基于卷积神经网络的涡流热成像无损探伤方法研究
发布时间：2021-03-07 21:43
冶金工业为基本建设和军事装备等各行业提供原材料,检测原材料是否存在损伤缺陷,对于企业生产效率及设备运行安全起着至关重要的作用。如何快速、准确、智能地对金属损伤缺陷进行检测成为当前无损检测领域广泛研究的课题。在金属冶炼过程中各环节都可能会造成金属的损伤缺陷,而这些损伤缺陷的位置和类型各异。因此,如何在复杂工业环境下,提取金属损伤缺陷的特征,并根据这些特征准确识别损伤缺陷所在位置及类型,是具有应用价值的研究方向,在工业应用中也具有重要的意义。为此,本文围绕铁磁性材料损伤缺陷的特征提取及损伤缺陷的类型识别等问题展开研究,解决铁磁性材料热成像损伤缺陷特征提取及分类的问题,最终完成基于涡流热成像的金属材料损伤缺陷的分类识别。主要研究内容包括以下几个部分:（1）针对涡流无损检测中涡流热成像的数据结构,在传统霍夫圆检测算法基础上进行了改进。为了提高复杂工况下金属损伤缺陷类型识别精度,本文使用改进的霍夫圆检测算法对金属涡流热成像数据进行预处理。实验结果证明改进的霍夫圆检测算法能够准确地检测出大功率激励线圈内圈的位置并提取出其内部像素。（2）原始图像数据经过改进的霍夫圆检测算法进行图像分割后,使用卷积神...
【文章来源】：昆明理工大学云南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
电磁热成像原理示意图
昆明理工大学硕士研究生学位论文10高的温度,绿色、黑色表示了较低的温度从左至右温度逐渐减低。涡流加热系统主要通过谐振在带有损伤缺陷的试件内部产生涡流,由于在损伤缺陷处电流无法形成闭合回路,所以渗透到表面的温度相对较低。使用热像仪采集试件表面温度变化并以图片的形式存储下来，并可进一步在软件中分析、处理和储存等操作。图2-2热成像颜色与温度关系图Fig.2-2RelationshipBetweenThermalImagingColorandTemperature如下图2-3所示，一次侧在本文中使用的是紫铜管大功率激励线圈，小的激励频率与电流无法产生足够的焦耳热，这只会带来小的磁场的变化，这种小的磁场的变化可根据磁敏电阻进行测量，以电压或者阻抗变化形式表示。这种方法的激励多数为脉冲激励，这也是目前涡流无损检测领域的主流研究方法之一。激励频率大才会产生足够的热量使金属试件上完好与损伤缺陷部位有明显的温度差，才能使用热像相机进行温度差的捕捉。产热的同时紫铜管上的温度也会急速上升，由于紫铜管与驱动电路相连，如果不采取水冷的散热方式，将使驱动板因温度过高而烧坏。二次侧的线圈在本文中是待测的金属试件，可以看做是单线圈。在大功率激励线圈中通入交变电流，根据电磁感应原理在其下方的待测金属试件中就会感生出涡流，具体实验设备参数及运行过程将在第五章涡流无损探伤系统的设计与实现中展示。图2-3电磁感应原理Fig.2-3PrincipleofElectromagneticInduction2.2热成像原理人眼可以看到可见光或电磁波谱的微小部分但是人眼看不见紫外线还有红外线。热间隙照相机检测在电磁波谱范围内的红外辐射大约为0.9-14微米,并产生我们能看到的辐射[35]。热能是电磁光谱的一部分,使红外光谱占到了光谱的上部。当红外探头与备检试件呈垂直角度时接收到物体发
3.1 涡流热成像数据生成本文使用日本松下公司生产的热成像探头，基于 stm32 的热成像数据采集设备。该设备通过串口将数据传输至上位机中，并对图像数据进行预处理提取大功率激励线圈内部像素，然后送入深度学习网络模型中进行特征提取后进行识别与分类。下图 3-1 所示，为热成像探头模块及其组成结构，图片来源于探头数据手册，探头最外层是金属外壳（Metal case）、硅透镜（Si lens）、陶瓷底座（Ceramic base）、MEMS 传感器芯片、ASIC（为具体功能而设计的集成电路），热敏电阻。探头内部包含 65 个传感器，最大可测量距离为七米，俯摄角度为 60 度。
【参考文献】：
期刊论文
