基于微观电荷分布模型的金属表面缺陷检测与重构方法
文献发布时间:2024-07-23 01:35:21
技术领域
本发明属于金属缺陷技术领域,更为具体地讲,涉及一种基于微观电荷分布模型的金属表面缺陷检测与重构方法。
背景技术
脉冲涡流热成像检测(ECPT,Eddy Current Pulsed Thermography)方式具有检测范围大,非接触性,效率高等优点,在金属缺陷的无损检测中占据重要地位,广泛应用于航天,基建,军工等多个领域。ECPT检测过程中,试件内被激励出感应涡流,在这一过程中,电流汇聚于缺陷区域形成高温区域,红外热像仪对于试件表面温度进行记录,通过温度差异对于缺陷进行分析,
但是在这一分析过程中,直接拍摄所得的图像含有大量噪声并且难以对于缺陷的信息进行量化分析,所以需要各类各类分析方法对于红外图像进行进一步分析。
主流的ECPT分析方法主要有两种:图像处理方法和模型构建方法。
图像处理方法主要针对ECPT拍摄结果的噪声进行分析,采用各种图像处理方法对于噪声进行去除或者对于缺陷周围的信息进行增强,使得缺陷的信息更容易被分析。但是这类方法主要聚焦于信息增强上,难以进行量化分析。
模型构建方法使用各种电磁热物理方程对于缺陷周围的物理信息进行计算,可以对于缺陷的信息进行量化分析,但是ECPT是一个电热耦合多物理场,模型构建非常困难,目前的ECPT模型大多针对单场进行实现。例如电子科技大学的张旭利用电场(电模型),将每个像素作为虚拟电极捕捉电流分布,重构电导率分布,实现缺陷轮廓重构;Zhuo利用热场(热模型),假设扩散方程对内部缺陷进行定量分析。缺陷表面存在时空相关的虚热流密度,并通过反求解热。但是上述模型都忽略了场与场之间的耦合关系,直接导致了一定的误差以及计算效率的低下。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于微观电荷分布模型的金属表面缺陷检测与重构方法,从电荷分布的角度分析试件内电场,并进行电热耦合得到微观电荷分布模型,基于该模型实现缺陷信息与缺陷产生温度矩阵的正逆向分析,从而重构得到准确的缺陷信息。
为了实现上述发明目的,本发明基于微观电荷分布模型的金属表面缺陷检测与重构方法包括以下步骤:
S1:采用激励源对金属试件进行激励,所施加的激励电场的方向需要垂直于缺陷裂纹的走向,将加热开始时刻作为0时刻,采用热像仪获取时刻t时金属试件表面的测试温度图像
S2:采用基于阈值的二值化算法对测试温度图像
S3:随机初始化长方形模拟缺陷的4个顶点在温度图像中坐标(x
S4:基于微观电荷分布模型,采用当前模拟缺陷的4个顶点坐标(x
S4.1:初始化模拟温度图像中各个采样点的温度均为环境温度T
S4.2:令模拟缺陷区域内的采样点的热扩散系数为缺陷扩散系数α
S4.3:令时间n=[0,t
其中,Δt表示预设的相邻时间点之间的时间差,U
F
其中,σ表示电导率,E′
其中,e
S6:采用步骤S2中相同的二值化方法对模拟温度图像
S7:记高温区域外边框box
Δ
Δ
Δ
Δ
S8:判断相邻两次4个外边框误差的变化率是否均小于预设阈值e,如果不是,进入步骤S9,否则进入步骤S10;
S9:采用如下公式计算得到调整后的缺陷顶点坐标:
x
x
y
y
返回步骤S4;
S10:将当前模拟缺陷的4个顶点坐标(x
本发明基于微观电荷分布模型的金属表面缺陷检测与重构方法,采用激励源对金属试件进行激励并得到测试温度图像,对测试温度图像进行二值化并识别得到高温区域外边框,随机初始化长方形模拟缺陷的4个顶点坐标,基于微观电荷分布模型根据模拟缺陷的信息模拟得到模拟温度图像,对模拟温度图像进行二值化并识别得到高温区域外边框,计算两个高温区域外边框的误差,然后根据误差调整模拟缺陷的4个顶点坐标,直到相邻两次4个外边框误差的变化率均小于预设阈值,则将当前模拟缺陷的信息作为真实缺陷信息,从而得到真实缺陷的重构结果。
本发明具有以下有益效果:
1)相对于传统图像处理方法,本发明可以基于物理方程实现物理模型构建,得到缺陷对应的相应物理信息,并且可以对于实验拍摄所得的温度数据进行信息反演得到对应的缺陷信息,补足了图像处理方法难以进行反演量化的短板;
