基于渦流脈沖熱成像的角焊縫表面裂紋檢測

王傳釗,姜秀海,晁永生,王永兵,王勇勇,高亮基,周江林

(1.新疆大學(xué)機械工程學(xué)院,新疆 烏魯木齊 830017；2.新疆維吾爾自治區(qū)特種設(shè)備檢驗研究院,新疆 烏魯木齊 830047)

1 引 言

角焊縫是將構(gòu)件連接成結(jié)構(gòu)的重要連接方式,而其在加工過程中易受到人工、焊接條件等因素影響,在焊縫處常出現(xiàn)裂紋、未焊透、未熔合及氣孔等缺陷,而裂紋缺陷對焊接質(zhì)量的危害最大[1]。因此,采用先進的無損檢測技術(shù)實現(xiàn)對角焊縫裂紋缺陷的有效檢測對安全生產(chǎn)有著重要意義。

傳統(tǒng)的無損檢測方法主要包括超聲波檢測、渦流檢測、磁粉檢測和滲透檢測等[2],但由于傳統(tǒng)的無損檢測方法對待測試件表面環(huán)境要求較高、操作復(fù)雜、污染環(huán)境等缺點而限制了其適用范圍。隨著科技的發(fā)展,激光超聲檢測[3]、微波檢測[4]、金屬磁記憶檢測[5]等新方法相繼涌現(xiàn)。渦流脈沖熱成像法(Eddy Current Pulsed Thermography,ECPT)將渦流技術(shù)和紅外熱成像相融合,因其具有檢測效率高、頻譜豐富、靈敏度高[6-7]等優(yōu)點而被廣泛使用。在以往的研究中,Xiao等人設(shè)計了一種雙線圈磁芯電感,增加了紅外熱像儀的視野,同時顯著改善了試件表面溫度分布的均勻性[8]。Bai等人在無需任何先驗條件的情況下,采用單通道盲源分離算法提取了整個圖像序列的瞬態(tài)響應(yīng)特征[9]。Gao等人結(jié)合缺陷在感應(yīng)熱成像中的物理特征,提出了一種FOSP-GA圖像分割算法,實現(xiàn)了對自然裂紋的檢測[10]。

雖然ECPT在結(jié)構(gòu)簡單的鐵磁性材料表面裂紋的檢測中得到了良好的應(yīng)用,然而,對于結(jié)構(gòu)復(fù)雜,且表面裂紋較小的缺陷,在檢測過程中缺陷信息易被噪聲區(qū)域干擾。因此,本文在改進區(qū)域生長圖像分割算法的基礎(chǔ)上,提出了一種基于ECPT系統(tǒng)的表面裂紋前、后處理及定量評價的檢驗方法,實現(xiàn)了對角焊縫表面裂紋的有效檢測。

2 渦流脈沖熱成像檢測技術(shù)理論基礎(chǔ)

2.1 ECPT系統(tǒng)介紹

ECPT系統(tǒng)的原理如圖1所示。脈沖信號發(fā)生器同步地為感應(yīng)加熱系統(tǒng)和紅外熱像儀提供脈沖信號,此時線圈中通入高頻交流電并激發(fā)渦流。隨后利用L形磁芯具有較高的磁導(dǎo)率的特性將產(chǎn)生的磁場聚集,并通過兩磁極之間磁路傳送到被檢測試件。當試件表面存在缺陷時,渦流被迫轉(zhuǎn)向,導(dǎo)致試件內(nèi)部渦流分布不均,隨之影響試件內(nèi)部熱傳導(dǎo)過程,并在試件表面及內(nèi)部形成局部畸變的溫度區(qū)域。通過紅外熱像儀記錄試件表面溫度隨時間的分布,可以得到一段熱圖像視頻流,為后期圖像分析提供原始數(shù)據(jù)。

