CN114841921A - 热成像不均匀温度背景获取方法及缺陷检测方法 - Google Patents
热成像不均匀温度背景获取方法及缺陷检测方法 Download PDFInfo
- Publication number
- CN114841921A CN114841921A CN202210319721.3A CN202210319721A CN114841921A CN 114841921 A CN114841921 A CN 114841921A CN 202210319721 A CN202210319721 A CN 202210319721A CN 114841921 A CN114841921 A CN 114841921A
- Authority
- CN
- China
- Prior art keywords
- temperature
- background
- pixel point
- thermal imaging
- row
- 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
- 238000001931 thermography Methods 0.000 title claims abstract description 74
- 230000007547 defect Effects 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000002950 deficient Effects 0.000 claims description 14
- 238000013507 mapping Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/90—Testing, inspecting or checking operation of radiation pyrometers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
一种热成像不均匀温度背景获取方法及缺陷检测方法,所述热成像不均匀温度背景获取方法,对热成像图像的每一行像素点进行解析,获取每一行像素点的不均匀温度背景;然后结合所有行像素点的不均匀温度背景构成整个热成像图像的不均匀温度背景。本发明中,首先根据经验规则选取非缺陷像素点,然后通过非缺陷像素点构建热成像图像的不均匀温度背景,实现了对热成像图像的不均匀温度背景的精确计算,为不均匀温度背景的剔除奠定了基础。
Description
技术领域
本发明涉及热成像缺陷检测技术领域,尤其涉及一种热成像不均匀温度背景获取方法及缺陷检测方法。
背景技术
随着现代材料技术和科技的飞速发展与进步,航空工业、军事机械、石油和天然气等行业在我们生活中越来越重要。然而这些行业在生产和设备运行过程中的许多重要结构和材料经常出现难以预估的裂缝和损伤等问题。这些缺陷将显著降低材料在荷载作用下的强度和性能,最终使材料的结构损坏、寿命降低,甚至导致严重的安全事故。因此,无损检测技术作为保障各类设备和产品的安全性运行和可靠性的重要手段而出现。
红外热成像技术作为新兴的无损检测技术受到广泛的研究,它通过光学激励、涡流激励等外部手段加热物体,缺陷的存在阻碍了热量的传播,然后采集和分析物体表面的热图像序列来检测物体是否存在裂纹、分层和腐蚀等缺陷。特别地,红外热成像技术与其它无损检测技术相比有许多优势,例如红外热成像是一种非接触技术,这意味着它不会以任何方式影响目标或干扰其操作,并且可以安全的监测极高温度或危险的物体。最为重要的一点是,红外热成像技术只需要简单且相当便宜的仪器,并且方法简单,红外热成像设备检验员的培训时间远少于其他无损检测技术的培训时间。但在使用红外热成像技术检测缺陷时,热源位置、设备老化、表面光学特性不均匀等因素会导致不均匀加热,且难以避免,严重影响检测结果和降低图像质量。
发明内容
为了解决上述现有的红外热成像技术中不均匀加热对检测精度的不利影响,本发明提出了一种热成像不均匀温度背景获取方法及缺陷检测方法。
本发明提供的一种热成像不均匀温度背景获取方法,实现了不均匀温度背景的精确解析。
一种热成像不均匀温度背景获取方法,对热成像图像的每一行像素点进行解析,获取每一行像素点的不均匀温度背景;然后结合所有行像素点的不均匀温度背景构成整个热成像图像的不均匀温度背景;
获取每一行像素点的不均匀温度背景的方法包括以下步骤:
S11、设置非缺陷像素点集合和温度拟合模型,温度拟合模型为:
T(i)=fθ(i)
其中,T(i)为该行第i个像素点的测量温度值,f表示测量温度值T(i)与像素点排序i的映射关系;θ表示温度拟合模型的模型参数;
S12、令i’为数集(2、3、4……、N-1)中的任意值;
