紅外無損檢測缺陷尺寸測量方法研究

江海軍，馬兆慶，王俊虎，張 凱，林 鑫

〈無損檢測〉

紅外無損檢測缺陷尺寸測量方法研究

江海軍1，馬兆慶2，王俊虎2，張 凱1，林 鑫2

（1. 南京諾威爾光電系統有限公司，江蘇 南京 210014；2. 航天材料及工藝研究所，北京 100076）

紅外無損檢測技術可有效檢測金屬、非金屬、復合材料的內部缺陷，缺陷尺寸是評估缺陷影響的關鍵參數，本文以半寬高測量算法來實現對缺陷尺寸的半自動測量，首先手動繪制過缺陷中心的直線構成空間像素曲線，采用Savitzky-Golay濾波算法濾波，并自動尋找空間像素曲線半寬高位置，從而實現對缺陷尺寸的測量。通過對塑料試件、碳鋼試件、碳纖維復合材料試件研究發現，不同時刻紅外圖像測量出的缺陷尺寸具有不同的誤差，采用清晰時刻紅外圖像，測量誤差在10%內，采用模糊時刻紅外圖像，測量誤差在20%左右，相對于傳統手動測量缺陷尺寸，本文方法將有效提高缺陷尺寸測量的精度。

紅外無損檢測；半寬高測量；缺陷尺寸；缺陷測量

0 引言

紅外無損檢測技術作為一種非接觸式無損檢測技術，在航空航天、交通運輸、工業制造等領域都有較為廣泛的應用[1-5]。紅外無損檢測技術采用熱激勵源對試件進行熱激勵，熱激勵源包括閃光燈、激光、鹵素燈、紅外燈、超聲激勵、渦流激勵[6-12]。閃光燈激勵作為一種脈沖熱激勵方式，瞬間產生平面可見光熱源加熱被測物表面，不僅可以檢測導熱快的試件，也可以檢測極薄的試件，是目前主流的熱激勵技術之一[13-15]。

缺陷測量是紅外無損檢測技術一個重要的研究課題，缺陷測量包括測量缺陷深度和缺陷尺寸，缺陷測量受到缺陷深度的影響，隨著缺陷深度的變化，缺陷測量誤差也會發生變化。缺陷深度測量研究人員比較多，李美華等[16]采用Ansys模擬了二階微分峰值法的理論，對缺陷深度測量進行了理論研究。曾智等[17]采用二階微分峰值法對1～6mm平底孔鋁試件進行缺陷深度的測量。李曉麗[18]采用二階微分峰值法對1～6mm不銹鋼平底孔與玻璃鋼平底孔進行了檢測，并與Ansys仿真進行了對比，寬深比滿足的情況下，缺陷深度的測量精度為5%左右。缺陷深度測量可以通過二階微分波峰精準進行定位，缺陷尺寸測量缺少精確定位的算法，目前對缺陷尺寸測量研究比較少，一般通過純手動標注方式進行測量，手動標注過程很難界定缺陷的邊緣，導致純手動方式易受標注人員客觀影響大，造成缺陷尺寸測量誤差大。另一個常用的方法是采用半高寬法[19]，提取缺陷對應的空間曲線，計算峰值一半對應的位置，從而計算出缺陷尺寸。半高寬法測量時需要選定一幀熱圖提取缺陷像素曲線，不同幀的熱圖是否會帶來缺陷尺寸測量的誤差，目前沒有相應的研究。

