熱障涂層界面脫粘缺陷的脈沖紅外熱成像檢測

董麗虹，郭偉，王海斗,*，邢志國，馮輔周，王博正，高治峰

1.陸軍裝甲兵學院 裝備再制造技術國防科技重點實驗室，北京 100072 2.陸軍裝甲兵學院 車輛工程系，北京 100072 3.中國地質大學 工程技術學院，北京 100083 4.西安理工大學 材料科學與工程學院，西安 710048

熱障涂層在航空航天、能源電力、石油化工等領域的應用已經十分廣泛，采用等離子噴涂技術制備的YSZ熱障涂層其力學性能最為脆弱的部分是涂層與基體之間的界面，界面結合強度一般低于 80 MPa[1-2]。YSZ熱障涂層服役過程中，受交變載荷、熱疲勞、熱生長氧化物等作用，會導致局部界面結合失效，即脫粘[3]。在涂層發生明顯鼓包或脫落前，無法從涂層表面通過肉眼判斷其界面結合狀態。而且，由于熱障涂層內部存在大量微裂紋和孔隙，使超聲、渦流等傳統無損檢測技術難以發揮作用[4-5]。噴涂層界面脫粘的本質是雙層異質復合結構的層間結合失效，其脫粘區界面處形成一個連續的封閉空氣隙，且與涂層表面平行。對于該類缺陷，非常適合采用脈沖紅外熱成像技術進行檢測[6]，其原理如圖1所示，閃光燈發出的光脈沖能量被涂層表面吸收后轉化為熱量，熱量在向下傳導時遇到涂層/基體異質界面會發生部分反射，如果界面脫粘，則熱量無法穿過脫粘區形成的空氣隙，在缺陷上方的涂層中發生堆積，引起涂層表面溫度異常。采用紅外熱像儀記錄涂層表面溫度分布圖(熱圖)的變化過程，通過表面熱圖中的熱異常區識別界面脫粘缺陷的位置和大小。由于脈沖紅外熱成像檢測技術是一種非接觸檢測手段，且可以進行大面積高效掃查，近年來，該方法在噴涂層界面缺陷檢測方面的進展十分迅速[7-8]。

圖1 涂層界面脫粘缺陷脈沖紅外熱像檢測原理Fig.1 Sketch map of pulsed thermography detection for interface debonding defect of coatings

對熱障涂層界面脫粘缺陷進行識別，其關鍵在于提高表面熱圖中缺陷區和非缺陷區的對比度[9]。紅外熱成像技術發展早期，由于圖像處理難度較大，直接通過熱像儀采集的原始熱圖像識別缺陷，故研究者主要關注材料特性(成分、各向異性、熱擴散系數等)、缺陷參數(深度、大小)和檢測參數(脈沖激勵能量、熱像儀采集頻率等)對缺陷表面溫度信號(溫差、峰值溫差等)的影響[10]。如López等[11]認為，對于界面分層、脫粘類缺陷，缺陷的可檢測性與缺陷參數、材料特性和檢測參數均有關系，而其中影響最大的是缺陷的寬深比，并根據大量實驗經驗總結認為：寬深比大于2的缺陷，才能在表面熱圖中產生足夠大的對比度，被肉眼識別，這一經驗結論被稱為拇指法則(Rule of Thumb，ROT)[12]。隨著數字圖像技術的快速發展，可以從熱像儀采集的原始熱圖序列中提取各種特征參數，并采用提取的特征參數對圖像序列進行重建[13-14]，極大地提高了表面熱圖的對比度，采用重建的熱圖甚至可以識別寬深比小于1的界面脫粘缺陷[15]。從原始熱圖序列中提取缺陷的特征參數，并采用特征參數重構熱圖，不僅能提高圖像的對比度，而且有利于更加準確地提取邊緣信息，提高缺陷定量表征的精度，因此，近年來熱圖重建算法研究成為脈沖紅外熱成像檢測技術的熱點之一[16-17]。如圖2所示，從原始熱圖序列中提取特征信息主要有兩種基本思路：一種是基于單張圖像的處理思路，將熱圖序列中每一幀圖像作為一個數據單元進行處理，其中最典型的方法是主成分分析(Principal Component Analysis,PCA)[18]；另一種思路是基于表面熱信號的處理思路，即將熱圖序列中每個像素點的溫度變化趨勢作為一個隨時間變化的溫度信號進行處理。其中，第2種思路下又可提取溫度信號的時域特征或頻域特征進行熱圖重建，采用時域特征進行重建最為典型的算法是表面熱信號重構(Thermographic Signal Reconstruction,TSR)[19]，采用頻域特征進行重建最重要的方法是脈沖相位法(Pulsed Phase Thermography,PPT)[20]。目前，3種熱圖序列重構算法均有大量研究，而且在不同缺陷檢測試驗中均取得了較為理想的結果，然而，針對特定材料中的某種缺陷將上述幾種熱圖重建算法進行對比的研究尚十分匱乏。2016年Balageas等[21]采用信噪比、邊緣銳度、溫度曲線半高寬等參數對比并評價了上述幾種重構算法在碳纖維/樹脂復合結構的層間脫粘缺陷檢測中的效果，試驗結果顯示TSR算法對缺陷寬度定量表征的精度最高。尚無研究針對熱障涂層界面脫粘缺陷識別問題對比不同熱圖重建算法對檢測效果的影響，而重建算法已經成為影響檢測結果的關鍵因素。