圖1 渦流脈沖熱成像檢測系統(tǒng)Fig.1 Eddy current pulse thermography testing system

2.2 感應(yīng)加熱數(shù)學(xué)模型

渦流脈沖熱成像檢測技術(shù)主要涉及三個物理過程:感應(yīng)渦流加熱、熱傳導(dǎo)和紅外熱輻射[11]。在感應(yīng)加熱過程中,依據(jù)Maxwell方程組,可以得出渦流場的控制方程為:

(1)

式中,μ為被測材料磁導(dǎo)率;A為矢量礠勢;σ為材料的電導(dǎo)率;ε為介電常數(shù);Js為外部電流密度。根據(jù)焦耳定律,渦流在材料內(nèi)部會將電能轉(zhuǎn)化為熱能,產(chǎn)生的熱量Q為:

(2)

式中,E表示電場強度。產(chǎn)生的焦耳熱Q在材料內(nèi)部向周圍空間傳導(dǎo),形成三維熱流場,并影響試件表面溫度T,熱傳導(dǎo)方程可表示為:

(3)

式中,ρ表示材料的密度;cp代表比熱容;k表示熱導(dǎo)率;T=T(x,y,z,t)是t時刻(x,y,z)處的溫度;Q(x,y,z,t)表示感應(yīng)渦流在單位體積與單位時間內(nèi)產(chǎn)生的熱量。當采用紅外熱像儀記錄試件表面溫度時,由紅外輻射定律可知:

j*=KωT4

(4)

式中,K是斯蒂芬-波爾茨曼常數(shù);ω為發(fā)射率。在對試件進行ECPT檢測過程中,若試件表面存在裂紋缺陷,缺陷會影響感應(yīng)渦流加熱、熱傳導(dǎo)和紅外輻射過程,根據(jù)試件表面溫度場的變化可以對試件中存在的缺陷進行檢測和評估。

3 角焊縫裂紋缺陷檢測方法

3.1 ICA算法

獨立分量分析(independent component analysis,ICA)可以在沒有任何先驗知識的條件下,對目標信號和背景信號進行分離,將各個獨立信號源從觀測信號中提取出來[12-13]。由紅外熱像儀在t時刻采集的熱圖像可以認為是混了個多個獨立觀測信號Xi(t)的圖像Y(t),如圖2所示。

圖2 熱成像混疊模型Fig.2 Thermal imaging aliasing model

在對焊縫檢測過程中,由于焊縫表面缺陷、焊縫邊緣、焊縫表面等區(qū)域表面熱輻射率的不同,導(dǎo)致在熱圖像中各區(qū)域呈現(xiàn)不同熱分布趨勢,可令其個數(shù)為Ns,則由紅外熱像儀記錄的圖像序列的數(shù)學(xué)模型可表示為:

(5)

式中,mi是第i個獨立區(qū)域在總體中的權(quán)重,Y(t)表示紅外熱像儀在t時刻記錄的圖像;Xi(t)表示在t時刻第i個獨立區(qū)域所對應(yīng)的圖像。為了得到較好的獨立成分分析結(jié)果,可從一組圖像序列中選取從t到(t+N-1)時間段的連續(xù)瞬態(tài)響應(yīng),可以將此表示為:

Y′(t)=[vec(Y(t)),vec(Y(t+1)),…,vec

(Y(t+N-1))]T

(6)

式中,vec表示將圖像矩陣矢量化;T表示轉(zhuǎn)置算子。ICA算法等價于搜索線性變換,使各分量盡可能地獨立,并最大化給定數(shù)據(jù)的變換坐標的邊緣密度,可將此表示為:

(7)

(8)

式中,Z=LH,L和H是由紅外熱像儀定義的分辨率。UZ×Z與VN×N都為正交矩陣;DZ×N是由奇異值組成的對角矩陣。相應(yīng)地,可以得到獨立信號:

(9)

經(jīng)過上述分析,由第i區(qū)域生成的獨立信號圖像序列的重構(gòu)處理可以表示為:

(10)

