CN111383208A - 涂层质量检测系统及方法 - Google Patents
涂层质量检测系统及方法 Download PDFInfo
- Publication number
- CN111383208A CN111383208A CN201911265726.7A CN201911265726A CN111383208A CN 111383208 A CN111383208 A CN 111383208A CN 201911265726 A CN201911265726 A CN 201911265726A CN 111383208 A CN111383208 A CN 111383208A
- Authority
- CN
- China
- Prior art keywords
- microstructure
- image data
- thermal barrier
- workpiece
- barrier coating
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/956—Inspecting patterns on the surface of objects
- G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/8422—Investigating thin films, e.g. matrix isolation method
- G01N2021/8427—Coatings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/30—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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种检查系统,包括光源、成像装置和一个或多个处理器。光源配置成将具有受控光特性的照明光导向工件的热障涂层的表面。成像装置配置成通过监测反射离开热障涂层的表面的照明光来捕获该表面的图像数据。一个或多个处理器可操作地连接到成像装置,并且配置成通过将图像数据与描绘第一指定微结构的参考图像数据进行比较来分析表面的图像数据。第一指定微结构具有相关联的涂层质量值。一个或多个处理器配置成基于所述分析来确定工件的热障涂层具有第一指定微结构。
Description
技术领域
本文所述的主题涉及具有表面涂层的工件的检查。
背景技术
在交通工具和工业应用中使用的各种类型的工件具有涂层以保护底层基底材料免受热、腐蚀、冲击等。例如,在操作期间暴露于高温的燃气涡轮引擎的一些金属部件(例如,转子叶片、燃烧器衬套、喷嘴、轴、活塞等)具有提供热保护的热障涂层。热障涂层包括耐热材料,例如,陶瓷。
工件上的热障涂层的质量影响工件的操作寿命。具有较高质量的热障涂层的工件比具有较低质量的热障涂层的工件具有更长的操作寿命,因为较低质量的热障涂层可能比较高质量热障涂层更容易劣化。热障涂层质量的变化可归因于在通常恒定的涂层施加过程期间的不受控的差异,例如,环境条件的轻微变化。因此,相同的涂层施加过程可以产生不同质量的热障涂层,但是不知道哪些工件具有较高质量的涂层以及哪些工件具有较低质量的涂层。结果,具有较高质量的涂层的工件可能与具有较低质量的涂层的工件安装到相同的机器(例如,引擎)中。如上所述,较低质量的涂层比较高质量涂层劣化得更快。在具有较低质量的涂层的工件的寿命结束时,操作者可能拆卸机器并且同时更换所有工件(例如,转子组件的所有转子叶片)。这种实践是效率低且成本高的,因为它导致仍具有归因于较高质量热障涂层的显著剩余寿命的工件的过早处置。
发明内容
在一个或多个实施例中,提供了一种检查系统,其包括光源、成像装置和一个或多个处理器。光源配置成将具有受控光特性的照明光导向工件的热障涂层的表面。成像装置配置成通过监测发射离开热障涂层的表面的照明光来捕获所述表面的图像数据。所述一个或多个处理器可操作地连接到所述成像装置,并且配置成通过将所述图像数据与描绘第一指定微结构的参考图像数据进行比较来分析所述表面的所述图像数据。第一指定微结构具有相关联的涂层质量值。一个或多个处理器配置成基于分析来确定工件的热障涂层具有第一指定微结构。
在一个或多个实施例中,提供了一种用于检查工件的热障涂层的方法。该方法包括将具有受控光特性的照明光导向工件的热障涂层的表面。该方法包括通过监测发射离开热障涂层的表面的照明光来捕获所述表面的图像数据,以及经由一个或多个处理器,通过将表面的图像数据与描绘第一指定微结构的参考图像数据进行比较来分析该图像数据。第一指定微结构具有相关联的涂层质量值。该方法还包括基于该分析确定工件的热障涂层具有第一指定微结构。
在一个或多个实施例中,提供了一种用于检查工件的热障涂层的方法。该方法包括通过监测发射离开工件的热障涂层的表面的照明光来捕获所述表面的图像数据。该方法包括经由一个或多个处理器,通过将表面的图像数据与描述第一指定微结构的第一参考图像数据和描述第二指定微结构的第二参考图像数据两者进行比较,从而分析表面的图像数据。第一和第二指定微结构具有不同的相应涂层质量值。该方法还包括生成控制信号,该控制信号基于该分析将工件的热障涂层分类为具有第一指定微结构或第二指定微结构。响应于与第二参考图像数据相比表面的图像数据更紧密地匹配第一参考图像数据,控制信号将工件的热障涂层分类为具有第一指定微结构。控制信号响应于与第一参考图像数据相比表面的图像数据更紧密地匹配第二参考图像数据而将热障涂层分类为具有第二指定微结构。
本发明提供一组技术方案。
技术方案1.一种检查系统,包括:
光源,所述光源配置成将具有受控光特性的照明光导向工件的热障涂层的表面;
成像装置,所述成像装置配置成通过监测反射离开所述表面的照明光来捕获所述热障涂层的所述表面的图像数据;以及
一个或多个处理器,所述一个或多个处理器可操作地连接到所述成像装置,并且配置成通过将所述图像数据与描绘第一指定微结构的参考图像数据进行比较来分析所述表面的所述图像数据,所述第一指定微结构具有相关联的涂层质量值,其中所述一个或多个处理器配置成基于所述分析来确定所述工件的所述热障涂层具有所述第一指定微结构。
技术方案2.根据任意前述技术方案所述的检查系统,其中由所述光源产生的所述照明光为红外光,并且所述成像装置为红外相机。
技术方案3.根据任意前述技术方案所述的检查系统,其中所述一或多个处理器配置成响应于所述表面的所述图像数据的光特性在所述参考图像数据的所述光特性的指定阈值内而确定所述工件的所述热障涂层具有所述第一指定微结构。
技术方案4.根据任意前述技术方案所述的检查系统,其中与所述第一指定微结构相关联的所述涂层质量值低于预定质量阈值,并且响应于确定所述工件的所述热障涂层具有所述第一指定微结构,所述一个或多个处理器配置成生成控制信号,所述控制信号配置成修改热障涂层施加过程的一个或多个涂层控制参数。
技术方案5.根据任意前述技术方案所述的检查系统,其中响应于确定所述工件的所述热障涂层具有所述第一指定微结构,所述一个或多个处理器配置成生成控制信号,所述控制信号配置成将所述工件分类为具有所述第一指定微结构,以用于将所述工件与具有所述第一指定微结构的其它工件分组。
技术方案6.根据任意前述技术方案所述的检查系统,其中所述一个或多个处理器配置成通过计算所述图像数据与所述参考图像数据的比率并且将所述比率与和所述第一指定微结构相关联的预定阈值进行比较来分析所述表面的所述图像数据。
技术方案7.根据任意前述技术方案所述的检查系统,其中所述一个或多个处理器配置成通过基于所述图像数据生成梯度图像并且将所述梯度图像中的图案与描绘所述第一指定微结构的所述参考图像数据中的图案进行比较来分析所述表面的所述图像数据。
技术方案8.根据任意前述技术方案所述的检查系统,其中所述一个或多个处理器配置成控制所述光源以生成具有作为所述受控光特性的选择的波长范围的所述照明光,所述选择的波长范围与所述第一指定微结构相关联。
技术方案9.根据任意前述技术方案所述的检查系统,其中所述一个或多个处理器配置成控制所述光源以生成具有参考波长范围的光,并且控制所述成像装置以在利用具有所述参考波长范围的所述光照射所述工件时捕获工件参考图像,并且所述一个或多个处理器配置成通过计算所述图像数据与所述工件参考图像的比率来分析所述表面的所述图像数据。
技术方案10.根据任意前述技术方案所述的检查系统,其中所述一个或多个处理器配置成将所述表面的所述图像数据与描绘不同的第二指定微结构的附加参考图像数据进行比较,所述第二指定微结构具有相关联的涂层质量值,所述相关联的涂层质量值大于与所述第一指定微结构相关联的所述涂层质量值。
技术方案11.根据任意前述技术方案所述的检查系统,其中所述一个或多个处理器配置成响应于与描绘所述第二指定微结构的所述附加参考图像数据相比所述表面的所述图像数据更紧密地匹配描绘所述第一指定微结构的所述参考图像数据,确定所述工件的所述热障涂层具有所述第一指定微结构。
技术方案12.一种用于检查工件的热障涂层的方法,所述方法包括:
将具有受控光特性的照明光导向所述工件的所述热障涂层的表面;
通过监测反射离开所述表面的所述照明光来捕获所述热障涂层的所述表面的图像数据;
经由一个或多个处理器,通过将所述图像数据与描绘第一指定微结构的参考图像数据进行比较来分析所述表面的所述图像数据,所述第一指定微结构具有相关联的涂层质量值;以及
基于所述分析来确定所述工件的所述热障涂层具有所述第一指定微结构。
技术方案13.根据任意前述技术方案所述的方法,还包括产生控制信号,所述控制信号配置成将所述工件分类为具有所述第一指定微结构,以用于将工件与具有所述第一指定微结构的其它工件分组。
技术方案14.根据任意前述技术方案所述的方法,其中与所述第一指定微结构相关联的所述涂层质量值低于预定质量阈值,并且响应于确定所述工件的所述热障涂层具有所述第一指定微结构,所述方法还包括生成控制信号,所述控制信号配置成修改热障涂层施加过程的一个或多个涂层控制参数。
技术方案15.根据任意前述技术方案所述的方法,其中所述分析还包括将所述表面的所述图像数据与描绘不同的第二指定微结构的附加参考图像数据进行比较,所述第二指定微结构具有比与所述第一指定微结构相关联的所述涂层质量值更大的相关联涂层质量值。
技术方案16.根据任意前述技术方案所述的方法,其中响应于与描绘所述第二指定微结构的所述附加参考图像数据相比所述表面的所述图像数据更接近地匹配描绘所述第一指定微结构的所述参考图像数据,确定所述工件的所述热障涂层具有所述第一指定微结构。
技术方案17.根据任意前述技术方案所述的方法,其中通过计算所述图像数据与所述参考图像数据的比率并且将所述比率与和所述第一指定微结构相关联的预定阈值进行比较来分析所述表面的所述图像数据。
