基于紅外熱成像的電子器件故障檢測方法

谷天苓

（朝陽市人力資源和社會保障信息中心，遼寧朝陽，122000）

0 引言

對于經濟適用性要求的逐漸提高，電子器件的發展也呈現出以電能為主導的趨勢。在方便傳輸的同時，清潔高效也成為了備受關注的重點[1]。在現代社會中，使用最為廣泛的能源為電能，這種模式下，對于電子器件的生產管理不斷迎來新的突破，自動化技術在電子器件中的應用程度越來越高，相應地其出現的質量問題也越來越復雜[2]。在多樣的電氣設備充斥于人們生產生活中的同時，電子器件故障對于人們生產生活的影響也越來越高。特別值得注意的是，電力系統在電磁干擾作用下，輸出的電流影響電子器件的運行狀態是不可避免的。電子器件內部各類敏感元件在負荷誤操作、雷電沖擊等因素的作用下極有可能出現異常故障，引發安全事故的發生，如果不能及時發現，甚至可能造成巨大的生命和財產損失。

針對于電子器件故障識別，其主要可分為三個階段，分別為人工識別階段、專家系統識別階段和智能識別階段，目前眾多學者都在研究電子器件故障的智能識別，且已有部分研究成果。如趙銳[3]等人提出基于經驗小波變換（EWT）和循環熵（CCE）的變流器IGBI 開路故障檢測方法。該方法雖然可有效降低非高斯噪聲對其電子器件故障診斷的影響，提高檢測準確率，但其存在計算復雜、檢測速率較慢等問題。高亞棟[4]等人提出基于相對溫差法的智能組合開關電器故障檢測方法，即通過獲取智能組合開關電器測量點之間的溫差比值進行故障判斷，該方法運算簡單，故障檢測效率較高，但其故障檢測精準度較差。為此，本文基于上述不足，基于紅外熱成像提出了一種電子器件故障檢測方法。利用本文的研究，希望可為相關電子設備的故障檢測工作提供有價值的參考。

1 電子器件紅外熱成像故障檢測原理

所謂紅外熱成像技術就是利用物體會向外發射紅外能量的特點，通過紅外探測器探測物體發射的紅外光線，利用紅外光線的輻射強度對物體表面溫度進行表示。通常物體的紅外輻射強度越強，其內部分子運動越劇烈，可通過這一原理完成電子器件故障檢測[5]。大部分電子器件發生故障都是由于長期高效、疲勞運行引起的，并非是突然發生的，故其在徹底損壞之前，會隨著使用時長的增加，出現器件松動、開裂、生銹等問題，進而導致其接觸電阻增加。電子器件在應用過程中，電流流動過程中會使得故障處出現熱異常的現象，并且其異常可利用紅外探測器探測出來，并直接完成其故障位置和嚴重程度的確定。利用紅外探測器完成電子器件數據采集，會生成紅外圖像。由于人們主要利用紅外圖像完成電子器件故障的判斷和識別，故需要對其紅外圖像進行處理。

2 電子器件故障檢測過程

2.1 紅外熱成像圖像采集及處理

在對電子器件進行采集時，需要具備紅外攝像機、監視器、錄像機等設備，其圖像采集流程如圖1 所示。

圖1 紅外圖像采集流程圖

利用紅外攝像機完成電子器件紅外圖像的采集后，先對其視頻圖像的轉換，然后由錄像機對其進行保存。待圖像全部采集完畢后，對錄像機內的內容進行回放，經過A/D 轉換、圖像板處理后送到微機處進行相關分析。由于在圖像獲取的過程中，自然界中如光線、環境等因素都會對其成像質量造成影響，出現亮度不足、對比度低等問題，所以應先對其預處理，加工已有的圖像信息，使其滿足人們視覺及實際應用的需要，便于電子器件的故障識別。本文選用頻域法完成圖像的預處理，即先對圖像執行傅里葉變換，再對其變化結果進行濾波處理，最后將濾波處理后的頻率域圖像逆變換到空間域中，以實現增強圖像的目的，使其更加清晰。

2.2 紅外圖像信息配準

在完成圖像增強處理后，對紅外圖像信息進行配準，以消除空間誤差。所謂配準是將可見光圖像與紅外圖像進行校對配準，以保證其獲取的電子器件紅外圖像采集位置和原始位置一致，其配準質量將直接影響后期故障檢測的準確性。電子器件的紅外圖像可分為三個部分，分別為：元器件發熱部分、熱輻射部分和背景部分。這三部分中，元器件發熱部分是故障識別過程中重點檢測識別區域。本文提取發熱部分的紅外輪廓圖像進行灰度壓縮，然后將圖像進行互信息配準。

提取發熱區域的紅外輪廓圖像共分為五個步驟，如下：

步驟一：掃描紅外圖像L，從中找到溫度的最高點，并將其設置為起始種子點Q;

步驟二：確定溫度分布規律，設置自適應閾值q，在沒有超過設定閾值時種子繼續生長，待其超過閾值后，種子停止生長；

步驟三：重復迭代，直至沒有種子產生為止，將此區域標記為A，該區域包括電子器件的發熱區和熱輻射區。從圖像中去除A區域可得到新的圖像，按照該規則持續類推，直至得到最佳區域An；