3.2 改進區(qū)域生長算法

紅外圖像經(jīng)過ICA算法處理后,圖像中仍然會包含一些噪聲干擾,為了進一步強化缺陷特征,本文提出了一種改進區(qū)域生長算法用于對ICA算法分析后的圖像進行分割,算法步驟按照下述步驟進行:

Step 1:將經(jīng)過ICA算法處理后的缺陷圖像轉(zhuǎn)化為灰度圖像,并用3×3大小的濾波器對圖像進行中值濾波。

Step 2:用一個3×3模板矩陣去遍歷整個圖像,并計算每一個矩陣的均值C,將均值大且未在輸出矩陣G的矩陣中心點作為種子點,從而得到種子點集合。

Step 3:在種子點的8鄰域內(nèi)搜索具有相似或相同特征性質(zhì)的像素點,并且這些像素點滿足生長條件:

|S(x,y)-I(x,y)|

(11)

其中,S(x,y)表示8領(lǐng)域點的灰度值;I(x,y)表示種子點的灰度值;P表示閾值。若滿足條件,則將該點記錄在矩陣G中,作為新的種子點。

Step 4:計算包含新的像素點后的灰度平均值S,若Si=Si+1,則輸出分割后的圖像G,否則,跳轉(zhuǎn)至step3。

Step 5:對分割后的圖像G進行先開后閉形態(tài)學(xué)濾波處理,得到最終的分割圖像O。

4 渦流脈沖熱成像實驗分析

4.1 實驗裝置

渦流熱成像實驗系統(tǒng)如圖3所示,渦流激勵電源為Easyheat224,其頻率范圍為150～400 kHz。紅外熱像儀型號為美國FLIR公司生產(chǎn)的A6730熱像儀,其最大采樣頻率為60 Hz,可提供分辨率為786×562的圖像。激勵線圈的材質(zhì)為空心銅管,其外徑為6.00 mm,內(nèi)徑為5 mm。L形磁芯選用具有較高磁導(dǎo)率的錳鋅鐵氧體材料。

圖3 渦流熱成像實驗平臺Fig.3 ECPT experimental platform

實驗采用的T形角焊縫缺陷試件如圖4所示,材質(zhì)為普通20號碳鋼,T型角焊縫中的小徑管外徑為48 mm,,內(nèi)徑為40 mm,長度200 mm,平板尺寸150 mm×150 mm×6 mm,焊縫寬度為10 mm。試件在焊縫區(qū)域加工4個深度不同的人工缺陷,長10 mm,寬0.5 mm,深度為0.5～3 mm。

圖4 T型角焊縫試件Fig.4 T-fillet weld specimen

4.2 實驗結(jié)果分析

在ECPT實驗中,Easyheat224系統(tǒng)激勵頻率設(shè)置為200 kH,電流幅值為380 A,紅外熱相機采樣頻率為60 Hz,加熱時間為0.6 s,熱像儀記錄總時間為2 s。

實驗中對2 mm深度的缺陷進行檢測,在0 s、0.3 s、1 s與1.5 s時的檢測結(jié)果如圖5所示。從圖中可以看出,在加熱過程中缺陷、焊縫區(qū)域和焊縫邊緣聚集了較多的熱量,圖像熱對比度較高。在冷卻階段,由于試件中存在橫向和縱向熱傳導(dǎo),試件中的熱量逐漸散失,導(dǎo)致缺陷區(qū)域與無缺陷區(qū)域熱對比度降低。從整個實驗過程來看,缺陷區(qū)域與非缺陷區(qū)域的熱對比度較低,在沒有先驗知識的條件下,難以區(qū)分各個區(qū)域,需對熱圖像進行圖像處理,增強各個區(qū)域的熱對比度。

