基于熱紅外視覺的自動鋪絲缺陷原位在線檢測方法：技術(shù)革新與應(yīng)用探索一、引言1.1研究背景與意義在航空航天領(lǐng)域，高性能復(fù)合材料的應(yīng)用愈發(fā)廣泛，自動鋪絲技術(shù)作為先進復(fù)合材料構(gòu)件制造的關(guān)鍵技術(shù)，對于提升航空航天產(chǎn)品的性能與質(zhì)量至關(guān)重要。自動鋪絲技術(shù)能夠?qū)崿F(xiàn)復(fù)合材料預(yù)浸絲束的精確鋪放，有效提高生產(chǎn)效率和產(chǎn)品質(zhì)量的穩(wěn)定性。例如，在飛機機翼、機身等大型結(jié)構(gòu)件的制造中，自動鋪絲技術(shù)能夠確保復(fù)合材料的均勻分布，提升結(jié)構(gòu)件的強度和輕量化水平，像波音787和空客A350等現(xiàn)代大型客機，機身和機翼的50%都使用了碳纖維復(fù)合材料，這離不開自動鋪絲技術(shù)的支持。然而，在自動鋪絲過程中，由于工藝參數(shù)波動、設(shè)備運行狀態(tài)變化等因素，不可避免地會產(chǎn)生各類缺陷，如間隙、搭接、夾雜、氣孔等。這些缺陷嚴重影響復(fù)合材料構(gòu)件的力學(xué)性能和結(jié)構(gòu)完整性，進而威脅到航空航天裝備的飛行安全和使用壽命。例如，在飛機飛行過程中，復(fù)合材料構(gòu)件的缺陷可能在高應(yīng)力、高振動等惡劣環(huán)境下引發(fā)裂紋擴展，最終導(dǎo)致結(jié)構(gòu)失效。因此，對自動鋪絲過程中的缺陷進行快速、準(zhǔn)確的檢測和識別，對于保障航空航天產(chǎn)品質(zhì)量、提高生產(chǎn)效率、降低生產(chǎn)成本具有重要意義。傳統(tǒng)的自動鋪絲缺陷檢測方法主要依賴人工目視檢查和離線無損檢測技術(shù)。人工目視檢查主觀性強、效率低，難以滿足現(xiàn)代航空航天制造業(yè)對檢測精度和速度的要求，據(jù)波音公司統(tǒng)計，檢查與返修的過程占了生產(chǎn)總時間的63%。離線無損檢測技術(shù)，如超聲檢測、X射線檢測等，雖然能夠檢測出部分缺陷，但需要將構(gòu)件從生產(chǎn)線上取下進行檢測，檢測過程繁瑣、耗時，無法實現(xiàn)缺陷的原位在線檢測，難以適應(yīng)自動鋪絲連續(xù)化生產(chǎn)的需求。熱紅外視覺檢測技術(shù)作為一種新型的無損檢測技術(shù)，具有非接觸、大面積快速檢測、對表面和近表面缺陷敏感等優(yōu)點，能夠?qū)崟r獲取被檢測物體表面的溫度分布信息，通過分析溫度場的異常變化來識別缺陷。在自動鋪絲過程中，當(dāng)預(yù)浸絲束鋪放出現(xiàn)缺陷時，缺陷部位的熱傳導(dǎo)特性會發(fā)生改變，導(dǎo)致表面溫度分布異常，熱紅外視覺檢測技術(shù)能夠有效捕捉這些溫度變化，從而實現(xiàn)缺陷的原位在線檢測。例如，在復(fù)合材料鋪絲過程中，間隙和搭接缺陷會導(dǎo)致熱量傳遞不均勻，熱紅外圖像上會呈現(xiàn)出明顯的溫度差異。將熱紅外視覺檢測技術(shù)應(yīng)用于自動鋪絲缺陷檢測，能夠彌補傳統(tǒng)檢測方法的不足，為自動鋪絲過程的質(zhì)量控制提供一種高效、可靠的技術(shù)手段，具有重要的研究價值和工程應(yīng)用前景。1.2國內(nèi)外研究現(xiàn)狀自動鋪絲缺陷檢測技術(shù)的發(fā)展經(jīng)歷了多個階段。早期，人工目視檢測是主要的檢測方式，檢測人員憑借肉眼和簡單工具對鋪絲構(gòu)件進行檢查，這種方法雖然簡單直接，但存在檢測精度低、主觀性強、效率低下等問題，難以滿足現(xiàn)代航空航天制造業(yè)對產(chǎn)品質(zhì)量和生產(chǎn)效率的要求。隨著工業(yè)自動化的發(fā)展，傳統(tǒng)自動化檢測技術(shù)逐漸應(yīng)用于自動鋪絲缺陷檢測領(lǐng)域?；诠鈱W(xué)、電磁學(xué)、聲學(xué)等原理的檢測技術(shù)不斷涌現(xiàn)，如超聲檢測、X射線檢測、渦流檢測等。超聲檢測通過超聲波在材料中的傳播特性來檢測內(nèi)部缺陷，但對于復(fù)雜形狀的構(gòu)件和近表面缺陷檢測效果不佳；X射線檢測能夠清晰顯示構(gòu)件內(nèi)部結(jié)構(gòu)，但存在輻射危害、設(shè)備昂貴、檢測速度慢等缺點；渦流檢測主要用于導(dǎo)電材料表面和近表面缺陷的檢測，對非導(dǎo)電材料不適用。近年來，隨著計算機技術(shù)、圖像處理技術(shù)和人工智能技術(shù)的飛速發(fā)展，基于機器視覺和深度學(xué)習(xí)的現(xiàn)代自動化檢測技術(shù)成為研究熱點。機器視覺檢測技術(shù)通過獲取鋪絲構(gòu)件的圖像信息，利用圖像處理算法對缺陷進行識別和分析，具有非接觸、檢測速度快、精度高等優(yōu)點。深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等，能夠自動學(xué)習(xí)缺陷特征，提高缺陷檢測的準(zhǔn)確性和智能化水平。在自動鋪絲缺陷檢測中，基于深度學(xué)習(xí)的方法能夠有效識別間隙、搭接、夾雜等多種缺陷，為缺陷檢測提供了新的思路和方法。熱紅外視覺檢測技術(shù)作為一種新興的無損檢測技術(shù)，在自動鋪絲缺陷檢測領(lǐng)域逐漸受到關(guān)注。國外對熱紅外視覺檢測技術(shù)的研究起步較早，取得了一系列重要成果。美國、歐洲等國家和地區(qū)在熱紅外成像設(shè)備研發(fā)、檢測算法研究和工程應(yīng)用方面處于領(lǐng)先地位。例如，美國的一些研究機構(gòu)和企業(yè)利用熱紅外視覺檢測技術(shù)對航空航天復(fù)合材料構(gòu)件進行缺陷檢測，通過優(yōu)化熱激勵方式和圖像處理算法，提高了缺陷檢測的靈敏度和準(zhǔn)確性。在航空發(fā)動機渦輪葉片的檢測中，采用熱紅外視覺檢測技術(shù)能夠快速準(zhǔn)確地檢測出葉片表面和近表面的裂紋、氣孔等缺陷，為發(fā)動機的安全運行提供了保障。國內(nèi)對熱紅外視覺檢測技術(shù)的研究也在不斷深入，相關(guān)科研機構(gòu)和高校在熱紅外成像理論、檢測系統(tǒng)開發(fā)、缺陷識別算法等方面取得了一定的進展。例如，哈爾濱工業(yè)大學(xué)的研究團隊針對復(fù)合材料自動鋪絲過程中的缺陷檢測問題，開展了熱紅外視覺檢測技術(shù)的研究，通過建立熱傳導(dǎo)模型，分析缺陷與溫度場之間的關(guān)系，提出了基于熱紅外圖像的缺陷識別方法。北京航空航天大學(xué)的研究人員將熱紅外視覺檢測技術(shù)應(yīng)用于飛機復(fù)合材料結(jié)構(gòu)件的缺陷檢測，開發(fā)了一套自動化的熱紅外檢測系統(tǒng)，實現(xiàn)了缺陷的快速檢測和定位。在應(yīng)用方面，熱紅外視覺檢測技術(shù)已經(jīng)在航空航天、汽車制造、電力設(shè)備檢測等領(lǐng)域得到了一定的應(yīng)用。在航空航天領(lǐng)域，熱紅外視覺檢測技術(shù)主要用于復(fù)合材料構(gòu)件的缺陷檢測，如飛機機翼、機身、發(fā)動機部件等；在汽車制造領(lǐng)域，熱紅外視覺檢測技術(shù)可用于汽車零部件的質(zhì)量檢測，如發(fā)動機缸體、剎車片等；在電力設(shè)備檢測領(lǐng)域，熱紅外視覺檢測技術(shù)能夠檢測電力設(shè)備的過熱、老化等故障，保障電力系統(tǒng)的安全運行。