層合板凹坑損傷目視檢出結(jié)果識別方法

劉艷紅，戴升鑫

（中國民航大學(xué)航空工程學(xué)院，天津 300300）

為提高飛機(jī)結(jié)構(gòu)性能并減輕結(jié)構(gòu)重量，多種性能優(yōu)越的復(fù)合材料在現(xiàn)代飛機(jī)結(jié)構(gòu)中得到廣泛應(yīng)用[1-3]。通常情況下，在飛機(jī)服役期間，對其結(jié)構(gòu)損傷進(jìn)行檢測的方法有兩類[4]：一般目視檢測（GVI，general visual inspection）和詳細(xì)目視檢測（DET，detailed visual inspection）。對于飛機(jī)復(fù)合材料層合板結(jié)構(gòu)設(shè)計(jì)而言，各類結(jié)構(gòu)損傷的目視檢測檢出概率是飛機(jī)結(jié)構(gòu)設(shè)計(jì)的重要依據(jù)，同時也是制定飛機(jī)結(jié)構(gòu)維修計(jì)劃的基礎(chǔ)[5]。

國外先進(jìn)的飛機(jī)制造商在復(fù)合材料結(jié)構(gòu)設(shè)計(jì)中均通過試驗(yàn)確定了凹坑損傷的檢出門檻值，以確保航空公司據(jù)此制訂的維修方案能夠檢測出相應(yīng)的損傷。因此，有必要對復(fù)合材料損傷目視檢測檢出概率進(jìn)行研究，以提高目視檢測的精確度和可靠性，可為國內(nèi)開展更精確的飛機(jī)復(fù)合材料結(jié)構(gòu)強(qiáng)度設(shè)計(jì)提供借鑒。

近年來，針對飛機(jī)復(fù)合材料結(jié)構(gòu)損傷識別的研究成果較多。文獻(xiàn)[6]將人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于飛機(jī)健康檢測系統(tǒng)，以實(shí)現(xiàn)損傷指標(biāo)分類。文獻(xiàn)[7]中提出一種復(fù)合材料結(jié)構(gòu)的整體檢測系統(tǒng)，該系統(tǒng)結(jié)合了機(jī)器視覺技術(shù)和紅外成像探測技術(shù)，采用支持向量機(jī)對3 種不同波長的熱成像圖像進(jìn)行判決，實(shí)現(xiàn)損傷檢測。華生明[8]提出了結(jié)合小波分析和BP 神經(jīng)網(wǎng)絡(luò)的復(fù)合材料結(jié)構(gòu)凹坑損傷檢測方法。韓文欽和顧愛軍[9]采用經(jīng)驗(yàn)?zāi)B(tài)分解方法提取損傷模式的峰值頻率對損傷進(jìn)行分離與識別，但由于分解的模態(tài)存在混疊現(xiàn)象，改變了本征模函數(shù)的物理意義，對損傷的識別準(zhǔn)確率有較大影響。崔建國等[10]采用融合特征向量建立了基于增量型極限學(xué)習(xí)機(jī)的結(jié)構(gòu)損傷識別方法。王昊等[11]根據(jù)飛機(jī)蒙皮不同損傷表面紋理的差異，提取圖像的灰度共生矩陣，提出了基于模糊支持向量機(jī)的蒙皮圖像損傷識別方法。閆占霄[12]采用支持向量機(jī)和李群機(jī)器學(xué)習(xí)兩種算法對蒙皮表面損傷的紅外熱像圖進(jìn)行分類識別，損傷的識別率分別為94.6%與95.2%。王賢鋒[13]利用遺傳算法和粒子群算法對支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，得到粒子群算法改進(jìn)型方法，該方法針對飛機(jī)蒙皮表面損傷的識別率優(yōu)于以上多種方法，其識別率可達(dá)95.556%。