圖5 不同時刻熱響應(yīng)圖像Fig.5 Thermal response images at different moments

4.3 ICA熱圖像處理

本文由ECPT實驗獲得一組大小為584像素×468像素×199幀的圖像序列。由于ICA在對圖像序列矩陣計算過程中運算量過大,且實驗過程中主要檢測焊縫區(qū)域,分析時采用的圖像數(shù)據(jù)是從原始圖像序列中截取的一組大小為200像素×100像素×90幀的數(shù)據(jù)。紅外圖像序列經(jīng)過獨立成分分析(ICA)算法處理后得到了熱圖像序列的4個獨立成分及其對應(yīng)的混疊向量,其結(jié)果如圖6所示。

將4個獨立成分重構(gòu)出的圖像與圖2中4個典型位置的瞬態(tài)紅外熱響應(yīng)相比較,可得出混疊向量1、2、3、4分別對應(yīng)XNS(t)、X2(t)、X1(t)、X3(t)的變化趨勢。混疊向量1強化的是小徑管頂部區(qū)域。小徑管頂部距加熱源距離較遠,加熱過程中焊縫區(qū)域溫度逐漸增高,熱對比度相較于焊縫區(qū)域逐漸下降；在冷卻過程中,焊縫區(qū)域逐漸恢復(fù)到室溫,所以小徑管頂部區(qū)域的曲線先下降后升高。混疊向量2呈現(xiàn)先上升后平穩(wěn)的趨勢,曲線的幅值變化在0.4左右,強化的是焊縫區(qū)域。焊縫區(qū)域表面經(jīng)過打磨,表面粗糙度較為均勻,在加熱階段中,聚集的熱量較少；在冷卻階段,相較于其他部位,橫向熱傳遞速率較慢。混疊向量3的曲線先下降后上升,最后保持幅值基本不變,強化的是缺陷區(qū)域。在加熱過程中,由于渦流分布不均,缺陷區(qū)域相較于焊縫區(qū)域產(chǎn)生較多熱量；而在冷卻階段,焊縫邊緣區(qū)域的熱量流向缺陷區(qū)域,缺陷區(qū)域能夠保持較高的溫度。由于焊縫邊緣區(qū)域相較于缺陷區(qū)域材質(zhì)復(fù)雜,渦流密度較高,阻抗大,產(chǎn)生的熱量較多。在冷卻階段,由于橫向熱傳遞,溫度向低溫區(qū)域流動,焊縫邊緣區(qū)域呈現(xiàn)出先上升后下降趨勢,可見混疊向量4強化的是焊縫邊緣區(qū)域。

圖6 獨立成分重構(gòu)圖像Fig.6 Independent component reconstructed image

4.4 熱圖像分割及其定量評價

在對熱圖像序列進行ICA算法處理后,圖像中仍包含背景噪聲區(qū)域,且缺陷區(qū)域與噪聲區(qū)域?qū)Ρ榷容^低,造成缺陷檢測準確率較低。圖7是本文提出的改進區(qū)域生長算法對經(jīng)過ICA算法處理后的熱圖像分割結(jié)果,并與FOSP-GA、Otsu和K-means聚類分割算法進行了比較,同時通過計算TPR、FRP和算法運算時間對4種算法進行了定量評價,其結(jié)果如表1所示。

從圖7中可以看出,所提出的算法與FOSP-GA、Otsu和K-means聚類算法的相比分割結(jié)果更好。

圖7 圖像分割結(jié)果Fig.7 Image segmentation results

在7(a)圖中,分割結(jié)果中只包含了缺陷區(qū)域,結(jié)合表1中本文提出的算法TPR值近似等于1,FRP值近似于0.0029,證明了算法分割效果較優(yōu),能夠?qū)⑷毕輩^(qū)域從熱圖像中準確的分離出來。相對地,FOSP-GA和K-means聚類算法的TPR值較低,表明背景區(qū)域中包含了部分缺陷區(qū)域,在圖7(b)中,FOSP-GA算法的分割結(jié)果出現(xiàn)了過分割現(xiàn)象；而Otsu和K-means算法FRP值較高,表明在分割結(jié)果中存在欠分割現(xiàn)象,在分割的結(jié)果中包含了背景區(qū)域,如圖7(c)和7(d)所示。在計算時間上,四種算法都在1 s左右,本文算法運算時間較短,能夠適應(yīng)實際檢測的需求。