本文通過半高寬法對不同試件的缺陷尺寸測量進行深度研究，對不同材料、不同深度、不同尺寸的缺陷進行分析，給出半高寬測量法具體測量步驟以及不同幀測量的誤差。

1 缺陷寬度測量方法

紅外無損檢測技術獲取的紅外熱圖序列有多幀圖像，能看到缺陷的也有多幀圖像，不同深度缺陷檢測到的時刻不盡相同，目前一般采用的是手動法在熱圖中直接手動標注，手動法一般是通過繪制直線來確定缺陷的尺寸，手動法標注過程會容易引起缺陷標注帶來的人為誤差。熱圖的噪聲也會影響半寬高尺寸測量，為了避免人工干擾和噪聲的影響，本文采用制冷紅外熱像儀采集紅外熱圖序列；為了準確尋找過缺陷中心的直線，通過手動方式繪制一條過缺陷中心的直線，采用算法自動查找半高寬，并且會計算手動繪制直線錯位一個像素距離上下6條直線的半高寬，共計算7條直線的半高寬，以最大的半高寬作為缺陷尺寸值，以防止手動繪制直線沒有通過缺陷中心位置。

1.1 實驗系統

采用脈沖紅外無損檢測技術對試件進行檢測，脈沖激勵源為閃光燈，系統如圖1(a)所示，系統包括3個部分：紅外采集系統、閃光燈激勵系統、數據處理與控制系統。紅外采集系統通過紅外熱像儀進行數據采集，紅外熱像儀為FLIR SC7000，屬于制冷熱像儀，圖像分辨率為640×512，全幅幀頻為100Hz，最小等效噪聲溫差＜10mK；閃光燈共4個燈管，總能量為12800J，脈沖寬度3ms，閃光燈放置在燈罩內，圖1(b)所示，燈罩有效防止閃光燈能量的溢出，使箱內形成均勻光環境，提高加熱的效率；數據處理與控制系統，包括參數設置、閃光燈閃光與紅外熱像儀同步控制、紅外熱圖序列圖像處理。

圖1 脈沖紅外無損檢測系統

1.2 半寬高測量

采用半寬高法對缺陷尺寸進行測量，以半寬高為判據方法對試件熱圖進行測量，從而得到缺陷的尺寸，半寬高法用來計算圖像中物體的尺寸，在一定程度上解決了由于圖像中邊緣模糊導致定位不準的問題。圖2是沿缺陷直徑方向的溫度分布曲線，橫坐標為曲線上像素位置，縱坐標為對應直線上像素點的溫度值。采用半寬高進行缺陷尺寸測量方法為缺陷邊緣位于半寬高的位置1和2，2－1為缺陷的像素尺寸。為單位像素的實際物理距離，則缺陷物理尺寸可以表示為：

＝(2－1)×

圖2 缺陷像素曲線分布

本文采用的紅外熱像儀分辨率橫向為640pix，對應的物理尺寸為345mm，因此＝0.539mm/pix，物理含義是一個像素對應的實際物理尺寸是0.539mm。

1.3 曲線濾波

缺陷像素曲線分布帶有噪聲信息，如果采用的是非制冷紅外熱像儀采集的數據，噪聲將更加明顯，噪聲的帶入將給計算出來的半寬高帶來誤差，因此需要采用曲線濾波算法減少噪聲帶來的影響。Savitzky- Golay曲線濾波算法（SG算法）[20]是Abraham Savitzky和Marcel J. E. Golay提出的基于最小二乘原理的多項式平滑濾波算法，SG算法可有效降低噪聲對信號的干擾，大幅提高信號曲線的平滑性。SG算法是一種滑動平均的曲線濾波算法。SG算法濾波效果如圖3所示，圖3(a)為塑料試件的空間曲線像素值分布，塑料試件溫度上升較高，對比范圍大的情況下濾波效果不明顯，圖中有局部放大圖，通過局部放大圖可以看出濾波效果明顯，圖3(b)為碳鋼試件的空間曲線像素值分布，對比濾波前和濾波后可以看出，空間像素曲線經過SG算法，可以有效提高曲線的平滑度。