本文研究了熱燈脈沖激勵下噴涂層界面脫粘區的表面溫度瞬態響應規律和原始熱圖序列的變化過程，采用PPT、PCA、TSR等熱圖處理算法提取脫粘缺陷的熱波特征，并重構表面熱圖序列，采用標準差(Standard Deviation,SD)和歸一化對比度(Normalized Contrast,NC)兩個評價參數對重構熱圖序列進行對比評價，最終獲得了一種能夠提高再制造噴涂層界面脫粘缺陷定性識別能力并有效降低表面熱圖噪聲水平的方法。

圖2 熱圖序列處理流程Fig.2 Procedure of thermal image sequence processing

1 試驗方法與過程

由于制備熱障涂層自然脫粘的試樣十分困難，在試驗研究中往往采用人工模擬脫粘缺陷代替真實脫粘缺陷，其中，最常用的人工脫粘缺陷是平底盲孔(Flat Bottom Holes,FBH)。但Ptas-zek等[22]認為平底盲孔的瞬態傳熱過程與真實脫粘缺陷的傳熱過程相差較大，并提出使用與基體材料相同的螺釘填充脫粘缺陷下方的孔洞以使模擬缺陷傳熱過程與真實缺陷更為接近。唐慶菊等[23]提出了一種類似的采用光滑棒材填充盲孔，以使填充棒材和基體之間的導熱更加順暢，并采用石英砂控制脫粘缺陷厚度的熱障涂層模擬脫粘缺陷制備方法。本文綜合上述2種方法的優點，提出一種改進的脫粘缺陷制備方法，使用變截面棒材填充基體孔洞，制備涂層后將棒材頂端切除一定厚度，在涂層和基體之間形成空氣隙，從而模擬熱障涂層界面脫粘缺陷。如圖3所示，在尺寸為100 mm×100 mm×10 mm的不銹鋼板材中制備了9個不同尺寸的人工脫粘缺陷，直徑依次為：12、10、9、7、6、5、4、3、2 mm。為了方便表述，將9個缺陷命名為：D12、D10、D9、D7、D6、D5、D4、D3、D2，其中數字表示缺陷的直徑大小。采用等離子噴涂方法在基體板材表面制備YSZ熱障涂層，涂層厚度約為400 μm，由于不銹鋼基體與黏結層的熱導率差異較小，對紅外熱像檢測的影響可以忽略不計，因此未制備黏結層。涂層制備后將填充棒材頂端切除1 mm，因此，所有模擬脫粘缺陷的空氣隙厚度均為1 mm。

所采用的脈沖紅外熱成像檢測系統如圖4所示，主要包括兩臺脈沖閃光燈、一臺紅外熱像儀、以及試樣臺。采用兩臺Godox-QT1200II型閃光燈對試樣涂層表面進行脈沖激勵，兩臺閃光燈呈90°夾角布置在涂層表面正前方，每臺熱燈單次最大脈沖能量為1.2 kJ，因此兩臺熱燈單次脈沖輸出最大能量為2.4 kJ。采用NEC Avio R300非制冷焦平面紅外熱像儀采集零件表面熱圖，熱像儀工作溫度范圍：-40～500 ℃；傳感器工作波段：8～14 μm；空間分辨率：1.21 mrad；視場角范圍：水平方向22°，垂直方向17°；最小焦距：10 cm。熱像儀采集的單幀圖像大小320×240像素，全畫幅最高采集頻率為60 Hz。試樣臺的作用是將試樣固定在熱像儀前方20 cm位置。試驗時，熱像儀從脈沖激勵熱燈激勵開始之前記錄試樣表面熱圖，脈沖激勵結束后繼續記錄30 s，直至熱圖中缺陷信號消失。試驗過程中通過計算機中的Infrec Analyzer NS9500 Standard控制軟件對熱像儀的采集過程進行控制，采集的試樣表面熱圖實時存儲在計算機中。

