利用红外热成像无损检测技术检测内部损伤

多年来，红外“热点”检测（也称对比分析）是红外无损检测的标准方法，广泛应用于铝和复合材料蜂窝结构中的水分检测等。

然而，这种方法存在一些局限性，包括对小型或微小内部缺陷的灵敏度不足、深度范围有限，以及在检测缺陷时，由于模糊导致的尺寸不准确。

对于自动化或更复杂的应用，需要额外的处理。

虽然空间处理方法可以减少噪声并提高图像清晰度，但它们无法增强信号或提高小缺陷的可检测性。

对比分析高度依赖操作者对红外图像的主观判断（见图3），这可能受到加热不均匀或外部红外反射等因素的影响。

这些限制使得缺陷识别难以实现自动化和标准化。

图3，典型对比分析结果为碳纤维夹层结构。

区分良好的干燥区域(左)和有缺陷的潮湿区域(右)是很困难的。

在“热点”检测中，红外数据被视为操作员观察的一系列图像，通常是视频。

然而，通过监测红外图像中每个像素随时间的冷却行为，可以获取更多信息。

实际上，检查单个像素的时间趋势可以在不参考其他图像部分的情况下，提供关于样品亚表面状态的丰富信息。

例如，考虑三个样品的温度-时间历史（见图4）。对于一个无限厚、无缺陷的样品（左），其时间历史以对数形式显示为一条斜率为-0.5的直线，代表理想的一维热扩散。

中心样品的后壁阻碍了热量流动，使得直线逐渐变为水平线（斜率=0）。

这两条直线的交点定义了一个时间点(t*)，它表征了材料的厚度和热扩散率（热量通过的速率）。虽然这两种情况代表了自由和完全受阻的热流的极限，但有限尺寸缺陷的存在（右）则是一种中间情况。

所有三种情况最初表现相同，但在时间(t*)时，缺陷和壁面情况都偏离了斜率为-0.5的直线。

在时间(t*)之后，缺陷逐渐恢复到原来的斜率为-0.5的行为。

图4，无限厚固体(左)、后壁绝缘的板坯(中)和有内部绝缘缺陷的厚固体对闪热源的对数表面温度-时间响应。

尽管对数温度-时间历史的单像素分析能够深入了解内部缺陷的状况，但它并未增强红外无损检测系统对内部特征成像的能力。

来自红外无损检测系统的实际数据可能比上述模型数据更加复杂。

相机捕获的信号是离散的时间点，以帧速率进行采集，这些信号容易受到背景噪声、运动和温度变化的影响，以及样品中发射率的变化（见图5）。

图5，钢板中平底孔(红色)和壁(黑色)的实验数据和TSR(黑色)复制品。

热成像信号重建（TSR）方法利用单像素技术来解决相关问题，同时实现降噪和信号增强。

在TSR中，每个对数像素将时间历史转化为方程，例如低阶多项式，从而减少时间噪声（见图5）。

接着，对每个像素的时间历史进行降噪处理，并进行时间微分（见图6），以去除发射率和背景伪影。

对于无限厚样本，其一阶和二阶导数分别为振幅为-0.5和0的水平线。

在后壁绝缘样品中，一阶导数在振幅为-0.5和0之间发生转变，转变点出现在时间(t*)。

壁面情况的二阶导数呈对称函数，接近高斯函数，其峰值出现在时间(t*)。

与无限或壁面情况相比，存在阻碍热量流动的缺陷会破坏导数的对称性，导致信号的最大值和最小值降低。

图6，无限厚、绝缘壁和缺陷样品的第一(左)和第二(右)导数。

当结果需要可视化时，对每个像素时间历史执行TSR过程的好处是显而易见的。

几乎无法检测到的特征，或者在某些情况下无法检测到的特征，在衍生图像中很明显(图7)。

图7，原始图像和信号(左)和TSR处理的二阶导数图像(右)包含两个模拟分层的12层CFRP面板，在两个图像中都可以检测到，以及六个聚四氟乙烯插入物，仅在TSR二阶导数图像中可以检测到。

在大多数情况下，与缺陷相关的导数信号与周围区域明显不同，并且很容易在图像中识别。

通过测量二阶导数(t*)出现正峰值的时间，可以获得额外的信息。

该时间可用于创建样品的深度或热扩散率图(图8)。

这些图提供了样品厚度或热扩散率的定量测量。

图8，原始红外图像(左)与CFRP步骤的TSR深度图图像(中)和轮廓(右)相比楔形厚度从2层到6层不等。

除了增强可探测性外，TSR衍生物还可以表征内伤特征。

在飞机维修中，区分飞机蒙皮下可以发现的各种流体是很重要的。

水必须在冻结并造成额外损害之前立即清除，而油和燃料可能是飞机其他问题的迹象。

这两种情况下的TSR导数产生明显不同的信号(图9)，其中水是唯一导致TSR一阶导数信号减小的地下流体。

这些不同的信号允许对水和其他流体侵入进行自动TSR表征(图10)。

图9，1.5mm CFRP蒙皮下不同量的过量环氧树脂和水的TSR一阶导数信号。

图10，CFRP蒙皮下各种流体的原始红外图像(左)和TSR表征(右)。

与传统的“热点”方法相比，TSR过程的应用在探测内伤特征方面有了显著的改进。

它的作用是减少时间噪声，并根据其对数像素时间历史的行为促进地下缺陷的识别。

与假设存在缺陷的基于视觉的“热点”方法不同，TSR不依赖于缺陷背景对比，因此TSR分析可以在单个像素的时间历史上执行，从而允许该过程自动化。

导数的时间和振幅属性可用于对无缺陷样品的热性能进行表征和测量，以及常规的缺陷检测。

TSR在无损检测领域的应用带来了包括投影热成像在内的创新。