表1 分割結(jié)果定量評價Tab.1 Quantitative evaluation of segmentation results

4.5 誤差分析

從表1可以看出,本文所提出的檢測方法實際得到的TPR與FRP值與理想值仍存在誤差,造成誤差的原因與原始圖像的獲取、圖像前、后處理相關(guān)。為了更為客觀的評價所提出的方法對焊縫缺陷檢測的有效性,分析各階段對檢測結(jié)果的影響,同時實現(xiàn)缺陷的定量檢測,本文從缺陷的長度、寬度及其相對誤差方面對該檢測方法做出了定量評價,其結(jié)果如表2、圖8和圖9所示。

表2 各階段缺陷尺寸及誤差Tab.2 Defect size and error at each stage

從表2中可知,經(jīng)過后處理得到的缺陷長度和寬度的相對誤差分別為0.40 %和14 %,所提出的方法能夠逐步降低誤差,得到較為準確的缺陷尺寸。在原始熱圖像獲取過程中,其誤差主要來源于熱傳導(dǎo),熱傳導(dǎo)過程會使熱量沿三維方向傳遞,獲得的缺陷尺寸會大于實際尺寸；圖像前處理過程中,其誤差主要來源于試件表面粗糙度,ICA算法根據(jù)試件熱圖像序列中不同的變化趨勢分離出缺陷區(qū)域,缺陷邊緣一定區(qū)域內(nèi)由于熱傳遞過程與缺陷區(qū)域變化相同而被視為同一區(qū)域,造成獲得的缺陷尺寸大于實際尺寸；在圖像后處理過程中,其誤差主要來源于閾值的選擇,而這也是本文方法的主要誤差來源。

圖8 缺陷尺寸Fig.8 Defect size

圖8和圖9中的曲線是由不同閾值得出的缺陷尺寸值和相對誤差值經(jīng)三次樣條插值后獲得。圖8中,隨著閾值的增加,缺陷的長度和寬度呈下降趨勢,在最佳閾值171時獲得的缺陷長度為9.96 mm、寬度為0.43 mm,而閾值大于最佳閾值獲得的二值圖像存在欠分割現(xiàn)象,得出的缺陷長度和寬度大于實際尺寸；閾值小于最佳閾值獲得的二值圖像存在過分割現(xiàn)象,且圖像中缺陷輪廓不完整,得出的缺陷長度和寬度小于實際尺寸。在圖9中,缺陷長度相對誤差趨勢呈凹型,缺陷寬度相對誤差曲線呈先下降后平穩(wěn)的趨勢,二者在最佳閾值處獲得最小值0.4 %和14 %。結(jié)合表2、圖8和圖9可知寬度的相對誤差遠大于長度的相對誤差,而這與缺陷尖端聚集熱量較多,在相同熱傳遞效率的情況下,尺寸較小的寬度在計算相對誤差時比值較大有關(guān)。

5 結(jié) 論

本文基于渦流脈沖熱成像技術(shù)對角焊縫缺陷試件進行檢測,對獲取的熱圖像序列進行獨立成分分析算法處理,并將包含缺陷的獨立成分圖像采用改進區(qū)域生長算法進行圖像分割,通過分析處理結(jié)果可以得到以下結(jié)論:

(1)采用L型磁芯,能夠使缺陷區(qū)域形成相對均勻的渦流分布,增強缺陷區(qū)域與非缺陷區(qū)域的熱對比度。

(2)提出獨立成分分析算法的紅外圖像序列處理方法,能夠提取出缺陷區(qū)域的混疊向量,強化缺陷區(qū)域的熱響應(yīng)特征。

(3)采用改進區(qū)域生長算法對包含缺陷區(qū)域的獨立成分熱圖像進行圖像分割,能夠得到較好的缺陷輪廓信息。