圖3 人工脫粘缺陷試樣示意圖Fig.3 Sketch map of artificial interface debonding specimen

圖4 脈沖紅外熱成像檢測系統Fig.4 Pulsed thermography system

2 涂層表面溫度瞬態響應過程以及表面熱圖預處理

2.1 涂層表面溫度瞬態響應

試驗結束后，提取熱像儀記錄的熱圖序列，從脈沖激勵結束時刻開始截取降溫過程的前300幀圖像進行處理。圖5展示了300幀圖像序列中的部分熱圖，由圖可見，在脈沖激勵后，界面脫粘缺陷并非立刻顯示在原始熱圖序列中，而是經歷了一個短暫的“停頓”過程后由弱到強逐漸顯示在表面熱圖中，在約第30幀缺陷顯示最為清晰，可以清楚識別其中直徑大于4 mm的7個缺陷，尺寸較小的缺陷D2和D3則無法識別。從第30幀之后，隨著降溫過程進行，原始熱圖中缺陷位置的“熱斑”逐漸變小直至消失。

圖6展示了原始熱圖序列中尺寸最大的缺陷D12的幾何中心點和非缺陷區任意一點在降溫過程中的溫度變化趨勢。由圖可見，脈沖激勵后缺陷區和非缺陷區降溫速度不同，非缺陷區降溫更快，而缺陷區降溫速率相對較慢，經過約5 s(300幀)后，D12缺陷中心點溫度下降到與非缺陷區溫度相當。

圖5 降溫過程中不同時刻試樣表面熱圖Fig.5 Thermal images on coating surface at different times of cooling process

圖6 降溫過程中D12缺陷中心點與非缺陷區溫度變化趨勢Fig.6 Variation of temperatures at D12 center and sound region in cooling process

2.2 表面熱圖預處理

由于熱像儀記錄的原始圖像序列中包含大量噪聲，為了在提取分析缺陷表面熱波特征之前去除原始熱圖序列的背景輻射特征，從截取的300幀 熱圖序列中減去脈沖激勵開始之前的背景熱圖，相減的結果作為原始熱圖序列進入后處理過程，進行熱波特征提取和分析。圖7直觀地展示了減去背景熱圖的效果，圖7(a)為脈沖激勵開始之前的背景熱圖，此時試樣表面溫度和環境溫度相同，為試樣在自然狀態下的熱圖；圖7(b)為所截取熱圖序列的第30幀熱圖；圖7(c)為圖7(b)和圖7(a)相減的結果。由圖可見，減背景處理后圖像整體質量更加清晰，圖像整體噪聲明顯降低，而且熱圖中缺陷也更加清楚，然而，從減背景后的熱圖中仍然無法識別缺陷D3和D2的存在。下文中所有試驗涉及的原始熱圖序列，均指按上述原則截取(從脈沖激勵結束時刻開始的300張熱圖)并減背景后的熱圖序列。

圖7 原始熱圖減背景的結果Fig.7 Results of background subtraction from rawthermal image

3 熱圖重構及重構效果評價

采用3種常見的熱圖特征提取和重構方法：PPT、PCA和TSR分別對原始熱圖序列進行特征提取和重建。為了對熱圖序列重建效果進行定量評價，采用標準差SD和歸一化對比度NC兩個參數對原始熱圖和重建熱圖進行評價。標準差的計算方法為[24]：從熱圖中選擇一個5 pixel×5 pixel 的非缺陷區域，計算該區域內25個像素點的溫度標準差作為整張熱圖的標準差。歸一化對比度的計算方式為[25]：NC=(Td-Ts)/(Td+Ts),Td和Ts分別表示同一張熱圖中缺陷區和非缺陷區的溫度值。NC值定量表征了熱圖中缺陷區與非缺陷區的對比度，其值越高，圖像中缺陷越容易識別，歸一化處理使得任意兩張熱圖的NC值均可以直接對比，不受熱圖采集條件的限制。以缺陷D12中心位置一個3 pixel×3 pixel區域內9個 像素點的溫度值取平均作為缺陷區的溫度值，以周圍非缺陷區一個3 pixel×3 pixel區域內9個 像素點的溫度值取平均作為非缺陷區的溫度值。