1.4 缺陷尺寸測量效果

從熱圖序列中選取一幀圖像，確定缺陷位置，手動繪制一條過缺陷中心的直線，多個缺陷可以繪制多條曲線，圖4展示了缺陷尺寸測量效果，圖4(a)為手動繪制6條直線，該直線均穿過缺陷的正中心，6個缺陷尺寸均為20mm，缺陷深度從左到右分別為1.0mm、1.5mm、2.0mm、2.5mm、3.0mm、3.5mm。取出每一條空間曲線的像素值分布，再進行曲線濾波，濾波完成后找出最大值和最大值兩邊的最小值，依據最大值/最小值求出半高寬對應的位置1和2，再把手動繪制曲線縮短1和2，同時顯示該缺陷的尺寸信息。選擇時間靠后的熱圖，能看到深缺陷的熱圖，對于淺缺陷的區域、其清晰度會相對模糊一些，在同一幀熱圖上進行缺陷測量，從缺陷尺寸測量結果上看，缺陷越深，缺陷尺寸越準確，缺陷越淺，缺陷尺寸誤差越大。

2 不同試件缺陷尺寸測量

為了對比材料、深度、缺陷尺寸對缺陷尺寸測量的影響，采用了金屬、非金屬、復合材料3種不同的材料進行對比研究。金屬材料采用的是碳鋼，非金屬材料采用的是ABS（Acrylonitrile- butadine- styrene）塑料，復合材料采用的是碳纖維復合材料，所有的缺陷都是圓孔缺陷。碳鋼和ABS塑料采用相同尺寸、相同缺陷深度，大小為190mm×80mm×6mm的試件，兩種試件的缺陷分布如圖5所示，主要對直徑為20mm、15mm、10mm的3種缺陷尺寸進行測試。碳纖維復合材料試件尺寸為100mm×100mm×5mm，主要對30mm、20mm、15mm三種缺陷尺寸進行測試，缺陷尺寸分布如圖6所示。

圖3 曲線濾波效果對比

圖4 缺陷尺寸測量效果展示

圖5 碳鋼和塑料缺陷分布

圖6 碳纖維復合材料的缺陷分布

2.1 塑料試件

ABS塑料的導熱率低，所需采集時間要長一些，因此采集時間設置為70s，采集頻率為100Hz，共采集7000幀紅外熱圖序列，選取不同時間的5幀熱圖，如圖7所示，圖中可以看出，到采集后期，可以看到全部的缺陷信息。

對于ABS塑料試件，對缺陷直徑為20mm、15mm、10mm的不同深度缺陷進行缺陷尺寸的測量。為了更形象地展示缺陷尺寸的測量過程，以直徑為20mm、深度為1mm的缺陷為例，取圖7所示的7(c)圖像，先手動繪制一條過缺陷中心的空間直線，繪制的空間直線需要過缺陷中心，并且直線的起點和終點必須在缺陷之外，確保能按照公式(1)計算出半高寬位置1和2，其余圖像都是一樣位置的直線。把5幀圖像的空間直線對應的溫度值繪制成曲線，稱為溫度-空間曲線，如圖8(a)所示，時間越靠前，試件表面的溫度越高，時間越靠后，試件的表面溫度越低，圖7中不同時間的5幀熱圖的溫度-空間曲線呈現從上到下，溫度逐漸降低，在熱波三維熱擴散的過程中，波峰由平頂逐漸變成了拋物線形狀，溫度-空間曲線為未濾波的原始曲線，計算半高寬時進行SG濾波。按照公式(1)計算每一條曲線的半高寬位置，標示在曲線位置上，計算半寬高位置差，便可以得到缺陷的尺寸。需要說明的是半高寬區域溫度上升/下降比較陡峭，相鄰兩個像素點對應的溫度差距比較大，在尋找半高寬位置時取整數，會導致從曲線上看求得的半寬高位置不是最小值和最大值一半的位置，如圖8(a)時間為8.0s對應的半高寬2位置。5幀熱圖測量到的缺陷尺寸如圖8(b)所示，不同時刻缺陷尺寸測量值在逐漸減小的。