[1]基于脉冲涡流热成像钢材表面裂纹检测效果分析[J]. 苏伯泰,李强,韩静涛,张永军. 中国测试. 2018(05)
[2]红外热像检测技术的发展和研究现状[J]. 吕事桂,刘学业. 红外技术. 2018(03)
[3]面向脉冲涡流热成像的激励电源特性研究[J]. 唐波,方旭,侯德鑫,叶树亮. 仪器仪表学报. 2018(01)
[4]基于脉冲涡流热成像的下表面缺陷评估[J]. 盛卫锋,杜阳,周德强,常祥. 激光与红外. 2017(08)
[5]脉冲涡流热成像检测金属缺陷的激励参数研究[J]. 闫晓梅,孙志毅,谢家麟,崔赟,孙前来. 太原科技大学学报. 2017(04)
[6]基于涡流热成像的铁磁材料近表面微裂纹检测[J]. 闫会朋,杨正伟,田干,明安波,张炜. 红外与激光工程. 2017(03)
[7]基于磁轭结构的脉冲涡流热成像激励效果比较[J]. 邢晓军,左宪章,褚丽娜,张云. 磁性材料及器件. 2017(02)
[8]基于多物理场的焊球缺陷检测方法[J]. 周秀云,薛云,周金龙. 西南交通大学学报. 2017(02)
[9]脉冲涡流热成像金属材料裂纹检测研究[J]. 邢晓军,左宪章,王建斌,张玉华. 中国测试. 2016(09)
[10]基于脉冲涡流热成像的金属材料裂纹检测研究[J]. 胡德洲,左宪章,王建斌,张玉华. 中国测试. 2016(02)
博士论文
[1]面向图像目标识别和检测的深度神经网络关键技术研究[D]. 李扬.北京邮电大学 2018
[2]电磁无损检测缺陷识别与评估新方法研究[D]. 何赟泽.国防科学技术大学 2012
[3]基于红外热像仪的温度测量技术及其应用研究[D]. 李云红.哈尔滨工业大学 2010
[4]红外图像处理中的关键算法研究[D]. 简耀波.华中科技大学 2009
硕士论文
[1]基于深度学习的空间非合作目标姿态估计算法设计[D]. 李想.哈尔滨工业大学 2018
[2]基于红外热成像的复合材料无损检测研究[D]. 冯琪智.电子科技大学 2018
[3]基于深度学习的细粒度图像识别研究[D]. 陈鹤森.北京邮电大学 2018
[4]脉冲涡流无损检测技术在钢筋混凝土上的应用研究[D]. 白利芳.华北水利水电大学 2017
[5]车载红外夜视行人检测与跟踪技术研究[D]. 王璐.电子科技大学 2017
[6]消除提离效应的脉冲涡流测厚方法研究[D]. 张锐.西安理工大学 2009
[7]被检物表面条件对红外热波无损检测结果影响的研究[D]. 李艳红.首都师范大学 2006
[8]复杂条件下的圆检测技术研究[D]. 项学智.哈尔滨工程大学 2005
本文编号：3069851
【文章来源】：昆明理工大学云南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
电磁热成像原理示意图
昆明理工大学硕士研究生学位论文10高的温度,绿色、黑色表示了较低的温度从左至右温度逐渐减低。涡流加热系统主要通过谐振在带有损伤缺陷的试件内部产生涡流,由于在损伤缺陷处电流无法形成闭合回路,所以渗透到表面的温度相对较低。使用热像仪采集试件表面温度变化并以图片的形式存储下来，并可进一步在软件中分析、处理和储存等操作。图2-2热成像颜色与温度关系图Fig.2-2RelationshipBetweenThermalImagingColorandTemperature如下图2-3所示，一次侧在本文中使用的是紫铜管大功率激励线圈，小的激励频率与电流无法产生足够的焦耳热，这只会带来小的磁场的变化，这种小的磁场的变化可根据磁敏电阻进行测量，以电压或者阻抗变化形式表示。这种方法的激励多数为脉冲激励，这也是目前涡流无损检测领域的主流研究方法之一。激励频率大才会产生足够的热量使金属试件上完好与损伤缺陷部位有明显的温度差，才能使用热像相机进行温度差的捕捉。产热的同时紫铜管上的温度也会急速上升，由于紫铜管与驱动电路相连，如果不采取水冷的散热方式，将使驱动板因温度过高而烧坏。二次侧的线圈在本文中是待测的金属试件，可以看做是单线圈。在大功率激励线圈中通入交变电流，根据电磁感应原理在其下方的待测金属试件中就会感生出涡流，具体实验设备参数及运行过程将在第五章涡流无损探伤系统的设计与实现中展示。图2-3电磁感应原理Fig.2-3PrincipleofElectromagneticInduction2.2热成像原理人眼可以看到可见光或电磁波谱的微小部分但是人眼看不见紫外线还有红外线。热间隙照相机检测在电磁波谱范围内的红外辐射大约为0.9-14微米,并产生我们能看到的辐射[35]。热能是电磁光谱的一部分,使红外光谱占到了光谱的上部。当红外探头与备检试件呈垂直角度时接收到物体发