S13、将温度数据((1,T(1))、(N,T(N))、(i’,T(i’))代入温度拟合模型,求解模型参数θ=θ1;(i’,T(i’))表示该行第i’个像素点的测量温度值为T(i’);N为热成像图像的每一行像素点的数量;
S4、将θ=θ1代入温度拟合模型获得温度预测模型:
T(i)=fθ1(i);
根据以上温度预测模型,计算该行各个像素点的预测温度Tf(i);
S15、计算该行各个像素点的预测温差E(i):
E(i)=T(i)-Tf(i);
计算该行中E(i)>0的像素点的数量记作Npos+,计算该行中E(i)<0的像素点的数量记作Npos-;
S16、判断是否满足Npos+-2Npos-≥0;否,执行步骤S17;是,则将该像素点i'作为非缺陷像素点记入所述的非缺陷像素点集合,然后执行步骤S17;
S17、判断i'是否遍历(2、3、4……、N-1);否,则更新i’,i’在(2、3、4……、N-1)内继续取值,然后返回步骤S13;是,则执行步骤S18;
S18、将非缺陷像素点集合中各非缺陷像素点i'与对应的测量温度T(i’)构成样本数据(i’,T(i’)),结合所有的样本数据对温度拟合模型进行拟合以求解模型参数θ=θ’;
S19、获得该行的不均匀温度背景模型,记作:
Tg(i)=fθ'(i);
其中,Tg(i)表示该行第i个像素点的不均匀温度背景温度值;
结合不均匀温度背景模型计算该行个像素点的不均匀温度背景温度值以构成该行的不均匀温度背景。
优选的,温度拟合模型可采用抛物线公式,记作:
T(i)=ai2+bi+c
其中,a、b、c为抛物线参数,θ为a、b、c的集合。
优选的,S12中令i’=2,S17具体为:判断i’是否小于N-1;是,则令i’=i’+1,然后返回步骤S13;否,则执行步骤S18。
优选的,S18中采用最小二乘法拟合求解模型参数θ。
本发明提出的一种热成像缺陷检测方法,实现了热成像检测技术中不均匀温度背景的精确去除。
一种热成像缺陷检测方法,包括以下步骤:
S21、获取检测物体的热成像图像作为检测图像,并采用上述的热成像不均匀温度背景获取方法获取检测图像的不均匀温度背景;
S22、计算检测图像上每个像素点的去背景温度值,去背景温度值为像素点的测量温度值与不均匀温度背景温度值的差值;
S23、根据检测图像上每个像素点的去背景温度值解析缺陷信息。
本发明提供的一种热成像缺陷检测***,为上述的一种热成像缺陷检测方法提供了载体。
一种热成像缺陷检测***,包括存储器,所述存储器中存储有计算机程序,所述计算机程序被执行时用于实现上述的热成像缺陷检测方法。
一种热成像缺陷检测***,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,处理器与存储器连接,处理器执行所述计算机程序实现上述的热成像缺陷检测方法。
优选的,还包括热成像模块,所述热成像模块用于采集检测物品的热成像图像,处理器与热成像模块连接。
本发明的优点在于:
(1)本发明提供的一种热成像不均匀温度背景获取方法,首先根据设定规则选取非缺陷像素点,然后通过非缺陷像素点构建热成像图像的不均匀温度背景,实现了对热成像图像的不均匀温度背景的精确计算,为不均匀温度背景的剔除奠定了基础。
(2)本发明中,采用抛物线公式作为温度拟合模型,符合热成像图像上的温度分布特性,有利于提高热成像图像的解析精度。
(3)本发明中,采用顺序移动的方式逐一判断单行像素点中的各个像素点,有利于避免遗漏非缺陷像素点,保证不均匀温度背景的精确计算,并实现了数据的高效处理。
(4)本发明中,采用最小二乘法拟合不均匀温度背景模型的参数,高效快捷,适用性强。
(5)本发明提出的一种热成像缺陷检测方法,首先采用上述的热成像不均匀温度背景获取方法获取检测图像的不均匀温度背景,再将热相机采集到的检测图像序列逐帧减去不均匀温度背景从而实现去除不均匀温度背景,达到了增强红外热成像缺陷检测结果的目的。该检测方法既有效地避免了计算所有像素点导致计算的不均匀温度背景不准确的缺陷,又避免了使用优化迭代算法陷入局部最优解的问题。
(6)本发明提出的一种热成像缺陷检测***,为上述热成像缺陷检测方法的实施提供了载体,便于所述方法的推广。
附图说明
图1为红外热成像检测***示意图;
1、红外热相仪;2、计算机;3、脉冲发生器;4、光源;100、检测物体;101、检测物体上的缺陷。
图2为一种热成像不均匀温度背景获取方法流程图;
图3为一种热成像缺陷检测方法流程图;
图4为本发明实施例寻找非缺陷位置像素点的细节图;
图5为发明实施例寻找到的非缺陷位置的像素点;
图6本发明实施例中的检测图像中的一行像素点去除加热背景前后的温度数据对比。
具体实施方式
实施例1
本实施例提出的一种热成像不均匀温度背景获取方法,首先获取热成像图像每一行像素点的不均匀背景温度,然后将各行像素点的不均匀背景温度根据行排序整合成整个热成像图像的不均匀背景温度。