圖7 ABS塑料試件紅外熱圖序列

圖8 ABS塑料試件5幀熱圖測量結果

為了更詳細研究時間對缺陷尺寸測量結果的影響，選取了更多不同時間的熱圖進行缺陷尺寸的測量，同一個缺陷尺寸和缺陷深度對應的手動繪制的直線是一致的，由于缺陷深度的不同，缺陷在熱圖中出現的時刻是不一樣的，因此測量結果的根據缺陷深度的不同，測量時選用的圖像起始幀和結束幀不同，本文通過手動方式選取，以該缺陷剛出現時刻為起點，以該缺陷消失為終點，圖9(a)～(c)對應的是缺陷尺寸20mm的測量結果，圖9(d)～(f)對應的是缺陷尺寸15mm的測量結果，圖9(g)～(i)對應的是缺陷尺寸10mm的測量結果。對于1mm深度的缺陷，時間越靠前，缺陷尺寸測量越精確，在缺陷剛出現的時刻測量，測量誤差可以在3%以內，10mm的缺陷測量時由于一個像素物理尺寸是0.5mm，所以導致測量時1個像素的錯位就會導致較大的誤差；時間越靠后，缺陷尺寸測量會越小，缺陷尺寸測量誤差會越來越大，到60s附近時刻測量缺陷尺寸時，20mm的測量誤差是11%，15mm的測量誤差是大于11%，10mm的測量誤差是16%。對于2mm深度和3mm深度的缺陷，選用不同幀圖像測量出來的尺寸有所不同，有的是時間越靠后，測量結果越小，如圖9(b)所示；有的是變化起伏比較大，如圖9(i)所示，有的表現是無規律的，如圖9(h)所示。從上述測量曲線可以得出以下結論，對于塑料試件，不同幀測量的缺陷尺寸有所不同，淺缺陷的尺寸，時間越靠后，測量誤差越大。

2.2 碳鋼試件

碳鋼的導熱率高，采集時間需要短一些，因此采集時間設置為3s，采集頻率為100Hz，共采集300幀紅外熱圖序列，選取不同時間的5幀熱圖，如圖10所示，圖中可以看出，到采集后期，可以看到全部的缺陷信息。

圖9 ABS塑料試件不同尺寸/深度缺陷尺寸測量結果

圖10 碳鋼試件紅外熱圖序列

對于碳鋼試件，對缺陷尺寸為20mm、15mm、10mm的不同深度缺陷進行缺陷尺寸的測量，同樣以缺陷尺寸20mm、缺陷深度為1mm的缺陷為例進行說明，取圖10所示的(c)圖像，先手動繪制一條過缺陷中心的空間直線，繪制的空間直線需要過缺陷中心，并且直線的起點和終點必須在缺陷之外，確保能按照公式(1)計算出半高寬位置1和2，其它幀圖像計算的缺陷像素分布都是相同位置。把5幀圖像的空間直線對應的溫度值繪制成溫度-空間曲線，如圖11(a)所示，與塑料溫度-空間曲線相比，碳鋼試件表面吸收光脈沖后不僅溫升小，而且三維熱擴散更快，因此溫度-空間曲線縱坐標顯示范圍只有2.5℃，更大范圍地把噪聲顯示出來，溫度-空間曲線表現更大的噪聲水平。按照公式(1)計算每一條曲線的半高寬位置，標示在曲線位置上，計算半寬高位置差，便可以得到缺陷的尺寸。5幀熱圖測量到的缺陷尺寸如圖11(b)所示，不同時刻缺陷尺寸測量值在逐漸減小。

圖12(a)～(c)是缺陷尺寸20mm的測量結果，圖12(d)～(f)是缺陷尺寸15mm的測量結果，圖12(g)～(i)是缺陷尺寸10mm的測量結果。相對于ABS塑料試件，碳鋼試件缺陷尺寸測量結果跳躍比較快，主要在于碳鋼試件表面溫升小，表現噪聲大，從而計算半高寬時會引入噪聲誤差，自動計算出來的結果變化大。從上述測量曲線可以得出以下結論，對于碳鋼試件，不同幀測量的缺陷尺寸有所不同；采用缺陷剛出現的時刻，缺陷尺寸測量誤差會偏小。

