【技术实现步骤摘要】
一种基于生成热成像的复合材料缺陷无损检测方法
本专利技术属于碳纤维聚合物内部缺陷无损检测
,具体涉及一种基于生成热成像的复合材料缺陷无损检测方法。
技术介绍
红外热成像(IRT,InfraredThermography)无损检测因成本低廉,操作方便,扫描范围广,在材料质量评估和文化遗产修复中得到了广泛的关注和应用。尽管IRT在检测效率方面具有多个优势,但IRT的直接检测性能无法提供令人满意的结果。这主要是由于热图像中严重的背景不均匀和噪声所致,模糊了目标信息。另外,手动检查许多热图像效率低下并且麻烦。最近,机器学习方法在许多领域都表现良好,为处理测得的热像图感兴趣区域提供了有力的帮助,实现了IRT评估的性能。到现在为止,已经开发了一些热成像数据分析方法,从它们各自的角度来看都取得了引人注目的性能。这些方法包括主成分热成像方法,热成像信号重建,独立成分分析,稀疏主成分热成像等。值得注意的是,作为机器学习的分支之一,流形学习已被引入热成像领域,并且已经开发了一些新的扩展算法,这些算法显示出了良好的缺陷评估水平。然而,数量有限的红外数据集常会限制机器学习的数据分析能力,导致热图像数据分析模型无法获得足够的性能。因此,结合热图像数据,提出基于生成热成像的复合材料缺陷无损检测方法(GMLT,GenerativeManifoldLearningThermography)在聚合物内部缺陷红外数据较少的情况下,通过图像增强和分析提高了缺陷检测性能。
技术实现思路
针对现有技术中存在的上述问题 ...
【技术保护点】
1.一种基于生成热成像的复合材料缺陷无损检测方法,其特征在于:包括以下步骤:/n(1)获取聚合物试样的红外热图像数据集:/n通过发射热脉冲作为辐射热源加热待检试样,在样品冷却阶段,使用红外摄像机捕获待检试样表面温度分布,在获得n
【技术特征摘要】
1.一种基于生成热成像的复合材料缺陷无损检测方法,其特征在于:包括以下步骤:
(1)获取聚合物试样的红外热图像数据集:
通过发射热脉冲作为辐射热源加热待检试样,在样品冷却阶段,使用红外摄像机捕获待检试样表面温度分布,在获得nt张原始热图像后,取图像的感兴趣区域nx×ny作为后续模型的红外热成像IRT数据集,数据集的三维表示为(nx×ny)×nt;
(2)建立谱归一化生成对抗网络模型并训练:
建立谱归一化生成对抗网络SNGAN,将步骤(1)中获取的原始热图像作为训练数据对谱归一化生成对抗网络SNGAN进行训练,最后,利用谱归一化生成对抗网络SNGAN生成ng张假的热图像;
(3)热图像预处理:
将原始热图像与步骤(2)中生成的热图像合并为三维的综合数据集nx×ny×(nt+ng);随后将三维的数据集转换为二维矩阵X用于流形学习降维,此外,为了加快模型的训练速度,对X矩阵做归一化处理,
其中,nx表示坐标轴x方向上热图像的像素点数,即热图像的长度,ny表示坐标轴y方向上热图像的像素点数,即热图像的宽度,nt表示步骤(1)中t时间内获得的原始热图像数量;ng表示步骤(2)中生成的假的热图像数量;
(4)等度量映射ISOMAP降维:
将热图像二维矩阵X作为输入,采用等度量映射ISOMAP算法对其进行降维:通过构造邻域图,近邻样本点采用欧氏距离来代替,非近邻的样本点通过最短路径算出距离,所述近邻样本点为k个最近点之一,k为人为设置的近邻点数,最终热图像数据的固有流形结构被保留,降维完成后,获得热成像数据在低维空间中的嵌入表示及Y矩阵;
(5)缺陷可视化:
采用偏最小二乘回归PLSR来拟合降维过程中的映射关系,将偏最小二乘回归PLSR中求解得到的转换矩阵的每列重构成尺寸为nx×ny的二维矩阵,可视化为热图像后从中能够发现缺陷的形态;
(6)模型表现评估:
采用信噪比SNR指标评价方法定量缺陷检测效果,信噪比SNR值越大,表示缺陷识别能力越强。
2.根据权利要求1所述的一种基于生成热成像的复合材料缺陷无损检测方法,其特征在于,所述谱归一化生成对抗网络SNGAN包括生成器和判别器,所述生成器、判别器均由输入层、隐含层和输出层组成,所述步骤(2)的具体过程为:
步骤2.1:生成器的目标是产生假的热图像来欺骗判别器,判别器的目标是将生成器生成的图像与真实的图像分离,谱归一化生成对抗网络谱归一化生成对抗网络SNGAN中判别器的每一层权值矩阵进行了谱归一化处理:
假设判别器有m层神经网络,W和其谱范数σ(W)可以表示为:
对判别器各层的权矩阵Wi进行光谱归一化:
其中,m表示SNGAN的判别器结构中神经网络的参数;
i表示在m层神经网络中的第i层,1≤i≤m;
D表示对角矩阵,Di表示第i层神经网络对应的对角矩阵为各层光谱归一化后的权值矩阵,此时判别器的所有层都满足1-Lipshcitz限制;
步骤2.2:谱归一化生成对抗网络SNGAN模型训练收敛后,作为数据增强策略,谱归一化生成对抗网络SNGAN被嵌...
【专利技术属性】
技术研发人员:刘毅,刘凯新,刘桥,杨建国,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。