基于紅外熱成像技術的動車組關鍵部位表面傷痕檢測方法

胡光鋒

（蘭州交通大學，蘭州 730070）

動車組是現代火車的一種類型，由帶動力的列車與不帶動力的列車組成，在牽引力、加速度等方面具有優勢，是未來客運列車的主流。動車組關鍵部位包括動力系統、懸掛系統、制動系統、轉向架、車體、控制系統和車輪等[1]。在動車運行過程中，容易受到摩擦力與接觸應力的影響，出現斷齒、劃傷等傷痕問題，影響動車組的安全運行。針對動車表面傷痕問題，研究人員設計了多種檢測方法。其中，基于3D 點云的動車組關鍵部位表面傷痕檢測方法，與基于改進YOLOv4 算法的動車組關鍵部位表面傷痕檢測方法的應用較為廣泛。

基于3D 點云的動車組關鍵部位表面傷痕檢測方法主要利用3D 點云技術，在2D 圖像上增加深度信息，反映表面的傷痕特征[2]。同時，采用點云處理、點云配準等技術深度檢測動車組部件表面信息，從而提高表面傷痕檢測的準確性。基于改進YOLOv4 算法的動車組關鍵部位表面傷痕檢測方法，主要利用K-means算法對關鍵部件表面傷痕特征進行聚類分析，并利用改進YOLOv4 算法調整先驗框參數，提高聚類特征與傷痕特征的匹配度，從而提高表面傷痕整體檢測的準確性[3]。這兩種方法均能夠完成傷痕檢測任務，但是微小傷痕檢測誤差相對較大，急需進行優化。因此，文章結合紅外熱成像技術的優勢，設計了動車組關鍵部位表面傷痕的檢測方法。

1 動車組關鍵部位表面傷痕紅外熱成像檢測方法設計

1.1 提取動車組關鍵部位表面傷痕特征

動車組關鍵部位表面傷痕特征提取是傷痕檢測的重要依據，在紅外成像的圖像中獲取傷痕長度、寬度和面積等特征[4]。表面傷痕會導致材料局部異常，溫度分布變化較為明顯，從而提取出溫度特征和骨架特征。同時，傷痕面積區域也存在異常，區域特征較為明顯[5]。因此，提取動車組關鍵部位表面傷痕的形狀、溫度分布、骨架、區域等特征，并根據實際紅外成像數據確定傷痕類型。對從紅外成像提取出來的圖像進行濾波處理，公式為

式中：Fp(x,y)為圖像(x,y)的濾波處理結果；p(i,j)為紅外圖像的傷痕位置；f(x+i,y+i)為圖像(x,y)向(i,j)平移的值。

對于傷痕i，骨架表示為

式中：S(i)為傷痕i的骨架；Sk(i)為第k個關鍵部位的傷痕骨架。對于紅外圖像而言，形狀、溫度分布、區域特征較為明顯，骨架特征從S(i)中獲取，為動車組部件表面傷痕邊界檢測提供數據保障。

1.2 基于紅外熱成像技術檢測動車組部件表面傷痕邊界

紅外熱成像技術通過紅外輻射，將肉眼不可見的物體轉換為肉眼可見的紅外圖像[6]。使用紅外線掃描動車組部件，傷痕位置的能量密度分布與非傷痕位置的能量密度分布不同，能夠避免傷痕檢測失誤的問題[7]。通過使用紅外熱像儀掃描動車組部件，可以獲取表面傷痕的溫度分布圖像。從紅外圖像中確定邊界范圍，確保傷痕檢測的準確性。紅外熱成像表面傷痕檢測原理，如圖1 所示。

圖1 紅外熱成像表面傷痕檢測原理

圖1 中，紅外熱像儀工作波段為2～5 μm。將外熱源與紅外檢測設備放在動車組關鍵部位的同一側，當被檢測部位無表面傷痕時，熱反射均勻分布[8]。當被檢測部位有表面傷痕時，熱反射出現圖1 中高低起伏的現象，起伏位置就是傷痕位置。入射波段電信號的輻射功率表示為

式中：Pλ為入射波段的輻射功率；Eλ為入射波段的輻射強度；Ar為熱像儀光學透鏡面積。將濾波處理的圖像作為檢測對象，令大氣發射率與被檢測部位的吸收率相等[9]，則傷痕邊界表示為