技术方案18.根据任意前述技术方案所述的方法,其中还通过计算所述图像数据与描绘不同的第二指定微结构的附加参考图像数据的第二比率并且将所述第二比率与和所述第二指定微结构相关联的预定阈值进行比较来分析所述表面的所述图像数据。
技术方案19.根据任意前述技术方案所述的方法,其中通过基于所述图像数据生成梯度图像并将所述梯度图像中的图案与描绘所述第一指定微结构的所述参考图像数据中的图案进行比较来分析所述表面的所述图像数据。
技术方案20.根据任意前述技术方案所述的方法,还包括控制光源以生成具有作为所述受控光特性的选择的波长范围的所述照明光,其中通过将基于所反射的照明光的所述图像数据的强度与所述参考图像数据的强度进行比较来分析所述图像数据。
技术方案21.一种用于检查工件的热障涂层的方法,所述方法包括:
通过监测反射离开所述工件的热障涂层的表面的照明光来捕获所述表面的图像数据;
经由一个或多个处理器,通过将所述图像数据与描述第一指定微结构的第一参考图像数据和描述第二指定微结构的第二参考图像数据两者进行比较来分析所述表面的所述图像数据,其中所述第一指定微结构和所述第二指定微结构具有不同的相应涂层质量值;以及
基于所述分析来生成控制信号,所述控制信号将所述工件的所述热障涂层分类为具有所述第一指定微结构或所述第二指定微结构,
其中所述控制信号响应于与所述第二参考图像数据相比所述表面的所述图像数据更紧密地匹配所述第一参考图像数据,将所述工件的所述热障涂层分类为具有所述第一指定微结构,并且响应于与所述第一参考图像数据相比所述表面的所述图像数据更紧密地匹配所述第二参考图像数据,将所述热障涂层分类为具有所述第二指定微结构。
附图说明
通过阅读以下非限制性实施例的描述,并参考附图,将更好地理解本发明的主题,其中如下:
图1是根据实施例的检查系统的框图;
图2是根据实施例的热障涂层的表面的第一指定微结构的放大图像;
图3是根据实施例的热障涂层的表面的第二指定微结构的放大图像;
图4是根据实施例的由检查系统执行的检查过程的简图;
图5示出了由检查系统的成像装置捕获的两个原始图像,其根据图4中示出的实施例被分析;
图6示出了由检查系统的成像装置捕获的两个原始图像,其根据另一实施例被分析;
图7是根据另一实施例的检查系统的框图;以及
图8是根据实施例的用于检查工件的热障涂层的方法的流程图。
具体实施方式
本文所述的实施例提供了一种用于检查工件上的热障涂层的质量的检查系统和方法。热障涂层的质量通常可以指热障涂层抵抗劣化(例如,剥落、裂纹等)、钙-镁-铝-硅酸盐(CMAS)沉积等的能力,以及随着时间的推移为底层基底材料提供热保护的能力。例如,与较低质量的热障涂层相比,较高质量的热障涂层可以提供更好的热保护和/或更好的对抗劣化和CMAS沉积的抗性。另外地或备选地,较高质量的热障涂层可提供与较低质量的热障涂层类似的热保护和/或对劣化和CMAS沉积的抗性,但可具有提供比较低质量的涂层更长的预期操作寿命的此类性能的能力。
根据一个或多个实施例,热障涂层的质量通过分析热障涂层的微结构来确定或量化。具有不同质量的热障涂层在微观水平上可具有不同的相应结构。例如,较高质量的热障涂层沿其表面可具有与较低质量的热障涂层不同的微结构。微结构差异可包括不同的晶粒尺寸、晶粒峰的高度、晶粒的形状、给定区域中的晶粒密度、晶界密度等。微结构的差异在显微镜下是明显的,使得微米级的扫描电子显微镜(SEM)图像显示出结构差异。在一个或多个实施例中,检查系统和方法利用发射离开热障涂层的表面的光的散射和/或强度性质来区分热障涂层的微结构并检测热障涂层的质量。
在涂层质量检查期间,成像装置可监测和捕获从光源反射离开正被检查的工件的表面的照明光,所述光源将所述照明光朝向所述工件引导。分析并处理所捕获的照明光以确定工件的热障涂层的微结构。微结构可通过将微结构与具有已知或指定涂层质量的一个或多个指定微结构进行比较来确定。例如,如果与第二指定微结构相比,热障涂层的微结构更接近或匹配与高或满意涂层质量(例如,高于质量阈值)相关联的第一指定微结构,则微结构被确定为第一指定微结构,且热障涂层被确定为具有高或满意涂层质量。备选地,如果与第一指定微结构相比,热障涂层的微结构更接近地类似或匹配与较低的涂层质量相关联的第二指定微结构,则微结构被确定为第二指定微结构,且热障涂层被确定为具有较低的涂层质量。
确定热障涂层的微结构和相关联的涂层质量提供了许多优点。例如,具有带有指示较差涂层质量的一个或多个微结构的热障涂层的工件可与具有较高质量热障涂层的工件分离。通过基于微结构来分离工件,诸如燃气涡轮引擎之类的机器可仅使用具有类似质量和预期操作寿命的工件来组装。例如,第一燃气涡轮引擎可使用具有较高质量的热障涂层的工件组装,并且第二燃气涡轮引擎可使用具有较低质量的热障涂层的工件组装。通过以这种方式配备工件,在需要维护以更换工件之前,第一燃气涡轮可以比第二燃气涡轮引擎操作更长的持续时间。
此外,在确定哪些工件具有较低质量的热障涂层之后,那些工件可以被分组以通过剥离然后重新施加涂层材料来修复。此外,在工件的制造过程期间,检查系统和方法可用于反馈回路中。例如,如果在涂层施加过程期间施加到工件上的热障涂层的至少阈值数量或百分比被确定为具有与较低质量的涂层(例如,低于质量阈值)相关联的微结构,则可修改涂层施加过程以试图改进施加到未来工件上的热障涂层的质量。可以通过调节一个或多个控制参数,例如涂料施加过程的湿度、温度、压力或粉末施加速率,来修改涂料施加过程。
图1是根据实施例的检查系统100的框图。检查系统100配置成通过分析和识别热障涂层的微结构来检查工件上的热障涂层。检查系统100包括控制电路102、光源110和成像装置108。控制电路102可操作地连接到成像装置108,且配置成从成像装置108接收图像数据。在一个或多个实施例中,光源110将照明光104导向具有热障涂层114的工件120。照明光104反射离开热障涂层114的表面116。成像装置108监测反射离开表面116的光。例如,成像装置108通过接收朝向成像装置108反射的照明光104的光线来捕获热障涂层114的表面116的图像数据。
控制电路102分析由成像装置108捕获的图像数据,以确定工件120的热障涂层114的微结构。如本文所述,不同的指定微结构具有不同的相关涂层质量值,因此,微结构的确定指示热障涂层114的质量。在检查过程结束时,控制电路102可基于所确定的微结构(例如,涂层质量值)生成控制信号以控制工件120的目的地。例如,工件120可被推进到随后的制造和/或组装阶段,与具有与工件120相同的微结构的其它工件分组,被安排用于移除和重新施加热障涂层114,或被完全丢弃。
检查系统100可以是自动系统,其照射工件120、捕获反射光的图像数据、并分析图像数据以确定或分类工件120的微结构,而不需要人类操作者干预。可选地,操作者可以通过使用可操作地连接到控制电路102的控制装置做出操作者输入选择来选择性地干预检查过程。例如,检查系统100可选地包括输入/输出装置122,其可由操作者使用以参与检查过程。
控制电路102包括一个或多个处理器103和相关联电路。例如,控制电路102包括和/或表示一个或多个硬件电路或电路系统,其包括、连接到或两者都包括和连接到一个或多个处理器103、控制器和/或其它基于硬件逻辑的装置。控制电路102可以包括中央处理单元(CPU)、一个或多个微处理器、图形处理单元(GPU)或能够根据特定逻辑指令处理输入数据的任何其它电子组件。
控制电路102可以可操作地连接到存储器存储装置106 (在此称为存储器106)。存储器106是有形且非暂时性的计算机可读介质。存储器106可以包括或表示闪存、RAM、ROM、EEPROM等。控制电路102可以执行存储在存储器106上或存储在另一有形和非暂时性计算机可读介质上的编程指令。控制电路102和存储器106可以直接从成像装置108获得工件120的图像数据,或者间接经由存储装置或远程服务器获得。控制电路102经由有线或无线通信链路118可操作地连接到成像装置108。从成像装置108获得的图像数据可以存储在存储器106中或者存储在控制电路102可访问的另一存储装置中。
检查系统100配置成检查具有各种形状和尺寸的工件120。在所示的实施例中,工件120是转子组件的转子叶片,转子组件例如为压缩机或涡轮。可由检查系统100检查的其它类型的工件120的非限制性示例包括燃烧器衬套、喷嘴、轴、轮、活塞等。例如,工件120可以是用于交通工具和/或工业应用的引擎或其它机器的金属部件。工件120可具有一种或多种金属基材,并且工件120的至少一部分可涂覆有热障涂层114。热障涂层114具有用于在操作期间保护(一个或多个)底层的金属免受高温(例如燃气涡轮引擎内的燃烧温度)的耐热特性。热障涂层114可包括一个或多个层,并且这些层中的至少一个由陶瓷材料构成。热障涂层114的存在通过减少氧化和热疲劳而增加了工件120的寿命。
工件120设置在基底130或平台上。可选地,在整个检查过程中,工件120在基底130上的固定位置保持静止。备选地,在检查过程期间,可通过控制基底130围绕垂直轴旋转来旋转工件120。可旋转工件120以将反射离开表面116的光朝向成像装置108引导。虽然图1中仅显示一个工件120,但基底130可为托盘,其并排保持多个工件120以用于连续检查托盘上的工件120。在备选实施例中,在检查过程期间,工件120可保持静止,而光源110和/或成像装置108相对于工件120移动。
在所示实施例中,除了控制电路102、存储器106、光源110和成像装置108之外,检查系统100还包括通信装置112和输入/输出(I/O)装置122。检查系统100可选地包括图1中未示出的附加部件。在备选实施例中,检查系统100可至少具有与图1所示的部件不同的一些部件,例如,在备选实施例中,检查系统100可缺少通信装置112和/或I/O装置122。
光源110将照明光104导向热障涂层114的表面116。光源110可以产生照明光104。照明光104具有受控的光特性,诸如受控的强度、波长、光束宽度、极性、脉冲定时等。光源110可以是多种不同类型的光发射器中的一种,例如白炽灯、发光二极管(LED)、激光器、闪光灯等。光源110可以控制照明光104的波长或波长范围。例如,在至少一个实施例中,照明光104是由光源110生成的红外光。红外(IR)光在电磁光谱中的波长的IR段(或范围)内,其具有比可见波段更长的波长。例如,波长的IR段可以从大约700 nm延伸到大约1 mm。如本文所用,"约"为特定值的波长可包括在该特定值的指定范围内的波长,例如在该特定值的30nm内的波长。代替具有或除了具有产生IR光的能力之外,光源110可配置成产生除IR光之外的其它类型的光。例如,光源110可以产生可见光(具有在大约400 nm和大约750 nm之间的波长范围)和/或紫外(UV)光(具有在大约1 nm到大约400 nm之间的波长范围)。