綜上所述，目視檢測試驗(yàn)的凹坑損傷樣本數(shù)量大，使用人工方法對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)費(fèi)時費(fèi)力，且容易出現(xiàn)人為差錯?，F(xiàn)有基于損傷圖像的各種識別方法識別算法復(fù)雜且識別率不滿足目視檢測結(jié)果高精度的要求。因此，本文提出一種簡單、可靠且高效的復(fù)合材料層合板凹坑損傷目視檢出結(jié)果識別方法。該方法具有計(jì)算機(jī)程序?qū)崿F(xiàn)簡單，圖像分析工作量和數(shù)值計(jì)算量少的特點(diǎn)，并具有較高的識別效率。

1 試驗(yàn)過程

1.1 試驗(yàn)件

碳纖維復(fù)合材料層合板尺寸為1100 mm×1100mm，厚度為2.5 mm。白色板14 塊、藍(lán)色和綠色板各18 塊。通過準(zhǔn)靜態(tài)方法在板的表面上引入不同深度的凹坑[14-16]。凹坑深度范圍為0.05～1.50 mm，各板表面上的凹坑隨機(jī)分布，各塊板凹坑數(shù)量大約25～30 個。

1.2 試驗(yàn)條件

進(jìn)行目視檢測試驗(yàn)時，板面清潔光滑。板采用3種置放狀態(tài)：板與垂直平面夾角θ 分別為15°、45°和60°，如圖1 所示。3 種檢測環(huán)境分別為室內(nèi)反光、室內(nèi)無反光和室外陰天。兩類檢測人員分別為沒有任何經(jīng)驗(yàn)的10 人和航空公司具有飛機(jī)目視檢測經(jīng)驗(yàn)的在職機(jī)務(wù)人員10 人。

圖1 板的置放角度Fig.1 Placement angle of plate

1.3 檢測過程

（1）各檢測人員按照兩類目視檢測（GVI 和DET）的要求分區(qū)域?qū)γ繅K板表面進(jìn)行觀測。

（2）檢測人員用一短桿指出所發(fā)現(xiàn)的凹坑損傷，然后協(xié)助人員在該凹坑損傷旁放置與板面顏色區(qū)別明顯的標(biāo)記吸盤，如圖2 所示，要求標(biāo)記吸盤的放置位置盡可能靠近凹坑損傷。

圖2 目視檢測試驗(yàn)Fig.2 Visual inspection test

（3）當(dāng)每塊板完成檢測且所有檢出的凹坑損傷標(biāo)記吸盤放置完之后，另一工作人員拍下照片，以圖像形式保存，如圖3 所示，照片共18 000 張。

圖3 檢測完成后拍下的照片F(xiàn)ig.3 Photos taken after inspection

2 凹坑損傷檢出結(jié)果的識別方法

2.1 影響檢出結(jié)果識別率的因素

（1）部分照片存在標(biāo)記吸盤被試驗(yàn)架定位零件遮擋的現(xiàn)象，因而導(dǎo)致部分照片中標(biāo)記吸盤有殘缺的情況，如圖4 所示。

圖4 被遮擋的吸盤Fig.4 Occluded suckers

（2）部分標(biāo)記吸盤位于反光區(qū)域中。反光區(qū)域中的標(biāo)記吸盤大小和圓形特征不清晰，如圖5 所示。

圖5 反光的照片F(xiàn)ig.5 Reflective photos

（3）工作人員手持相機(jī)拍攝時狀態(tài)不穩(wěn)定，會導(dǎo)致部分照片的清晰度不高，圖像模糊，如圖6 所示。

圖6 模糊的照片F(xiàn)ig.6 Vague photos

（4）因?yàn)榘迕嫔系陌伎訐p傷位置呈隨機(jī)分布狀態(tài)，所以板面上有些區(qū)域的凹坑損傷較密集，被檢出的凹坑損傷和相應(yīng)的標(biāo)記吸盤數(shù)量較多。這種情況嚴(yán)重影響標(biāo)記吸盤與凹坑損傷對應(yīng)關(guān)系的確定。