3.1 涡流热成像数据生成本文使用日本松下公司生产的热成像探头，基于 stm32 的热成像数据采集设备。该设备通过串口将数据传输至上位机中，并对图像数据进行预处理提取大功率激励线圈内部像素，然后送入深度学习网络模型中进行特征提取后进行识别与分类。下图 3-1 所示，为热成像探头模块及其组成结构，图片来源于探头数据手册，探头最外层是金属外壳（Metal case）、硅透镜（Si lens）、陶瓷底座（Ceramic base）、MEMS 传感器芯片、ASIC（为具体功能而设计的集成电路），热敏电阻。探头内部包含 65 个传感器，最大可测量距离为七米，俯摄角度为 60 度。
【参考文献】：
期刊论文
[1]基于脉冲涡流热成像钢材表面裂纹检测效果分析[J]. 苏伯泰,李强,韩静涛,张永军. 中国测试. 2018(05)
[2]红外热像检测技术的发展和研究现状[J]. 吕事桂,刘学业. 红外技术. 2018(03)
[3]面向脉冲涡流热成像的激励电源特性研究[J]. 唐波,方旭,侯德鑫,叶树亮. 仪器仪表学报. 2018(01)
[4]基于脉冲涡流热成像的下表面缺陷评估[J]. 盛卫锋,杜阳,周德强,常祥. 激光与红外. 2017(08)
[5]脉冲涡流热成像检测金属缺陷的激励参数研究[J]. 闫晓梅,孙志毅,谢家麟,崔赟,孙前来. 太原科技大学学报. 2017(04)
[6]基于涡流热成像的铁磁材料近表面微裂纹检测[J]. 闫会朋,杨正伟,田干,明安波,张炜. 红外与激光工程. 2017(03)
[7]基于磁轭结构的脉冲涡流热成像激励效果比较[J]. 邢晓军,左宪章,褚丽娜,张云. 磁性材料及器件. 2017(02)
[8]基于多物理场的焊球缺陷检测方法[J]. 周秀云,薛云,周金龙. 西南交通大学学报. 2017(02)
[9]脉冲涡流热成像金属材料裂纹检测研究[J]. 邢晓军,左宪章,王建斌,张玉华. 中国测试. 2016(09)
[10]基于脉冲涡流热成像的金属材料裂纹检测研究[J]. 胡德洲,左宪章,王建斌,张玉华. 中国测试. 2016(02)
博士论文
[1]面向图像目标识别和检测的深度神经网络关键技术研究[D]. 李扬.北京邮电大学 2018
[2]电磁无损检测缺陷识别与评估新方法研究[D]. 何赟泽.国防科学技术大学 2012
[3]基于红外热像仪的温度测量技术及其应用研究[D]. 李云红.哈尔滨工业大学 2010
[4]红外图像处理中的关键算法研究[D]. 简耀波.华中科技大学 2009
硕士论文
[1]基于深度学习的空间非合作目标姿态估计算法设计[D]. 李想.哈尔滨工业大学 2018
[2]基于红外热成像的复合材料无损检测研究[D]. 冯琪智.电子科技大学 2018
[3]基于深度学习的细粒度图像识别研究[D]. 陈鹤森.北京邮电大学 2018
[4]脉冲涡流无损检测技术在钢筋混凝土上的应用研究[D]. 白利芳.华北水利水电大学 2017
[5]车载红外夜视行人检测与跟踪技术研究[D]. 王璐.电子科技大学 2017
[6]消除提离效应的脉冲涡流测厚方法研究[D]. 张锐.西安理工大学 2009
[7]被检物表面条件对红外热波无损检测结果影响的研究[D]. 李艳红.首都师范大学 2006
[8]复杂条件下的圆检测技术研究[D]. 项学智.哈尔滨工程大学 2005
本文编号：3069851
本文链接：https://www.wllwen.com/kejilunwen/jiagonggongyi/3069851.html