盡管熱紅外視覺檢測技術(shù)在自動鋪絲缺陷檢測方面取得了一定的研究成果和應(yīng)用進展，但仍然存在一些問題和挑戰(zhàn)。例如，熱紅外圖像的分辨率和對比度較低，容易受到環(huán)境溫度、光照等因素的影響，導(dǎo)致缺陷特征提取困難；熱激勵方式和參數(shù)的選擇對檢測結(jié)果影響較大，目前缺乏系統(tǒng)的優(yōu)化方法；熱紅外視覺檢測技術(shù)與其他檢測技術(shù)的融合應(yīng)用還不夠深入，需要進一步探索有效的融合策略和算法。因此，針對這些問題開展深入研究，對于推動熱紅外視覺檢測技術(shù)在自動鋪絲缺陷檢測領(lǐng)域的廣泛應(yīng)用具有重要意義。1.3研究目標(biāo)與內(nèi)容本研究旨在針對自動鋪絲過程中存在的缺陷檢測難題，深入探究基于熱紅外視覺的檢測方法，突破現(xiàn)有技術(shù)瓶頸，實現(xiàn)自動鋪絲缺陷的原位在線快速、準(zhǔn)確檢測，為自動鋪絲技術(shù)在航空航天等高端制造業(yè)中的廣泛應(yīng)用提供堅實的技術(shù)支撐。具體研究內(nèi)容如下：自動鋪絲過程熱傳遞特性及缺陷熱響應(yīng)機理研究：深入分析自動鋪絲過程中預(yù)浸絲束與基底之間的熱傳遞過程，考慮材料特性、鋪放工藝參數(shù)（如鋪放速度、溫度、壓力）等因素對熱傳遞的影響，建立精確的熱傳遞數(shù)學(xué)模型。通過理論分析和數(shù)值模擬，研究不同類型缺陷（間隙、搭接、夾雜、氣孔等）在熱傳遞過程中的熱響應(yīng)特性，揭示缺陷與溫度場之間的內(nèi)在聯(lián)系，為熱紅外視覺檢測提供理論基礎(chǔ)。例如，對于間隙缺陷，分析其對熱量傳導(dǎo)的阻礙作用，以及在熱紅外圖像上呈現(xiàn)的溫度特征；對于夾雜缺陷，研究其不同材質(zhì)與基體材料熱導(dǎo)率差異導(dǎo)致的溫度異常分布規(guī)律。熱紅外視覺檢測系統(tǒng)構(gòu)建與優(yōu)化：根據(jù)自動鋪絲工藝特點和缺陷檢測需求，設(shè)計并搭建一套高分辨率、高靈敏度的熱紅外視覺檢測系統(tǒng)。該系統(tǒng)包括熱紅外相機選型、鏡頭配置、圖像采集卡選擇以及數(shù)據(jù)傳輸與存儲設(shè)備等。優(yōu)化熱紅外相機的安裝位置和角度，確保能夠全面、清晰地獲取鋪絲區(qū)域的熱紅外圖像。研究熱激勵方式（如脈沖加熱、連續(xù)加熱等）和參數(shù)（加熱功率、加熱時間等）對檢測效果的影響，通過實驗和仿真相結(jié)合的方法，確定最佳的熱激勵方案，提高缺陷檢測的靈敏度和準(zhǔn)確性。熱紅外圖像預(yù)處理與特征提取算法研究：針對熱紅外圖像存在的噪聲干擾、對比度低、分辨率不足等問題，研究有效的圖像預(yù)處理算法，如濾波去噪、圖像增強、灰度變換等，提高圖像質(zhì)量，突出缺陷特征?；趫D像處理和模式識別技術(shù)，研究適用于熱紅外圖像的缺陷特征提取算法，如邊緣檢測、紋理分析、形態(tài)學(xué)處理等，提取能夠準(zhǔn)確表征缺陷的幾何特征、紋理特征和溫度特征等。例如，利用邊緣檢測算法提取間隙和搭接缺陷的邊緣輪廓，通過紋理分析算法識別夾雜缺陷的紋理特征，根據(jù)溫度特征確定氣孔缺陷的位置和大小?；谏疃葘W(xué)習(xí)的自動鋪絲缺陷識別與分類模型研究：引入深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等，構(gòu)建自動鋪絲缺陷識別與分類模型。收集大量包含不同類型缺陷的熱紅外圖像樣本，對模型進行訓(xùn)練和優(yōu)化，使其能夠自動學(xué)習(xí)缺陷特征，實現(xiàn)對間隙、搭接、夾雜、氣孔等多種缺陷的準(zhǔn)確識別和分類。研究模型的結(jié)構(gòu)優(yōu)化、參數(shù)調(diào)整和訓(xùn)練策略，提高模型的泛化能力和魯棒性，降低誤檢率和漏檢率。例如，采用遷移學(xué)習(xí)方法，利用在其他領(lǐng)域預(yù)訓(xùn)練的模型初始化參數(shù)，加快模型收斂速度；通過數(shù)據(jù)增強技術(shù)，擴充訓(xùn)練樣本數(shù)量，提高模型對不同工況下缺陷的識別能力。檢測系統(tǒng)性能評估與實驗驗證：建立一套完善的檢測系統(tǒng)性能評估指標(biāo)體系，包括檢測準(zhǔn)確率、誤檢率、漏檢率、檢測速度等，對基于熱紅外視覺的自動鋪絲缺陷檢測系統(tǒng)進行全面性能評估。在自動鋪絲實驗平臺上進行大量實驗，驗證檢測系統(tǒng)的有效性和可靠性，對比分析不同算法和參數(shù)對檢測結(jié)果的影響，不斷優(yōu)化檢測系統(tǒng)和算法。將研究成果應(yīng)用于實際航空航天復(fù)合材料構(gòu)件的自動鋪絲生產(chǎn)過程中，進一步驗證其工程應(yīng)用價值。二、熱紅外視覺檢測原理與自動鋪絲缺陷分析2.1熱紅外視覺檢測基本原理熱紅外視覺檢測技術(shù)的物理基礎(chǔ)是熱輻射現(xiàn)象。根據(jù)熱輻射定律，一切溫度高于絕對零度（-273.15℃）的物體都會不斷地向周圍空間發(fā)射電磁波，這種由于物體自身溫度而產(chǎn)生的電磁輻射被稱為熱輻射。熱輻射的能量分布與物體的溫度和表面特性密切相關(guān)，溫度越高，輻射出的總能量越大，且短波成分增多。例如，在高溫工業(yè)爐中，爐內(nèi)的高溫物體輻射出大量的熱輻射，使得周圍環(huán)境溫度升高。熱輻射遵循一系列重要定律，其中基爾霍夫輻射定律指出，在熱平衡狀態(tài)下，任何物體的光譜輻射出射度與光譜吸收比的比值，僅取決于波長和溫度，而與物體的性質(zhì)無關(guān)。這意味著，善于吸收某一波長輻射的物體，也同樣善于發(fā)射該波長的輻射。黑體是一種理想化的物體，它能夠完全吸收投射到其表面的各種波長的電磁輻射，即吸收率恒為1。雖然自然界中不存在真正的黑體，但可以通過人工制作近似黑體的模型，如在封閉空腔壁上開一小孔，當(dāng)光線從小孔進入空腔后，在內(nèi)部反復(fù)反射，幾乎沒有機會再從小孔穿出，此時小孔對任何波長電磁輻射的吸收比都接近于1，可近似看作黑體。普朗克輻射分布定律則描述了黑體在不同溫度下的輻射能量按波長的分布規(guī)律，其表達式為：M_{b\lambda}(T)=\frac{2\pihc^{2}}{\lambda^{5}}\frac{1}{e^{\frac{hc}{\lambdakT}}-1}其中，M_{b\lambda}(T)為黑體的單色輻射出射度，單位為W/(m^{2}\cdot\mum)；\lambda為波長，單位為\mum；T為黑體的絕對溫度，單位為K；h為普朗克常數(shù)，h=6.626\times10^{-34}J\cdots；c為真空中的光速，c=2.998\times10^{8}m/s；k為玻爾茲曼常數(shù)，k=1.381\times10^{-23}J/K。從該公式可以看出，黑體的單色輻射出射度與波長和溫度密切相關(guān)。隨著溫度的升高，黑體在各波長處的輻射出射度都顯著增加，且輻射能量的峰值向短波方向移動。例如，當(dāng)物體溫度較低時，熱輻射主要集中在波長較長的紅外線區(qū)域；當(dāng)溫度升高到一定程度，如達到500℃以上，熱輻射中可見光成分逐漸增多，物體開始呈現(xiàn)出明顯的顏色。