由于存在以上多種影響因素，如果以標(biāo)記吸盤圖像的幾何特征為基礎(chǔ)，很難采用現(xiàn)有的圖像識別方法得到高識別率的檢出結(jié)果，因而無法實(shí)現(xiàn)目視檢測檢出結(jié)果的準(zhǔn)確統(tǒng)計(jì)。

2.2 基于吸盤顏色和距離最小的凹坑損傷識別方法

針對以上各種影響凹坑損傷檢出結(jié)果識別的問題，基于該目視檢測試驗(yàn)的目的，提出以標(biāo)記吸盤顏色和距離最小相結(jié)合的識別方法。

（1）采用顏色特征識別標(biāo)記吸盤。在分析程序中，采用了RGB 顏色模式標(biāo)準(zhǔn)，通過對紅（red）、綠（green）、藍(lán)（blue）3 個顏色通道的變化及其相互間的疊加來得到適用于區(qū)分板面和標(biāo)記吸盤的顏色。例如，標(biāo)記吸盤主顏色接近正紅色，則以紅、綠和藍(lán)3 種顏色的疊加來給定“紅色”的范圍，從而達(dá)到對所有“紅色”標(biāo)記吸盤的識別。

（2）凹坑損傷與標(biāo)記吸盤對應(yīng)關(guān)系的確定。圖像都是由像素組成的，像素坐標(biāo)是像素在圖像中的位置。以圖像左上角為原點(diǎn)建立以像素為單位的直角坐標(biāo)系。橫坐標(biāo)與縱坐標(biāo)分別是圖像數(shù)組中所在的列數(shù)與行數(shù)，如圖7 所示。

圖7 像素坐標(biāo)系Fig.7 Pixel coordinate system

為了能夠?qū)z出的凹坑損傷與標(biāo)記吸盤相對應(yīng)，基于以上像素坐標(biāo)系，引入了凹坑損傷與吸盤之間的距離概念。

采用統(tǒng)計(jì)學(xué)中的歐式距離定義。在二維和三維空間中的歐式距離就是兩點(diǎn)之間的實(shí)際距離。二維平面上的兩點(diǎn)A（u1，v1）和B（u2，v2）間的距離計(jì)算公式為

因?yàn)榘灞砻嫔系拿總€標(biāo)記吸盤標(biāo)記出了一個凹坑損傷，因此可以假設(shè)與標(biāo)記吸盤距離最近的凹坑損傷即是該標(biāo)記吸盤所標(biāo)記的凹坑損傷。為避免人為給定凹坑損傷位置對試驗(yàn)的影響，每塊板由Mathematica隨機(jī)函數(shù)產(chǎn)生25～30 個凹坑損傷的中心坐標(biāo)，因此每塊板凹坑損傷的中心坐標(biāo)是已知的。因此，在獲得某一標(biāo)記吸盤中心的坐標(biāo)后，可按式（1）計(jì)算該標(biāo)記吸盤與板面上所有凹坑損傷的距離，通過比較便能檢出距離該標(biāo)記吸盤最近的凹坑損傷。

值得說明的是，根據(jù)上文歐式距離原理的要求，在進(jìn)行距離對比之前，首先將照片調(diào)整和裁剪成方形圖像，并設(shè)置與相應(yīng)板面上損傷樣圖像素尺寸一致，即保證帶有損傷檢出標(biāo)記的照片與板面上損傷樣圖具有相同的坐標(biāo)系，因此不會對坐標(biāo)值產(chǎn)生影響。另一方面，為了提高板面上被檢出凹坑損傷的識別率，需要對照片進(jìn)行增強(qiáng)顏色對比度的處理。

3 凹坑損傷檢出結(jié)果的識別

3.1 識別過程

凹坑損傷檢出結(jié)果的識別流程如圖8 所示。

圖8 檢出結(jié)果識別流程Fig.8 Identification process of detection results

（1）每塊板表面凹坑損傷的隨機(jī)分布由Mathematica 隨機(jī)函數(shù)產(chǎn)生。每個凹坑損傷有唯一的編號，且其中心坐標(biāo)已知，如圖9 所示。

