CN102095755A - 一种混凝土结构的无损检测方法 - Google Patents

Abstract

本发明涉及一种混凝土结构的无损检测方法。本发明公开了一种无损检测方法，该方法基于原有的红外成像系统，并为被检物增设超声激励源，使用超声激励源之后沿用红外脉冲激励，实现超声损伤定位与红外深度分析的结合，保护被检物的同时，避免整个热图区域检测而是针对确定的图像处理区域，有助于提高检测效率；先采用标件进行样本检测，然后进行反向推断被检物的深度信息，方法易行，对检测设备的精度要求低。

Description

一种混凝土结构的无损检测方法

技术领域

本发明涉及无损探伤检测技术领域，特别是涉及混凝土结构的一种红外成像无损检测方法。

背景技术

红外热波无损检测技术是二十世纪九十年代后发展起来的一种无损检测技术。此方法以热波理论为理论依据，通过主动对被检测物体施加特殊模式的可控热激励、并采用红外热像仪连续观察和记录物体表面的温场变化，并通过现代计算机技术及图像信息处理技术进行时序热波信号的探测、采集、数据处理和分析，以实现对物体内部缺陷或损伤的定量诊断。

红外热波无损检测技术的关键技术之一是针对各种材质、结构的被检物以及缺陷和损伤的类型，选择不同特性的热源对物体进行周期、脉冲、直流等函数形式的加热。其中超声红外无损检测方法是采用超声波对被检物体加热，并用红外热像仪记录物体表面温场的变化。与闪光灯脉冲激励红外热像无损检测方法相比，超声波仅加热缺陷部位，而对其它没有缺陷的部分几乎不加热，因此超声加热所成热成像的缺陷信号强，具有很高的灵敏度，可以检测到更小的裂缝，或者完全闭合、垂直的裂缝。对于缺陷损伤的确定，超声波加热方式十分有效。

因此，中国专利CN 101713756提出一种超声热激励红外热成像无损检测方法，以超声作为加热激励源，并进行红外成像。这项专利结合超声的“选择性”加热与红外热像仪的红外成像，实现对缺陷面积的准确检测。但是这项专利仅实现对缺陷面积及缺陷区域边缘实现了良好的检测，却对缺陷深度检测效果不佳。

发明内容

本发明要解决的技术问题是提供一种将超声、红外两种激励源结合，能够对缺陷深度、缺陷损伤面积进行检测的无损检测方法。

为了解决上述技术问题，本发明提供一种混凝土结构的无损检测方法，该方法基于原有的红外成像系统，并为被检物增设超声激励源，其中原有的红外成像系统包括闪烁灯、热像仪以及做相应数据处理的计算机，该方法按如下步骤实现：

步骤1、将各个缺陷的深度值均为已知的标件确定为被检物，对被检物持续施加20KHz超声激励10ms～5s，并在加热与散热过程中进行红外成像，生成相应超声热图序列；

步骤2、对由步骤1所生成的热图序列进行边缘识别，并根据边缘识别所确定的最大封闭区域作为图像处理区域；

步骤3、采用闪光灯对所述被检物持续施加红外脉冲激励20～30min，并在加热与散热过程中进行红外成像，生成相应的热图序列，且本步骤热像仪与被检物之间的相对位置跟步骤1中的相同；

步骤4、在步骤3中所生成的热图序列上，确定与步骤2相同的图像处理区域，并在该图像处理区域内进行灰度值计算，将计算结果的最大值及最大值出现的成像时刻作为判断值进行保存，所述计算结果包括平均灰度值、中心灰度值、图象处理区域其边缘各点像素的平均值；

步骤5、将缺陷深度及面积未知的待检物作为本步骤的被检物，然后重复步骤1～4，求出本步骤被检物相应的判断值；将与各个图像处理区域对应的判断值按大小进行数值排列，应用判断值与缺陷深度的相关性为相应封闭区域的深度系数赋值，并将对应图像处理区域定义为被测物相应位置的缺陷损伤区域，通过计算机计算可得出该缺陷损伤区域的面积；