斯特藩-玻爾茲曼定律表明，黑體表面單位面積在單位時間內(nèi)輻射出的總能量M_(T)與黑體本身熱力學(xué)溫度T的四次方成正比，其數(shù)學(xué)表達式為：M_(T)=\sigmaT^{4}其中，\sigma=5.67\times10^{-8}W/(m^{2}\cdotK^{4})為斯特藩-玻爾茲曼常數(shù)。這一定律定量地描述了黑體輻射總能量與溫度之間的關(guān)系，溫度的微小變化會導(dǎo)致輻射能量的顯著改變，例如，當(dāng)物體溫度從300K升高到400K時，其輻射出的總能量將增加約3.16倍。維恩位移定律指出，黑體單色輻射出射度的峰值波長\lambda_{m}與黑體的絕對溫度T成反比，其關(guān)系式為：\lambda_{m}T=b其中，b=2.897\times10^{-3}m\cdotK為維恩常數(shù)。根據(jù)該定律，當(dāng)物體溫度升高時，輻射能量的峰值波長向短波方向移動。例如，太陽表面溫度約為5800K，其輻射能量的峰值波長在可見光的黃綠色波段，這也是我們看到太陽呈現(xiàn)黃色的原因；而人體溫度約為310K，其輻射能量的峰值波長在9.35μm左右，處于遠紅外波段，因此人體主要輻射紅外線。紅外探測器是熱紅外視覺檢測系統(tǒng)的核心部件，其工作原理基于材料對紅外輻射的響應(yīng)特性。根據(jù)探測原理的不同，紅外探測器可分為光子探測器和熱探測器兩大類。光子探測器利用光子與材料相互作用產(chǎn)生的光電效應(yīng)來探測紅外輻射。當(dāng)紅外光子照射到光子探測器的光敏材料上時，光子的能量被材料中的電子吸收，使電子獲得足夠的能量從而躍遷到更高的能級，產(chǎn)生電子-空穴對，這些電子-空穴對在外加電場的作用下形成電流或電壓信號，通過檢測這些電信號即可實現(xiàn)對紅外輻射的探測。常見的光子探測器有光電導(dǎo)探測器、光伏探測器和光電子發(fā)射探測器等。以光電導(dǎo)探測器為例，在無光照時，其內(nèi)部載流子濃度較低，電導(dǎo)率較?。划?dāng)受到紅外光照時，光子激發(fā)產(chǎn)生大量的電子-空穴對，載流子濃度增加，電導(dǎo)率增大，從而導(dǎo)致探測器的電阻發(fā)生變化，通過測量電阻的變化即可檢測到紅外輻射的強度。光子探測器具有響應(yīng)速度快、靈敏度高的優(yōu)點，但通常需要在低溫環(huán)境下工作，以降低探測器的噪聲，提高探測性能。熱探測器則是基于材料吸收紅外輻射后溫度變化所引起的物理性質(zhì)改變來探測紅外輻射。當(dāng)紅外輻射照射到熱探測器的敏感材料上時，材料吸收輻射能量，溫度升高，從而導(dǎo)致材料的某些物理性質(zhì)，如電阻、電容、熱釋電等發(fā)生變化，通過檢測這些物理性質(zhì)的變化來間接測量紅外輻射的強度。常見的熱探測器有熱敏電阻探測器、熱釋電探測器和微測輻射熱計等。例如，熱敏電阻探測器利用熱敏電阻材料的電阻值隨溫度變化的特性，當(dāng)熱敏電阻吸收紅外輻射后，溫度升高，電阻值發(fā)生改變，通過測量電阻值的變化即可得到紅外輻射的強度。熱探測器的優(yōu)點是無需制冷，可在室溫下工作，結(jié)構(gòu)簡單，成本較低，但響應(yīng)速度相對較慢，靈敏度也略低于光子探測器。在自動鋪絲缺陷檢測中，常用的紅外探測器為非制冷型微測輻射熱計。非制冷型微測輻射熱計基于熱敏電阻原理工作，其核心部件是由熱敏材料制成的微橋結(jié)構(gòu)。當(dāng)紅外輻射照射到微橋結(jié)構(gòu)上時，微橋吸收輻射能量，溫度升高，由于熱敏材料的電阻隨溫度變化，微橋的電阻值也隨之改變，通過測量微橋電阻的變化，經(jīng)過信號處理和放大，即可將紅外輻射信號轉(zhuǎn)換為電信號，進而得到物體表面的溫度分布圖像。非制冷型微測輻射熱計具有體積小、重量輕、功耗低、成本低、可在室溫下工作等優(yōu)點，非常適合用于自動鋪絲現(xiàn)場的實時在線檢測。2.2自動鋪絲常見缺陷類型及特征在自動鋪絲過程中，由于材料特性、設(shè)備精度、工藝參數(shù)以及操作環(huán)境等多種因素的影響，可能會產(chǎn)生多種類型的缺陷，這些缺陷對復(fù)合材料構(gòu)件的性能和質(zhì)量有著顯著影響。以下將詳細分析幾種常見的自動鋪絲缺陷的形成原因及其在熱紅外圖像中的特征。間隙缺陷：間隙缺陷是指在鋪絲過程中，相鄰預(yù)浸絲束之間出現(xiàn)的間距過大的現(xiàn)象。其形成原因主要包括鋪絲頭的送絲速度不穩(wěn)定，當(dāng)送絲速度突然降低時，會導(dǎo)致絲束之間的距離增大，從而產(chǎn)生間隙；鋪放路徑規(guī)劃不合理，在復(fù)雜曲面或轉(zhuǎn)角處，若未充分考慮絲束的變形和拉伸，也容易造成絲束間距不均勻，出現(xiàn)間隙。此外，預(yù)浸絲束的張力控制不當(dāng)，張力過小會使絲束松弛，難以緊密貼合，進而形成間隙。在熱紅外圖像中，間隙缺陷表現(xiàn)為明顯的低溫區(qū)域。這是因為間隙處的材料缺失，熱量傳遞受阻，與正常鋪絲區(qū)域相比，其熱傳導(dǎo)能力較弱。當(dāng)對鋪絲區(qū)域進行熱激勵時，熱量在正常鋪絲區(qū)域能夠迅速傳遞，而在間隙處則會形成熱量傳遞的“斷路”，導(dǎo)致間隙處的溫度上升緩慢，在熱紅外圖像上呈現(xiàn)出比周圍區(qū)域更暗的低溫特征。通過分析熱紅外圖像中低溫區(qū)域的形狀、大小和位置，可以準(zhǔn)確識別間隙缺陷，并評估其對復(fù)合材料構(gòu)件性能的影響。搭接缺陷：搭接缺陷是指相鄰預(yù)浸絲束之間出現(xiàn)部分重疊的情況。其產(chǎn)生的原因主要有鋪絲頭的定位精度不足，在切換絲束或進行復(fù)雜軌跡鋪放時，若鋪絲頭的定位出現(xiàn)偏差，就可能導(dǎo)致新鋪放的絲束與已鋪放的絲束發(fā)生重疊。此外，鋪放過程中的振動和干擾也會影響絲束的準(zhǔn)確鋪放，增加搭接缺陷的出現(xiàn)概率。當(dāng)鋪絲速度過快時，絲束的慣性較大，難以精確控制其位置，也容易造成搭接缺陷。在熱紅外圖像中，搭接缺陷呈現(xiàn)為高溫區(qū)域。由于搭接部分的材料厚度增加，熱容量增大，在相同的熱激勵條件下，搭接區(qū)域吸收的熱量更多，溫度升高更快，因此在熱紅外圖像上表現(xiàn)為比正常鋪絲區(qū)域更亮的高溫特征。通過對熱紅外圖像中高溫區(qū)域的分析，可以判斷搭接缺陷的嚴重程度，如搭接的寬度和長度等，為后續(xù)的質(zhì)量評估和修復(fù)提供依據(jù)。三角區(qū)缺陷：三角區(qū)缺陷通常出現(xiàn)在鋪絲軌跡的轉(zhuǎn)角處，是由于絲束在轉(zhuǎn)向過程中，外側(cè)絲束被拉伸，內(nèi)側(cè)絲束堆積而形成的三角形區(qū)域。其形成原因主要與鋪放路徑的曲率半徑有關(guān)，當(dāng)曲率半徑過小時，絲束在轉(zhuǎn)向時受到的拉伸和擠壓作用增強，容易導(dǎo)致三角區(qū)缺陷的產(chǎn)生。此外，絲束的寬度和剛度也會影響三角區(qū)缺陷的形成，較寬和剛度較大的絲束在轉(zhuǎn)向時更難適應(yīng)路徑的變化，增加了三角區(qū)缺陷的出現(xiàn)可能性。在熱紅外圖像中，三角區(qū)缺陷的溫度分布較為復(fù)雜。由于三角區(qū)內(nèi)側(cè)絲束堆積，材料厚度增加，會呈現(xiàn)出一定的高溫特征；而外側(cè)絲束被拉伸，材料變薄，熱傳導(dǎo)能力相對較弱，會表現(xiàn)出低溫特征。