CN107389732B - 一种激光扫描热成像裂纹检测方法 - Google Patents
一种激光扫描热成像裂纹检测方法 Download PDFInfo
- Publication number
- CN107389732B CN107389732B CN201710573305.5A CN201710573305A CN107389732B CN 107389732 B CN107389732 B CN 107389732B CN 201710573305 A CN201710573305 A CN 201710573305A CN 107389732 B CN107389732 B CN 107389732B
- Authority
- CN
- China
- Prior art keywords
- thermal
- laser
- crackle
- thermal signal
- signal
- 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.)
- Active
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
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于激光扫描热成像的裂纹检测方法。本发明中的线激光与试样发生相对运动来扫描加热试样表面,通过热像仪实时记录试样表面温度变化情况,计算机根据热图像中不同时刻的温度分布,获取试样表面各点热信号,并对热信号进行时间轴对齐和裁剪后,采用相邻热信号比较的方法对裂纹进行成像。本发明可以有效提升裂纹检测的信噪比,检测被测件表面的微小裂纹。
Description
技术领域
本发明涉及一种裂纹无损检测方法,用于对平面或圆柱被测件进行表面不连续性检测,特别涉及一种激光热成像的裂纹检测方法。
背景技术
裂纹是材料结构最主要的危害类型之一。材料表面的裂纹在早期尺寸相对较小,将其及早检出,防止裂纹的近一步发展,可以有效避免重大的经济损失。
相比磁粉检测、机器视觉、渗透检测、涡流检测等传统的裂纹检测方法,激光热成像技术具有独特的优势。对于尺寸非常小的裂纹检测灵敏度高,能对被测件进行远距离非接触检测,激光能量密度和位置可精确的控制,可对微米级别的裂纹形状清晰直观的成像;对于小零件检测速度快,易于实现自动化。其在航空材料和导弹表面疲劳裂纹检测、铁轨表面疲劳裂纹检测、半导体芯片裂纹检测、铁氧体等非金属材料表面裂纹检测等领域有较好的应用。
激光扫描热成像检测裂纹的基本原理是采用激光作为激励源加热试样表面,同时试样和激光发生相对运动,红外热像仪实时采集试样表面各位置的温度变化情况。如果试样表面存在缺陷,会阻碍热的传播,同时当激光扫描到缺陷区域时,缺陷对激光的吸收率更好,两者同时作用会造成缺陷区域或缺陷附近温度变化异常。通过分析不同位置在某时刻的温度特征可以识别出被测件裂纹。激光扫描热成像相对于脉冲激光热成像和锁相激光热成像检测速度更快,但信噪比更低,其检测结果易受到划痕、实验表面物性参数不均匀、激励功率不稳定等因素干扰。
对于热导率不高的材料表面微小裂纹检测信噪比不高的问题,目前常规的激光热成像数据处理方法主要是提取激光所在位置的温度特征或者试样表面所有位置的最高温温度特征对裂纹进行成像。但这种方法易受到热像仪噪声、试样表面物性参数不均匀、激光激励试样时功率不稳定的干扰,其所利用热视频的冗余信息较少,成像信噪比较低。
发明内容
本发明的目的是为了解决上述现有激光扫描热成像数据处理方法检测低热导率材料信噪比不高,检测微小裂纹困难的问题。提供了一种基于激光扫描热成像的相邻热信号比较的裂纹成像方法。
其检测过程为线激光一维扫描加热试样表面,红外热像仪记录被测件表面的温度变化情况,计算机通过分析试样表面温度的变化异常,对裂纹进行成像。
本发明采用数据处理方法为:将观测模型坐标系中不同时刻试样表面的温度空间分布转化为试样坐标系下表面各点的温升曲线,以激光扫描到试样表面待测点的时刻作为该点热信号的0时刻,这些点的热信号根据激光扫描速度固定这一先验知识严格进行时间同步,并根据数据重构和时间同步得到的坐标索引进行插值来提升热信号的精度,然后对热信号进行裁剪;选择与待测热信号相隔一个空间像素点位置的热信号作为参考热信号,对两个热信号进行加权欧氏距离计算或者对两者差值进行神经网络模型的映射,得到待测点的裂纹评价结果,对试样表面所有待测点进行以上步骤,最终将试样表面所有待测点的裂纹评价结果拼接成裂纹成像图。
本发明热信号的裁剪区间通过预先选择裂纹明显的试样做一次实验,选取裂纹两侧沿激光扫描方向相邻的两个热信号做差值,选取差值热信号绝对值大于检测噪声水平的时间区段。
常规的裂纹成像过程通过提取热图中激光所在位置的温度值,得到温度特征图,然后对温度特征图进行扫描方向上的一阶空间导数的计算,得到裂纹成像图,只使用试样表面各位置的某个时刻的温度特征。