本实施方式中,获取每一行像素点的不均匀温度背景的方法包括以下步骤:
S11、设置非缺陷像素点集合和温度拟合模型:本实施方式中,温度拟合模型采用如公式(1.1)所述的抛物线公式。
T(i)=ai2+bi+c (1.1)
其中,T(i)为该行第i个像素点的测量温度值;a、b、c为抛物线参数。
S12、令i’=2;
S13、将温度数据(1,T(1))、(N,T(N))、(i’,T(i’)代入公式(1),求解a、b、c;(i’,T(i’))表示该行第i’个像素点的测量温度值为T(i’),((1,T(1))、(N,T(N))同理;N为图像每一行像素点的数量,即像素点的列数。
S14、将a、b、c代入公式(1.1)获得温度预测公式:
Tf(i)=ai2+bi+c (2.1);
值得注意的是,公式(1.1)中a、b、c为未知量,公式(2.1)中,a、b、c为已知量。
根据以上公式(2.1),计算该行各个像素点的预测温度Tf(i);
S15、计算该行各个像素点的预测温差E(i):
E(i)=T(i)-Tf(i);
计算该行中E(i)>0的像素点的数量记作Npos+,计算该行中E(i)<0的像素点的数量记作Npos-;
S16、判断是否满足Npos+-2Npos-≥0;否,执行步骤S17;是,则将该像素点i'作为非缺陷像素点记入所述的非缺陷像素点集合,然后执行步骤S17;
S17、如果i’<N-1,则令i’=i’+1,然后返回步骤S13;如果i’=N-1,则执行步骤S18。
S18、将非缺陷像素点集合中各非缺陷像素点i'与对应的测量温度T(i’)构成样本数据(i’,T(i’)),结合所有的样本数据对公式(1.1)进行拟合以求解模型参数a、b、c,记作a=a’,b=b’,c=c’;
S19、获得该行的不均匀温度背景模型,记作:
Tg(i)=a'i2+b'i+c'; (4.1)
其中,Tg(i’)表示该行第i个像素点的不均匀温度背景温度值;
结合不均匀温度背景模型计算该行个像素点的不均匀温度背景温度值以构成该行的不均匀温度背景。
具体的,本实施例中,在最终整合时,可结合行信息对各个像素点的不均匀温度背景温度值进行表示,例如第j行第i个像素点的不均匀温度背景温度值可表示为Tg(j,i),假设整体热成像图像由J行I列像素点组成,则该热成像图像的不均匀温度背景Tg可表示为如下矩阵:
值得注意的是,具体实施时,温度拟合模型也可采用其他模型,例如多元回归方程式等。
本实施例中,获得所有非缺陷像素点后,可采用最小二乘法拟合在公式(1.1)的基础上拟合参数以获得不均匀温度背景模型即公式(4.1)。
本实施例中,通过i'遍历数集(2、3、4……、N-1)执行S13-S16,以获取热成像图像中所有的非缺陷像素点。本实施例中,采用顺序执行的方式遍历数集(2、3、4……、N-1),高效且不易出错;具体实施时也可采用随机的方式从数集(2、3、4……、N-1)中取值,但需要保证数集中每一个值必须参与运算。
实施例2
本实施例中提供了一种热成像缺陷检测方法,具体包括以下步骤:
S21、获取检测物体的热成像图像作为检测图像,并采用上述的热成像不均匀温度背景获取方法获取检测图像的不均匀温度背景;
S22、计算检测图像上每个像素点的去背景温度值,去背景温度值为像素点的测量温度值与不均匀温度背景温度值的差值;
S23、根据检测图像上每个像素点的去背景温度值解析缺陷信息。
本实施例中,通过测量温度值与不均匀温度背景温度值相减,去除了目标图像的不均匀温度背景,根据所述差值解析检测物体的缺陷信息,消除了热成像过程中不均匀温度背景对缺陷信息解析的不利影响,使得最终解析获得的检测物体的缺陷更加精确,避免误判和遗漏。值得注意的是,本实施例中步骤S23中根据检测图像的去背景温度值分布检测物体的缺陷信息的方法为现有技术,在此不做赘述。
本实施例中的热成像缺陷检测方法可具体分为以下步骤:
步骤1:通过热成像模型例如红外热相仪获取检测物体的热成像图像作为检测图像,将检测图像上第j行第i列像素点处的测量温度值记作T(j,i),1≤j≤J,1≤i≤J,J表示检测图像上的像素点行数,I表示表示检测图像上的像素点列数。
步骤2:针对每一行设置非缺陷像素点集合和如公式(1.2)所示的温度拟合模型:
T(j,i)=ai2+bi+c (1.2);
步骤3:令i’=2;
步骤4:结合像素点坐标为(j,1)、(j,N)和(j,i’)的像素点的测量温度值与公式(1.2),获得以下延伸公式:
根据公式(1.21),可求解a、b、c,得a=a1,b=b1,c=c1
步骤5:将a=a1,b=b1,c=c1代入公式(1.2)获得温度预测公式:
Tf(j,i)=a1i2+b1i+c1 (2.2);
根据以上公式(2.2),计算第j行各个像素点的预测温度值,即Tf(j,i)、Tf(j,i)、…Tf(j,i)、…Tf(j,I)。
步骤6:计算第j行各个像素点的预测温差E(j,i):
E(j,i)=T(j,i)-Tf(j,i);