因此，三角區(qū)缺陷在熱紅外圖像上通常呈現(xiàn)出內(nèi)側(cè)高溫、外側(cè)低溫的溫度梯度分布，通過分析這種特殊的溫度分布特征，可以有效地識別三角區(qū)缺陷。翻折缺陷：翻折缺陷是指預(yù)浸絲束在鋪放過程中發(fā)生局部翻轉(zhuǎn)或折疊的現(xiàn)象。其產(chǎn)生的原因主要有鋪絲頭與模具表面的貼合不緊密，在鋪放過程中，若鋪絲頭與模具之間存在間隙或角度偏差，會導(dǎo)致絲束在鋪放時受到不均勻的壓力，從而發(fā)生翻折。此外，絲束在輸送過程中受到的摩擦力不均勻，也可能使絲束產(chǎn)生扭轉(zhuǎn)和翻折。當(dāng)預(yù)浸絲束的粘性不足時，在受到外力作用時容易發(fā)生位移和翻折。在熱紅外圖像中，翻折缺陷表現(xiàn)為不規(guī)則的溫度異常區(qū)域。由于翻折部分的絲束結(jié)構(gòu)發(fā)生改變，其熱傳導(dǎo)特性與正常鋪絲區(qū)域不同，會導(dǎo)致熱量傳遞的不均勻，在熱紅外圖像上呈現(xiàn)出溫度的突變和不規(guī)則分布。通過對熱紅外圖像中溫度異常區(qū)域的形狀、邊界和溫度變化趨勢的分析，可以準(zhǔn)確識別翻折缺陷，并確定其位置和范圍。夾雜缺陷：夾雜缺陷是指在鋪絲過程中，外來雜質(zhì)混入預(yù)浸絲束之間或內(nèi)部的情況。其形成原因主要包括原材料的清潔度不高，若預(yù)浸絲束在生產(chǎn)、儲存或運輸過程中受到污染，會帶入雜質(zhì)；生產(chǎn)環(huán)境中的灰塵、碎屑等也可能在鋪絲過程中進入絲束。此外，設(shè)備的磨損和老化也可能產(chǎn)生金屬碎屑等雜質(zhì)，混入鋪絲中。在熱紅外圖像中，夾雜缺陷表現(xiàn)為與周圍材料溫度不同的異常區(qū)域。這是因為夾雜的雜質(zhì)與預(yù)浸絲束的材料性質(zhì)不同，其熱導(dǎo)率和熱容量也存在差異，在熱激勵下，夾雜區(qū)域的溫度變化與正常鋪絲區(qū)域不一致，從而在熱紅外圖像上呈現(xiàn)出明顯的溫度對比。例如，當(dāng)夾雜的雜質(zhì)為金屬碎屑時，由于金屬的熱導(dǎo)率較高，在熱紅外圖像上會表現(xiàn)為高溫亮點；而當(dāng)夾雜的是低導(dǎo)熱性的雜質(zhì)時，則會呈現(xiàn)出低溫區(qū)域。通過分析熱紅外圖像中溫度異常區(qū)域的特征，可以判斷夾雜缺陷的類型和大小，為缺陷的評估和處理提供依據(jù)。2.3熱紅外視覺檢測自動鋪絲缺陷的優(yōu)勢與挑戰(zhàn)熱紅外視覺檢測技術(shù)在自動鋪絲缺陷檢測中展現(xiàn)出獨特的優(yōu)勢，同時也面臨一些挑戰(zhàn)。在優(yōu)勢方面，熱紅外視覺檢測技術(shù)能夠有效克服光照與對比度干擾問題。傳統(tǒng)的基于可見光的檢測方法，對光照條件要求苛刻，光照不均勻或變化會導(dǎo)致圖像質(zhì)量下降，影響缺陷識別的準(zhǔn)確性。而熱紅外視覺檢測技術(shù)基于物體的熱輻射特性，不受可見光光照條件的限制，即使在黑暗環(huán)境或強光干擾下，也能穩(wěn)定地獲取物體表面的溫度分布圖像，從而準(zhǔn)確檢測出自動鋪絲過程中的缺陷。例如，在夜間或光線昏暗的生產(chǎn)車間，熱紅外視覺檢測系統(tǒng)依然能夠正常工作，確保對鋪絲缺陷的有效監(jiān)測。該技術(shù)還具有非接觸式檢測的特點，不會對自動鋪絲過程和被檢測物體造成損傷。自動鋪絲過程中，預(yù)浸絲束的鋪放需要高精度的操作，接觸式檢測可能會干擾絲束的正常鋪放，甚至損壞絲束或已鋪放的部分。熱紅外視覺檢測通過接收物體發(fā)射的紅外輻射來獲取信息，無需與物體直接接觸，避免了對鋪絲過程的干擾，保證了檢測的安全性和可靠性。在航空航天復(fù)合材料構(gòu)件的自動鋪絲生產(chǎn)中，非接觸式檢測能夠更好地滿足對構(gòu)件高精度和高質(zhì)量的要求。此外，熱紅外視覺檢測可以實現(xiàn)大面積快速檢測，適用于自動鋪絲連續(xù)化生產(chǎn)的需求。自動鋪絲過程是一個連續(xù)的生產(chǎn)過程，需要快速、全面地檢測鋪絲質(zhì)量，及時發(fā)現(xiàn)缺陷并進行調(diào)整。熱紅外相機能夠一次性獲取較大面積的熱紅外圖像，通過圖像處理和分析算法，可以快速識別圖像中的缺陷，大大提高了檢測效率。與傳統(tǒng)的逐點檢測或小區(qū)域檢測方法相比，熱紅外視覺檢測技術(shù)能夠在短時間內(nèi)完成對整個鋪絲區(qū)域的檢測，滿足自動鋪絲生產(chǎn)線對檢測速度的要求。然而，熱紅外視覺檢測自動鋪絲缺陷也面臨一些挑戰(zhàn)。溫度影響是一個重要問題，環(huán)境溫度的波動以及自動鋪絲過程中工藝溫度的變化，都會對熱紅外圖像的溫度特征產(chǎn)生影響，增加了缺陷識別的難度。當(dāng)環(huán)境溫度與缺陷部位的溫度差異較小時，缺陷在熱紅外圖像中的特征可能不明顯，容易造成漏檢或誤檢。此外，自動鋪絲過程中，預(yù)浸絲束在加熱、壓實等工藝操作下，溫度會發(fā)生動態(tài)變化，如何準(zhǔn)確地分析這種動態(tài)溫度變化與缺陷之間的關(guān)系，是熱紅外視覺檢測技術(shù)需要解決的關(guān)鍵問題之一。薄膜異物等微小缺陷與正常鋪絲區(qū)域的溫度差異較小，在熱紅外圖像中難以區(qū)分也是一個挑戰(zhàn)。在自動鋪絲過程中，可能會出現(xiàn)一些薄膜異物夾雜在預(yù)浸絲束之間的情況，這些薄膜異物的熱導(dǎo)率與預(yù)浸絲束相近，導(dǎo)致其在熱紅外圖像中的溫度特征與正常鋪絲區(qū)域相似，難以通過常規(guī)的溫度分析方法進行識別。此外，一些微小的氣孔、裂紋等缺陷，由于其尺寸較小，產(chǎn)生的溫度變化也非常微弱，同樣給熱紅外視覺檢測帶來困難。如何提高熱紅外視覺檢測系統(tǒng)的分辨率和靈敏度，以及研究更加有效的特征提取和分析算法，以準(zhǔn)確識別這些微小缺陷，是當(dāng)前研究的重點和難點。熱紅外圖像的噪聲和干擾也會影響檢測結(jié)果的準(zhǔn)確性。熱紅外相機在采集圖像過程中，會受到自身噪聲、電磁干擾等因素的影響，導(dǎo)致熱紅外圖像中存在一定的噪聲和干擾信號。這些噪聲和干擾信號會掩蓋缺陷的真實特征，降低缺陷識別的準(zhǔn)確率。因此，需要研究有效的圖像去噪和抗干擾算法，提高熱紅外圖像的質(zhì)量，為后續(xù)的缺陷檢測和分析提供可靠的數(shù)據(jù)基礎(chǔ)。三、基于熱紅外視覺的檢測系統(tǒng)設(shè)計3.1系統(tǒng)總體架構(gòu)基于熱紅外視覺的自動鋪絲缺陷原位在線檢測系統(tǒng)主要由硬件系統(tǒng)和軟件系統(tǒng)兩大部分組成，旨在實現(xiàn)對自動鋪絲過程中缺陷的實時、準(zhǔn)確檢測。硬件系統(tǒng)是檢測系統(tǒng)的基礎(chǔ)，主要負責(zé)數(shù)據(jù)采集與傳輸，為軟件系統(tǒng)提供原始數(shù)據(jù)。軟件系統(tǒng)則是檢測系統(tǒng)的核心，負責(zé)對硬件系統(tǒng)采集到的數(shù)據(jù)進行處理、分析和決策，實現(xiàn)缺陷的識別與分類。兩大系統(tǒng)相互協(xié)作，共同完成自動鋪絲缺陷的檢測任務(wù)。系統(tǒng)總體架構(gòu)如圖1所示：圖1基于熱紅外視覺的自動鋪絲缺陷檢測系統(tǒng)總體架構(gòu)圖硬件系統(tǒng)主要包括熱紅外相機、熱激勵裝置、圖像采集卡、數(shù)據(jù)傳輸線以及計算機等部分。