照明光104可具有宽段波长或窄段波长。例如,光源110可以具有用于控制照明光104的波段的滤波器。滤波器可以将照明波段缩小到已知的窄波长或波长范围,以从热障涂层114的一个或多个指定微结构引起特定的反射特性。光源110可具有一个或多个透镜和/或反射镜,用于控制从其发射的照明光104,诸如照明光104的方向、均匀性和/或束宽。备选地,光源可以仅发射限定波长或波长的窄带(例如,小于白光中的整个波长谱)内的光。
光源110可以经由有线和/或无线通信链路119可操作地连接到控制电路102。控制电路102可以通过控制照明光104的光特性来操作光源110。例如,控制电路102可以控制照明光104的波长或波长范围(例如,IR、UV、可见光、宽光谱、窄光谱等)、照明光104的强度、照明光104的均匀性和/或极性、照明光104从光源110发射所沿的方向等。控制电路102还可以激活和去活光源110。控制电路102可以通过生成经由通信链路119传送到光源110的控制信号来控制光源110。
成像装置108可表示或包括至少一个相机、传感器、扫描仪等。成像装置108配置成接收和监测反射离开工件120的热障涂层114的表面116的照明光104。成像装置108捕获反射光的图像数据,诸如一个或多个图像和/或视频。在实施例中,光源110发射IR光作为照明光104,并且成像装置108是捕获反射离开表面116的IR光的热或IR相机。代替用于捕获IR图像数据的硬件或除了用于捕获IR图像数据的硬件之外,光源110可以具有用于捕获可见光图像数据和/或UV光图像数据的硬件。成像装置108可具有一个或多个滤波器和/或透镜,其被设计成限制允许通过滤波器和/或透镜的波长。例如,成像装置108可以具有屏障滤波器,其仅允许特定波长段或波长范围内的光透过滤波器,排除存在于广谱白光中的其它波长被捕获在图像数据中。成像装置108捕获表示在捕获特定图像数据时成像装置108的视场中的主题的图像数据。
检查系统100的I/O装置122包括至少一个显示装置和至少一个用户输入装置,其允许操作者与检查系统100交互。I/O装置122可操作地连接到控制电路102。显示器可以是液晶显示器(例如,发光二极管(LED)背光)、有机发光二极管(OLED)显示器、等离子体显示器、CRT显示器等。用户输入装置可以是配置成从操作者接收输入的触摸板、触摸屏、鼠标、键盘、物理按钮等。例如,操作者可使用I/O装置122来观察涂层质量检查的结果,并选择用于工件120的随后的响应动作,例如将工件120与具有类似涂层微结构的其它工件分组在一起、安排工件120的修复、批准工件120进行额外的制造和/或组装、或丢弃工件120。操作者也可以使用I/O装置122,以基于检查结果调整涂层施加过程。例如,操作者可以经由I/O装置122输入涂层施加过程的控制参数的各种变化。I/O装置122可选地包括附加输出,例如音频扬声器、振动装置等,用于警告操作者。
通信装置112包括诸如收发器、接收器、发射器等的硬件以及相关联的电路(例如,天线)。通信装置112可由控制电路102控制以与检查系统100的一个或多个部件(例如成像装置108和/或光源110)无线通信。通信装置112可以将控制电路102无线地连接到另一装置,诸如远程服务器、移动装置(例如,由操作者持有)等。
可选地,控制电路102、存储器106、通信装置112和I/O装置122可以是诸如计算机(例如,台式机、膝上型计算机、平板计算机、智能电话、移动工作站等)的公共装置内的组件。例如,控制电路102、存储器106、通信装置112和I/O装置122可以共同地被包围在外壳或壳体内。
图2是根据实施例的热障涂层的表面的第一指定微结构202的放大图像200。图像200可以经由扫描电子显微镜产生。图像200可以采用约十微米的尺度描绘第一指定微结构202。例如,图像200的宽度和/或长度可以等于沿着所描绘的热障涂层的表面的约十微米。微结构202被称为第一指定微结构,因为微结构202具有在其它热障涂层的微结构中存在的限定特征,所述其它热障涂层具有与图2所示的热障涂层类似的涂层质量。例如,第一指定微结构202具有多个类似于柱的离散晶粒204或核。晶粒204通常具有倾斜的侧面206和尖峰208,显示出与山脉的相似性。由于柱状拓扑结构,第一指定微结构202在本文中也称为柱状微结构202。柱状微结构202也可由微结构202的其它特性(例如平均晶粒尺寸、每给定面积的晶粒密度、晶界密度、晶界宽度等)限定。
图3是根据实施例的热障涂层的表面的第二指定微结构302的放大图像300。与图2所示的图像200类似,图像300可以经由扫描电子显微镜产生,并且可以采用大约十微米的尺度描绘第二指定微结构302。微结构302是第二指定微结构,因为微结构302具有在其它热障涂层的微结构中存在的限定特征,所述其它热障涂层具有与图3所示的热障涂层类似的涂层质量。第二指定微结构302具有比柱状微结构202更光滑的表面拓扑。例如,第二指定微结构302具有弯曲的丘形晶粒304,而不是柱状微结构202的尖峰晶粒204。第二指定微结构302的拓扑类似于花椰菜的花球或花头,并因此,在本文中称为花椰菜微结构302。花椰菜微结构302也可由微结构302的其它特性(例如平均晶粒尺寸、每给定面积的晶粒密度、晶界密度、晶界宽度等)限定(并与柱状微结构202区分开)。
现在参照图2和3两者,已经确定具有柱状微结构202 (例如第一指定微结构)的热障涂层具有与具有花椰菜微结构302 (例如第二指定微结构)的热障涂层不同的涂层质量。热障涂层的质量是指涂层的热性质、性能性质和/或操作寿命。例如,与较低质量的涂层相比,较高质量的涂层可具有更强的劣化抗性和更长的操作寿命。在另一个示例中,与较低质量的涂层相比,高质量的涂层可以为工件的底层基底材料提供更好的热保护,从而与较低质量的涂层相比在涂层中产生更少和/或更不严重的局部热点。
涂层质量可以由涂层质量值表征,涂层质量值是数值上代表热障涂层质量的度量。涂层质量值使得能够基于多个工件的热障涂层的质量对多个工件进行分级和/或分组。在非限制性示例中,涂覆质量值可以是从一到十的标度中的整数,其中十指示最高质量,而一指示较低质量。具有涂层质量值七的热障涂层确定或预期具有比具有涂层质量值五的热障涂层更高的涂层质量。可选地,可以从以上示例修改测量尺度和单位,诸如从一到一百而不是一到十的尺度。
在至少一个实施例中,花椰菜微结构302与比柱状微结构202更高的涂层质量相关联。因此,具有花椰菜微结构302的热障涂层比具有柱状微结构202的热障涂层具有更高的涂层质量值。例如,具有花椰菜微结构302的涂层可具有十中的十(在从零到十的尺度上,其中十最好)的质量值,而具有柱状微结构202的涂层可具有十中的五的质量值。具有花椰菜微结构302的热障涂层比具有柱状微结构202的热障涂层更能抵抗劣化(例如,剥落、碎裂、剥落、破裂等)、局部热点和/或CMAS。作为结果,具有花椰菜微结构302的涂层通常比具有柱状微结构202的涂层具有更长的操作寿命。由于与具有花椰菜微结构302的热障涂层相关联的提高性能和/或延长寿命的固有益处,花椰菜微结构302通常比柱状微结构202优选。
热障涂层中的这些性能差异可归因于热障涂层的不同微结构202、302。图2和3中分别示出的热障涂层的两个不同的微结构202、302可经由相同的涂层施加过程产生。例如,当在显微镜下观察时,施加在第一工件上的热障涂层可具有花椰菜微结构302。经由相同的涂层施加过程施加在紧跟着第一工件的第二工件上的热障涂层可具有柱状微结构202,而没有对涂层施加过程的任何受控修改。微结构202、302的结构差异可归因于在涂层施加过程或另一制造阶段期间的无意和/或不可控的变化和/或缺陷。例如,在第一工件被涂覆时间和第二工件被涂覆时间之间的轻微温度或湿度变化可以导致形成柱状微结构202而不是花椰菜微结构302。
可选地,与柱状微结构202相关联的涂层质量值可低于预定质量阈值。与花椰菜微结构302相关联的涂层质量值可以处于预定质量阈值或高于预定质量阈值。预定质量阈值可以被设置在柱状和花椰菜微结构202、302的相应涂层质量值之间的涂层质量值或水平。在非限制性示例中,参考从零到十的整数标度,预定质量阈值可以是7或7.5,使得具有5的涂层质量值的柱状微结构202低于质量阈值,并且具有10的涂层质量值的花椰菜微结构302高于质量阈值。可以选择预定的质量阈值,使得高于阈值的涂层质量具有允许热障涂层满足某些性能标准或要求的特性或属性。例如,预期涂层质量阈值以上的热障涂层具有至少预选寿命的操作寿命,例如特某个数或某个累积运行时间或行驶距离(对于交通工具应用)。低于涂层质量阈值的热障涂层可具有比预选寿命缩短的预期寿命。因为与柱状微结构202相关联的涂层质量值可能低于预定质量阈值,所以在确定样品热障涂层具有柱状微结构202时,检查系统100可采取一个或多个补救和/或响应动作,如本文所述,例如去除和重新施加热障涂层、丢弃工件或将工件与被确定也具有柱状微结构202的其它工件分组。
检测系统100配置成确定被检测的样品热障涂层是否具有柱状微结构202或花椰菜微结构302。例如,检查系统100配置成确定图1所示的工件120的热障涂层114是具有图2的图像200所示的柱状微结构202,还是具有图3的图像300所示的花椰菜微结构302。尽管仅示出和描述了两个指定的微结构,检查系统100可用于区分具有不同涂层质量值的三个或更多个不同的指定微结构。例如,检查系统100可以确定多个不同的指定微结构超过预定的质量阈值,并且还可以对通过的微结构进行排序,以将一个微结构指定为具有比一个或多个其它通过的微结构更高的质量。
检查系统100配置成基于热障涂层的微结构来检查工件的热障涂层的质量。例如,检查系统100利用工件120的样品热障涂层114的反射特性来将热障涂层114的微结构识别为更接近地匹配或类似于柱状指定微结构202或花椰菜指定微结构302。如果样品热障涂层114的反射特性指示其微结构更接近地匹配柱状指定微结构202,那么检查系统100确定样品热障涂层114具有柱状指定微结构202。因此,检查系统100确定样品热障涂层具有与柱状微结构202相关联的涂层质量(例如,涂层质量值)。相反,如果样品热障涂层114的反射特性指示其微结构更接近地匹配花椰菜指定微结构302,则检查系统100确定样品热障涂层114具有花椰菜指定微结构302和与花椰菜微结构302相关联的涂层质量。
通过光源110将照明光104导向工件120的热障涂层114的表面116来确定热障涂层114的反射特性。成像装置108接收并监视反射离开表面116的照明光104。成像装置108基于反射的照明光104捕获热障涂层114的表面116的图像数据。图像数据可以包括一个或多个静止图像或者一个或多个视频,每个视频包括多个图像帧。控制电路102 (例如,其一个或多个处理器103)获得由成像装置108捕获的表面116的图像数据,并分析该图像数据以确定工件120的热障涂层114是否具有特定的指定微结构,例如柱状微结构202、花椰菜微结构302或另一指定微结构。
