風(fēng)力機(jī)葉片缺陷的紅外熱像圖像增強(qiáng)

杜金堯，周 勃，李 鶴2，張雪巖

(1.沈陽(yáng)工業(yè)大學(xué) 機(jī)械工程學(xué)院，沈陽(yáng) 110870；2.東北大學(xué) 機(jī)械工程與自動(dòng)化學(xué)院，沈陽(yáng) 110819)

風(fēng)力機(jī)葉片大多為玻璃鋼復(fù)合材料(Glass Fiber Reinforced Plastic，簡(jiǎn)稱(chēng)GFRP)，其造價(jià)占總成本的20%～30%。產(chǎn)品在生產(chǎn)過(guò)程中，往往會(huì)由于材料本身的性能不穩(wěn)定，成型工藝條件的掌握不好等而出現(xiàn)褶皺、氣泡等缺陷，從而影響葉片的質(zhì)量。一些風(fēng)電場(chǎng)葉片的損壞率高達(dá)40%50%，運(yùn)行現(xiàn)狀不容樂(lè)觀[1-2]。目前，風(fēng)電場(chǎng)技術(shù)人員對(duì)葉片損傷程度的判斷完全依賴(lài)目測(cè)和經(jīng)驗(yàn)，一旦發(fā)現(xiàn)葉片存在故障隱患，就意味著問(wèn)題已經(jīng)很?chē)?yán)重，不僅修復(fù)成本高，還可能導(dǎo)致發(fā)生過(guò)度維修。

紅外無(wú)損檢測(cè)技術(shù)與其他無(wú)損檢測(cè)技術(shù)相比，有檢測(cè)速度快、觀測(cè)面積大、非接觸等優(yōu)勢(shì)，適合應(yīng)用在風(fēng)力機(jī)葉片的靜態(tài)檢測(cè)上。持續(xù)熱激勵(lì)是紅外無(wú)損檢測(cè)技術(shù)的一種激勵(lì)方式，通過(guò)持續(xù)加熱使材料表面缺陷處及非缺陷處形成溫度差，得到溫度圖像序列。而紅外檢測(cè)圖像的對(duì)比度較差且邊緣模糊，目標(biāo)檢測(cè)困難，導(dǎo)致缺陷誤識(shí)別和漏識(shí)別，所以還需要對(duì)紅外圖像進(jìn)行增強(qiáng)處理[3-4]。

圖像增強(qiáng)方法分為空域方法和頻域方法?？沼蚍椒ǖ乃枷刖褪前褕D像的灰度區(qū)間從小區(qū)間變成全部灰度區(qū)間。風(fēng)力機(jī)葉片是玻璃鋼復(fù)合材料的非均勻介質(zhì)，而且多相和各向異性的復(fù)合材料結(jié)構(gòu)復(fù)雜，導(dǎo)致采集的紅外圖像目標(biāo)區(qū)域會(huì)被占據(jù)更多像素的背景和噪聲所淹沒(méi)，視覺(jué)效果并不理想?；诟道锶~變換的頻域增強(qiáng)方法的主要思想都是利用二維離散傅里葉變換，將圖像從空間域變換至頻域，通過(guò)修改頻域參數(shù)，對(duì)圖像中某些頻率的信息進(jìn)行增強(qiáng)或者抑制，之后再通過(guò)反變換得到增強(qiáng)后的圖像。有許多經(jīng)典的濾波器可用來(lái)進(jìn)行圖像的降噪或圖像邊緣信息的提取，如理想濾波器、巴特沃斯濾波器、高斯濾波器、頻率域的拉普拉斯算子等。但是這些方法處理得到的結(jié)果并不理想，這是因?yàn)闊崃髟陲L(fēng)力機(jī)葉片材料內(nèi)部傳導(dǎo)不均勻，使得采集的紅外熱像圖的缺陷區(qū)域邊緣十分模糊，上述濾波器很難提取其邊緣信息，反而將噪聲當(dāng)成邊緣檢測(cè)出來(lái)[5-8]。對(duì)比度受限自適應(yīng)直方圖均衡化(CLAHE)結(jié)合了自適應(yīng)直方圖均衡化和對(duì)比度受限兩項(xiàng)技術(shù)的優(yōu)點(diǎn)，適用于低對(duì)比度圖像，而且實(shí)現(xiàn)過(guò)程不復(fù)雜。而利用傅里葉變換得到圖像序列的相位信息，可以不受初始條件和外界因素的影響，所以理論上講，相位圖所體現(xiàn)的缺陷信息比原始熱圖更加可靠[9-10]。