3.1 脈沖相位法(PPT)重構表面熱圖序列

圖8(a)和圖8(b)分別展示了PPT重構熱圖序列的標準差和歸一化對比度變化規律，同時展示了原始熱圖序列的上述兩個參數作為對比。由圖8(a)可見，PPT重構熱圖的標準差與原始熱圖序列相比降低約一半，這表明，重構熱圖序列中的整體噪聲水平得到進一步降低；圖8(b)中歸一化對比度計算結果顯示，PPT重構熱圖中的NC曲線總體略高于原始熱圖序列，但重構熱圖序列的NC值穩定性較差。同時，由圖可見，相位重構熱圖序列中缺陷與非缺陷區的對比度并非在任意時刻均高于原始熱圖，在降溫初期，第50幀之前，重構熱圖的NC值明顯高于原始熱圖，而降溫中后期，重構熱圖的NC值僅略高于原始熱圖，兩者之間差異較小。

圖8 PPT重構熱圖序列結果Fig.8 Results of thermogram sequence reconstruction using PPT

3.2 主成分分析法(PCA)重構表面熱圖序列

主成分分析基于數據降維的思想，從大量的多維數據樣本的多個影響因素中提取出主要影響因素，可以對每種主成分的貢獻率和不同影響因素對每種主成分的貢獻進行分析，并選取不同的主成分對原數據樣本進行重構得到近似樣本數據。對于紅外熱成像檢測而言，需將熱像儀采集的原始熱圖序列轉化為數據矩陣，矩陣的每一列為一幀熱圖，即一個觀察值，矩陣的行為時間變量。不同主成分對應脈沖激勵后降溫過程中不同時間范圍的熱圖特征，選取最能反映脫粘區熱圖特征的主成分進行熱圖序列重構。

圖9展示了前6個主成分重構熱圖序列中歸一化對比度最高的一張，第七主成分之后的重構熱圖中噪聲信號幾乎淹沒了缺陷信號，無法識別缺陷的存在，因此未進行展示。由圖可見，第一主成分(PC1)和第三主成分(PC3)重構熱圖中缺陷與非缺陷區的對比最明顯，其中，PC1重構熱圖中D3和D2缺陷無法識別，而PC3重構熱圖中九個缺陷均可清楚識別。表1展示了前6個主成分的貢獻率以及對應重構熱圖序列的NC最大值。由表可見，PC3的貢獻率僅為3.27%，但其重構熱圖的序列的NC值最高達到0.57。PC1和PC2的貢獻率均高于PC3，但重構熱圖序列的NC值均低于PC3重構熱圖。在紅外熱圖序列的處理中，主成分的貢獻率并不作為主成分選擇的主要依據，需要根據主成分反映的時間變量信息，選取代表缺陷區和非缺陷區對比度最大時間段的主成分進行熱圖重構。其目的是基于表面熱圖序列對界面脫粘區域的熱波特征進行分離，使重構熱圖能夠更加清楚、準確地表達缺陷的位置及尺寸。因此，采用PC3重構熱圖序列作為PCA重構熱圖序列與另外兩種熱圖重構算法進行對比。

圖9 主成分PC1～PC6重構熱圖對比Fig.9 Comparisons of reconstructed thermal images among PC1 to PC6

表1 不同主成分的貢獻率及重構熱圖NC最大值Table 1 Contribution of different PCs and the maximum NC of reconstructed images

圖10展示了PC3重構熱圖序列的標準差和歸一化對比度變化情況，同時展示了原始熱圖序列的標準差和歸一化對比度作為參考。由圖可見，重構熱圖序列的標準差隨時間變化波動幅度較大，在部分時間段其標準差甚至高于原始熱圖序列；重構熱圖序列的歸一化對比度同樣隨時間波動較大，且未呈現特定的規律性，但其整體略高于原始熱圖序列，表明重構熱圖序列中缺陷區與非缺陷區的對比度略有增強。PC3重構熱圖序列的標準差和歸一化對比度波動較大的原因在于，不同時間段的熱圖在第三主成分PC3中所占權重有差異，進行熱圖序列重構后，在權重系數較高的時間段其整體圖像質量較高，故清晰度和對比度高；而在權重系數較低的時間段，圖像清晰度和對比度較低，標準差和歸一化對比度數值也較小。

