[發明專利]基于時序熱圖加權疊加的紅外無損檢測方法

有效

• 申請號: 201310736898.4
• 申請日: 2013-12-27
• 公開（公告）號: CN103728313A
• 公開（公告）日: 2014-04-16
• 發明（設計）人: 周建民;李鵬;胡林海;劉正平;楊君;萬琪
• 申請（專利權）人: 華東交通大學
• 主分類號: G01N21/88
• 分類號: G01N21/88
• 代理公司: 南昌新天下專利商標代理有限公司 36115
• 代理人: 施秀瑾

1.一種基于時序熱圖加權疊加的紅外無損檢測方法，其特征在于：技術方案主要包括下列步驟：

第一步驟：采用熱激勵源加熱試件，設定熱激勵源與試件的位置及距離，確定加熱時間，對試件缺陷面均勻加熱；

第二步驟：試件加熱后，設定紅外熱像儀與試件的位置及距離，選擇采集周期，通過紅外熱像儀自動采集試件降溫過程的紅外時序熱圖，采集過程中保證紅外熱像儀與試件位置不變，且視場剛好覆蓋試件缺陷面；

第三步驟：對采集的紅外時序熱圖進行灰度化，獲得時序灰度圖；提取時序灰度圖中正常和缺陷區域的灰度值，并以該灰度差值的加權和構建目標函數，目標函數f的表達式如下：

???（i=1、2、3…N）??????????????????

式中，N為時序熱圖的幀數，α_i為加權系數，X_i為缺陷區域的灰度平均值，Y_i為正常區域的灰度平均值；

第四步驟：采用遺傳算法優化加權系數，使目標函數值達到最大值，具體步驟包括：

步驟一：初始化參數，設定種群規模M、交叉和變異概率等參數，設計迭代次數等終止條件，

步驟二：初始化父代種群，生成M×N維隨機加權系數構成初始父代種群，其中，M為種群個體的數量，N為種群個體的維數，生成M個種群個體，每個個體為N維向量，

步驟三：計算目標函數，以時序灰度圖正常和缺陷區域灰度差值的加權和構建目標函數，???（i=1、2、3…N），計算目標函數值，并判斷終止條件，

步驟四：計算適應度，根據目標函數值計算適應度，

步驟五：生成優選池，

根據適應度值對父代種群進行選擇和復制，生成優選池，

步驟六：二進制編碼，

采用二進制碼表示優選池中個體，

步驟七：生成子代種群，

根據交叉和變異概率，利用單點算子對優選池個體的二進制碼進行交叉和變異運算，生成子代種群，

步驟八：重復步驟三至步驟七，直至滿足迭代終止條件為止；

第五步驟：根據最優加權系數，對所有的時序灰度圖進行加權，然后再進行疊加及歸一化處理，獲得突顯缺陷特征信息的加權疊加灰度圖。

2.如權利要求1所述的一種基于時序熱圖加權疊加的紅外無損檢測方法，其特征在于：

以鋁板的表面孔洞缺陷檢測為例，具體實施過程如下：

1）制備試件：以長、寬、厚分別為220mm、162mm和16mm的鋁板為對象，制備深度h分別為3mm和5mm，直徑D分別為2.5mm、4.2mm、6mm和8mm的8類孔洞缺陷，以其作為待測試件；

2）采集時序熱圖：室溫為25℃，采用兩只250W的紅外輻射燈均勻照射試件缺陷面，照射距離為5cm，對鋁板缺陷面加熱20min后，采用紅外熱像儀距離試件50cm，采集試件降溫過程的紅外時序熱圖，采集周期為30s，獲得30幀紅外時序熱圖；

3）構建目標函數：對紅外時序熱圖進行灰度化，以時序灰度圖中正常和缺陷區域灰度差值的加權和作為目標函數；

4）加權系數優化：采用遺傳算法對加權系數進行優化，使目標函數值最大，初始化參數分別為：幀數為30、種群大小為300、雜交概率為0.9、變異概率為0.01、最大迭代次數為2000，終止條件為：條件一：當種群中目標函數的最大值與平均值之差小于1%時終止迭代、條件二：達到最大迭代次數時終止迭代；

5）獲取加權疊加圖：根據優化后的加權系數，對所有的時序灰度圖進行加權疊加后再作歸一化處理，獲得能夠突顯缺陷區域特征的加權疊加灰度圖。