熱紅外相機作為核心部件，用于捕捉自動鋪絲過程中鋪絲區(qū)域的熱紅外圖像，獲取物體表面的溫度分布信息。熱激勵裝置則在檢測過程中對鋪絲區(qū)域施加外部熱激勵，促使缺陷部位產(chǎn)生明顯的溫度變化，以增強缺陷在熱紅外圖像中的特征，提高檢測的靈敏度和準(zhǔn)確性。圖像采集卡負責(zé)將熱紅外相機采集到的模擬圖像信號轉(zhuǎn)換為數(shù)字信號，并傳輸至計算機進行后續(xù)處理。數(shù)據(jù)傳輸線用于連接各個硬件設(shè)備，確保數(shù)據(jù)的穩(wěn)定傳輸。計算機作為硬件系統(tǒng)的控制中心，負責(zé)協(xié)調(diào)各個硬件設(shè)備的工作，并為軟件系統(tǒng)提供運行環(huán)境。軟件系統(tǒng)主要由圖像預(yù)處理模塊、特征提取模塊、缺陷識別與分類模塊以及結(jié)果顯示與存儲模塊等部分組成。圖像預(yù)處理模塊負責(zé)對采集到的熱紅外圖像進行去噪、增強、灰度變換等預(yù)處理操作，以提高圖像質(zhì)量，為后續(xù)的特征提取和缺陷識別奠定基礎(chǔ)。特征提取模塊基于圖像處理和模式識別技術(shù)，從預(yù)處理后的熱紅外圖像中提取能夠準(zhǔn)確表征缺陷的幾何特征、紋理特征和溫度特征等。缺陷識別與分類模塊引入深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）等，對提取的特征進行學(xué)習(xí)和分析，實現(xiàn)對間隙、搭接、夾雜、氣孔等多種缺陷的準(zhǔn)確識別和分類。結(jié)果顯示與存儲模塊將缺陷識別與分類的結(jié)果以直觀的方式展示給用戶，并將檢測數(shù)據(jù)和結(jié)果進行存儲，以便后續(xù)查詢和分析。在檢測過程中，熱激勵裝置首先對自動鋪絲區(qū)域施加合適的熱激勵，使缺陷部位與正常部位產(chǎn)生溫度差異。熱紅外相機實時采集鋪絲區(qū)域的熱紅外圖像，并通過圖像采集卡將圖像數(shù)據(jù)傳輸至計算機。軟件系統(tǒng)對采集到的圖像數(shù)據(jù)進行預(yù)處理、特征提取和缺陷識別與分類等操作，最終將檢測結(jié)果顯示在計算機屏幕上，并存儲到數(shù)據(jù)庫中。用戶可以根據(jù)檢測結(jié)果及時調(diào)整自動鋪絲工藝參數(shù)，對缺陷進行修復(fù)，從而保證復(fù)合材料構(gòu)件的質(zhì)量。3.2硬件選型與搭建硬件系統(tǒng)的選型與搭建是基于熱紅外視覺的自動鋪絲缺陷檢測系統(tǒng)的重要基礎(chǔ)，直接影響到檢測系統(tǒng)的性能和檢測結(jié)果的準(zhǔn)確性。本部分將詳細介紹熱紅外相機、熱激勵裝置等硬件設(shè)備的選型依據(jù)、關(guān)鍵參數(shù)以及系統(tǒng)的搭建方式。3.2.1熱紅外相機選型熱紅外相機是檢測系統(tǒng)中用于獲取熱紅外圖像的核心設(shè)備，其性能參數(shù)對檢測結(jié)果有著至關(guān)重要的影響。在選型過程中，綜合考慮了以下關(guān)鍵參數(shù)：探測器類型：目前市場上的熱紅外相機探測器主要分為制冷型和非制冷型。制冷型探測器具有高靈敏度、高分辨率的優(yōu)點，但價格昂貴，體積較大，需要復(fù)雜的制冷設(shè)備，維護成本高，且制冷過程耗時較長，不利于實時在線檢測。非制冷型探測器以微測輻射熱計為核心，具有成本低、體積小、重量輕、無需制冷、響應(yīng)速度快等優(yōu)點，能夠滿足自動鋪絲現(xiàn)場實時檢測的需求。因此，本研究選用非制冷型探測器的熱紅外相機。分辨率：分辨率是衡量熱紅外相機成像質(zhì)量的重要指標(biāo)，它決定了相機能夠分辨的最小細節(jié)。較高的分辨率可以提供更清晰的圖像，有助于準(zhǔn)確識別自動鋪絲過程中的微小缺陷。例如，對于一些尺寸較小的氣孔、裂紋等缺陷，高分辨率的熱紅外圖像能夠更清晰地顯示其形狀和位置，提高缺陷檢測的準(zhǔn)確性。本研究選用的熱紅外相機分辨率為640×512像素，能夠滿足對自動鋪絲缺陷檢測的精度要求。熱靈敏度（NETD）：熱靈敏度，通常用噪聲等效溫差（NETD）來表示，它反映了熱紅外相機能夠分辨的最小溫度差異。NETD值越小，相機對溫度變化的敏感度越高，能夠檢測到更細微的溫度變化，從而更容易發(fā)現(xiàn)缺陷。在自動鋪絲過程中，缺陷部位與正常部位的溫度差異往往較小，因此需要熱靈敏度高的熱紅外相機來捕捉這些微小的溫度變化。本研究選用的熱紅外相機NETD值為0.05℃，能夠滿足對自動鋪絲缺陷檢測的熱靈敏度要求。幀頻：幀頻是指熱紅外相機每秒采集圖像的幀數(shù)，它決定了相機對動態(tài)過程的捕捉能力。自動鋪絲過程是一個連續(xù)的動態(tài)過程，需要熱紅外相機具有較高的幀頻，以確保能夠?qū)崟r捕捉到鋪絲過程中的溫度變化，及時發(fā)現(xiàn)缺陷。本研究選用的熱紅外相機幀頻為50Hz，能夠滿足對自動鋪絲過程實時監(jiān)測的需求。經(jīng)過對市場上多種熱紅外相機的性能參數(shù)、價格以及適用性等方面的綜合比較，最終選用了[具體型號]熱紅外相機。該相機具有非制冷型微測輻射熱計探測器，分辨率為640×512像素，NETD值為0.05℃，幀頻為50Hz，能夠滿足自動鋪絲缺陷檢測對相機性能的要求，且價格合理，易于集成到檢測系統(tǒng)中。3.2.2熱激勵裝置選型熱激勵裝置的作用是在檢測過程中對自動鋪絲區(qū)域施加外部熱激勵，使缺陷部位與正常部位產(chǎn)生明顯的溫度差異，從而增強缺陷在熱紅外圖像中的特征，提高檢測的靈敏度和準(zhǔn)確性。常見的熱激勵方式包括脈沖加熱、連續(xù)加熱等，不同的熱激勵方式和參數(shù)對檢測結(jié)果有著不同的影響。脈沖加熱：脈沖加熱是指在短時間內(nèi)對物體施加高強度的熱脈沖，使物體表面溫度迅速升高，然后在自然冷卻過程中，通過熱紅外相機捕捉溫度變化過程，分析缺陷部位的溫度響應(yīng)特征。脈沖加熱的優(yōu)點是能夠在短時間內(nèi)產(chǎn)生較大的溫度變化，缺陷特征明顯，檢測速度快。但缺點是熱脈沖的能量分布不均勻，可能會導(dǎo)致局部過熱，影響檢測結(jié)果的準(zhǔn)確性。連續(xù)加熱：連續(xù)加熱是指對物體持續(xù)施加穩(wěn)定的熱功率，使物體表面溫度逐漸升高并達到穩(wěn)定狀態(tài)，通過熱紅外相機觀察穩(wěn)定狀態(tài)下的溫度分布，識別缺陷部位。連續(xù)加熱的優(yōu)點是溫度分布均勻，能夠提供更穩(wěn)定的檢測條件，但缺點是加熱時間較長，檢測速度相對較慢。在本研究中，綜合考慮自動鋪絲工藝的特點和檢測要求，選用了脈沖式熱源燈作為熱激勵裝置。脈沖式熱源燈能夠在短時間內(nèi)提供高強度的熱脈沖，使自動鋪絲區(qū)域的溫度迅速升高，然后在自然冷卻過程中，通過熱紅外相機捕捉溫度變化過程，分析缺陷部位的溫度響應(yīng)特征。為了確保熱激勵的均勻性和穩(wěn)定性，選用了多個脈沖式熱源燈，并對其布置方式和加熱參數(shù)進行了優(yōu)化。通過實驗測試，確定了脈沖式熱源燈的加熱功率為[X]W，加熱時間為[X]ms，脈沖間隔為[X]ms，能夠滿足自動鋪絲缺陷檢測對熱激勵的要求。3.2.3其他硬件設(shè)備選型除了熱紅外相機和熱激勵裝置外，檢測系統(tǒng)還包括圖像采集卡、數(shù)據(jù)傳輸線以及計算機等硬件設(shè)備。圖像采集卡：圖像采集卡的作用是將熱紅外相機采集到的模擬圖像信號轉(zhuǎn)換為數(shù)字信號，并傳輸至計算機進行后續(xù)處理。在選型過程中，選用了具有高速數(shù)據(jù)傳輸能力和高圖像采集精度的圖像采集卡。該圖像采集卡支持[具體接口類型]接口，數(shù)據(jù)傳輸速率可達[X]Mbps，能夠滿足熱紅外相機高分辨率、高幀頻圖像數(shù)據(jù)的快速傳輸需求。數(shù)據(jù)傳輸線：數(shù)據(jù)傳輸線用于連接熱紅外相機、圖像采集卡和計算機等硬件設(shè)備，確保數(shù)據(jù)的穩(wěn)定傳輸。選用了高質(zhì)量的[具體類型]數(shù)據(jù)傳輸線，其具有抗干擾能力強、信號傳輸穩(wěn)定等優(yōu)點，能夠有效避免數(shù)據(jù)傳輸過程中的信號丟失和干擾。計算機：計算機作為檢測系統(tǒng)的控制中心和數(shù)據(jù)處理平臺，需要具備較高的計算性能和存儲能力。選用了配置為[具體硬件配置]的工業(yè)控制計算機，其具有高性能的處理器、大容量的內(nèi)存和高速的存儲設(shè)備，能夠滿足熱紅外圖像數(shù)據(jù)的實時處理和存儲需求。同時，工業(yè)控制計算機具有良好的穩(wěn)定性和可靠性，能夠適應(yīng)自動鋪絲生產(chǎn)現(xiàn)場的復(fù)雜環(huán)境。3.2.4硬件系統(tǒng)搭建硬件系統(tǒng)的搭建需要考慮設(shè)備的安裝位置、角度以及布局等因素，以確保能夠全面、清晰地獲取自動鋪絲區(qū)域的熱紅外圖像，并保證熱激勵的均勻性和穩(wěn)定性。熱紅外相機安裝：將熱紅外相機安裝在自動鋪絲設(shè)備的上方，使其光軸垂直于鋪絲平面，以確保能夠獲取到鋪絲區(qū)域的完整熱紅外圖像。通過調(diào)整相機的焦距和光圈，使圖像清晰、聚焦準(zhǔn)確。同時，為了避免相機受到外界光線和干擾的影響，在相機周圍安裝了遮光罩和屏蔽裝置。熱激勵裝置安裝：將多個脈沖式熱源燈均勻分布在自動鋪絲區(qū)域的周圍，使其能夠?qū)︿伣z區(qū)域進行全面、均勻的熱激勵。通過調(diào)整熱源燈的角度和位置，確保熱脈沖能夠垂直照射到鋪絲區(qū)域，提高熱激勵的效果。同時，為了控制熱源燈的加熱時間和功率，將其與控制系統(tǒng)連接，實現(xiàn)對熱激勵過程的精確控制。其他硬件設(shè)備連接：將圖像采集卡安裝在計算機的擴展槽中，通過數(shù)據(jù)傳輸線將熱紅外相機與圖像采集卡連接，實現(xiàn)圖像信號的傳輸。將計算機與自動鋪絲設(shè)備的控制系統(tǒng)連接，實現(xiàn)對檢測過程的自動化控制和數(shù)據(jù)交互。同時，為了保證系統(tǒng)的穩(wěn)定性和可靠性，對所有硬件設(shè)備進行了接地處理，并安裝了過壓、過流保護裝置。硬件系統(tǒng)搭建完成后，進行了全面的調(diào)試和測試工作。通過對熱紅外相機的參數(shù)設(shè)置、熱激勵裝置的加熱效果以及數(shù)據(jù)傳輸?shù)姆€(wěn)定性等方面進行測試，確保硬件系統(tǒng)能夠正常工作，為后續(xù)的軟件系統(tǒng)開發(fā)和缺陷檢測實驗提供了可靠的硬件基礎(chǔ)。3.3軟件算法設(shè)計軟件算法是基于熱紅外視覺的自動鋪絲缺陷原位在線檢測系統(tǒng)的核心，其性能直接影響到缺陷檢測的準(zhǔn)確性和實時性。本部分將詳細介紹圖像預(yù)處理算法、缺陷識別與分類算法以及實時檢測與數(shù)據(jù)處理算法的設(shè)計思路和實現(xiàn)方法。3.3.1圖像預(yù)處理算法熱紅外圖像在采集過程中，不可避免地會受到各種噪聲的干擾，同時圖像的對比度和清晰度也可能較低，這些因素會嚴重影響后續(xù)的缺陷識別與分類。因此，需要對熱紅外圖像進行預(yù)處理，以提高圖像質(zhì)量，突出缺陷特征。中值濾波去噪：中值濾波是一種常用的非線性濾波方法，它通過將圖像中每個像素點的灰度值替換為其鄰域內(nèi)像素灰度值的中值，來達到去除噪聲的目的。在熱紅外圖像中，椒鹽噪聲等孤立的噪聲點較為常見，中值濾波能夠有效地消除這些噪聲，同時較好地保留圖像的邊緣和細節(jié)信息。設(shè)圖像中某像素點P(x,y)的鄰域為N(x,y)，中值濾波的計算公式為：g(x,y)=Median\{f(i,j),(i,j)\inN(x,y)\}其中，f(x,y)為原始圖像中像素點(x,y)的灰度值，g(x,y)為濾波后圖像中像素點(x,y)的灰度值。中值濾波的窗口大小通常根據(jù)圖像的噪聲情況和細節(jié)特征來選擇，窗口過大可能會導(dǎo)致圖像細節(jié)丟失，窗口過小則去噪效果不佳。在實際應(yīng)用中，可通過實驗對比不同窗口大小下的去噪效果，選擇最優(yōu)的窗口參數(shù)。Retinex圖像增強：Retinex理論是一種基于人類視覺系統(tǒng)的圖像增強理論，它認為物體的顏色和亮度是由物體對不同波長光線的反射能力決定的，而不是由物體所接收的光線強度決定的。Retinex圖像增強算法通過對圖像的光照分量和反射分量進行分離，然后對反射分量進行增強，從而提高圖像的對比度和清晰度，使圖像中的缺陷特征更加明顯。常用的Retinex算法有單尺度Retinex（SSR）、多尺度Retinex（MSR）和帶色彩恢復(fù)的多尺度Retinex（MSRCR）等。以MSRCR算法為例，其實現(xiàn)步驟如下：對原始圖像I(x,y)進行多尺度高斯濾波，得到不同尺度下的光照分量L_{k}(x,y)，其中k=1,2,\cdots,n，n為尺度數(shù)。計算反射分量R_{k}(x,y)：R_{k}(x,y)=\log\frac{I(x,y)}{L_{k}(x,y)}對反射分量進行加權(quán)求和，得到增強后的反射分量R(x,y)：R(x,y)=\sum_{k=1}^{n}w_{k}R_{k}(x,y)其中，w_{k}為各尺度下反射分量的權(quán)重，且\sum_{k=1}^{n}w_{k}=1。對增強后的反射分量進行色彩恢復(fù)和對比度拉伸，得到最終增強后的圖像。直方圖均衡化：直方圖均衡化是一種通過對圖像的直方圖進行調(diào)整，來增強圖像對比度的方法。它的基本思想是將圖像的灰度直方圖分布調(diào)整為均勻分布，從而使圖像的灰度級范圍得到擴展，提高圖像的對比度。設(shè)原始圖像的灰度級為r_{k}，其概率密度函數(shù)為p(r_{k})，經(jīng)過直方圖均衡化后的灰度級為s_{k}，則s_{k}與r_{k}之間的關(guān)系為：s_{k}=T(r_{k})=\int_{0}^{r_{k}}p(r)dr其中，T(r_{k})為變換函數(shù)。通過直方圖均衡化，熱紅外圖像中原本對比度較低的缺陷部位與正常部位之間的灰度差異得到增強，從而更容易被識別。但直方圖均衡化也可能會導(dǎo)致圖像出現(xiàn)過增強現(xiàn)象，使圖像的細節(jié)丟失，因此在實際應(yīng)用中需要根據(jù)圖像的具體情況進行適當(dāng)?shù)恼{(diào)整。經(jīng)過中值濾波去噪、Retinex圖像增強和直方圖均衡化等預(yù)處理操作后，熱紅外圖像的質(zhì)量得到了顯著提高，為后續(xù)的缺陷識別與分類提供了更可靠的數(shù)據(jù)基礎(chǔ)。