上述步骤中，对热图的生成及处理由热像仪以及所述计算机配合完成，且计算机内录入有所述标件各个缺陷的深度值；所述封闭区域及图像处理区域是与每一张热图对应的坐标区域。

坐标区域，即是将热图以坐标的方式进行平面位置标记，若本发明中某两张热图各自的封闭边缘界线内的像素坐标均相同，则可认定这两个封闭边缘界线内的区域属于同一个坐标区域、封闭区域或图像处理区域。

进一步，步骤2中不同时刻封闭同一位置的边缘界线不同，当封闭同一位置的边缘界线其所围成的区域面积为最大值时，确定此刻针对该位置的边缘界线所形成的封闭区域是与该位置相对应的最大封闭区域。

本领域的技术人员可以了解到，最大封闭区域或图像处理区域是与所封闭的缺陷位置相对应的，所以如果有两个缺陷，就会出现两个位置不同的最大封闭区域或图像处理区域；而且针对不同深度的缺陷位置，其出现最大封闭区域的时刻也有能不同，所以不同深度缺陷位置所对应的最大封闭区域或图像处理区域不可能出现在某一序列的热图上；而超声一般只加热缺陷部位，为了检测全面，避免部分区域的“漏检”，选择最大封闭区域的概念可以实现缺陷损伤区域面积的精确检测。

进一步，所述标件设有五个深度已知的缺陷，且深度分别为15mm、20mm、30mm、50mm、80mm。

进一步，所述判断值与缺陷深度的相关性，即计算结果最大值出现时刻其数值越大，则缺陷深度越深；计算结果最大值数值越大，则缺陷深度越浅。

由于缺陷深度越深，吸热越少，放热越慢，相应地则表现为平均灰度值、中心灰度值、图象处理区域其边缘各点像素的平均值较小，出现最大值的时刻相对滞后。

应用本发明无损检测方法有如下技术效果：

(1)设计简单，运算相对简易，对数据处理硬件的要求大幅降低。

(2)仅在步骤1使用超声激励源，之后沿用红个脉冲激励，实现超声损伤定位与红外深度分析的结合，保护被检物的同时，避免整个热图区域检测而是针对确定的图像处理区域，有助于提高检测效率。

(3)类似于PH试纸的对比方式，通过确定深度的灰度值及时刻的检测，反向测试被检测物的深度信息。与复杂的神经网络相比，本方法对于表面缺陷深度的检测更加经济、易行。

具体实施方式

本发明无损检测方法在测量中超声及红外激励的功率应是预先固定的，作为优化选择超声频率为20KHZ，实验中采用红外脉冲加热源为双路脉冲氤灯，峰值功率约10W。

本发明无损检测方法，该方法基于原有的红外成像系统，并为被检物增设超声激励源，其中原有的红外成像系统包括闪烁灯、热像仪以及做相应数据处理的计算机，该方法按如下步骤实现：

步骤1、将各个缺陷的深度值均为已知的标件确定为被检物，使用超声探头对被检物持续施加20KHz超声激励10ms～5s，超声探头与被检物之间可涂上耦合剂也可以紧贴式地近距离传送声能，并在加热与散热过程中进行红外成像，生成相应超声热图序列；所述标件设有五个深度已知的缺陷，且深度分别为15mm、20mm、30mm、50mm、80mm；

步骤2、对由步骤1所生成的热图序列进行边缘识别，并根据边缘识别所确定的最大封闭区域作为图像处理区域；本步骤不同时刻封闭同一位置的边缘界线不同，当封闭同一位置的边缘界线其所围成的区域面积为最大值时，确定此刻针对该位置的边缘界线所形成的封闭区域是与该位置相对应的最大封闭区域。

步骤3、采用闪光灯对所述被检物持续施加红外脉冲激励20～30min，并在加热与散热过程中进行红外成像，生成相应的热图序列，且本步骤热像仪与被检物之间的相对位置跟步骤1中的相同；

步骤4、在步骤3中所生成的热图序列上，确定与步骤2相同的图像处理区域，并在该图像处理区域内进行灰度值计算，将计算结果的最大值及最大值出现的成像时刻作为判断值进行保存，所述计算结果包括平均灰度值、中心灰度值、图象处理区域其边缘各点像素的平均值；