圖9 板中凹坑損傷的編號Fig.9 Number of dent damage in the plate

（2）將試驗(yàn)中拍下的照片，如圖10 所示，調(diào)整并裁剪成方形，增加其顏色對比度，如圖11 所示，圖9和圖11 的像素均為2 640×2 640 px。

圖10 試驗(yàn)中拍下的照片F(xiàn)ig.10 Photos taken during the test

圖11 通過處理后的照片F(xiàn)ig.11 The processed photos

（3）以紅、綠和藍(lán)3 種顏色的混合模式給定“紅色吸盤”的“紅色”范圍，以此為基礎(chǔ)，識別出所有“紅色”標(biāo)記吸盤，并對其進(jìn)行編號。

（4）按照標(biāo)記吸盤的“紅色”像素所構(gòu)成的幾何區(qū)域計(jì)算其中心坐標(biāo)。

（5）計(jì)算出圖11 中某一標(biāo)記吸盤的中心與圖9中每個凹坑損傷中心的距離。

（6）若標(biāo)記吸盤與某一凹坑損傷的最小距離小于預(yù)定閾值，則該凹坑損傷被檢出。在檢測試驗(yàn)中，要求工作人員在放置標(biāo)記吸盤位置時盡可能靠近凹坑損傷，該距離在圖像中小于50 px，因此預(yù)定閾值可設(shè)定為50 px，此時圖像識別率達(dá)到99.95%。

（7）用1 表示凹坑損傷被檢出，用0 表示凹坑損傷未被檢出。

（8）根據(jù)凹坑編號、試件顏色、檢測角度和檢測類型等信息輸出檢出結(jié)果。

基于以上確定的識別原理和流程，利用Mathematica 中的Wolfram Language 編寫了相應(yīng)的實(shí)現(xiàn)代碼，其中直接調(diào)用了較多的標(biāo)準(zhǔn)圖像處理函數(shù)，例如Component、Measurements、ImageAdjust 和ImageTrim函數(shù)等。以某一藍(lán)色試件的檢出結(jié)果為例，凹坑損傷檢測結(jié)果如表1 所示。

表1 檢測結(jié)果Tab.1 Inspection results

續(xù)表1 檢測結(jié)果Tab.1 Inspection results(to be continued)

3.2 識別結(jié)果

采用以上識別原理和流程，針對層合板凹坑損傷目視檢測試驗(yàn)在不同試驗(yàn)條件下所拍下的18 000 張照片圖像進(jìn)行識別，得到檢測檢出結(jié)果。

試驗(yàn)結(jié)果表明，該方法可確保被檢出凹坑損傷的識別率達(dá)到99.95%。同時，該方法的計(jì)算機(jī)程序?qū)崿F(xiàn)簡單，圖像分析工作量和數(shù)值計(jì)算量少，具有較高的識別效率。

4 結(jié)語

復(fù)合材料層合板凹坑損傷目視檢測試驗(yàn)要求嚴(yán)格且檢出結(jié)果要求統(tǒng)計(jì)準(zhǔn)確。為了永久地記錄凹坑損傷的檢出結(jié)果，在被檢出的凹坑損傷處放置標(biāo)記吸盤，并用照片圖像保存對應(yīng)檢測人員以板為單位的檢出結(jié)果，為后期的數(shù)據(jù)處理及統(tǒng)計(jì)分析奠定了準(zhǔn)確可靠的基礎(chǔ)。

此外，因?yàn)樵囼?yàn)過程中的照片圖像部分區(qū)域存在反光和部分模糊等問題，所以對檢出凹坑損傷處的標(biāo)記吸盤采用了簡單的顏色識別方法。采用標(biāo)記吸盤與凹坑損傷距離最小的原理確定被檢出的凹坑損傷與標(biāo)記吸盤的對應(yīng)關(guān)系。大量的圖像分析表明，該方法的準(zhǔn)確率高、方法簡單且效率高。