圖11 碳鋼試件5幀熱圖測量結果

2.3 碳纖維復合材料試件

碳纖維復合材料導熱率介于ABS塑料和碳鋼之間，采集時間設置為40s，采集頻率為100Hz，共采集4000幀紅外熱圖序列，選取不同時間的5幀熱圖，如圖13所示，到采集后期，可以看到全部的缺陷信息。

對于碳纖維復合材料試件，對缺陷尺寸為30mm、20mm、15mm的不同深度缺陷進行缺陷尺寸的測量，以缺陷尺寸30mm、缺陷深度為2mm的缺陷為例進行說明。圖13所示的5幀圖像的空間直線對應的溫度值繪制成溫度-空間曲線，如圖14(a)所示。5幀熱圖測量到的缺陷尺寸如圖14(b)所示，不同時刻缺陷尺寸測量值在逐漸減小的。

圖15(a)～(b)是缺陷尺寸30mm的測量結果，圖15(c)～(d)是缺陷尺寸20mm的測量結果，圖15(e)～(f)是缺陷尺寸15mm的測量結果。從上述測量曲線可以得出以下結論，對于碳纖維復合材料試件，不同幀測量的缺陷尺寸有所不同，除了＝30缺陷深度2mm的缺陷測量結果表現出時間越靠后，測量尺寸越??；其余的測量結果表現出不同時刻測量缺陷尺寸無規律，采用缺陷剛出現的時刻，缺陷尺寸測量誤差會偏小。選擇清晰化的圖像，缺陷尺寸測量將得到更高的精度。

圖13 碳纖維復合材料試件紅外熱圖序列

圖14 碳纖維復合材料試件5幀熱圖測量結果

圖15 碳纖維復合材料試件不同尺寸/深度缺陷尺寸測量結果

3 缺陷尺寸測量結果分析

本文對不同材質、不同缺陷深度的試件進行缺陷尺寸的測量，采用半寬高測量方法可以實現不同幀缺陷尺寸的自動測量。紅外無損檢測技術采用主動熱激勵源對試件進行熱激勵，并采集熱激勵后的紅外圖像序列，在圖像采集的過程中，熱波（變化的溫度場）會進行三維熱擴散，熱波遇到缺陷時熱波會反射到試件表面，試件表面的溫度就會產生異常，本文試件采用的都是平底孔缺陷，平底孔缺陷為隔熱性缺陷，在紅外圖像上表象就是缺陷對應的表面位置出現明顯的亮斑，亮斑出現的時間和消失的時間與試件材質、缺陷尺寸、缺陷深度都有關系，從而給缺陷的尺寸測量帶來偏差。缺陷剛開始出現時，缺陷邊緣相對比較清晰，隨著熱波三維熱擴散的進行，缺陷邊緣越來越模糊，給缺陷測量帶來不利的影響。圖16展示了塑料試件、碳鋼試件、復合材料試件缺陷尺寸測量最小誤差（Min Error）和最大誤差（Max Error），最小誤差取值處于缺陷顯示最清晰的時刻，最小誤差取值基本在10%以內；最大誤差取值基本上處于缺陷顯示最模糊的時刻，最大值誤差基本在20%左右。在缺陷測量過程中，采用模糊時刻圖像進行缺陷測量，將導致很大的誤差，不同缺陷的深度采用同一幀圖像進行缺陷尺寸測量，將會導致很大誤差，如上文所述圖4所示的檢測結果。

圖16 缺陷尺寸測量誤差分析

對于不同深度的缺陷，將采用不同幀的圖像進行缺陷測量，如圖17所示，缺陷淺的位置，缺陷清晰的時刻在前面幀；缺陷深的位置，缺陷清晰的時刻在后面幀，采用不同幀的圖像進行缺陷的尺寸測量，將極大提高缺陷的尺寸測量，對本文的塑料試件、碳鋼試件、碳纖維復合材料試件，不同缺陷深度圖像，采用不同時刻的圖像，再用半寬高自動測量算法，其缺陷尺寸測量誤差基本保持在10%以內，測量誤差的均值在5%左右，采用該方法將極大提高缺陷尺寸測量的精度。

