 General Electric Company Thermal resonance imaging method
JP3704563B2 (ja) 2002-12-27 2005-10-12 独立行政法人 宇宙航空研究開発機構 感温塗料を用いた物体表面の熱流束分布計測方法及びその装置
JP2007278713A (ja) * 2006-04-03 2007-10-25 Chuo Denshi Keisoku Kk 塗装検査装置における照明方法
GB0707352D0 (en) * 2007-04-17 2007-05-23 Ici Plc A Painting system
WO2010135769A1 (en) * 2009-05-26 2010-12-02 Udo Wolfgang Bucher Wet paint coating thickness measurement and instrument
KR101320358B1 (ko) 2012-06-12 2013-10-23 한국과학기술원 비파괴 검사를 위한 레이저 위상 잠금 열화상 장치
US9157800B2 (en) * 2013-01-15 2015-10-13 Chemimage Technologies Llc System and method for assessing analytes using conformal filters and dual polarization
US9500599B2 (en) 2014-01-23 2016-11-22 Samsung Electronics Co., Ltd. Surface inspection apparatus for semiconductor chips
EP2899497B1 (en) * 2014-01-28 2019-03-13 ABB Schweiz AG Sensor system and method for characterizing a wet paint layer
KR101809504B1 (ko) 2016-05-10 2017-12-15 세종대학교산학협력단 비파괴 검사를 위한 연속파 선형 레이저 스캐닝 열화상 장치 및 방법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3631652A1 (de) * 1986-09-17 1988-03-24 Siemens Ag Messanordnung zur beruehrungslosen dickenbestimmung
EP0447775A1 (de) * 1990-02-05 1991-09-25 Siemens Aktiengesellschaft Verfahren und Anordnung zum Prüfen der Oberfläche von bewegten Objekten
CN101055169A (zh) * 2005-12-16 2007-10-17 通用电气公司 用于无损测定绝缘涂层的方法和装置
CN102445155A (zh) * 2010-08-27 2012-05-09 通用电气公司 用于评估涂层的热成像方法和设备
CN105358936A (zh) * 2013-07-01 2016-02-24 艾诺瓦感应公司 一种测量材料层厚度的方法以及一种相关的电镀方法和测量装置
CN103471513A (zh) * 2013-09-29 2013-12-25 黑龙江科技大学 光脉冲红外热成像测量涂层厚度的方法
CN103644854A (zh) * 2013-12-30 2014-03-19 南京诺威尔光电系统有限公司 一种基于激光扫描热波成像技术的膜厚检测方法
CN103673904A (zh) * 2013-12-30 2014-03-26 南京诺威尔光电系统有限公司 激光扫描热波成像膜厚测量方法
CN106705911A (zh) * 2015-11-14 2017-05-24 南京诺威尔光电系统有限公司 一种热波成像膜层厚度检测系统及方法
CN105571549A (zh) * 2015-12-10 2016-05-11 南京诺威尔光电系统有限公司 一种柱面涂层热波成像无损检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
陶胜杰等: "基于热图序列时间特征的涂层厚度测量研究", 《仪器仪表学报》 *
魏安庭: "热喷涂金属涂层(TSC)的厚度测量和控制", 《防腐涂料与涂装》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113125458A (zh) * 2019-12-30 2021-07-16 韩国科学技术院 钢结构涂层状态的检查与评估方法及系统
CN113125458B (zh) * 2019-12-30 2023-12-22 韩国科学技术院 钢结构涂层状态的检查与评估方法及系统
CN112098462A (zh) * 2020-10-20 2020-12-18 贵州电网有限责任公司 一种漆层厚度红外热成像检测装置及检测方法
CN112098462B (zh) * 2020-10-20 2022-07-12 贵州电网有限责任公司 一种漆层厚度红外热成像检测装置及检测方法

Also Published As

Publication number Publication date
US11371839B2 (en) 2022-06-28
KR101877480B1 (ko) 2018-08-07
WO2019103348A1 (ko) 2019-05-31
CN110073171B (zh) 2021-03-02
US20210223037A1 (en) 2021-07-22

Similar Documents

Publication Publication Date Title
CN110073171A (zh) 对漆膜的厚度分布执行可视化测量的方法及其设备
CN104236513B (zh) 控制表面校准系统
CN104180792A (zh) 具有运动补偿的激光投影系统及方法
CN113048938B (zh) 一种合作目标设计及姿态角测量系统及方法
US20190293518A1 (en) New autonomous electro-optical system to monitor in real-time the full spatial motion (rotation and displacement) of civil structures
US20130016223A1 (en) Method and apparatus for camera network calibration with small calibration pattern
CN104469112A (zh) 大视场的成像方法及装置
CN105116515A (zh) 离轴三反射镜变焦距光学系统的装调方法
CN102162718B (zh) 刚性物体空间自由姿态测量装置及方法及数据分析方法
Liu et al. High-precision pose measurement method in wind tunnels based on laser-aided vision technology
CN102721374A (zh) 一种基于加权最小二乘法的平面子孔径拼接方法
CN109781068B (zh) 面向空间应用的视觉测量系统地面模拟评估系统及方法
Goodwin et al. Starbugs: focal plane fiber positioning technology
Quinn et al. Simultaneous measurement of surface shape and pressure using structured illumination
CN102661746A (zh) 一种敏感器主安装盒和被动式光学敏感器
Piccinin et al. ARGOS: Calibrated facility for Image based Relative Navigation technologies on ground verification and testing
Roose et al. Optical methods for non-contact measurements of membranes
Zhang et al. A stereo photogrammetry system for model position and attitude measurement in hypersonic wind tunnel testing
Burner et al. In-flight aeroelastic measurement technique development
US11397417B2 (en) Hybrid wide field of view target system
CN114241059A (zh) 一种光度立体视觉系统中相机和光源的同步标定方法
CN106767542A (zh) 一种非接触式扭转角测量系统及测量方法
Lingenauber et al. In-situ close-range imaging with Plenoptic cameras
CN106091990B (zh) 便携式阵列调零高动态精度大工作距自准直装置与方法
Quix et al. Model deformation measurement capabilities at ETW

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant