【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。