计算第j行中E(j,i)>0的像素点的数量记作Npos+,计算第j行中E(j,i)<0的像素点的数量记作Npos-;
步骤7:是否满足Npos+-2Npos-≥0;否,执行步骤8;是,则将该像素点(j,i’)作为非缺陷像素点记入检测图像第j行对应的非缺陷像素点集合,然后执行步骤8;
步骤8:判断i’是否小于N-1;否,则更新i’=i’+1,然后返回步骤4;是,则执行步骤9;
步骤9:将检测图像第j行对应的非缺陷像素点集合中各非缺陷像素点的列坐标i’与对应的测量温度值T(j,i’)构成样本数据(i’,T(j,i’))j,结合所有的样本数据采用最小二乘法对公式(1.2)进行拟合以求解模型参数a=a’,b=b’,c=c’,获得检测图像第j行像素点的不均匀温度背景模型如下式(4.2)所示。
Tg(j,i)=a'i2+b'i+c' (4.2)
步骤10:将检测图像第j行所有像素点带入不均匀温度背景模型获得不均匀温度背景温度值,第j行所有像素点的温度信息可表示为{(j,k),T(j,k),Tg(j,k)}k∈R;其中R={1、2、…、i、…、I},(j,k)表示检测图像第j行第k个像素点,T(j,k)表示检测图像第j行第k个像素点的测量温度值,Tg(j,k)表示检测图像第j行第k个像素点的不均匀温度背景温度值。
步骤11:根据上述步骤2到步骤10,检测图像的温度信息,记作:{(h,k),T(h,k),Tg(h,k)}k∈R,h∈H,R={1、2、…、i、…、I},H={1、2、…、i、…、J};
其中,(h,k)表示检测图像第h行第k个像素点,T(h,k)T(h,k)表示检测图像第h行第k个像素点的测量温度值,Tg(h,k)表示检测图像第h行第k个像素点的不均匀温度背景温度值。
步骤12:针对整个热图像的每一个像素点,计算测量温度值减去对应的不均匀温度背景温度值获得目标数据,以便根据目标数据解析检测物体的缺陷信息。具体的,目标数据可表示为{(h,k),T(h,k)-Tg(h,k)}k∈R,h∈H;T(h,k)-Tg(h,k)表示检测图像上像素点(h,k)对应的目标数据。
因为目标数据为测量温度去除了不均匀温度背景后的温度数据,所以目标数据为仅包含缺陷信息的温度数据,可用于解析图像的缺陷信息,且消除了不均匀背景对解析精确度的不利影响。
图4-6为某一实施例的实际操作过程中,实际操作时,像素点尺寸定义不同,一幅图像划分的像素点数量不同,故而4-图6中横坐标以图像宽度取代像素点序号。根据像素点尺寸确定像素点序号和图像长宽位置为本领域公知常识,在此不做赘述。
图4、图5展示了根据温度值选择非缺陷像素点的过程,图中原始数据为各像素点与测量温度值。图6显示了去除不均匀温度背景后的检测图像的灰度值与原始的检测图像的灰度值的对比。
本发明具体实施时,可将上述热成像缺陷检测方法载入热成像缺陷检测***实施,也可通过存储器承载该热成像缺陷检测方法。
以上仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (5)
1.一种热成像不均匀温度背景获取方法,其特征在于,对热成像图像的每一行像素点进行解析,获取每一行像素点的不均匀温度背景;然后结合所有行像素点的不均匀温度背景构成整个热成像图像的不均匀温度背景;
获取每一行像素点的不均匀温度背景的方法包括以下步骤:
S11、设置非缺陷像素点集合和温度拟合模型,温度拟合模型为:
T(i)=fθ(i) (1)
其中,T(i)为该行第i个像素点的测量温度值,f表示测量温度值T(i)与像素点排序i的映射关系;θ表示温度拟合模型的模型参数;
S12、令i’为数集(2、3、4……N-1)中的任意值;
S13、将温度数据((1,T(1))、(N,T(N))、(i’,T(i’))代入温度拟合模型,求解模型参数θ=θ1;(i’,T(i’))表示该行第i’个像素点的测量温度值为T(i’);N为热成像图像的每一行像素点的数量;
S4、将θ=θ1代入温度拟合模型获得温度预测模型:
T(i)=fθ1(i) (2);
根据以上温度预测模型,计算该行各个像素点的预测温度Tf(i);
S15、计算该行各个像素点的预测温差E(i):
E(i)=T(i)-Tf(i); (3)
计算该行中E(i)>0的像素点的数量记作Npos+,计算该行中E(i)<0的像素点的数量记作Npos-;
S16、判断是否满足Npos+-2Npos-≥0;否,执行步骤S17;是,则将该像素点i’作为非缺陷像素点记入所述的非缺陷像素点集合,然后执行步骤S17;
S17、判断i’是否遍历(2、3、4……、N-1);否,则更新i’,i’在(2、3、4……、N-1)内继续取值,然后返回步骤S13;是,则执行步骤S18;
S18、将非缺陷像素点集合中各非缺陷像素点i'与对应的测量温度T(i’)构成样本数据(i’,T(i’)),结合所有的样本数据对温度拟合模型进行拟合以求解模型参数θ=θ’;