圖17 缺陷尺寸測量誤差

4 結語

紅外無損檢測技術的最終目標是檢測出試件內部缺陷，并且測量出缺陷尺寸信息，缺陷尺寸信息對于缺陷影響的評估以及缺陷是否可修復具有非常重要的意義。缺陷尺寸一般通過紅外圖像進行手動測量，手動測量具有很大的誤差，且每一次手動測量結果都會不太相同，本文通過手動方式繪制一條過缺陷中心的直線，采用半寬高測量算法自動計算缺陷尺寸，并且會計算手動繪制直線錯位一個像素距離上下6條直線的半高寬，共計算7條直線的半高寬，以最大的半高寬作為缺陷尺寸值；為了提高半寬高算法的魯棒性，采用SG算法對空間像素曲線進行濾波，可以使得空間像素曲線更加平滑。最后通過塑料試件、碳鋼試件、碳纖維復合材料試件進行缺陷尺寸測量，采用不同幀紅外圖像對缺陷尺寸測量，具有不同的測量誤差，清晰時刻紅外圖像誤差小，一般小于10%；模糊時刻紅外圖像誤差大，誤差在20%，在清晰時刻采用紅外圖像對3種不同材質、不同深度、不同尺寸的缺陷進行測量，測量誤差基本在10%以內，測量誤差的均值在5%左右，本文的研究對于脈沖紅外無損檢測缺陷尺寸測量具有重要的作用和應用價值，下一步研究將自動實現不同缺陷區域清晰時刻的判斷，進一步從不同幀圖像中提取更加精準的缺陷尺寸。

[1] 劉穎韜, 郭廣平, 楊黨綱, 等. 脈沖熱像法在航空復合材料構件無損檢測中應用[J]. 航空材料學報, 2012, 32(1): 72-77. LIU Y T, GUO G P, YANG D G. Pulsed thermography of composite components used in aerospace applications[J]., 2012, 32(1): 72-77.

[2] Khodayar F, Sojasi S, Maldague X. Infrared thermography and NDT: 2050 horizon[J]., 2016, 13(2): 22-25.

[3] 鄭凱, 江海軍, 陳力. 紅外熱波無損檢測技術的研究現狀與進展[J]. 紅外技術, 2018, 40(5): 401-411. ZHENG K, JIANG H J, CHEN L. Infrared thermography NDT and its development[J]., 2018, 40(5): 401-411.

[4] 郭偉, 董麗虹, 徐濱士, 等. 主動紅外熱像無損檢測技術的研究現狀與進展[J]. 無損檢測, 2016, 38(4): 58-66. GUO W, DONG L H, XU B S, et al. Research status and progress of active infrared thermographic nondestructive testing[J]., 2016, 38(4): 58-66.

[5] 劉穎韜, 郭廣平, 曾智, 等. 紅外熱像無損檢測技術的發展歷程、現狀和趨勢[J]. 無損檢測, 2017, 39(8): 63-70. LIU Y T, GUO G P, ZENG Z, et al. The development history, status and trends of infrared thermographic nondestructive testing[J]., 2017, 39(8): 63-70.

[6] WANG Q, HU Q P, QIU J X, et al. Using differential spread laser infrared thermography to detect delamination and impact damage in CFRP[J]., 2020, 106: 103282.

[7] BU C W, LIU G Z, ZHANG X B, et al. Debonding defects detection of FMLs based on long pulsed infrared thermography technique[J]., 2020, 104: 103074.

[8] Moskovchenko A I, Vavilov V P, Chulkov A O. Comparing the efficiency of defect depth characterization algorithms in the inspection of CFRP by using one-sided pulsed thermal NDT[J]., 2020, 107: 103289.

[9] WANG Hongjin, WANG Nichen, HE Zhiyi, et al. Phase-locked restored pseudo heat flux thermography for detecting delamination inside carbon fiber reinforced composites[J]., 2019, 15(5): 2938-2946.