圖2展示了原始熱紅外圖像和經(jīng)過預(yù)處理后的圖像對比：圖2原始熱紅外圖像與預(yù)處理后圖像對比從圖中可以看出，原始熱紅外圖像存在明顯的噪聲干擾，對比度較低，缺陷特征不明顯；經(jīng)過預(yù)處理后，圖像中的噪聲得到了有效抑制，對比度顯著提高，缺陷部位的輪廓更加清晰，為后續(xù)的缺陷識別與分類提供了更有利的條件。3.3.2缺陷識別與分類算法缺陷識別與分類是基于熱紅外視覺的自動鋪絲缺陷檢測系統(tǒng)的關(guān)鍵環(huán)節(jié)，其準(zhǔn)確性直接影響到檢測系統(tǒng)的性能。本研究采用基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的深度學(xué)習(xí)算法，對預(yù)處理后的熱紅外圖像進行缺陷識別與分類。卷積神經(jīng)網(wǎng)絡(luò)原理：卷積神經(jīng)網(wǎng)絡(luò)是一種專門為處理圖像數(shù)據(jù)而設(shè)計的深度學(xué)習(xí)模型，它通過卷積層、池化層和全連接層等組件，自動提取圖像的特征，并進行分類和預(yù)測。卷積層是CNN的核心組件，它通過卷積核在圖像上滑動，對圖像進行卷積操作，提取圖像的局部特征。池化層則用于對卷積層輸出的特征圖進行下采樣，降低特征圖的分辨率，減少計算量，同時增強模型的魯棒性。全連接層將池化層輸出的特征圖進行扁平化處理后，連接到多個神經(jīng)元上，通過權(quán)重矩陣對特征進行加權(quán)求和，再經(jīng)過激活函數(shù)的非線性變換，得到最終的分類結(jié)果。模型結(jié)構(gòu)設(shè)計：本研究設(shè)計的卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖3所示：圖3基于卷積神經(jīng)網(wǎng)絡(luò)的缺陷識別與分類模型結(jié)構(gòu)該模型主要由4個卷積層、4個池化層和3個全連接層組成。在卷積層中，使用不同大小的卷積核來提取圖像的不同尺度特征，如3×3、5×5的卷積核。每個卷積層后都連接一個ReLU激活函數(shù)，用于增加模型的非線性表達能力。池化層采用最大池化方法，池化核大小為2×2，步長為2，通過池化操作降低特征圖的分辨率，減少計算量。在全連接層中，前兩個全連接層的神經(jīng)元數(shù)量分別為512和256，最后一個全連接層的神經(jīng)元數(shù)量根據(jù)缺陷類別數(shù)確定，本研究中自動鋪絲缺陷主要包括間隙、搭接、三角區(qū)、翻折和夾雜等5種類型，因此最后一個全連接層的神經(jīng)元數(shù)量為5。在模型的訓(xùn)練過程中，采用交叉熵損失函數(shù)作為損失函數(shù)，使用Adam優(yōu)化器對模型的參數(shù)進行更新，以最小化損失函數(shù)。模型訓(xùn)練與優(yōu)化：為了訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型，收集了大量包含不同類型缺陷的熱紅外圖像樣本，將其分為訓(xùn)練集、驗證集和測試集，其中訓(xùn)練集用于模型的訓(xùn)練，驗證集用于調(diào)整模型的超參數(shù)，測試集用于評估模型的性能。在訓(xùn)練過程中，采用數(shù)據(jù)增強技術(shù)，如隨機旋轉(zhuǎn)、翻轉(zhuǎn)、縮放等，擴充訓(xùn)練樣本數(shù)量，提高模型的泛化能力。同時，為了防止模型過擬合，在全連接層中加入了Dropout層，隨機丟棄一部分神經(jīng)元，減少神經(jīng)元之間的共適應(yīng)性。通過多次實驗，調(diào)整模型的超參數(shù)，如學(xué)習(xí)率、迭代次數(shù)、BatchSize等，最終得到性能最優(yōu)的模型。模型性能評估：使用測試集對訓(xùn)練好的模型進行性能評估，主要評估指標(biāo)包括準(zhǔn)確率、召回率、F1值等。準(zhǔn)確率是指模型正確分類的樣本數(shù)占總樣本數(shù)的比例，召回率是指正確分類的某類樣本數(shù)占該類樣本總數(shù)的比例，F(xiàn)1值是準(zhǔn)確率和召回率的調(diào)和平均數(shù)，能夠綜合反映模型的性能。經(jīng)過測試，該模型對自動鋪絲過程中5種常見缺陷的識別準(zhǔn)確率達到了[X]%以上，召回率達到了[X]%以上，F(xiàn)1值達到了[X]以上，表明該模型具有較高的缺陷識別與分類能力，能夠滿足自動鋪絲缺陷檢測的實際需求。3.3.3實時檢測與數(shù)據(jù)處理算法為了實現(xiàn)對自動鋪絲過程的連續(xù)監(jiān)測，需要設(shè)計實時檢測算法，同時對檢測結(jié)果進行有效的數(shù)據(jù)處理和分析。實時檢測算法：實時檢測算法主要負責(zé)對熱紅外相機采集到的圖像進行實時處理和分析，快速識別出圖像中的缺陷。在實際應(yīng)用中，熱紅外相機以一定的幀頻實時采集自動鋪絲區(qū)域的熱紅外圖像，圖像采集卡將采集到的圖像數(shù)據(jù)傳輸至計算機后，實時檢測算法首先對圖像進行預(yù)處理，然后將預(yù)處理后的圖像輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型中進行缺陷識別與分類。為了提高檢測速度，采用多線程技術(shù)，將圖像采集、預(yù)處理和缺陷識別與分類等任務(wù)分配到不同的線程中并行執(zhí)行，減少處理時間。同時，設(shè)置合理的檢測閾值，當(dāng)模型輸出的缺陷概率大于閾值時，判定為存在缺陷，并記錄缺陷的類型、位置和大小等信息。數(shù)據(jù)處理算法：數(shù)據(jù)處理算法主要負責(zé)對檢測結(jié)果進行分析和存儲，為后續(xù)的質(zhì)量評估和工藝優(yōu)化提供數(shù)據(jù)支持。對于檢測到的缺陷，數(shù)據(jù)處理算法首先對缺陷信息進行統(tǒng)計分析，如統(tǒng)計不同類型缺陷的出現(xiàn)頻率、分布位置等，通過分析這些數(shù)據(jù)，找出自動鋪絲過程中容易出現(xiàn)缺陷的區(qū)域和工藝環(huán)節(jié)，為工藝優(yōu)化提供依據(jù)。然后，將檢測結(jié)果和相關(guān)數(shù)據(jù)存儲到數(shù)據(jù)庫中，以便后續(xù)查詢和追溯。在存儲過程中，采用數(shù)據(jù)壓縮和加密技術(shù)，減少數(shù)據(jù)存儲空間，保證數(shù)據(jù)的安全性。此外，還可以將檢測結(jié)果以直觀的方式展示給用戶，如生成缺陷分布圖、統(tǒng)計報表等，方便用戶了解自動鋪絲過程的質(zhì)量狀況。通過實時檢測與數(shù)據(jù)處理算法的設(shè)計，實現(xiàn)了對自動鋪絲過程的連續(xù)監(jiān)測和數(shù)據(jù)的有效處理，為自動鋪絲質(zhì)量控制提供了有力的支持。四、實驗驗證與結(jié)果分析4.1實驗設(shè)置與數(shù)據(jù)采集為了全面、系統(tǒng)地驗證基于熱紅外視覺的自動鋪絲缺陷檢測方法的有效性和可靠性，搭建了一套高精度的自動鋪絲實驗平臺。該實驗平臺模擬實際自動鋪絲生產(chǎn)環(huán)境，由自動鋪絲設(shè)備、熱紅外視覺檢測系統(tǒng)、熱激勵裝置以及數(shù)據(jù)采集與處理系統(tǒng)等部分組成。自動鋪絲設(shè)備采用[具體型號]，具備多軸聯(lián)動功能，能夠?qū)崿F(xiàn)復(fù)雜軌跡的鋪絲操作。