S19、获得该行的不均匀温度背景模型,记作:
Tg(i)=fθ'(i); (4)
其中,Tg(i’)表示该行第i个像素点的不均匀温度背景温度值;
结合不均匀温度背景模型计算该行个像素点的不均匀温度背景温度值以构成该行的不均匀温度背景。
2.如权利要求1所述的热成像不均匀温度背景获取方法,其特征在于,温度拟合模型可采用抛物线公式,记作:
T(i)=ai2+bi+c (1.1)
其中,a、b、c为抛物线参数,θ为a、b、c的集合。
3.如权利要求1所述的热成像不均匀温度背景获取方法,其特征在于,S12中令i’=2,S17具体为:判断i’是否小于N-1;是,则令i’=i’+1,然后返回步骤S13;否,则执行步骤S18。
4.如权利要求1所述的热成像不均匀温度背景获取方法,其特征在于,S18中采用最小二乘法拟合求解模型参数θ。
5.一种热成像缺陷检测方法,其特征在于,包括以下步骤:
S21、获取检测物体的热成像图像作为检测图像,并采用权利要求1-4任一项所述热成像不均匀温度背景获取方法获取检测图像的不均匀温度背景;
S22、计算检测图像上每个像素点的去背景温度值,去背景温度值为像素点的测量温度值与不均匀温度背景温度值的差值;
S23、根据检测图像上每个像素点的去背景温度值解析缺陷信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319721.3A CN114841921B (zh) | 2022-03-29 | 2022-03-29 | 热成像不均匀温度背景获取方法及缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210319721.3A CN114841921B (zh) | 2022-03-29 | 2022-03-29 | 热成像不均匀温度背景获取方法及缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114841921A true CN114841921A (zh) | 2022-08-02 |
CN114841921B CN114841921B (zh) | 2024-03-19 |
Family
ID=82564287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210319721.3A Active CN114841921B (zh) | 2022-03-29 | 2022-03-29 | 热成像不均匀温度背景获取方法及缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114841921B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010118731A1 (de) * | 2009-04-17 | 2010-10-21 | Technische Universität Dresden | Verfahren und einrichtung zur intraoperativen bildgebung von gehirnarealen |
CN112699912A (zh) * | 2020-11-19 | 2021-04-23 | 电子科技大学 | 一种通过改进gan增强红外热图像的方法 |
WO2021174601A1 (zh) * | 2020-03-03 | 2021-09-10 | 广州紫川电子科技有限公司 | 一种基于红外热成像的人体体温异常检测方法及装置 |
-
2022
- 2022-03-29 CN CN202210319721.3A patent/CN114841921B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010118731A1 (de) * | 2009-04-17 | 2010-10-21 | Technische Universität Dresden | Verfahren und einrichtung zur intraoperativen bildgebung von gehirnarealen |
WO2021174601A1 (zh) * | 2020-03-03 | 2021-09-10 | 广州紫川电子科技有限公司 | 一种基于红外热成像的人体体温异常检测方法及装置 |
CN112699912A (zh) * | 2020-11-19 | 2021-04-23 | 电子科技大学 | 一种通过改进gan增强红外热图像的方法 |
Non-Patent Citations (1)
Title |
---|
万李涛;熊楠菲;王栋;汪子君;: "信赖域方法在红外图像序列处理中的应用", 红外与激光工程, no. 07, 25 July 2020 (2020-07-25) * |