本发明与常规激光热成像的裂纹成像方法相比,利用了试样表面各点整个温度变化过程的信息,对相邻位置温度变化的差异进行映射,抵消了一部分实验条件的干扰,相比现有技术取单个时刻的温度特征冗余信息利用更充分,可以提高检测***的裂纹成像信噪比,减小实验条件波动对结果的干扰,检测平面或者圆柱表面更细小的裂纹。
附图说明
图1为本发明相邻热信号比较方法的流程图;
图2为激光静止,试样运动模式的圆柱裂纹检测***的示意图;
图3为观测模型坐标系和试样坐标系;
图4为运动圆柱参数的示意图;
图5为裂纹位于像素边缘示意图;
图6为裂纹位于像素中间示意图;
图7为本发明方法与传统方法的实验对比图;
图8为裂纹两端热信号的差异;
图9为裂纹区域和非裂纹区域的相邻点差值热信号示意图;
图10为激光静止,试样运动模式的平面裂纹检测***示意图;
图11为激光运动,试样静止模式的平面裂纹检测***示意图
图12为常规方法和差值热信号的神经网络映射成像效果对比图。
具体实施方式
为了使本发明的目的、技术方案及优点清楚明白,以下结合附图对本发明做进一步说明:
本发明第一个实施例的检测***如图2所示,其实验对象为直径19mm的圆柱铁氧体器件,其在生产过程中因材料、工艺等问题可能产生人眼难以发现的微小裂纹。
检测***包括激光器1及其附属探头2、激光快门3、试样旋转装置5、红外热像仪6、电脑7。所述激光器1用于扫描加热圆柱被测件4;所述激光快门3用于在激光出光预热阶段吸收激光能量,使得激光功率达到稳定;试样旋转装置5用于使激光与圆柱被测件4之间发生相对运动;所述的红外热像仪6用于记录运动的圆柱被测件表面温度变化情况,以及将数据传送至电脑7进行分析,并对裂纹进行成像。其中,***采用圆柱旋转,激光静止的扫描方式。
本实施例的激光扫描热成像裂纹检测流程如下所示:
(1)首先关闭激光快门,激光出光约5分钟。
(2)试样旋转装置开始旋转,旋转线速度2.66mm/s。
(3)待试样旋转速度稳定同时激光出光功率稳定后,打开激光快门,开始持续扫描加热试样表面,红外热像仪开始采集数据,采样帧频200Hz。
(4)待试样旋转1.5圈后关闭激光快门,红外热像仪停止记录数据,同时计算机保存热视频序列。
在进行裂纹成像前需确定标志物在热图中的速度vx,通过带标志物的试样在热图中旋转,确定热图中标志物经过的某像素幅值变化情况,当标志物经过该像素,该像素的幅值最大,计算出像素幅值随时间变化的曲线两个幅值峰值所间隔的时间,可得试样旋转一周所经过的时间,从而得到试样旋转角速度,通过测量圆柱试样的直径,可以计算出试样激光扫描试样表面的线速度vx。
当获取参数vx后开始相邻热信号比较的流程:
(1)提取试样表面各点热信号。为了获取运动圆柱表面的热信号,建立观测模型坐标系Traw(τ,μ,γ)和试样表面坐标系Trc(t,x,y),如图3所示。将观测模型坐标系中不同时刻热图空间分布的热序列转化为试样表面坐标系中不同位置点的热信号。以激光经过待测点的时间为热信号的参考时间(0时刻),首先根据圆柱扫描运动的线速度vx固定这一先验知识,确定任意时刻τ线激光所在位置x,其中τ0为试样开始运动到待测区域的时刻。
x=vx(τ-τ0)
然后试样y方向温度和热图γ方向温度对应。
y=γ
接着确定热信号不同时刻温度。L为试样在时间间隔△t内实际运动过的距离,且需在热像仪视野感兴趣区域范围内。
将圆柱的检测问题转化为平面的检测问题。如图4所示,α和L分别为热信号冷却阶段在热图像中和实际中运动过的距离。μ和μl分别为试样表面待测点某时刻在热图中的位置和线激光所在位置,通过以下运算得到热信号的时间坐标。
(2)热信号时间轴同步及裁剪。由于在上一步中已完成热信号时间轴的对齐,只需要进行热信号的裁剪。热信号的裁剪区间为激光经过待测点位置前0.06秒到激光经过待测点后0.2秒的时间区段。裁剪区间的确定方法为:通过检测一次裂纹较明显试样的实验,选取裂纹两侧沿激光扫描方向相邻的两个热信号做差值,选取差值热信号绝对值大于检测噪声水平的时间区段。
(3)选取沿扫描方向上与待测点相隔一个空间像素的点作为参考点,提取这两点热信号做欧氏距离计算:
由于裂纹的尺寸小于热像仪的像素分辨力,最极端情况裂纹刚好位于两像素的边缘或裂纹刚好位于单个像素的中间,分别如图5和如图6所示。若裂纹刚好位于像素中间,相邻像素点热信号相似度比较信噪比较差。为了使裂纹与像素在不同的相对位置时信噪比都较好,取与待测点相隔一个像素的位置的热信号作为参考热信号,对裂纹进行成像。
(4)对所有待测点的相邻点热信号的欧氏距离进行计算,得到试样表面任意一点的裂纹评价值,最终试样表面所有点的裂纹评价值裂纹成像图。
其中本方法计算的欧氏距离为加权欧氏距离的一个特例,其权值向量w在所有维度都为1。
本发明的方法与常规方法对比如图7所示,本发明方法相比常规裂纹成像方法信噪比显著提升,能够清晰显示圆柱铁氧体表面微小裂纹。