控制电路102通过比较图像数据(例如,其特性)和描述一个或多个指定微结构的参考图像数据,分析热障涂层114的图像数据。例如,控制电路102可以将图像数据与描绘柱状微结构202的参考图像数据(其可以被称为第一地面实况(ground truth)图像)进行比较。图2中的图像200可以表示柱状微结构202的参考图像数据。另外,或备选地,控制电路102可比较图像数据和描述花椰菜微结构302的参考图像数据(其可被称为第二地面实况图像)。图3中的图像300可代表花椰菜微结构302的参考图像数据。
如本文所述,控制电路102基于图像数据与参考图像数据匹配或相似程度来确定样品热障涂层114的微结构。例如,控制电路102可基于样品热障涂层114的图像数据的光特性或属性在花椰菜微结构302的参考图像数据的指定阈值内,确定样品热障涂层114的微结构具有花椰菜微结构302。光特性可以包括强度、梯度图案或签名、阴影细节、结构形状细节(例如,边缘、尺寸等)等。可选地,代替依赖于指定的阈值,控制电路102可基于比柱状微结构202的参考图像数据更接近地匹配花椰菜微结构302的参考图像数据的图像数据,确定样品热障涂层114的微结构具有花椰菜微结构302。
与已知的热障涂层检查技术不同,本文所述的检查系统100和过程不需要测量涂层的厚度、在涂层上执行化学操作、提取涂层的物理样品、或以其它方式损坏或干扰被检查的热障涂层的完整性。检查系统100还可以比已知的热障涂层检查技术更有效(例如,更少的时间和能量密集)。检查系统100基于通过将照明光104导向表面116并监测反射光而获得的热障涂层114的表面116的反射特性。
图4是根据实施例的由检查系统100 (图1中所示)执行的检查过程的图400。例如,从图1所示的成像装置108获得一系列402原始图像404。该系列402原始图像404是指由成像装置108捕获的图像数据。原始图像404描绘了被检查的一个或多个工件120的热障涂层114。例如,系列402中的至少一些原始图像404描绘不同工件120的热障涂层114。在所示实施例中,系列402中的四个原始图像404描绘四个不同工件120的热障涂层114,但应理解,至少一些工件120可被成像多次以示出同一工件120的不同区域处的热障涂层114。
在实施例中,检查系统100配置成连续地检查多个工件120。一旦单个工件120固定在基底130 (图1所示)上,光源110被控制以将照明光104导向工件120,并且在图像获取阶段期间,反射光的图像数据由成像装置108捕获。然后,工件120被移除并被另一待检查的工件120替换,并且重复该过程。备选地,如果工件120足够小,则可将多个工件120一起定位在基底130上,因此检查系统100可在移除及更换工件120之前获取多个工件120的图像数据。检查系统100通过修改照明光104的方向和/或修改基底130的定位来获取基底130上的不同工件120的图像数据。
一个或多个处理器103可以在图像采集阶段期间一次性全部地或逐个地访问或接收来自成像装置108 (或中间存储装置)的原始图像404。使用描绘工件120的热障涂层114的原始图像404,一个或多个处理器103配置成产生一系列406的梯度图像408。每个梯度图像408基于原始图像404中的特定一个而生成。因此,序列406中的四个梯度图像408对应于序列402中的四个原始图像404。梯度图像生成过程可以等效于高通滤波器。通过基于诸如频率、强度等的特定属性对原始图像404进行滤波来生成梯度图像408。例如,将每个原始图像404中的超过关于特定属性的指定阈值的像素复制到梯度图像408中,并且滤除不超过指定阈值的像素,使得梯度图像408在该像素的等效位置中具有暗点。备选地,从梯度图像408中过滤出超过指定阈值的像素。指定的阈值可以是预定义值,诸如特定频率值或特定强度值。
一个或多个处理器103 (在本文中也以单数形式称为处理器103)分析梯度图像408以确定工件120的热障涂层114的微结构。处理器103通过比较梯度图像408和描述至少一个指定微结构202、302的参考图像数据,分析梯度图像408。例如,图4示出了第一参考图像410和第二参考图像412。第一参考图像410是描绘柱状微结构202的参考图像数据。第一参考图像410可以是基于柱状微结构202的原始图像200 (图2所示)生成的梯度图像。因此,如果梯度图像408与第一参考图像410紧密匹配或相似,则确定该梯度图像408中所描绘的特定热障涂层114具有柱状微结构202。
该确定可以利用描绘不同的指定微结构的多个参考图像(例如,图像数据)。例如,在图4中,处理器103也有权访问第二参考图像412,其是描绘花椰菜微结构302的参考图像数据。第二参考图像412可以是基于花椰菜微结构302的原始图像300 (图3所示)产生的梯度图像。处理器103可以将梯度图像408中的每个(或至少一些)与第一参考图像410和第二参考图像412两者进行比较。相对于将梯度图像408仅与第一参考图像410或仅与第二参考图像412进行比较,将梯度图像408与参考图像410、412两者进行比较可以提高确定的准确度。
处理器103做出有关正被检查的工件120的每个热障涂层114的微结构的确定。例如,对于图4中的四个原始图像404中描绘的四个热障涂层114,处理器103做出一组414的四个独立确定。该确定可以包括将每个热障涂层114识别或分类为具有(或不具有)柱状微结构202或花椰菜微结构302。例如,处理器103可以确定第一热障涂层114具有柱状微结构202,并且第二热障涂层114不具有柱状微结构202 (指示第二涂层114具有花椰菜微结构302,除非有多于两种指定的微结构类型)。处理器103还可以配置成指示确定中的置信水平。例如,低置信度确定比高置信度确定更可能是不正确的。
图5显示由检查系统100的成像装置108所获取的两个原始图像404,其是根据图4所示的实施例来分析。在所示实施例中,包含第一原始图像404A与第二原始图像404B的两个原始图像404是红外线(IR)图像。例如,光源110可产生照明光104作为具有在IR范围中的波长的IR光。IR光表示照明光104的受控光特性。成像装置108配置成捕获IR图像。例如,成像装置108可以是IR照相机。第一原始图像404A描绘一个工件的热障涂层,且第二原始图像404B描绘另一工件的热障涂层。检查系统100配置成确定两个工件中的每一个的热障涂层的微结构。如上所述,微结构用于根据质量对热障涂层进行分类。
图5还示出了基于原始图像404A、404B生成的两个梯度图像408。例如,基于第一原始图像404A生成第一梯度图像408A,并且基于第二原始图像404B生成第二梯度图像408B。如图4所示,处理器103配置成通过将梯度图像408A、408B与和至少一个指定微结构(例如,柱状和花椰菜)相关联的参考图像数据进行比较,来分析每个梯度图像408A、408B。例如,柱状微结构202的梯度图像可具有与花椰菜微结构302 (图3所示)的梯度图像不同的签名图案或其它特性。
在实施例中,对于每个梯度图像408,处理器103配置成将梯度图像408中的图案与参考图像数据中的图案进行比较。例如,图4中的第一参考图像410可以表示描绘柱状微结构202 (图2中所示)的梯度图像。处理器103将第一梯度图像408A中的图案与参考图像410中的图案进行比较。处理器103可通过执行图案识别算法来比较所述图案。图案识别算法可以包括执行图像分析以检测第一梯度图像408A和第一参考图像410两者的图像数据中的图案,并且随后执行图案匹配算法以比较两个检测到的图案。可选地,如果所比较的图案彼此匹配、对应、配对或互补到超过指定相似性阈值的程度,则处理器103确定第一原始图像404A (用于生成第一梯度图像408A)中所描绘的热障涂层具有柱状微结构202。相似性阈值可以是梯度图像408A和参考图像410之间的匹配百分比。在非限制性示例中,相似性阈值可以被设置为70%。如果梯度图像408A的图案或其它特征与参考图像410的匹配程度处于或大于70%,则处理器103确定梯度图像408A描绘了与参考图像410相同的微结构。如果梯度图像408A的图案与参考图像410之间的相似性小于相似性阈值,则处理器103可确定微结构不相同(或很可能不相同)。
可选地,相似性阈值(以及本文描述的其它阈值)可以基于预选的信息分类值,诸如精度和召回值。例如,类的精度是真阳性的数量(例如,被正确标记为属于阳性类(例如,柱状微结构)的元素(例如,梯度图像408)的数量)除以被标记为属于阳性类(例如,柱状微结构)的梯度图像的总数量。类的召回是真阳性的数量除以实际上属于阳性类的元素的总数(例如,真阳性和假阴性的总和,假阴性是应当被标记为属于阳性类但被不正确地标记的元素)。精度值和/或召回值可被用作确定阈值的约束。可选地,阈值可以与利用精度和召回值的分数相关。例如,阈值可以基于F-分,其是(2*精度* 召回)/(精确+ 召回)。
可以基于图像中的各种属性和特性来比较图案。例如,处理器103可以计算整个图像或图像的子区域的平均像素强度或波长。处理器103还可以通过测量图像子区域内像素强度或波长的变化来比较图案。例如,一个图案的子区域中的像素可以比另一图案的子区域中的像素更均匀和/或一致。处理器103可通过识别图像中的特定特征并比较图像中的特征的性质来比较图案。例如,处理器103可以识别每个图案中的像素簇,并且可以测量簇的直径以比较图案。
在一个或多个实施例中,处理器103可以将梯度图像408的图案与参考图像410、412 (图4中所示)两者进行比较。例如,第一梯度图像408A的图案可以在处于指定的相似性阈值或超过指定的相似性阈值时与和柱状微结构202相关联的第一参考图像410匹配,并且可以在小于指定的相似性阈值时与和花椰菜微结构302相关联的第二参考图像412匹配。结果,处理器103确定原始图像404A描绘了具有柱状微结构202的热障涂层,如图5中的第一输出确定值414A所示。此外,第二梯度图像408B的图案在小于指定的相似性阈值时可匹配与柱状微结构202相关联的第一参考图像410,并在处于或超过指定的相似性阈值可匹配与花椰菜微结构302相关联的第二参考图像412。作为结果,处理器103确定原始图像404B描绘了具有花椰菜微结构302的热障涂层,如由图5中的第二输出确定414B所示。
在实施例中,如果分析指示给定梯度图像408的图案在与参考图像410、412两者进行比较时未能满足指定的相似度阈值,则处理器103确定微结构是未知的,并且需要额外的检查。例如,如果分析指示热障涂层的微结构不太可能是柱状的并且不太可能是花椰菜状的,则需要额外的检查,例如手动检查。如果分析指示给定梯度图像408的图案在与参考图像410、412两者进行比较时满足或超过指定的相似性阈值,则处理器103可以做出相同的确定。
