红外热成像是一种众所周知的用于检测单向纤维增强聚合物层合板缺陷的无损检测技术。然而,当应用于机织织物增强聚合物时,织物结构会在热图像背景中产生强烈的干扰和图案,从而使准确可靠的缺陷评估成为一项具有挑战性的任务。 2023年,《Composites Part B》期刊发表了比利时根特大学在基于k空间滤波的机织织物复合材料增强热成像检测方面的研究工作,论文标题为“Enhanced thermographic inspection of woven fabric composites by k-space filtering”。 图1(a-d)经检查的机织织物复合材料样品及其(e-h)未处理和(i-l)处理(通过时间标准化)后的在闪光激发后1 s的热图像 如图2(a)所示,CFRP0.1m在1 s时获得的标准化热图像(同见图1(j)),机织图案和BVID都清晰可见。变换到k空间后得到的幅相图像如图2 (b)所示。图2(c)显示了在k空间表示中选择单个峰后的空间域结果。注意,选中的峰和它的点镜像(围绕原点)对应都应该被选中。从图2(c)中可以观察到,所选的峰值代表一个单一的1D正弦模式。 图2(a) CFRP0.1m在1 s的标准化热像;(b)k空间对应的幅相图像;(c)经k空间滤波后的CFRP0.1m在1 s内选定峰值的热像图 图3所提出的k空间滤波方法流程图(以CFRP0.1m在闪光激发后1 s为例) 将原始IRT图像与k空间滤波后的IRT图像进行比较,可以发现该方法在从缺陷信息中分离纹理结构背景方面具有优异的性能。虽然在标准热图像中可以检测到许多缺陷,但在k-空间滤波的红外热成像中,缺陷的可检测性显著增强。此外,所得到的图像在缺陷评估方面更优越(例如,用于尺寸估计的更干净的边缘)。对于后期获得的IRT图像,当然,由于侧向热扩散,过滤后的机织结构的清晰度会降低。 图4图1(a-d)所示样本在不同时间实例下的k空间滤波结果 CNR(对数尺度)随时间的曲线如图5(A)所示,与输入的标准化热数据进行了比较。在非常早期的时候,由于热扩散波还没有到达缺陷处,缺陷还没有被检测到,即log10(CNR)≤0。可以观察到,k空间滤波后的IRT图像比原始的标准化IRT图像更早出现缺陷可检测的时刻,即log10(CNR) > 0(见插图)。在剩余的时间范围内,去除织型一致导致了CNR值显著增加。同样有趣的是,在k空间滤波后的IRT图像中,CNR增加得更快。 (A) (B) 图5(A) CFRPCETEX样本的(a)圆形和(b)方形缺陷对标准化热数据进行k空间滤波前后的CNR与时间的关系; (B) 垂直截面在1s时通过CFRPCETEX的(a)圆形和(b)方形缺陷 值得注意的是,所提出的k空间滤波同样可以应用于使用众所周知的后处理方法获得的IRT图像,例如脉冲相位热成像(PPT),主成分热成像(PCT)或热成像信号重建(TSR)。如图6所示,其中通过PPT、PCT和TSR得到的后处理的图像使用k空间滤波方法进行分解。所得结果与图4所示结果高度相似。 图6对CFRPCETEX通过三种经典后处理算法得到的图像进行k空间滤波的结果:(上)0.15Hz下的PPT,(中)PCT的PC3,(下)TSR的a0系数 该文将k空间分析的概念引入到机织织物复合材料的增强热成像检测中。通过在k空间中过滤特定的特征,可以从缺陷信息中分离出与机织图案相关的结构化背景。提出了一种自动执行k空间滤波过程的算法。它只需要一个单一的IRT图像作为输入,并产生两个过滤的IRT图像:一个图像,其中的机织图案是可视化的;一个残差图像,其中的缺陷特征被捕获。该方式适用于具有不同缺陷类型的机织复合材料,证明了该方法的优异性能。 除了对该研究中的机织复合材料的评价外,其他具有固定背景结构的材料,如蜂窝夹层结构,也可以用类似的方法进行研究。此外,提取的织物图案图像便于随后对“软缺陷”进行评估,例如纤维错位或纤维波纹。 原始文献: Ga´etan Poelman, Saeid Hedayatrasa, Wim Van Paepegem, Mathias Kersemans,Enhanced thermographic inspection of woven fabric composites by k-space filtering, Composites Part B 252 (2023) 110508, https:///10.1016/j.compositesb.2023.110508. 原文链接: https://www./science/article/pii/S1359836823000112. |
|