2)相对于传统的电场模型,本发明对于电场和热场进行了结合,一定程度上补足了传统电场模型由于忽略热场效应导致信息缺失的问题,并且在进行电场分析的时候,从微电荷分布的角度出发,使用库仑定律对于麦克斯韦方程进行等效计算,避免了麦克斯韦方程的复杂耦合运算,提升了运算效率;
3)相对于传统的热场模型,传统的热场模型需要对于整个ECPT的冷却阶段进行分析,需要较大的运算量,并且难以进行表面缺陷的量化,本发明将电场与热场进行结合,可以对于单帧的温度图像直接进行分析,得到相应的缺陷位置,节约了运算资源并且可以对于表面的缺陷进行分析。
附图说明
图1是介质分界面电场示意图;
图2是金属表面缺陷的二维示意图;
图3是本发明基于微观电荷分布模型的金属表面缺陷检测与重构方法的具体实施方式流程图;
图4是本实施例中温度序列的示例图;
图5是本实施例中拐点搜索方法的示例图;
图6是本实施例中温度图像二值化示例图;
图7是本发明中基于微观电荷分布模型得到模拟温度图像的流程图;
图8是相关系数的变化曲线示意图;
图9是本实施例中三个金属试件的缺陷示意图;
图10是本实施例中三个金属试件的测试温度矩阵和模拟温度矩阵的对比图;
图11是本实施例中三个金属试件的测试温度矩阵和模拟温度矩阵的二值化矩阵的对比图;
图12是本实施例中采用本发明重构得到的缺陷与真实缺陷的位置对比图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
为了更好地说明本发明的技术方案,首先对本发明的技术原理进行简要说明。
图1是介质分界面电场示意图。如图1所示,根据电磁场理论,在介质分界面上,电场强度可以用电场连续性定律进行计算:
e
e
其中,e
E
E
其中,E
当对于带缺陷试件进行分析时,导体区域和缺陷区域的电导率差异很大,根据公式(3)和(4),当靠近介质分界面时,由于受到分界面上依附电荷的影响,导体内侧的电场强度将趋于0,而导体外侧(缺陷内侧)的电场方向将会与导体表面呈现90°的夹角。
图2是金属表面缺陷的二维示意图。如图2所示,如果电场方向与试样表面平行,且裂纹较浅,则可以将缺陷试样简化为二维模型。在实际工程中,一些缺陷(裂纹等)具有较大的长宽比,为了便于模型推导,本发明中将缺陷形状简化为长方形(如图2所示的橙色长方形)。以试件缺陷的上边界中点为原点、上边界为x轴、试件表面为坐标平面来建立二维直角坐标系。当激励电场E施加到导体上时,电荷将积聚在缺陷的上下边界上,其极性由激励电场的方向决定。使用所建立直角坐标系,试件表面每个采样点(x,y)上的电荷所产生的电场强度可以使用如下的公式进行计算:
其中,E′
λ
λ
其中,ε
基于上述公式,将缺陷边界上依附电荷所产生的电场与激励电场进行合成,就可以对于整个试件内的电场进行计算,从而得到微观电荷分布模型:
E
E
其中,E
由于电流的热效应,试件内的涡流将会作为热源P导致试件内的温度升高,温度的变化可以用热扩散方程进行计算:
其中T代表温度,t代表时间。
热扩散方程对应的差分形式如下:
其中,Δt表示预设的相邻时间点之间的时间差,U
其中,H×W表示温度图像的尺寸。
F
F(x,y)=σ|E|
其中,σ表示电导率。
通过公式(12)的迭代计算,可以得到整个时间序列内的温度矩阵。
基于以上模型,本发明提出了基于微观电荷分布模型的金属表面缺陷分析方法。图3是本发明基于微观电荷分布模型的金属表面缺陷分析方法的具体实施方式流程图。如图3所示,本发明基于微观电荷分布模型的金属表面缺陷分析方法的具体步骤包括:
S301:获取测试温度图像:
采用激励源对金属试件进行激励,所施加的激励电场的方向需要垂直于缺陷裂纹的走向,将加热开始时刻作为0时刻,采用热像仪获取时刻t
S302:测试温度图像二值化:
采用基于阈值的二值化算法对测试温度图像
本实施例中温度图像二值化的具体方法为:将温度图像中所有温度值进行升序排列得到温度序列,搜索得到测试温度向量中二阶导数最大的拐点,将该拐点对应的温度值作为二值化阈值对测试温度矩阵进行二值化,即将温度矩阵中大于等于二值化阈值的温度值置为1,小于等于二值化阈值的温度值置为0。
图4是本实施例中温度序列的示例图。如图4所示,由于缺陷的存在,试件会存在高温区域,因此在温度序列中会出现两个拐点p1,p2,其中p1是二阶导数最小的点,p2是二阶导数最大的点,本实施例就是将p2点对应的温度值当作阈值进行二值化分割。