常规的裂纹成像过程通过提取热图中激光所在位置的温度值,得到温度特征图,然后对温度特征图进行扫描方向上的一阶空间导数的计算,得到裂纹成像图。由此可见,常规方法只使用试样表面各位置的某个时刻的温度特征,其幅值受到激光和热像仪噪声的影响,同时试样表面物性参数不均匀也对某时刻温度特征产生干扰。
本发明的原理是识别裂纹附近的点整个温度变化过程中温度的差异。图8所示的是热信号随时间变化的关系,在激光持续加热扫描经过待测点前后,待测点热信号温度分为加热阶段和冷却阶段。如果试样表面存在缺陷,裂纹附近在扫描上游处的热信号如曲线8所示,扫描下游的热信号如曲线9所示。当激光扫描到裂纹位置时,激光的热量在裂纹附近扫描上游的一侧积聚。因此曲线8比曲线9在加热阶段温度更高;当激光经过裂纹后,曲线8比曲线9在冷却阶段温度更低。如果试样表面不存在缺陷。若没有裂纹相邻的热信号相似。裂纹处和非裂纹处相邻点的热信号相减如分别如图9中的曲线10和曲线11所示。
常规方法只提取了某个时刻的温度特征来成像,而本发明的方法对热信号裁剪后整个时间段内各个时刻的温度都进行了比较,对噪声的抑制作用更明显。
本发明检测***的第二个实施例中的检测***如图10所示,包括激光器1及其附属探头2、激光快门3、一维运动装置13、红外热像仪6、电脑7。所述激光器1用于扫描加热平面被测件12;所述激光快门3用于在激光初始出光阶段吸收激光能量,使得激光功率达到稳定;一维运动装置13用于使激光与平面被测件12之间发生相对运动;扫描速度为10.165mm/s。所述的红外热像仪6用于记录运动的圆柱被测件表面温度变化情况,采样帧频为66Hz,将数据传送至电脑7进行分析,并采用数据重构和相邻热信号比较的方法对裂纹进行成像。检测流程和数据重构方法同第一个实施例,但不需要将圆柱问题转化为平面问题。
其中输入参数线激光的在热图像中的扫描速度vx通过标志物不同时刻t所在位置x拟合得到。
其相邻热信号映射的方法与第一个实施例不同,提取各待测点与相隔一个像素的参考点的热信号,将两热信号相减得到差值热信号;将各待比较点的差值热信号输入训练得到Fisher线性判别模型;最终输出各个位置的裂纹评价结果。采用Fisher线性判别训练得到的权值可作为加权欧氏距离的权值w,对相邻的热信号进行加权欧氏距离计算:
对所有位置的热信号进行加权欧氏距离计算得到裂纹评价结果,将所有位置的裂纹评价结果组合得到裂纹成像图。
其中,Fisher线性判别模型w的训练数据来源于根据实际测试对象建立仿真模型,使得仿真数据和观测数据吻合。通过相同的数据处理方法提取试样表面的热信号将1000组实验数据100000个等量的缺陷类差值热信号和非缺陷类差值热信号。然后计算输入的两类差值热信号的均值向量m1、m2和离散度矩阵Sw,最终可以得到差值热信号的最优投影向量w:
w=Sw -1(m1-m2)
此时两类差值热信号的类间差异最大,类内差异最小。最佳投影方向w即为待求加权欧氏距离的权值向量,其本质上为机器学习模型的映射关系。
以300组噪声标准差为0.3℃仿真数据,作为测试集数据,检测与线激光线长方向呈45°的裂纹,得到各位置的裂纹评价结果,在Fisher线性判别模型经过充分训练的情况下,相比计算相邻热信号欧氏距离的方法得到的裂纹评价结果信噪比平均提升41%。
本发明的裂纹成像方法的第三个实施例,被测对象为平面铁氧体,其表面存在1μm宽,600微米深的裂纹。激光扫描热成像检测***采用激光运动,试样静止的运动模式,检测铁氧体平面如图11所示。线激光探头2一维运动扫描加热平面被测件12表面,其中激光探头2安装在一维运动平台13上,扫描速度为10.165mm/s。热像仪6实时记录试样表面的温度变化情况,采样帧频为66Hz,最后电脑7通过数据分析得到试样表面的裂纹成像结果。该模式的相邻热信号比较的方法如下所示:
(1)数据重构。试样坐标系Trc(t,x,y)和观测模型坐标系Traw(τ,μ,γ)下空间位置一一对应进行转换,Trc(t,x,y)=Traw(τ,μ,γ)得到试样表面各位置的热信号。
(2)热信号时间轴对齐和裁剪。首先进行速度预测,根据激光扫描的线速度vx固定这一先验知识,求线激光扫描位置x与时间t的拟合关系,根据x=vt得到激光在热图像中扫描的线速度v。根据拟合得到的速度v,得到激光经过热图像各像素中心的真实时间t=x/v;以激光经过待测点像素(位置x)的时间作为热信号的时间零点t0,对各像素的热信号进行时间平移T(t-t0),由于t0为浮点数,采用三次样条插值对热信号的时间轴进行超分辨;最后将热信号裁剪至激光经过待测点前8帧数据到激光点经过待测点后40帧数据,使得不同位置的热信号长度相同,同时具有信息量。其中裁剪区间按照第一个实施例中的方法得到。
(3)提取待测点与相隔一个像素的参考点的热信号s1和s2,将两个热信号相减得到差值热信号s1-s2,将差值热信号送入BP神经网络训练得到的模型,经非线性映射,得到待测点的裂纹评价结果。
(4)对所有待测点按照相同的方法得到裂纹评价值,最终所有点的评价结果组成试样表面的裂纹成像图。