在图5所示的示例中,处理器103确定第一原始图像404A描绘了具有柱状微结构202的热障涂层,并且第二原始图像404B描绘了具有花椰菜微结构302的热障涂层。从基于相应的原始图像404A、404B生成的所示梯度图像408A、408B中显而易见的是,第一梯度图像408A具有与第二梯度图像408B不同的图案。例如,第一梯度图像408A具有由较暗环418围绕的亮中心簇416。第二梯度图像408B具有比第一梯度图像408A更均匀的分布。例如,第二梯度图像408B具有簇420,但是缺少围绕簇420的暗环。簇420还具有比第一梯度图像408A的中心簇416更大的直径。第一梯度图像408A的图案更接近地对应于或更好地匹配于与柱状微结构202相关联的第一参考图像410。第二梯度图像408B的图案更接近地对应于或更好地匹配与花椰菜微结构302相关联的第二参考图像412。
图6示出了由检查系统100的成像装置108捕获的原始图像404中的两个,其根据另一实施例被分析。在所示实施例中,处理器103通过计算或产生一个或多个比率图像602而不是产生图4和5所示的梯度图像408来分析原始图像404。图6所示的两个原始图像404A、404B可以与图5所示的原始图像404A、404B相同。例如,原始图像404A、404B可以是由来自光源110的IR光所捕获的IR图像,该IR光反射离开两个不同工件的表面。图6示出了第一比率图像602A和第二比率图像602B。第一比率图像602A基于第一原始图像404A和参考图像604两者。参考图像604可以选择性地与指定的微结构之一相关联。第二比率图像602B基于第二原始图像404B和相同的参考图像604两者。因此,比率图像602A、602B两者都基于共同的参考图像604。在所示的实施例中,参考图像604描绘了花椰菜微结构302 (如图3所示)。例如,参考图像604可以是图3中所示的图像300。
第一比率图像602A被生成为第一原始图像404A与参考图像604的比率。这可以涉及将第一原始图像404A覆盖或叠加在参考图像604上。处理器103可以通过将第一原始图像404A (或其像素特性)除以参考图像604来计算与第一比率图像602A相关联的第一比率。例如,可以通过比较两个图像404A、604的等效像素或者通过比较两个图像404A、604的等效面积来计算第一比率。图6中所示的第一比率图像602A大部分是暗的,仅具有一对可见的曲线606。与第一比率图像602A相关联的第一比率可以被计算为相对较低。例如,第一比率可以低于与花椰菜微结构相关联的预定相似性阈值。在非限制性示例中,预定义相似性阈值可以是0.5,并且第一比率被计算为0.2。低的第一比率指示第一原始图像404A与参考图像604没有很好地对准或匹配。因为参考图像604描绘了花椰菜微结构,所以处理器103可以确定第一原始图像404A没有描绘花椰菜微结构。可选地,处理器103可以推断出第一原始图像404A通过消除过程描绘了柱状微结构。
第二比率图像602B被生成为第二原始图像404B与参考图像604的比率。处理器103通过将第二原始图像404B (或其像素特性)除以参考图像604来计算与第二比率图像602B相关联的第二比率。图6中所示的第二比率图像602B具有可见的椭圆608,其中在椭圆608的任一侧上具有两条可见的曲线610。与第一比率图像602A相比,第二比率图像602B中的更大量的可见区域指示第二原始图像404B比第一原始图像404A与参考图像604更好地匹配或对应。与第二比率图像602B相关联的第二比率可以大于与第一比率图像602A相关联的第一比率。例如,第二比率可处于或大于与花椰菜微结构相关的预定相似性阈值。在非限制性示例中,第二比率可以是0.9,其大于0.5相似性阈值。响应于第二原始图像404B和描绘花椰菜微结构的参考图像604之间的相对高程度的匹配,处理器103确定第二原始图像404B描绘花椰菜微结构。
在实施例中,上述比率分析方法可以使用与花椰菜微结构相关联的参考图像604和与柱状微结构相关联的另一参考图像两者来执行。在上述例子中,第一比率指示第一原始图像404A没有描绘花椰菜微结构。处理器103可以基于第一原始图像404A和与柱状微结构相关联的参考图像来生成或计算第三比率。如果第三比率大于与柱状微结构相关联的预定相似度阈值,则处理器103确定第一原始图像404A具有柱状微结构。此外,可以基于第二原始图像404B和与柱状微结构相关联的参考图像来计算第四比率。如果第四比率低于预定相似性阈值,则第二原始图像404B被确认为描绘花椰菜微结构。相对于仅基于单个参考图像产生比率,基于与两个指定微结构相关联的参考图像产生比率可改进检查系统100的准确度。例如,如果两个比率指示给定的原始图像既具有花椰菜微结构又具有柱状微结构,或者没有这两种微结构,则处理器103指示原始图像中描绘的热障涂层是未知的并且需要额外的检查。
现在返回参考图1以描述另一实施例,其中检查系统100分析描绘热障涂层的图像数据以确定热障涂层的微结构。光源110可以配置成修改照明光104的属性以在不同的照明条件下捕获相同热障涂层114的图像数据。处理器103可以配置成基于在一个或多个特定光照条件下的图像数据的强度来确定微结构。
对于被检查的每个工件120,控制电路102可控制光源110以产生具有第一选择波长范围的照明光104。例如,第一选择波长范围可以是IR范围、可见光范围或UV范围内的窄段。第一选择波长范围表示照明光104的受控光特性。成像装置108捕获反射离开热障涂层114的表面116的照明光104的图像数据。第一波长范围可以基于两个指定的微结构(柱状和花椰菜)如何反射具有第一波长范围的光的已知差异来选择。第一波长范围可与指定微结构中的一个相关联。例如,第一波长范围可与柱状微结构202(图2所示)相关联,并且柱状微结构202反射的具有第一波长范围的光的量可大于由花椰菜微结构302 (图3所示)反射的相同光的量。由于结构的不同,花椰菜微结构302可比柱状微结构202吸收或消散更多的光。因此,从柱状微结构202反射的光的强度可以大于从花椰菜微结构302反射的光的强度(对于给定的波长)。
处理器103可以分析所捕获的描绘反射离开样本热障涂层114的光的图像数据,以测量图像数据的强度。处理器103可以将图像数据的测量强度与从柱状微结构202反射的光(具有第一波长)的已知强度进行比较,以确定图像数据是否描绘了柱状微结构202。例如,如果测得的强度在与柱状微结构202相关联的已知强度的指定阈值窗或范围内,则处理器103确定工件120的热障涂层114具有柱状微结构202。阈值窗口或范围可以是5%内、10%内、20%内等的百分比窗口。如果图像数据的测量强度与已知强度的差异超过阈值窗口(例如,超过20%),则处理器103确定热障涂层114不具有柱状微结构202。
处理器103还可以将图像数据的测量强度与从花椰菜微结构302反射的光的已知强度进行比较,以确定图像数据是否描述了花椰菜微结构302。可选地,生成具有第一波长范围的照明光104并且反射光由成像装置108捕获,处理器103可以控制光源110生成具有与第一波长范围离散(例如,不重叠)的不同的第二波长范围的另一照明光104。可根据指定微结构的反射特性来选择第二波长范围。例如,与由柱状微结构202反射的相同光的量相比,花椰菜微结构302可以反射更大量的具有第二波长范围的光。成像装置108捕获描绘反射离开热障涂层114的光的图像数据。处理器103可以将测量的反射光的强度与从花椰菜微结构302反射的光(具有第二波长范围)的已知强度进行比较,以确定图像数据是否描述了花椰菜微结构302。
因此,检查系统100可在不同的照明条件下捕获每个工件120的热障涂层114的多个图像,并可比较图像的性质(例如强度)和与指定微结构202、302相关联的已知性质,以确定热障涂层114的微结构。将测量的强度与来自柱状微结构202的反射光的已知强度和来自花椰菜微结构302的反射光的已知强度(在相同或不同的光波长)进行比较可以产生比仅仅依赖于与单个数据度量的比较更准确的确定。
返回参考图6,另一实施例利用比率方法的变型。例如,图6中所示的参考图像604可以是工件参考图像,其是正被测试的工件120的图像。当工件120被具有指定的参考波长(例如,频率)范围的光照射时,产生工件参考图像604。例如,指定的参考波长范围可代表两个或两个以上指定的微结构都不是特别敏感的波长。由于这些特性,用参考波长照射时产生的柱状微结构202的图像可能难以与用相同参考波长照射时产生的花椰菜微结构302的图像区分。在该实施例中,在用具有参考波长的光照射工件120以产生工件参考图像604之前或之后,用选择的照明光照射工件120。选择的照明光具有窄波长范围,所述窄波长范围是基于不同指定微结构如何吸收和反射光的已知差异而选择的。
例如,窄波长范围可以是上述第一波长范围,其对于柱状微结构202是特定的,使得柱状微结构202反射选择的照明光,其强度大于花椰菜微结构302反射相同照明光的强度。生成原始图像(例如404A)以捕获反射离开工件120的表面的(第一波长范围的)光。然后,基于原始图像和工件参考图像604生成比率图像(例如,602A)。与上面参考图6描述的第一比例实施例类似地分析该比率图像。该实施例与其它比率实施例不同,因为该实施例是自参考的。例如,该实施例不依赖于与已知微结构相关联的单独的ground truth参考图像,而是利用被测试工件120在用具有参考光特性(例如,波长)的光照射时的图像作为参考图像604。
对于本文所述的任何分析技术,在确定工件120的热障涂层114的微结构之后,处理器103可采取一个或多个响应或补救动作。例如,处理器103可以通过生成被传送到一个或多个其它装置的控制信号来采取响应或补救动作。在实施例中,如果热障涂层114被确定为具有与高或满意的涂层质量相关联的花椰菜微结构302,则处理器103可允许工件120继续到随后的制造或组装阶段。可选地,处理器103可以生成控制信号,该控制信号指示并分类工件120为具有高质量的热障涂层。控制信号可被传送到将工件120与被确定为具有相同微结构(且因此具有相同质量)的其它工件分组的装置。例如,控制信号可以被传送到机械臂,该机械臂将工件120机械地移动到具有带有花椰菜微结构302的涂层的其它工件的堆或线。
如果确定热障涂层114具有与降低或较低的涂层质量相关联的柱状微结构202,则处理器103可采取不同的步骤。例如,处理器103可防止工件120继续到随后的制造或组装阶段。可选地,处理器103可以产生控制信号,该控制信号指示和分类工件120为具有降低质量的热障涂层。控制信号可以被传送到将工件120与被确定为具有柱状微结构202(因此具有相同的质量)的其它工件分组的装置。例如,控制信号可以被传输到机械臂,该机械臂将工件120机械地移动到具有柱状微结构202的涂层的其它工件的堆或线。将具有相同质量的热障涂层的多个工件分组使得能够将这些类似的工件组装到共同的机器中。例如,涡轮机的转子叶片可全部具有相同质量的热障涂层,因此预期叶片在共同的时间窗达到其操作寿命的终点。此时,涡轮机可以被拆卸并且所有的叶片被丢弃,而不会过早地丢弃由于叶片上的更高质量的热障涂层而具有显著的剩余寿命的任何叶片。