由于温度序列具有离散性和不稳定性,为了更为准确地确定二值化阈值,本实施例中提出了一种基于几何方法的拐点搜索方法,其具体方法为:
根据温度序列绘制温度曲线,其中横坐标为温度值序号,纵坐标为温度值。然后连接温度曲线的终点以及整个温度序列的中间点形成一条线段,求得该线段的斜率K,生成斜率为3K且经过终点的直线,由该直线将整个温度曲线分割为前半段和后半段,在后半段中搜索与该直线距离最大的点作为拐点。
图5是本实施例中拐点搜索方法的示例图。如图5所示,最终拐点的序号
其中,F(x)表示温度曲线,x
图6是本实施例中温度图像二值化示例图。如图6所示,黄色区域为二值化后的值为1区域,蓝色区域为值为0区域,忽略部分环境噪声,缺陷周围的高温区域如图中红框所示。
S303:初始化模拟缺陷参数:
随机初始化长方形模拟缺陷的4个顶点坐标(x
S304:基于微观电荷分布模型得到模拟温度图像:
基于微观电荷分布模型,采用当前模拟缺陷的4个顶点坐标(x
S701:初始化模拟温度图像:
初始化模拟温度图像中各个采样点的温度均为环境温度T
S702:初始化热扩散系数矩阵:
令模拟缺陷区域内的采样点的热扩散系数为缺陷扩散系数α
S703:迭代生成模拟温度图像:
令时间n=[0,t
其中,Δt表示预设的相邻时间点之间的时间差,U
F
其中,σ表示电导率,E′
其中,e
在实际应用中线密度系数m可以根据经验设置,在本实施例中,为了使得模拟温度矩阵更加准确,提出了一种线密度系数m的确定方法。根据研究发现,缺陷的外边框的长和宽与线密度系数m存在相关性,使得不同线密度系数m下得到的高温区域外边框的长、宽和缺陷的长、宽存在以下相关公式:
其中,A
对于测试温度图像中的高温区域外边框box
由高斯定理可知,对于缺陷来说,线密度系数m的值在一定的实验条件下是固定不变的。所以可以根据测试温度图像中的高温区域外边框box
即在相关系数的变化曲线中搜索与相关系数
S305:模拟温度图像二值化:
采用步骤S302中相同的二值化方法对模拟温度图像
S306:计算外边框误差:
记高温区域外边框box
S307:判断相邻两次4个外边框误差的变化率是否均小于预设阈值e,如果不是,进入步骤S308,否则进入步骤S309。本实施例中设置阈值e=10%。
S308:调整缺陷参数:
采用如下公式计算得到调整后的缺陷顶点坐标:
返回步骤S304。
S309:重构得到缺陷信息:
将当前模拟缺陷的4个顶点坐标(x
为了更好地说明本发明技术效果,采用具体实例对本发明进行实验验证。图9是本实施例中三个金属试件的缺陷示意图。如图9所示,本实施例中三个金属试件各有一个缺陷,其中试件1的缺陷大小为0.79cm×0.23cm,试件2的缺陷大小为0.43cm×0.09cm,试件3的缺陷大小为0.62cm×120μm。
图10是本实施例中三个金属试件的测试温度矩阵和模拟温度矩阵的对比图。如图10所示,当采用PCCs作为相似程度评价指标时,本发明模型所得到的三个试件的模拟温度矩阵与测试温度矩阵的相似程度都大于0.87。
图11是本实施例中三个金属试件的测试温度矩阵和模拟温度矩阵的二值化矩阵的对比图。如图11所示,采用SSIM(Structure Similarity Index Measure结构衡量指标)对二值化矩阵的相似程度进行对比,发现三个试件的SSIM值都大于0.98,可以证明本发明模型生成的模拟温度矩阵与真实的测试温度矩阵的相似性极强。
图12是本实施例中采用本发明分析得到的缺陷与真实缺陷的位置对比图。如图12所示,黑色框是缺陷的真实数据,而红色框是本发明的分析结果。表1是本实施例中采用本发明分析得到的缺陷与真实缺陷的数据对比表。
表1
如图12和表1所示,本发明分析得到的缺陷信息与真实缺陷的误差很小,在工程应用要求范围内,从而证明了本发明的有效性。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
- 表面缺陷检测方法、表面缺陷检测装置、钢材的制造方法、钢材的品质管理方法、钢材的制造设备、表面缺陷判定模型的生成方法及表面缺陷判定模型
- 基于改进YOLO模型的金属表面缺陷检测方法和装置