針對(duì)以上問(wèn)題，筆者采用提取圖像序列相位信息再成像，與CLAHE相結(jié)合的圖像增強(qiáng)方法。首先，對(duì)原始熱圖序列進(jìn)行快速傅里葉變換處理，提取出相位信息；然后，采用CLAHE算法對(duì)效果最好的一張相位圖進(jìn)行增強(qiáng)處理。這種處理方式可解決加熱不均勻、表面形狀對(duì)檢測(cè)的影響等問(wèn)題，避免了初始條件和外界因素的影響，克服了傳統(tǒng)直方圖均衡算法噪聲過(guò)大，及亮度突變等缺點(diǎn)，提高了紅外圖像的對(duì)比度，實(shí)現(xiàn)了圖像增強(qiáng)的目的。同時(shí)，在風(fēng)電場(chǎng)采集葉片的紅外圖像進(jìn)行驗(yàn)證試驗(yàn)，可清晰顯示缺陷形狀和大小，提升了風(fēng)力機(jī)葉片的缺陷檢測(cè)能力。

1 圖像相位信息的提取

首先，對(duì)試件表面進(jìn)行持續(xù)熱激勵(lì)，同時(shí)用紅外熱像儀采集試件表面的溫度數(shù)據(jù)，在熱像儀的采樣頻率f下采集的每個(gè)像素點(diǎn)(i,j)在不同時(shí)刻的溫度構(gòu)成一個(gè)離散溫度時(shí)域信號(hào)T(t)。再通過(guò)快速傅里葉變換(FFT)算法得到頻域上的信號(hào)F(f)。

Re(f)+Im(f)

(1)

式中：N為采集的離散溫度信號(hào)的個(gè)數(shù)；n為離散值的序列號(hào)；Re(f)、Im(f)分別為頻域信號(hào)的實(shí)部和虛部。

再將F(f)按式(2)提取不同頻率下的幅值和相位。

(2)

將得到的相位信息重構(gòu)成不同頻率下對(duì)應(yīng)的一系列相位圖，通過(guò)圖像序列的相位差異來(lái)判定缺陷。

2 對(duì)比度受限自適應(yīng)均衡化

CLAHE通過(guò)限制圖像的局部直方圖高度來(lái)限制圖像局部對(duì)比度的增強(qiáng)幅度，并防止噪聲的放大和局部對(duì)比度的過(guò)度增強(qiáng)[11]。

CLAHE具體實(shí)現(xiàn)主要包括以下6個(gè)步驟。

步驟1：將圖像分割成不重疊的多個(gè)窗口，每個(gè)窗口含有的像素?cái)?shù)為M?？梢赃m當(dāng)調(diào)整窗口大小，窗口過(guò)大會(huì)丟失圖像的細(xì)節(jié)信息。

步驟2：計(jì)算直方圖。窗口的直方圖為h(x)，灰度級(jí)為x，取值范圍是[0,N-1]，N為可能出現(xiàn)的灰度級(jí)數(shù)。

步驟3：計(jì)算剪切閾值β，有

(3)

式中：α為對(duì)比度增強(qiáng)值，代表對(duì)比度增強(qiáng)的幅度。

術(shù)前加用基于西帕依固齦液的牙周基礎(chǔ)治療方案治療妊娠期牙齦瘤的臨床觀察 ………………………… 鄔志鋒等（4）：538

步驟4：對(duì)每個(gè)窗口使用對(duì)應(yīng)的剪切閾值，對(duì)窗口直方圖進(jìn)行剪切，將剪切下來(lái)的像素?cái)?shù)目均勻地分配到直方圖的各灰度級(jí)中，有

(4)

ξ=A/N

(5)

式中：A為超過(guò)剪切閾值的像素值總數(shù)；ξ為直方圖中平均每個(gè)灰度級(jí)增加的像素?cái)?shù)。

循環(huán)上述步驟，將所有剪切下來(lái)的像素點(diǎn)全部分配到圖像的各灰度級(jí)中。用h′(x)表示h(x)經(jīng)重分配處理后的直方圖，則有

(6)