控制信号可自动地调度工件120以供操作者进行修理或额外检查,例如以确认涂层的质量。例如,控制信号可以使工件120进入另一制造阶段,在该另一制造阶段中,在将热障涂层114重新施加到工件120之前,从工件120去除热障涂层114。在另一个备选实施例中,控制信号可以使工件120被丢弃(例如,丢掉)或回收,而不试图修复涂层。控制电路102可以产生信号,以通知操作者热障涂层的检测到的微结构,例如经由基于文本的消息、音频消息等。检查的结果(例如,涂层的检测到的微结构和相关联的质量)可以记录在存储在存储器106或另一存储装置中的报告中。
可选地,本文所述的检查系统100可并入到将热障涂层114施加在工件120上的制造过程的反馈回路中。例如,如果确定足够数量或百分比的测试工件120具有与柱状微结构202相关联的较低质量热障涂层114,则这可指示涂层施加过程的控制参数关闭且应被修改。处理器103可以产生控制信号,该控制信号配置成修改涂层施加过程的一个或多个控制参数。例如,控制信号可以被传送到在涂覆阶段的控制装置。在接收到控制信号时,控制装置可以修改涂层施加过程的温度、压力、湿度、粉末施加速率等,以试图增加具有较高质量的花椰菜微结构302的热障涂层的数量或百分比。本文所公开的检查系统100可通过使能配备或分组具有类似涂层质量的工件120且通过基于检查修改涂覆过程以减少所产生的低质量涂层的数目来有利地减少工件120被抛弃的总速率。
图7是根据另一实施例的检查系统100的框图。图7中的检查系统100包括数字镜阵列702,其将照明光104导向工件120的表面116。数字镜阵列702可以包括可由控制电路102(图1中所示)控制的多个反射镜。可以控制反射镜以改变表面116上的照明光104的角度和强度。数字镜阵列702可以配置成在表面116上提供比没有数字镜阵列702时由光源110单独提供的照明光104的强度更均匀的照明光104的强度。数字镜阵列702可以是光源110的组件。
被检查的工件120可具有各种曲线和角度。在所示实施例中,保持工件120的基底130能够旋转以相对于成像装置108和/或光源110和数字镜阵列702旋转工件120。可选地,基底130还可以能够沿着不同于旋转的平面的另一平面倾斜。控制电路102可控制基底130以旋转和/或倾斜工件120,以补偿工件120的角度几何复杂性,并确保成像装置108接收足够量的反射光。控制电路102可配置成基于由成像装置108在工件120的不同相对角度和/或位置处由于基底130的移动而获取的多个图像来合成工件120的表面116的图像数据。
图8是根据实施例的用于检查工件的热障涂层的方法800的流程图。方法800可表示由图1所示的检查系统100的控制电路102 (包括其一个或多个处理器103)执行的操作中的至少一些操作。方法800可表示用于创建(例如,写)引导控制电路102的一个或多个处理器103的操作的一个或多个软件应用的算法。
参考图1至7,方法800开始于802,在该处生成具有受控光特性的照明光104。照明光104可以在控制电路102的控制下由光源110生成。受控光特性可以是照明光104的特定波长或波长范围。例如,照明光104可为IR光或可具有特定强度。
在804,将照明光104导向工件120的热障涂层(图8中的" TBC ") 114。照明光104可以由光源110和/或数字镜阵列702引导。在806处,通过监测反射离开热障涂层114的表面116的照明光104来捕获热障涂层114的图像数据。图像数据可以由诸如照相机的成像装置108捕获。
在808,通过将图像数据与描绘第一指定微结构的参考图像数据进行比较,分析热障涂层114的图像数据。例如,第一指定微结构可以是柱状微结构202,其与被称为花椰菜微结构302的第二指定微结构相比,与较低的涂层质量相关联。可选地,所述分析还可以包括将所述图像数据与描绘所述第二指定微结构的附加参考图像数据进行比较。
在810处,确定工件120的热障涂层114的微结构。如果图像数据在与柱状微结构202相关联的参考图像数据的指定阈值范围内,则可由控制电路102确定热障涂层114具有第一或柱状微结构202。另外或备选地,如果图像数据比与花椰菜微结构302相关联的附加参考图像数据更接近地匹配或对应于与柱状微结构202相关联的参考图像数据,则可有控制电路102确定热障涂层114具有第一或柱状微结构202。如果图像数据在与柱状微结构202相关联的参考图像数据的指定阈值范围之外,或者在与花椰菜微结构302相关联的参考图像数据的指定阈值范围之内,则可由控制电路102确定热障涂层114具有第二或花椰菜微结构302。备选地,如果图像数据比与柱状微结构202相关联的参考图像数据更接近地匹配或对应于与花椰菜微结构302相关联的参考图像数据,则可由控制电路102确定热障涂层114具有花椰菜微结构302。
在812处,做出工件120的热障涂层114的质量是否满足或超过指定的涂层阈值的确定。在实施例中,具有花椰菜微结构302的热障涂层114满足或超过质量阈值,并且具有柱状微结构202的热障涂层114不满足或超过质量阈值。因此,如果在810确定热障涂层114的微结构为花椰菜微结构302,那么涂层质量满足阈值,并且能流程进行到814。在814处,下一工件120由检查系统100检查。另一方面,如果在810确定热障涂层114具有柱状微结构202,那么涂层质量不满足阈值,并且流程进行到816和822。
在816处,确定是否应对工件120进行抢救。如果不是,则在818处丢弃工件120。如果确定工件120被抢救,则流程继续到820。在820处,工件120被修复或与具有相似质量的热障涂层114的其它工件120分组。例如,可以通过剥离热障涂层114并然后经由涂层施加过程将热障涂层114重新施加到工件120来修复工件120。工件120可与相似质量的工件120分组,而不是修理工件120,以形成可一起安装在机器或部件中的相似质量的工件120的套件。
在822,确定具有较低质量热障涂层114的工件120 (例如,柱状微结构202)的量是否超过阈值量。阈值量可以是所检查的所有热障涂层114的指定百分比,例如5%或10%。因此,如果阈值为10%并且15%的检查工件120具有较低质量的柱状微结构202,则超过阈值并且流程继续到824。在824,改变一个或多个涂层施加控制参数,以试图减少用柱状微结构202产生的热障涂层114的数量。例如,可以改变温度、压力、湿度、粉末流速等。如果较低质量的涂层的量没有超过阈值,则可能不值得修改涂层施加过程。因此,流程继续到814,并且检查下一个工件120。
本文所述的一个或多个实施例的至少一个技术效果是能够有效地确定工件(例如燃气涡轮引擎的部件)上的热障涂层的质量,而不需要热障涂层的材料样品或以其它方式干扰工件上的热障涂层的完整性,因为该确定基于热障涂层的反射特性。本文所述实施例的另一技术效果可为所产生的热障涂层的质量的总体改进,因为可实时施加检查系统和方法以测试所产生的每一热障涂层,且可在反馈回路中利用质量确定来修改涂层施加过程。例如,如果涂层施加过程的控制参数超出范围,这导致形成较低质量的热障涂层,则检查系统可以在施加热障涂层的小子集之后检测这种趋势。在生产大量低质量热障涂层之前,可以修改控制参数以校正误差并改进涂层施加过程。
除了通过调节参数以增加所产生的高质量热障涂层的数量或百分比来总体上改进涂层施加过程之外,本文所述的实施例的另一技术效果可包括使用具有热障涂层的工件来延长机器的操作寿命,例如转子组件。例如,通过确定多个工件中的每一个上的热障涂层的微结构和/或质量,可基于微结构和/或质量的共同性将工件分组在一起。作为结果,例如转子组件中的转子叶片可全部具有类似的涂层质量,使得所有叶片具有相同的预期寿命。在大多数较高涂覆质量的转子叶片的转子组件中存在一些较低涂覆质量的转子叶片将不再降低所有叶片的寿命。与分组或组装相关联的另一技术效果是基于具有较低质量的热障涂层而总体减少了被丢弃和/或修理的工件的数量。例如,被确定为具有较低质量的涂层的工件可以被分组在一起并且在组件或机器中使用。在具有较高质量涂层的工件的类似机器之前,组件或机器可能需要维护以更换工件,但是至少可以使用较低涂层质量的工件,并且没有工件被过早地更换,因为所有的工件都具有相同的预期寿命。
在本公开的一个或多个实施例中,提供了一种检查系统,其包括光源、成像装置和一个或多个处理器。光源配置成将具有受控光特性的照明光导向工件的热障涂层的表面。成像装置配置成通过监测反射离开表面的照明光来捕获热障涂层的表面的图像数据。所述一个或多个处理器可操作地连接到所述成像装置,并且配置成通过将所述图像数据与描绘第一指定微结构的参考图像数据进行比较来分析所述表面的所述图像数据。第一指定微结构具有相关联的涂层质量值。所述一个或多个处理器配置成基于所述分析来确定所述工件的热障涂层具有所述第一指定微结构。
可选地,由光源产生的照明光是红外光,并且成像装置是红外相机。
可选地,所述一个或多个处理器配置成响应于所述表面的图像数据的光特性在所述参考图像数据的光特性的指定阈值内,确定所述工件的热障涂层具有所述第一指定微结构。
可选地,与第一指定微结构相关联的涂层质量值低于预定质量阈值。响应于确定工件的热障涂层具有第一指定微结构,一个或多个处理器配置成产生控制信号,该控制信号配置成修改热障涂层施加过程的一个或多个涂层控制参数。
可选地,响应于确定工件的热障涂层具有第一指定微结构,一个或多个处理器配置成产生控制信号,该控制信号配置成将工件分类为具有第一指定微结构,用于将工件与具有第一指定微结构的其它工件分组。
可选地,所述一个或多个处理器被配置为通过计算所述图像数据与所述参考图像数据的比率并且将所述比率与和所述第一指定微结构相关联的预定阈值进行比较来分析所述表面的所述图像数据。
可选地,所述一个或多个处理器被配置为通过基于所述图像数据生成梯度图像并且将所述梯度图像中的图案与所述参考图像数据中的描绘所述第一指定微结构的图案进行比较来分析所述表面的所述图像数据。
可选地,所述一个或多个处理器配置成控制光源以生成具有作为受控光特性的选择的波长范围的照明光。该选择波长范围与第一指定微结构相关联。可选地,所述一个或多个处理器配置成控制光源以产生具有参考波长范围的光,并且控制成像装置以在工件被具有参考波长范围的光照射时捕获工件参考图像。所述一个或多个处理器配置成通过计算所述图像数据与所述工件参考图像的比率来分析所述表面的所述图像数据。
可选地,所述一个或多个处理器配置成将所述表面的图像数据与描绘不同的第二指定微结构的附加参考图像数据进行比较。第二指定微结构具有相关联的涂层质量值,该涂层质量值大于与第一指定微结构相关联的涂层质量值。可选地,所述一个或多个处理器配置成响应于所述表面的所述图像数据与描绘所述第二指定微结构的附加的参考图像数据相比更紧密地匹配描绘所述第一指定微结构的所述参考图像数据,确定所述工件的热障涂层具有所述第一指定微结构。