圖10 PCA重構熱圖序列結果Fig.10 Results of thermogram sequence reconstruction using PCA

3.3 熱信號重構法(TSR)重構表面熱圖序列

TSR熱圖重建算法將原始熱圖序列中每一像素點的溫度隨時間變化曲線變換到雙對數坐標系中，并計算其一階微分，采用一階微分進行表面熱圖序列重構。圖11展示了TSR一階微分重構熱圖序列的標準差和歸一化對比度計算結果，由圖可見，TSR重構熱圖序列的標準差與原始熱圖序列相比顯著降低，從0.1下降到約0.01，降低了一個數量級，表明TSR重構算法使得熱圖序列中噪聲水平大幅下降；重構熱圖序列的歸一化對比度比原始熱圖序列略有升高，且NC曲線的變化趨勢與原始熱圖序列的NC曲線變化趨勢較為相似。

圖11 TSR重構熱圖序列結果Fig.11 Results of thermogram sequence reconstruction using TSR

綜上所述，對比3種重構熱圖序列的標準差可見，3種重構熱圖序列的標準差與原始熱圖相比，均有所降低，說明3種重構方法均使得熱圖的整體質量有了較大提高，重構后熱圖序列中的噪聲進一步降低，其中，TSR重構熱圖序列的標準差降低最為明顯。

3種重構熱圖序列中的歸一化對比度差異較大。PPT重構熱圖的歸一化對比度在降溫初期較高，隨后隨時間而降低，但整體略高于原始熱圖序列；PCA重構熱圖序列的歸一化對比度存在波動，但同樣整體略高于原始熱圖序列；TSR重構熱圖序列的歸一化對比度先增大后減小，與原始熱圖序列的歸一化對比度變化規律相似，且略高于原始熱圖序列。這表明，3種重構圖像中缺陷的信號對比度均有所增大，對于缺陷的定性識別而言，具有積極意義。

為了進一步檢驗上述標準差和歸一化對比度分析結果，圖12展示了3張重構熱圖，均為對應熱圖序列中對比度最大的一幀，并與原始熱圖中對比度最大的一幀進行對比。由圖可見，原始熱圖中無法分辨的D3和D2缺陷，在3種重構熱圖中均可以進行識別，尤其是在PPT和TSR重構熱圖中，直徑為2 mm的D2缺陷十分明顯。綜上所述，3種重構算法均可降低熱圖序列的噪聲，并增強熱圖中缺陷區與非缺陷區的對比度，進而提高界面脫粘缺陷的定性識別能力。其中，TSR熱圖重構算法對噪聲的抑制效果最為顯著。

圖12 原始熱圖與重構熱圖對比Fig.12 Comparison of raw and reconstructed thermal images

4 結 論

1)針對熱障涂層界面脫粘缺陷的無損檢測問題，首先制備了一種人工脫粘缺陷試樣，使人工脫粘缺陷下方基體中熱量傳導過程更加接近真實脫粘缺陷，且使人工脫粘缺陷的空氣隙厚度調整更加精確。

2)采用熱燈脈沖紅外熱像技術對YSZ熱障涂層界面脫粘缺陷進行檢測，采集了熱燈脈沖激勵下人工脫粘缺陷試樣表面的原始熱圖序列，采用PPT、PCA和TSR 3種重構算法對原始熱圖序列進行重構，并利用標準差和歸一化對比度兩個指標對原始熱圖序列和3種重構熱圖序列進行評價。

3)對于厚度為400 μm的YSZ熱障涂層，從原始熱圖序列中可以識別直徑大于4 mm的界面脫粘缺陷。采用PPT、PCA和TSR 3種熱圖重構算法對表面熱圖序列進行重構，3種重構熱圖序列中均可識別直徑大于2 mm的界面脫粘缺陷。

4)與原始熱圖序列相比，3種重構熱圖序列的標準差均有所下降，歸一化對比度均有所升高，表明3種熱圖序列重構算法均可顯著提高界面脫粘缺陷的定性識別能力，其中，又以TSR重構算法對熱圖噪聲的抑制效果最為明顯。