[10] WANG F, WANG Y H, PENG W, et al. Independent component analysis enhanced pulse thermography for high silicon oxygen phenolic resin (HSOPR) sheet with subsurface defects [J]., 2018, 92: 345-349.

[11] PAN M C, HE Y Z, TIAN G Y, et al. Defect characterization using pulsed eddy current thermography under transmission mode and NDT applications [J]., 2012, 52: 28-36.

[12] FEUILLET V, IBOS L, FOIS M, et al. Defect detection and characterization in composite materials using square pulse thermography coupled with singular value decomposition analysis and thermal quadrupole modeling [J]., 2012, 51: 58-67.

[13] WANG Qiang, HU Qiuping, QIU Jinxing, et al. Using differ-ential spread laser infrared thermography to detect delami-nation and impact damage in CFRP[J]., 2020, 10(6): 1-10.

[14] LEI L, Ferrarini G, Bortolin A, et al. Thermography iscool: defect detection using liquid nitrogen as a stimulus[J]., 2019, 10(2): 137-143.

[15] LIU Y, WU J Y, LIU K X, et al. Independent component thermography for non-destructive testing of defects in polymer composites[J]., 2019, 30(4): 44-49.

[16] 李美華, 曾智, 沈京玲, 等. 脈沖紅外無損檢測缺陷深度定量測量的數值模擬[J]. 紅外與激光工程, 2013, 42(4): 875-879.LI M H, ZENG Z, SHEN J L, et al. Numerical simulation of defects depth quantitative measurement in pulsed infrared nondestructive testing[J]., 2013, 42(4): 875-879.

[17] ZENG Zhi. Depth prediction of non-air interface defect using pulsed thermography[J]., 2012, 48(6): 39-45.

[18] 李曉麗. 紅外熱波定量測量技術研究及其應用[D]. 北京: 北京理工大學, 2018. LI X L. Studies for Quantitatively Measuring Technique by Using Thermal Wave Imaging and Their Applications[D]. Beijing: Beijing Institute of Technology, 2018.

[19] 黃新萍. 基于脈沖紅外熱像法的缺陷尺寸測量及有限元模擬分析[D]. 北京: 首都師范大學, 2014. HUANG X P. The Study of Finite-Element Modeling of Defect Size Measuring for Pulsed Thermography Measurement[D]. Beijing: Capital Normal University, 2014.

[20] Nodes T A, Galla gher N C J. Median filters: some modifications and their properties[J], 1982, 30(5): 739-746, Doi: 10.1109/TASSP.1982.1163951.

Research on Defect Size Measurement Methods for Infrared Thermography

JIANG Haijun1，MA Zhaoqing2，WANG Junhu2，ZHANG Kai1，LIN Xin2

(1. Novelteq Ltd., Nanjing 210014, China;2. Aerospace Research Institute of Materials and Processing Technology, Beijing 100076, China)

Infrared thermography effectively detects internal defects in metals, non-metals, and composite materials. Defect size is a key parameter for evaluating the impact of defects. We used a half width height measurement algorithm to achieve semi-automatic measurement of defect size, manually drawing a straight line through the center of the defect to form a spatial pixel curve, and used the SG filtering algorithm to filter, automatically finding the half width height position of the spatial pixel curve, thus achieving defect size measurement. Through research on ABS plastic, carbon steel, and carbon fiber composite material specimens, it was found that the defect sizes measured by infrared images at different times have different errors. Using clear infrared images at different times, the measurement error was within 10%, whereas using fuzzy infrared images at different times, the measurement error was approximately 20%. This will effectively improve the accuracy of defect size measurements.

infrared thermography, half width height measurement, defect size, defect measurement

TN219

A

1001-8891(2024)01-0107-10

2023-09-19；

2023-11-03.

江海軍（1988-），男，碩士，研究方向為紅外無損檢測技術及圖像處理。E-mail:hjiang@novelteq.com。