步骤5、将缺陷深度及面积未知的待检物作为本步骤的被检物，然后重复步骤1～4，求出本步骤被检物相应的判断值；将与各个图像处理区域对应的判断值按大小进行数值排列，应用判断值与缺陷深度的相关性为相应封闭区域的深度系数赋值，并将对应图像处理区域定义为被测物相应位置的缺陷损伤区域，通过计算机计算可得出该缺陷损伤区域的面积；

所述判断值与缺陷深度的相关性，即计算结果最大值出现时刻其数值越大，则缺陷深度越深；计算结果最大值数值越大，则缺陷深度越浅。

假设本实例标件(设有五个深度已知的缺陷，且深度分别为15mm、20mm、30mm、50mm、80mm；)缺陷的平均灰度值分别是3、4、6、10、16，而检测到未知被检物的有三个平均灰度值结果，分别是A：7，B：9，C：11，则被检物有三个缺陷损伤区域其深度范围分别是A：20mm～30mm，B：20mm～30mm，C：15mm～20mm；且A比B要深。若要得到精算结果，需要进行大量样本测试，以及计算机具体算法的修正。使用本方法能够较为精确地检测缺陷损伤面积，同时对缺陷深度能进行一定的定量分析，成本低，方法简易，易于实现。

上述步骤中，对热图的生成及处理由热像仪以及所述计算机配合完成，且计算机内录入有所述标件各个缺陷的深度值；所述封闭区域及图像处理区域是与每一张热图对应的坐标区域。

由于热图中，缺陷深度与对比峰值延迟时间及最大灰度值直接相关，故采用上述步骤进行测量。对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，如可以不在加热过程中进行热图成像，仅在放热过程中进行成像足以实现本发明的发明目的；标件预设的缺陷深度，可以进行适度修改，但不宜将深度设置过深；如这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。

Claims (4)

1.一种混凝土结构的无损检测方法，该方法基于原有的红外成像系统，并为被检物增设超声激励源，其中原有的红外成像系统包括闪烁灯、热像仪以及做相应数据处理的计算机，其特征在于，该方法包括如下步骤：

步骤1、将各个缺陷的深度值均为已知的标件确定为被检物，对被检物持续施加20KHz超声激励10ms～5s，并在加热与散热过程中进行红外成像，生成相应超声热图序列；

步骤2、对由步骤1所生成的热图序列进行边缘识别，并根据边缘识别所确定的最大封闭区域作为图像处理区域；

步骤3、采用闪光灯对所述被检物持续施加红外脉冲激励20～30min，并在加热与散热过程中进行红外成像，生成相应的热图序列，且本步骤热像仪与被检物之间的相对位置跟步骤1中的相同；

步骤4、在步骤3中所生成的热图序列上，确定与步骤2相同的图像处理区域，并在该图像处理区域内进行灰度值计算，将计算结果的最大值及最大值出现的成像时刻作为判断值进行保存，所述计算结果包括平均灰度值、中心灰度值、图象处理区域其边缘各点像素的平均值；

步骤5、将缺陷深度及面积未知的待检物作为本步骤的被检物，然后重复步骤1～4，求出本步骤被检物相应的判断值；将与各个图像处理区域对应的判断值按大小进行数值排列，应用判断值与缺陷深度的相关性为相应封闭区域的深度系数赋值，并将对应图像处理区域定义为被测物相应位置的缺陷损伤区域，通过计算机计算可得出该缺陷损伤区域的面积；

上述步骤中，对热图的生成及处理由热像仪以及所述计算机配合完成，且计算机内录入有所述标件各个缺陷的深度值；所述封闭区域及图像处理区域是与每一张热图对应的坐标区域。

2.如权利要求1所述混凝土结构的无损检测方法，其特征在于，所述步骤2中不同时刻封闭同一位置的边缘界线不同，当封闭同一位置的边缘界线其所围成的区域面积为最大值时，确定此刻针对该位置的边缘界线所形成的封闭区域是与该位置相对应的最大封闭区域。

3.如权利要求1所述混凝土结构的无损检测方法，其特征在于：所述所述标件设有五个深度已知的缺陷，且深度分别为15mm、20mm、30mm、50mm、80mm。

4.如权利要求1所述混凝土结构的无损检测方法，其特征在于，所述所述判断值与缺陷深度的相关性，即计算结果最大值出现时刻其数值越大，则缺陷深度越深；计算结果最大值数值越大，则缺陷深度越浅。