Also Published As
Publication number | Publication date |
---|---|
CN114841921B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9335277B2 (en) | Region-of-interest determination apparatus, observation tool or inspection tool, region-of-interest determination method, and observation method or inspection method using region-of-interest determination method | |
US7724925B2 (en) | System for generating thermographic images using thermographic signal reconstruction | |
Kothari | Detecting welding defects in steel plates using machine learning and computer vision algorithms | |
EP1918698A1 (en) | Systems and method for locating failure events in samples under load | |
CN108876761A (zh) | 图像处理装置、电脑可读取记录媒体、图像处理*** | |
KR102108956B1 (ko) | 인공지능을 활용한 머신비전 모듈형 소프트웨어를 갖는 머신비전 검사장치 및 그 장치의 구동방법, 그리고 컴퓨터 판독가능 기록매체 | |
EP2605213B1 (en) | Method and system for processing images for inspection of an object | |
JP2006528808A (ja) | 生産工程の出力を監視し視覚化するシステムおよび方法 | |
JP2017219529A (ja) | 外観異常検査装置、方法、及びプログラム | |
JP2014503826A (ja) | 表面の損傷を検出するために対象を検査するための方法と装置 | |
JP2012159502A (ja) | 締め具(fastener)自動検査のための非破壊試験方法 | |
CN116500086B (zh) | 一种基于深度学习的铜复铝散热底板生产评价方法及*** | |
JP2012088226A (ja) | 非破壊検査方法及び非破壊検査装置 | |
KR102189951B1 (ko) | 이미지 분석을 이용한 선박 도장상태 검사 시스템 및 방법 | |
CN114841921B (zh) | 热成像不均匀温度背景获取方法及缺陷检测方法 | |
Sripragash et al. | Non-uniformity correction and sound zone detection in pulse thermographic nondestructive evaluation | |
CN110880170A (zh) | 一种复合材料缺陷的深度预测方法 | |
US20070202476A1 (en) | Techniques for inspecting an electronic device | |
Wronkowicz et al. | Enhancement of damage identification in composite structures with self-heating based vibrothermography | |
US20220335254A1 (en) | Computer vision inferencing for non-destructive testing | |
JPH0634564A (ja) | 鋼板の溶接部検査方法 | |
Kopf et al. | Thermographic identification of hidden corrosion | |
JP2022013285A (ja) | 機械学習方法 | |
JP2004170374A (ja) | 表面欠陥検出装置、及び表面欠陥検出方法 | |
JP2010164446A (ja) | 検査対象品の外観検査方法及びプログラム |
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 |