其中神经网络模型的训练数据为1000组与真实实验数据规律吻合的仿真实验数据。每组实验数据提取裂纹处100个差值热信号向量和非裂纹处100个差值热信号向量,将提取的热信号作为数据集输入BP神经网络结构训练。其中BP神经网络采用三层结构,输入层节点数51,隐含层节点数经试凑法得到最佳为18,输出层节点数为1,隐含层和输出层的传递函数为tansig函数、模型通过批梯度下降算法可以训练得到。
当300组噪声标准差为0.3℃仿真数据,作为测试集数据,检测与线激光线长方向呈45°的裂纹时,得到各位置的裂纹评价结果,相比计算相邻热信号欧氏距离的方法得到的裂纹评价结果信噪比平均提升351%。
对其中一个噪声标准差为0.3℃热成像数据分别采用常规裂纹成像某时刻温度特征空间差分的方法和本案例提到的差值热信号神经网络映射的方法对裂纹进行成像效果对比如图12所示,后者信噪比效果远好于前者。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (3)
1.一种激光热成像裂纹检测方法,其检测过程为线激光一维扫描加热试样表面,红外热像仪记录被测件表面的温度变化情况,计算机通过分析试样表面温度的变化异常,对裂纹进行成像,其特征在于,采用如下数据处理方式:
将观测模型坐标系中的温度数据转化为试样坐标系中不同位置的时间变化曲线,获得试样表面各位置的热信号;
以激光经过待测点的时间作为热信号的参考时间,对热信号进行时间轴对齐和裁剪;
在试样坐标系中选择与待测点相隔一个像素距离的位置作为参考点,计算两个点热信号的差值,然后将该差值向量映射到一个标量,得到相邻热信号的差异评价;
对试样表面所有位置进行相邻热信号差异评价,所有像素得到的评价结果组成裂纹检测结果图。
2.根据权利要求1所述的激光热成像裂纹检测方法,其特征在于,热信号的裁剪过程中的区间采用如下方式确定:选取一个裂纹明显的被测件进行实验,通过将裂纹两侧相邻的两个热信号相减得到差值热信号,选取的差值热信号幅值绝对值大于噪声水平的区间。
3.根据权利要求1所述的激光热成像裂纹检测方法,其特征在于,热信号的差值的映射形式为加权欧氏距离或者神经网络模型的映射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710573305.5A CN107389732B (zh) | 2017-07-14 | 2017-07-14 | 一种激光扫描热成像裂纹检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710573305.5A CN107389732B (zh) | 2017-07-14 | 2017-07-14 | 一种激光扫描热成像裂纹检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107389732A CN107389732A (zh) | 2017-11-24 |
CN107389732B true CN107389732B (zh) | 2019-08-27 |
Family
ID=60339730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710573305.5A Active CN107389732B (zh) | 2017-07-14 | 2017-07-14 | 一种激光扫描热成像裂纹检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107389732B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169282A (zh) * | 2017-12-30 | 2018-06-15 | 西安交通大学 | 差动式激光诱导红外热成像无损检测***及方法 |
US11954844B2 (en) * | 2018-08-21 | 2024-04-09 | University Of Kansas | Fatigue crack detection in civil infrastructure |
CN110134110A (zh) * | 2019-05-15 | 2019-08-16 | 哈尔滨工业大学 | 基于区间控制策略的转子裂纹故障检测方法 |
CN111323454B (zh) * | 2020-03-06 | 2022-04-15 | 中国计量大学 | 一种激光热成像检测裂纹的方法 |
CN111323366A (zh) * | 2020-03-09 | 2020-06-23 | 上海中科深江电动车辆有限公司 | 基于同步器摩擦系数的检测方法及相应的磨损试验台 |
CN113376211A (zh) * | 2020-03-10 | 2021-09-10 | 觉芯电子(无锡)有限公司 | 一种基于热扩散梯度的元件级裂纹检测方法及装置 |