在本公开的一个或多个实施例中,提供了一种用于检查工件的热障涂层的方法。该方法包括将具有受控光特性的照明光导向工件的热障涂层的表面。该方法包括通过监测反射离开表面的照明光来捕获热障涂层的表面的图像数据,以及经由一个或多个处理器通过将图像数据与描绘第一指定微结构的参考图像数据进行比较来分析表面的图像数据。第一指定微结构具有相关联的涂层质量值。该方法还包括基于该分析确定工件的热障涂层具有第一指定微结构。
可选地,该方法还包括产生控制信号,该控制信号配置成将工件分类为具有第一指定微结构,以用于将工件与具有第一指定微结构的其它工件分组。
可选地,与第一指定微结构相关联的涂层质量值低于预定质量阈值。响应于确定工件的热障涂层具有第一指定微结构,该方法还包括产生控制信号,该控制信号配置成修改热障涂层施加过程的一个或多个涂层控制参数。
可选地,分析(操作)还包括将表面的图像数据与描绘不同的第二指定微结构的附加参考图像数据进行比较。第二指定微结构具有相关联的涂层质量值,该涂层质量值大于与第一指定微结构相关联的涂层质量值。可选地,响应于所述表面的图像数据与描绘所述第二指定微结构的附加参考图像数据相比更接近地匹配描绘所述第一指定微结构的所述参考图像数据,确定所述工件的所述热障涂层具有所述第一指定微结构。
可选地,该方法还包括控制光源以产生红外光作为朝向热障涂层的表面引导的照明光。
可选地,通过计算图像数据与参考图像数据的比率并将该比率与和第一指定微结构相关联的预定阈值进行比较来分析表面的图像数据。
可选地,还通过计算图像数据与描绘不同的第二指定微结构的附加参考图像数据的第二比率,并将第二比率与和第二指定微结构相关联的预定阈值进行比较,来分析表面的图像数据。
可选地,通过基于图像数据生成梯度图像并将梯度图像中的图案与描绘第一指定微结构的参考图像数据中的图案进行比较,来分析表面的图像数据。
可选地,该方法还包括控制光源以生成具有作为受控光特性的选择波长范围的照明光。通过将基于反射照明光的图像数据的强度与参考图像数据的强度进行比较来分析图像数据。
在本公开的一个或多个实施例中,提供了一种用于检查工件的热障涂层的方法。该方法包括通过监测反射离开工件的热障涂层的表面的照明光来捕获该表面的图像数据。该方法包括经由一个或多个处理器,通过将表面的图像数据与描述第一指定微结构的第一参考图像数据和描述第二指定微结构的第二参考图像数据两者进行比较,分析表面的图像数据。第一和第二指定微结构具有不同的相应涂层质量值。该方法还包括产生控制信号,该控制信号基于该分析将工件的热障涂层分类为具有第一指定微结构或第二指定微结构。控制信号响应于表面的图像数据与第二参考图像数据相比更紧密地匹配第一参考图像数据而将工件的热障涂层分类为具有第一指定微结构。控制信号响应于表面的图像数据与第一参考图像数据相比更紧密地匹配第二参考图像数据而将热障涂层分类为具有第二指定微结构。
如本文所用,以单数形式叙述且前面有词语"一"或"一个"的元件或步骤应理解为不排除多个所述元件或步骤,除非明确陈述了这种排除。此外,对当前描述的主题的"一个实施例"的引用不意图被解释为排除也结合了所叙述的特征的附件的实施例的存在。此外,除非明确地相反地陈述,否则"包括"或"具有"带有特定性质的一个元件或多个元件的实施例可包括不带有该性质的附加的此类元件。
应当理解,上述描述打算是说明性的,而不是限制性的。例如,上述实施例(和/或其方面)可以彼此组合使用。此外,在不脱离本发明的范围的情况下,可以进行许多修改以使特定的情况或材料适应本文所阐述的主题的教导。虽然本文所述的材料的尺寸和类型旨在限定所公开的主题的参数,但它们绝不是限制性的,并且是示例实施例。在阅读了以上描述之后,许多其它实施例对于本领域的普通技术人员将是显而易见的。因此,本文所述主题的范围应当参考所附权利要求连同此类权利要求所赋予的等同物的全部范围来确定。在所附权利要求中,术语"包括"和"其中"用作相应术语"包含"和"在其中"的简单英语等价物。此外,在以下权利要求中,术语"第一"、"第二"和"第三"等仅用作标记,并且不旨在对其对象施加数值要求。此外,以下权利要求的限制不是以部件加功能的格式书写,并且不旨在基于35 U.S.C.§112(f)来解释,除非并且直到这样的权利要求限制明确地使用短语"用于…的部件",随后是没有进一步结构的功能陈述。
本书面描述使用示例来公开本文阐述的主题的若干实施例,包括最佳模式,并且还使本领域普通技术人员能够实践所公开的主题的实施例,包括制作和使用装置或系统以及执行方法。本文所述主题的可专利范围由权利要求限定,并且可以包括本领域普通技术人员想到的其它示例。如果此类其它示例具有与权利要求的字面语言并无不同的结构元件,或者如果它们包括与权利要求的字面语言无实质差异的等同结构元件,则此类其它示例打算处于权利要求的范围内。
Claims (10)
1.一种检查系统,包括:
光源,所述光源配置成将具有受控光特性的照明光导向工件的热障涂层的表面;
成像装置,所述成像装置配置成通过监测反射离开所述表面的照明光来捕获所述热障涂层的所述表面的图像数据;以及
一个或多个处理器,所述一个或多个处理器可操作地连接到所述成像装置,并且配置成通过将所述图像数据与描绘第一指定微结构的参考图像数据进行比较来分析所述表面的所述图像数据,所述第一指定微结构具有相关联的涂层质量值,其中所述一个或多个处理器配置成基于所述分析来确定所述工件的所述热障涂层具有所述第一指定微结构。
2.如权利要求1所述的检查系统,其中由所述光源产生的所述照明光为红外光,并且所述成像装置为红外相机。
3.如权利要求1所述的检查系统,其中所述一或多个处理器配置成响应于所述表面的所述图像数据的光特性在所述参考图像数据的所述光特性的指定阈值内而确定所述工件的所述热障涂层具有所述第一指定微结构。
4.如权利要求1所述的检查系统,其中与所述第一指定微结构相关联的所述涂层质量值低于预定质量阈值,并且响应于确定所述工件的所述热障涂层具有所述第一指定微结构,所述一个或多个处理器配置成生成控制信号,所述控制信号配置成修改热障涂层施加过程的一个或多个涂层控制参数。
5.如权利要求1所述的检查系统,其中响应于确定所述工件的所述热障涂层具有所述第一指定微结构,所述一个或多个处理器配置成生成控制信号,所述控制信号配置成将所述工件分类为具有所述第一指定微结构,以用于将所述工件与具有所述第一指定微结构的其它工件分组。
6.如权利要求1所述的检查系统,其中所述一个或多个处理器配置成通过计算所述图像数据与所述参考图像数据的比率并且将所述比率与和所述第一指定微结构相关联的预定阈值进行比较来分析所述表面的所述图像数据。
7.如权利要求1所述的检查系统,其中所述一个或多个处理器配置成通过基于所述图像数据生成梯度图像并且将所述梯度图像中的图案与描绘所述第一指定微结构的所述参考图像数据中的图案进行比较来分析所述表面的所述图像数据。
8.如权利要求1所述的检查系统,其中所述一个或多个处理器配置成控制所述光源以生成具有作为所述受控光特性的选择的波长范围的所述照明光,所述选择的波长范围与所述第一指定微结构相关联。
9.如权利要求8所述的检查系统,其中所述一个或多个处理器配置成控制所述光源以生成具有参考波长范围的光,并且控制所述成像装置以在利用具有所述参考波长范围的所述光照射所述工件时捕获工件参考图像,并且所述一个或多个处理器配置成通过计算所述图像数据与所述工件参考图像的比率来分析所述表面的所述图像数据。
10.如权利要求1所述的检查系统,其中所述一个或多个处理器配置成将所述表面的所述图像数据与描绘不同的第二指定微结构的附加参考图像数据进行比较,所述第二指定微结构具有相关联的涂层质量值,所述相关联的涂层质量值大于与所述第一指定微结构相关联的所述涂层质量值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/216,527 US10670539B1 (en) | 2018-12-11 | 2018-12-11 | Coating quality inspection system and method |
US16/216527 | 2018-12-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111383208A true CN111383208A (zh) | 2020-07-07 |
CN111383208B CN111383208B (zh) | 2023-08-29 |
Family
ID=70856192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911265726.7A Active CN111383208B (zh) | 2018-12-11 | 2019-12-11 | 涂层质量检测系统及方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10670539B1 (zh) |
CN (1) | CN111383208B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116603716A (zh) * | 2023-04-28 | 2023-08-18 | 宁波市融嘉轻合金科技有限公司 | 一种压铸件表面处理方法、系统、智能终端及存储介质 |
CN117291896A (zh) * | 2023-10-09 | 2023-12-26 | 深圳市正东明光电子有限公司 | 一种白光led荧光粉涂覆的校验方法及装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11017491B2 (en) * | 2019-08-22 | 2021-05-25 | The Boeing Company | Nonconformance detection system |
FR3116118A1 (fr) * | 2020-11-12 | 2022-05-13 | Exelsius | Dispositif de caractérisation de l’état de réticulation d’un matériau d’un objet. |
CN113399222B (zh) * | 2021-06-25 | 2023-04-07 | 东风汽车集团股份有限公司 | 一种可降低voc排放量的汽车车身涂装方法 |
WO2024086543A1 (en) * | 2022-10-18 | 2024-04-25 | Pdf Solutions, Inc. | Evaluating a surface microstructure |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7106432B1 (en) * | 2002-09-27 | 2006-09-12 | Kla-Tencor Technologies Corporation | Surface inspection system and method for using photo detector array to detect defects in inspection surface |