式中：Vz為傷痕左側邊界；Vy為傷痕右側邊界；K為紅外熱像儀測量的輻射溫度；τ為大氣發射率；ε為被檢測部位的吸收率；α為普朗克參數。根據左側與右側的邊界數據，測量出表面傷痕的長度，能夠保證表面傷痕檢測的準確性。

2 實驗分析

為了驗證設計方法是否滿足動車組關鍵部位表面傷痕的檢測需求，進行了相關實驗分析，最終的實驗結果以文獻[1]基于3D 點云的動車組關鍵部位表面傷痕檢測的方法（以下簡稱文獻[1]方法）、文獻[2]基于改進YOLOv4 算法的動車組關鍵部位表面傷痕檢測方法（以下簡稱文獻[2]方法）以及本文設計的基于紅外熱成像技術的動車組關鍵部位表面傷痕檢測方法（以下簡稱本文方法）進行對比的形式呈現。

2.1 實驗過程

本次實驗在實驗室內搭建了動車組關鍵部位表面傷痕檢測平臺，確保實驗數據真實有效。利用紅外掃描儀掃描動車組關鍵部位表面，得到表面圖像。在上位機上處理圖像噪聲，過濾掉不屬于傷痕的噪點。利用Canny 算子檢測表面傷痕的邊緣，定位準確的傷痕位置。表面傷痕檢測流程如圖2 所示。

圖2 表面傷痕檢測流程

紅外熱成像技術輸出的圖像信號為處理后的信號，圖像中傷痕較為明顯。從多個角度掃描動車組關鍵部位的表面傷痕，并重復進行掃描圖像、圖像處理的步驟，得到4 個角度的傷痕圖像。將4 個角度標記為∠1、∠2、∠3、∠4，并測量各個角度圖像傷痕的長度，與實際長度進行對比，分析檢測方法傷痕檢測的準確性。

2.2 實驗結果

在上述實驗條件下引入圖像熵指標，將圖像熵設定在0.7～1.0。圖像熵越大，動車組關鍵部位表面傷痕圖像信息越復雜，對檢測結果的影響越大。圖像熵對檢測結果影響越小，傷痕檢測效果越佳。在其他條件均已知的情況下，對比文獻[1]方法、文獻[2]方法以及本文方法的傷痕長度，實驗結果如表1 所示。由表1 可知，本次實驗找到動車組關鍵部位的3 處傷痕，傷痕的實際長度各不相同，每組傷痕檢測4 次，確保實驗數據的有效性。圖像掃描角度不同，得到的表面傷痕長度也不同，只有4 個角度的傷痕檢測長度與實際長度一致，才能確保表面傷痕檢測的準確性。

表1 實驗結果

在其他條件均一致的情況下，使用文獻[1]方法后，表面傷痕長度檢測值與實際值之間存在±5 mm以內的誤差，并且圖像熵越大，表面傷痕檢測誤差越大，影響動車組關鍵部位表面傷痕檢測效果。使用文獻[2]方法后，表面傷痕長度檢測值與實際值之間存在±0.4 mm 以內的誤差，并且受圖像熵的影響較小。由此可見，該方法的檢測性能優于文獻[1]方法，但是檢測誤差仍然較大，急需進一步優化。使用本文方法后，表面傷痕長度檢測值與實際值之間存在±0.01 mm左右的誤差，并且在∠2 呈現了無誤差的檢測，在其余角度檢測的過程中，第3 次、第4 次檢測結果也與實際值保持高度一致。由此可見，本文設計的方法能夠準確檢測出動車組關鍵部位表面傷痕的長度，符合研究目的。

3 結語

近年來，紅外熱成像技術作為先進的無損檢測方法，在動車組檢修維護方面應用廣泛。動車組關鍵部位表面傷痕不僅影響動車的美觀性，還會危害動車的行駛安全。車輪表面傷痕容易加劇車輪磨損程度，影響動車行駛的穩定性。因此，利用紅外熱成像技術設計了動車組關鍵部位表面傷痕的檢測方法，從傷痕特征提取、傷痕邊界檢測兩個方面快速找出動車部件的表面傷痕。通過紅外熱成像技術區分傷痕位置與正常位置的溫度，從而確定異常溫差區域，真正意義上實現了動車部件傷痕準確檢測的目標，為動車的安全運行提供保障。