CN111429422A (zh) * | 2020-03-19 | 2020-07-17 | 中国工程物理研究院激光聚变研究中心 | 基于深度学习的激光近场状态分析方法及装置 |
CN111523553B (zh) * | 2020-04-03 | 2023-04-18 | 中国计量大学 | 一种基于相似度矩阵的中心点网络多目标检测方法 |
CN111678948B (zh) * | 2020-06-02 | 2022-07-19 | 四川大学 | 钢轨表面缺陷高速无损检测方法及其实施装置 |
CN111896581B (zh) * | 2020-08-06 | 2022-03-25 | 西南石油大学 | 一种基于岩石电阻变化的裂纹分布检测方法 |
CN112484681B (zh) * | 2020-11-02 | 2022-04-29 | 中国人民解放军陆军装甲兵学院 | 裂纹深度检测方法及装置 |
CN112697807B (zh) * | 2020-12-09 | 2024-03-26 | 江汉大学 | 一种圆柱状物体表面裂纹宽度检测方法 |
CN113298006B (zh) * | 2021-06-04 | 2024-01-19 | 西北工业大学 | 基于脑机融合认知与决策的异常目标检测新方法 |
CN113916937A (zh) * | 2021-08-24 | 2022-01-11 | 中国人民解放军陆军装甲兵学院 | 裂纹检测方法、装置、电子设备及存储介质 |
CN113960111B (zh) * | 2021-09-15 | 2022-09-09 | 湖南大学 | 基于热像仪与激光联动扫描技术的三维热成像***与方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1571982A (zh) * | 2002-03-26 | 2005-01-26 | 科学与工业研究会 | 存在仪器噪声和测量误差时人工神经网络模型改进的性能 |
CN101960579A (zh) * | 2008-12-17 | 2011-01-26 | 恪纳腾公司 | 缺陷检测及响应 |
CN105301051A (zh) * | 2015-11-18 | 2016-02-03 | 北京理工大学 | 适用于tbc脱粘缺陷快速检测线激光扫描热波成像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8153975B2 (en) * | 2004-12-01 | 2012-04-10 | White Box, Inc. | Interfacing devices and systems |
-
2017
- 2017-07-14 CN CN201710573305.5A patent/CN107389732B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1571982A (zh) * | 2002-03-26 | 2005-01-26 | 科学与工业研究会 | 存在仪器噪声和测量误差时人工神经网络模型改进的性能 |
CN101960579A (zh) * | 2008-12-17 | 2011-01-26 | 恪纳腾公司 | 缺陷检测及响应 |
CN105301051A (zh) * | 2015-11-18 | 2016-02-03 | 北京理工大学 | 适用于tbc脱粘缺陷快速检测线激光扫描热波成像方法 |
Non-Patent Citations (3)
Title |
---|
Crack Imaging by Scanning Laser-line Thermography and Laser-spot;T Li 等;《Measurement Science and Technology》;20111231;第22卷(第3期);第1-24页 * |
Thermographic Detection of Surface Breaking Defects Using a Scanning Laser Source;S.E.Burrows 等;《NDT&E International》;20110617;第589-596页 * |
基于红外成像的智能诊断***设计;蔡宗平 等;《微计算机信息》;20061231;第22卷(第8-2期);第310-312页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107389732A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107389732B (zh) | 一种激光扫描热成像裂纹检测方法 | |