US20120050537A1 (en) * | 2010-08-27 | 2012-03-01 | General Electric Company | Thermal imaging method and appratus for evaluating coatings |
CN105210114A (zh) * | 2013-05-06 | 2015-12-30 | 赫尔克里士公司 | 用于分析涂料添加剂性能的设备和方法 |
WO2017111580A1 (en) * | 2015-12-23 | 2017-06-29 | Easyscan B.V. | Eye examination system comprising a fundus camera and an analyzing system |
CN107408297A (zh) * | 2014-11-24 | 2017-11-28 | 基托夫系统有限公司 | 自动检查 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6394646B1 (en) | 1999-04-16 | 2002-05-28 | General Electric Company | Method and apparatus for quantitative nondestructive evaluation of metal airfoils using high resolution transient thermography |
US7301149B2 (en) * | 2004-05-06 | 2007-11-27 | The Board Of Trustees Of The University Of Illinois | Apparatus and method for determining a thickness of a deposited material |
US8244488B2 (en) | 2009-11-25 | 2012-08-14 | General Electric Company | Thermal inspection systems |
US10666927B2 (en) | 2017-03-15 | 2020-05-26 | Baker Hughes, A Ge Company, Llc | Method and device for inspection of an asset |
US10473593B1 (en) * | 2018-05-04 | 2019-11-12 | United Technologies Corporation | System and method for damage detection by cast shadows |
-
2018
- 2018-12-11 US US16/216,527 patent/US10670539B1/en active Active
-
2019
- 2019-12-11 CN CN201911265726.7A patent/CN111383208B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7106432B1 (en) * | 2002-09-27 | 2006-09-12 | Kla-Tencor Technologies Corporation | Surface inspection system and method for using photo detector array to detect defects in inspection surface |
US20120050537A1 (en) * | 2010-08-27 | 2012-03-01 | General Electric Company | Thermal imaging method and appratus for evaluating coatings |
CN105210114A (zh) * | 2013-05-06 | 2015-12-30 | 赫尔克里士公司 | 用于分析涂料添加剂性能的设备和方法 |
CN107408297A (zh) * | 2014-11-24 | 2017-11-28 | 基托夫系统有限公司 | 自动检查 |
WO2017111580A1 (en) * | 2015-12-23 | 2017-06-29 | Easyscan B.V. | Eye examination system comprising a fundus camera and an analyzing system |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116603716A (zh) * | 2023-04-28 | 2023-08-18 | 宁波市融嘉轻合金科技有限公司 | 一种压铸件表面处理方法、系统、智能终端及存储介质 |
CN116603716B (zh) * | 2023-04-28 | 2024-03-29 | 宁波市融嘉轻合金科技有限公司 | 一种压铸件表面处理方法、系统、智能终端及存储介质 |
CN117291896A (zh) * | 2023-10-09 | 2023-12-26 | 深圳市正东明光电子有限公司 | 一种白光led荧光粉涂覆的校验方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200182805A1 (en) | 2020-06-11 |
US10670539B1 (en) | 2020-06-02 |
CN111383208B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111383208B (zh) | 涂层质量检测系统及方法 | |
CA3062044C (en) | System and method for work piece inspection | |
US6825931B2 (en) | Apparatus and method for automated game ball inspection | |
EP3776462B1 (en) | System and method for image-based target object inspection | |
EP3418726A1 (en) | Defect detection apparatus, defect detection method, and program | |
CN109840900B (zh) | 一种应用于智能制造车间的故障在线检测系统及检测方法 | |
JP2008145226A (ja) | 欠陥検査装置及び欠陥検査方法 | |
JPH09178663A (ja) | 反射面の不均一を検出する方法と装置 | |
KR20090077980A (ko) | 결함 검출 장치, 결함 검출 방법, 정보 처리 장치, 정보 처리 방법 및 그 프로그램 | |
US10488371B1 (en) | Nondestructive inspection using thermoacoustic imagery and method therefor | |
US6864971B2 (en) | System and method for performing optical inspection utilizing diffracted light | |
EP2212909B1 (en) | Patterned wafer defect inspection system and method | |
Schlosser et al. | A novel visual fault detection and classification system for semiconductor manufacturing using stacked hybrid convolutional neural networks | |
Fischer et al. | Monitoring of the powder bed quality in metal additive manufacturing using deep transfer learning | |
WO2012122481A1 (en) | Intelligent airfoil component grain defect inspection | |
WO2012122542A2 (en) | Intelligent airfoil component surface imaging inspection | |
US6847443B1 (en) | System and method for multi-wavelength, narrow-bandwidth detection of surface defects | |
US7206442B1 (en) | Optical inspection method utilizing ultraviolet light | |
CA2829576C (en) | Intelligent airfoil component surface imaging inspection | |
Ye et al. | Automatic optical apparatus for inspecting bearing assembly defects | |
US12019032B2 (en) | Electronic system and method of specimen qualification | |
EP4318394A1 (en) | System and method for generating training image data for supervised machine learning, and program | |
CN112534470B (zh) | 用于基于图像的目标对象检验的系统及方法 | |
Huang et al. | Study on Automated Detection Technologies for Dimensions and Coating Status of Propellants | |
CN114270280A (zh) | 使用光学尺寸标注来制造工件 |
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 |