式中：η=β-ξ。

步驟5：對(duì)h′(x)做直方圖均衡化(HE)，將結(jié)果用f(x)表示。

步驟6：根據(jù)f(x)，得到各窗口中心點(diǎn)的灰度值，將其作為參考點(diǎn)，用雙線性插值的方法，計(jì)算輸出圖像中各點(diǎn)的灰度值，重構(gòu)圖像。

3 紅外熱像試驗(yàn)

3.1 試驗(yàn)方案

圖1 風(fēng)力機(jī)葉片試樣實(shí)物

采用兩個(gè)最大輸出功率為1 kW的鹵素?zé)糇鳛榧?lì)源，以NEC R300紅外熱像儀作為圖像數(shù)據(jù)采集設(shè)備，其性能指標(biāo)如表1所示。

表1 紅外熱像儀性能指標(biāo)

試驗(yàn)過(guò)程中采用持續(xù)熱激勵(lì)的方式對(duì)試件進(jìn)行加熱，激勵(lì)功率為2 kW，激勵(lì)時(shí)間為150 s，采集時(shí)間為150 s，紅外熱像儀每3 s采集一張圖像數(shù)據(jù)。紅外熱像儀試驗(yàn)系統(tǒng)如圖2所示。

圖2 紅外熱像儀試驗(yàn)系統(tǒng)

3.2 評(píng)價(jià)方法

為了檢測(cè)不同算法的處理效果，采用對(duì)比度信噪比(CNR)作為評(píng)價(jià)標(biāo)準(zhǔn)[12]，其反映了缺陷圖像的視覺(jué)效果，定義如式(7)所示。

(7)

式中：μBG與μROI分別為背景區(qū)域與目標(biāo)缺陷區(qū)域的灰度平均值；σROI與σBG分別為目標(biāo)區(qū)域與背景區(qū)域的標(biāo)準(zhǔn)差；ωROI為目標(biāo)噪聲權(quán)重；ωBG為背景噪聲權(quán)重。

由于目標(biāo)區(qū)域與背景區(qū)域的面積不同，需要引入目標(biāo)區(qū)域噪聲權(quán)重值與背景區(qū)域噪聲權(quán)重值。噪聲權(quán)重值表示某區(qū)域噪聲對(duì)整體區(qū)域噪聲的貢獻(xiàn)值，其定義如式(8)，(9)所示。

ωROI=SROI/(SROI+SBG)

(8)

ωBG=SBG/(SROI+SBG)

(9)

式中：SROI與SBG分別為目標(biāo)與背景區(qū)域的面積。

3.3 試驗(yàn)結(jié)果與討論

針對(duì)風(fēng)力機(jī)葉片紅外熱波無(wú)損檢測(cè)圖像存在的加熱不均勻、對(duì)比度低等問(wèn)題，采用提取圖像序列相位信息再成像與對(duì)比度受限自適應(yīng)直方圖均衡化相結(jié)合的圖像增強(qiáng)方法。首先，對(duì)采集到的熱像圖每個(gè)像素點(diǎn)的溫度序列進(jìn)行快速傅里葉變換，提取其各頻率所對(duì)應(yīng)的振幅和相位信息再成像，挑選其中缺陷視覺(jué)效果明顯的一張圖做CLAHE處理，熱波檢測(cè)圖像的相關(guān)增強(qiáng)處理結(jié)果如圖3所示。試驗(yàn)中得到的其中一張?jiān)紵釄D如圖3(a)所示，圖3(e)，3(f)所示的試驗(yàn)結(jié)果為經(jīng)傅里葉變換后的振幅圖和相位圖。采用常用的直方圖均衡化、中值濾波、低通濾波、高通濾波等方法同時(shí)對(duì)原始熱圖進(jìn)行增強(qiáng)處理，相關(guān)結(jié)果如圖3(b)(h)所示。

圖3 熱波檢測(cè)圖像的相關(guān)增強(qiáng)處理結(jié)果

為了對(duì)圖像增強(qiáng)后的效果進(jìn)行比較，使用CNR作為評(píng)價(jià)指標(biāo)，將3個(gè)缺陷區(qū)域作為目標(biāo)區(qū)域，缺陷區(qū)域以外為背景區(qū)域。圖像的CNR越大，缺陷與背景的對(duì)比度越高，缺陷圖像視覺(jué)效果越好。各處理方法的對(duì)比度信噪比如表2所示。