Lu et al. | An estimation method of defect size from MFL image using visual transformation convolutional neural network | |
Usamentiaga et al. | Automated dynamic inspection using active infrared thermography | |
CN106996944B (zh) | 一种热成像检测中的亚表面缺陷形状重构方法 | |
Nicholson et al. | Modelling and experimental measurements of idealised and light-moderate RCF cracks in rails using an ACFM sensor | |
CN104897774B (zh) | 一种碳纤维复合材料的电涡流细观构造成像方法 | |
CN111553877B (zh) | 基于太赫兹陶瓷基复合材料叶片损伤识别和寿命评估方法 | |
CN108226290A (zh) | 一种基于超声相控阵的零件内部缺陷三维参数提取方法 | |
CN109828023A (zh) | 一种基于涡流成像的金属构件缺陷定量检测方法与装置 | |
CN112699912B (zh) | 一种通过改进gan增强红外热图像的方法 | |
CN105571549A (zh) | 一种柱面涂层热波成像无损检测方法 | |
CN109919905A (zh) | 一种基于深度学习的红外无损检测方法 | |
JP2012159502A (ja) | 締め具(fastener)自動検査のための非破壊試験方法 | |
Liu et al. | Pulsed eddy current data analysis for the characterization of the second-layer discontinuities | |
CN104698036B (zh) | 基于三维温度曲面相似性分析的涡流热成像缺陷识别方法 | |
Li et al. | Intelligent damage recognition of composite materials based on deep learning and ultrasonic testing | |
Huang et al. | Thermal pattern reconstruction of surface condition on freeform-surface using eddy current pulsed thermography | |
Oswald-Tranta et al. | Thermographic crack detection and failure classification | |
Kurc et al. | Non-contact robotic measurement of jet engine components with 3D optical scanner and UTT method | |
Udpa et al. | Automated analysis of eddy current signals in steam generator tube inspection | |
JP4097079B2 (ja) | 欠陥検査方法およびその装置 | |
Han | Inner defect detection of glass fiber reinforced polymer sandwich panel using pulsed terahertz imaging based on smoothing and derivative | |
D’Accardi et al. | Evaluation of typical rail defects by induction thermography: experimental results and procedure for data analysis during high-speed laboratory testing | |
Jiang et al. | Automatic detection of microcracks on the surface of special steel wire based on remanence effect | |
Jiangfei et al. | Accurate detection of a defective area by adopting a divide and conquer strategy in infrared thermal imaging measurement |
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 |