步驟四：設置閾值E和周圍環境溫度D,掃描圖像。當器件溫度與設定閾值之差小于周圍環境溫度時，即可視為圖像中全部發熱區域和熱輻射區域提取完成；

步驟五：將生長完成的區域最外層元素集合設為GVF-Snake模型初始輪廓，求解完成電子器件區域紅外輪廓圖像識別。其提取流程如圖2 所示。

圖2 紅外輪廓提取流程

對提取到的紅外輪廓圖像設置像素點溫度最高值和最低值，其分別為Qmax、Qmin，用T(x,y)表示該圖像中像素點的溫度值，其中x和y分別表示其在紅外圖像中的坐標，則灰度壓縮公式為：

將其進行灰度壓縮后，通過不斷改變變化參數來完成區域配準，使得不同圖像的互信息達到最大化。

2.3 電子器件故障識別

本次研究先利用差分檢測法完成電子器件故障的初步判斷，然后利用熱序列檢測法根據元件的溫度變化曲線判斷故障元件。

所謂差分檢測法就是將待檢測的電子器件紅外圖像和標準紅外圖像進行差分運算，根據其顯示的溫度差值確定故障元件或故障區域。設M(x,y)為待檢測元件紅外圖像，N(x,y)為標準紅外圖像，其差值圖像可表示為：

由此可得到差分后的圖像，完成故障元件的初步判斷。然后利用熱序列檢測法完成最終的故障識別，即在相同工作環境下，分別對正常工作狀態下的電子器件和故障狀態下的電子器件進行通電激勵，每間隔一段時間就完成一次紅外熱圖像序列采集，提取元件溫度信息，將其繪制為溫度變化曲線和溫度速率變化曲線。每個元器件都有自身的正常工作溫度變化范圍，設其范圍為[T0,T1]，元器件溫度在該范圍內波動屬于正常情況，但如若超過該溫度即可認為其存在故障，由此完成故障識別。

3 仿真測試

為更加直觀地分析本文提出故障檢測方法的實際應用效果，采用文獻[3]提出的以IEWT-CCE 為基礎的故障檢測方法，文獻[4]提出的以開關模態頻率特征為基礎的故障在線檢測方法作為測試的對比方法，測試在不同故障參數設置下3 種方法的檢測效果。

3.1 測試參數設置

本實驗在Windows 10 系統的電腦中運行，采用紅外熱像儀完成標準電子器件和故障電子器件紅外圖像的獲取，采用ThermoX 軟件完成紅外圖像的保存及回放。其熱像儀選用巨哥電子MAG32 系列熱像儀，其鏡頭為15mm,像素為384×288，空間分辨率更好，能對電子器件的更多細節進行觀測。為紅外攝像頭提供12V 直流電源，讓其與計算機進行網絡連接，將待檢測的電子器件固定在平臺中，將紅外攝像頭固定在電子器件的正上方，且距其40cm。整個實驗在恒溫環境中運行，確保外界溫度不會對其造成較大影響。以此為基礎，進行對比實驗，統計3 種方法對故障的檢測結果。

3.2 實用性驗證

先對經過圖像增加及圖像配準的紅外圖像進行差分檢測，完成故障的初步判斷，獲得的圖像對比如圖3 所示。

圖3 電子器件圖像對比

由圖3 所示，圖3(a)為故障元件的紅外圖像，整體偏暗；圖3(b)為正常元件的紅外圖像，兩者相對比可知，A 和B的溫度存在明顯差異，經過差分后的圖像如圖圖3(c)所示，由此圖可知，點A 和B 亮度并不一致。點A 的溫差為1℃，點B 的溫差為5.1℃，元器件A 的正常工作溫度變化范圍在0.5～1.2 之間，由此可知A 正常工作，元件B 的正常工作溫度變化范圍在2.1～3.4 之間，其目前溫差大于該區間，證明其無法正常工作，存在故障。

利用熱序列檢測法，繪制溫度曲線，由此獲得圖4。

圖4 通電后電子器件溫度及溫度變化率對比

根據圖4 可知，通電后A 元件與標準A 元件性能差別不大，且其溫度變化在正常范圍，所以可判斷其未發生故障；元件B 溫度變化與標準電路元件溫度變化存在較大差異，且其溫度變化超過正常范圍，故判斷其存在故障。由此證明，本文方法可完成電子器件的故障檢測。

3.3 對比驗證

利用4 種方法對電子器件的故障進行檢測結果，以故障檢測精度和故障檢測效率為指標，獲得實驗結果。

選擇不同數量的樣本進行檢測，記錄其檢測時間，其對比如圖5 所示。

如圖5 所示，本文方法的檢測時間低于0.4s，而其余對比方法的檢測時間均高于0.5s，由此可證明本文方法的檢測效率更高。

圖5 檢測時間對比

統計其檢測準確率，對比其檢測精度，結果如圖6 所示。

圖6 檢測準確率對比

如圖6 所示，本文方法的檢測準確率位于96%以上，且故障檢測較為穩定，文獻[3]方法的檢測準確率最高為94%，但其存在識別不穩定的問題，而文獻[4]方法的故障檢測穩定，但其檢測準確率不高。由此可證明，本文方法優于對比方法，檢測精度較高。

4 結束語

紅外檢測技術與傳統檢測方法并不相同，其不需要接觸被檢測物，可直接通過溫度變化完成物體的故障檢測。本文將該技術引入電子器件故障識別之中，通過對電子器件的熱成像圖像進行增強、配準處理，提升故障識別精度和識別效率，并采用差分檢測法和熱序列檢測法共同完成其故障檢測，大大提升了其故障檢測精度。經實驗對比可知，本文方法具有更短的檢測時間和更高的檢測精度，優于對比方法。希望通過本文的研究，為相關故障檢測工作的開展提供有價值的參考。