從表2中各增強(qiáng)方法的CNR可以看出，提出的方法具有最大的CNR，可以有效地增強(qiáng)缺陷區(qū)域與背景區(qū)域的對(duì)比度，提升了圖像的視覺(jué)效果。

表2 各處理方法的對(duì)比度信噪比

4 風(fēng)力機(jī)葉片的現(xiàn)場(chǎng)紅外熱像檢測(cè)

風(fēng)力機(jī)葉片在制作過(guò)程中，由于工藝的特殊性，自動(dòng)化程度不高，在鋪層的時(shí)候一般都是由工人手工完成的，往往會(huì)出現(xiàn)許多內(nèi)在缺陷，如：由于纖維布鋪的不平整而出現(xiàn)褶皺缺陷；真空灌注環(huán)節(jié)如果沒(méi)密封好而發(fā)生漏氣形成氣泡缺陷。尤其是葉片主梁部分的褶皺等缺陷會(huì)慢慢演變成裂紋，直接影響葉片的質(zhì)量，減少葉片的服役時(shí)間。

圖4 主梁距離葉根10 m處的圖像

圖 5 主梁距離葉根14 m處的圖像

在風(fēng)電場(chǎng)對(duì)待修復(fù)葉片進(jìn)行紅外熱像無(wú)損檢測(cè)，從葉根到葉尖對(duì)主梁部分進(jìn)行了全面的檢測(cè)。實(shí)際現(xiàn)場(chǎng)試驗(yàn)的風(fēng)機(jī)額定功率大小為1.5 MW，葉片型號(hào)為HT34，總長(zhǎng)為34 m，最大弦長(zhǎng)為3 m。圖4(a)為風(fēng)力機(jī)葉片主梁部分距離葉根10 m處的紅外熱像圖像，其中圖像左上角及中間偏下部位有疑似缺陷部分；經(jīng)增強(qiáng)之后的圖像如圖4(b)所示，最后將疑似缺陷部位進(jìn)行打磨驗(yàn)證；經(jīng)現(xiàn)場(chǎng)工人確認(rèn)，圖4(c)左上角為褶皺缺陷，中部偏下為分層缺陷。圖5(a)為主梁部分距離葉根14 m處的紅外熱像圖像，圖5(b)為增強(qiáng)圖像，圖5(c)為現(xiàn)場(chǎng)工人打磨后的照片，經(jīng)確認(rèn)為橫向裂紋。最后利用激光測(cè)距儀對(duì)葉片缺陷深度進(jìn)行了測(cè)量，3處缺陷的深度為5～6 mm；而紅外持續(xù)熱激勵(lì)對(duì)現(xiàn)場(chǎng)葉片的探傷深度一般不超過(guò)8 mm，風(fēng)力機(jī)葉片表層缺陷檢測(cè)的準(zhǔn)確度非常高。這樣能夠及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)，及時(shí)修復(fù)，對(duì)風(fēng)力機(jī)葉片的運(yùn)維有著極為重要的意義。

5 結(jié)語(yǔ)

針對(duì)風(fēng)力機(jī)葉片復(fù)合材料的特殊性，使用紅外無(wú)損檢測(cè)技術(shù)可以有效地檢測(cè)出葉片內(nèi)部缺陷，同時(shí)為了解決紅外圖像對(duì)比度低的問(wèn)題，采用提取圖像序列相位信息再成像與對(duì)比度受限自適應(yīng)直方圖均衡化相結(jié)合的圖像增強(qiáng)方法，該方法不受初始條件和外界因素的影響，并結(jié)合自適應(yīng)直方圖均衡化和對(duì)比度受限兩項(xiàng)技術(shù)的優(yōu)點(diǎn)，獲得最終的紅外增強(qiáng)圖像。經(jīng)對(duì)比度信噪比這一指標(biāo)評(píng)價(jià)后，結(jié)果表明：該方法能夠有效地增強(qiáng)圖像的目標(biāo)區(qū)域，提高了圖像的對(duì)比度，改善了圖像的可視性。經(jīng)過(guò)現(xiàn)場(chǎng)對(duì)葉片檢測(cè)后，發(fā)現(xiàn)紅外熱像無(wú)損檢測(cè)可以有效地提高風(fēng)力機(jī)葉片缺陷的識(shí)別能力，對(duì)于保證風(fēng)力機(jī)的安全性和高效性、延長(zhǎng)使用壽命、減少維護(hù)成本和停機(jī)損失具有十分重要的意義。