其最大鋪絲速度可達[X]mm/s，鋪絲精度達到±0.1mm，能夠滿足不同工藝參數(shù)下的鋪絲需求。熱紅外視覺檢測系統(tǒng)由前文選定的[具體型號]熱紅外相機、圖像采集卡以及計算機組成，負責(zé)采集鋪絲過程中的熱紅外圖像。熱激勵裝置選用前文確定的脈沖式熱源燈，通過精確控制其加熱功率、加熱時間和脈沖間隔，為鋪絲區(qū)域提供穩(wěn)定、均勻的熱激勵。在實驗過程中，設(shè)置了多種不同的自動鋪絲工藝參數(shù)，以研究其對缺陷產(chǎn)生和檢測效果的影響。鋪放溫度設(shè)置為[具體溫度1]、[具體溫度2]、[具體溫度3]三個水平，模擬不同的加熱條件。鋪放壓力設(shè)置為[具體壓力1]、[具體壓力2]、[具體壓力3]，研究壓力對絲束與基底貼合程度的影響。鋪放速率設(shè)置為[具體速率1]、[具體速率2]、[具體速率3]，分析不同鋪放速度下絲束的鋪放質(zhì)量。通過正交實驗設(shè)計，共進行了[X]組實驗，每組實驗重復(fù)[X]次，以確保實驗結(jié)果的可靠性和重復(fù)性。在每次實驗中，當(dāng)自動鋪絲設(shè)備按照設(shè)定的工藝參數(shù)進行鋪絲操作時，熱激勵裝置在鋪絲區(qū)域施加熱脈沖。熱紅外相機以50Hz的幀頻實時采集鋪絲區(qū)域的熱紅外圖像，圖像采集卡將采集到的模擬圖像信號轉(zhuǎn)換為數(shù)字信號，并傳輸至計算機進行存儲。實驗過程中，共采集了[X]張熱紅外圖像，這些圖像涵蓋了不同工藝參數(shù)下的正常鋪絲情況和包含間隙、搭接、三角區(qū)、翻折、夾雜等多種缺陷的鋪絲情況。為了確保實驗數(shù)據(jù)的準(zhǔn)確性和可靠性，在實驗前對熱紅外相機進行了校準(zhǔn)，包括溫度校準(zhǔn)和幾何校準(zhǔn)。溫度校準(zhǔn)通過將熱紅外相機對準(zhǔn)已知溫度的黑體爐，采集不同溫度下的熱紅外圖像，建立溫度與圖像灰度值之間的映射關(guān)系，以提高溫度測量的精度。幾何校準(zhǔn)則是通過拍攝標(biāo)準(zhǔn)棋盤格圖案，利用張正友標(biāo)定法計算熱紅外相機的內(nèi)參和外參，消除圖像畸變，提高圖像的幾何精度。同時，在實驗過程中，實時監(jiān)測環(huán)境溫度和濕度，確保實驗條件的穩(wěn)定性。4.2缺陷檢測結(jié)果分析利用搭建的檢測系統(tǒng)和訓(xùn)練好的算法模型，對自動鋪絲實驗過程中采集的熱紅外圖像進行缺陷檢測。通過對大量實驗數(shù)據(jù)的處理和分析，得到了基于熱紅外視覺的自動鋪絲缺陷檢測結(jié)果，并對檢測準(zhǔn)確率、誤檢率、漏檢率等關(guān)鍵指標(biāo)進行了詳細評估。在檢測準(zhǔn)確率方面，對不同類型的自動鋪絲缺陷進行統(tǒng)計分析，結(jié)果如表1所示：表1不同類型缺陷的檢測準(zhǔn)確率缺陷類型檢測樣本數(shù)正確檢測數(shù)檢測準(zhǔn)確率（%）間隙12011595.83搭接1009292.00三角區(qū)807593.75翻折908392.22夾雜11010292.73從表1可以看出，基于熱紅外視覺的檢測系統(tǒng)對間隙缺陷的檢測準(zhǔn)確率最高，達到了95.83%。這是因為間隙缺陷在熱紅外圖像中表現(xiàn)為明顯的低溫區(qū)域，與正常鋪絲區(qū)域的溫度差異較大，特征明顯，易于識別。對于搭接缺陷，檢測準(zhǔn)確率為92.00%。搭接缺陷在熱紅外圖像中呈現(xiàn)為高溫區(qū)域，雖然特征也較為明顯，但由于在實際鋪絲過程中，一些正常的鋪絲重疊區(qū)域可能會與搭接缺陷混淆，導(dǎo)致部分誤判，從而影響了檢測準(zhǔn)確率。三角區(qū)缺陷的檢測準(zhǔn)確率為93.75%，三角區(qū)缺陷在熱紅外圖像中的溫度分布較為復(fù)雜，內(nèi)側(cè)高溫、外側(cè)低溫的溫度梯度分布特征需要通過精確的特征提取和分析算法才能準(zhǔn)確識別，因此檢測難度相對較大。翻折缺陷的檢測準(zhǔn)確率為92.22%，翻折缺陷在熱紅外圖像中表現(xiàn)為不規(guī)則的溫度異常區(qū)域，其特征提取和識別相對困難，容易受到噪聲和干擾的影響，導(dǎo)致檢測準(zhǔn)確率有所下降。夾雜缺陷的檢測準(zhǔn)確率為92.73%，夾雜缺陷的溫度特征取決于夾雜雜質(zhì)的性質(zhì)，不同類型的夾雜雜質(zhì)在熱紅外圖像中的表現(xiàn)各異，增加了檢測的復(fù)雜性?？傮w而言，檢測系統(tǒng)對各種類型缺陷的平均檢測準(zhǔn)確率達到了93.31%，表明該系統(tǒng)能夠有效地識別自動鋪絲過程中的常見缺陷。誤檢率是衡量檢測系統(tǒng)性能的另一個重要指標(biāo)，它反映了將正常鋪絲區(qū)域誤判為缺陷區(qū)域的比例。在本次實驗中，共對500個正常鋪絲樣本進行檢測，其中被誤判為缺陷的樣本數(shù)為20個，計算得到誤檢率為4.00%。誤檢的主要原因是熱紅外圖像中的噪聲和干擾，以及部分正常鋪絲區(qū)域的溫度波動與缺陷特征相似，導(dǎo)致算法模型誤判。例如，在熱紅外圖像采集過程中，由于環(huán)境溫度的微小變化或熱激勵的不均勻性，可能會使正常鋪絲區(qū)域的溫度出現(xiàn)局部異常，從而被誤判為缺陷。此外，一些復(fù)雜的鋪絲路徑和結(jié)構(gòu)，如多層鋪絲區(qū)域或曲率較大的部位，也容易產(chǎn)生溫度分布的不均勻，增加誤檢的可能性。漏檢率則反映了檢測系統(tǒng)未能檢測出實際存在的缺陷的比例。在本次實驗中，實際存在缺陷的樣本數(shù)為500個，其中未被檢測出的缺陷樣本數(shù)為30個，計算得到漏檢率為6.00%。漏檢的原因主要包括缺陷尺寸過小、缺陷與正常區(qū)域的溫度差異不明顯以及算法模型的局限性。對于一些微小的氣孔、裂紋等缺陷，由于其尺寸小于熱紅外相機的分辨率，在熱紅外圖像中難以清晰顯示，導(dǎo)致漏檢。此外，當(dāng)缺陷與正常區(qū)域的材料特性差異較小，或在熱激勵過程中未能產(chǎn)生足夠明顯的溫度變化時，也容易造成漏檢。算法模型在學(xué)習(xí)缺陷特征時，可能存在一定的局限性，對于一些特殊形態(tài)或復(fù)雜背景下的缺陷，無法準(zhǔn)確識別，從而導(dǎo)致漏檢。為了直觀地展示檢測結(jié)果，選取了部分具有代表性的熱紅外圖像及其檢測結(jié)果進行對比分析，如圖4所示：圖4熱紅外圖像及缺陷檢測結(jié)果對比從圖4（a）可以看出，正常鋪絲區(qū)域的熱紅外圖像溫度分布均勻，無明顯異常。經(jīng)過檢測系統(tǒng)分析，判定為正常鋪絲，檢測結(jié)果準(zhǔn)確。圖4（b）中存在間隙缺陷，在熱紅外圖像中表現(xiàn)為明顯的低溫區(qū)域，檢測系統(tǒng)成功識別出該間隙缺陷，并準(zhǔn)確標(biāo)注出其位置和大小。圖4（c）展示了搭接缺陷的熱紅外圖像，搭接區(qū)域呈現(xiàn)為高溫區(qū)域，檢測系統(tǒng)也能夠準(zhǔn)確檢測出該缺陷。圖4（d）中的三角區(qū)缺陷在熱紅外圖像中具有獨特的溫度分布特征，檢測系統(tǒng)通過分析這些特征，成功識別出三角區(qū)缺陷。圖4（e）為翻折缺陷的熱紅外圖像，翻折部分呈現(xiàn)出不規(guī)則的溫度異常，檢測系統(tǒng)對該缺陷的識別和標(biāo)注也較為準(zhǔn)確。圖4（f）中夾雜缺陷在熱紅外圖像中表現(xiàn)為溫度異常點，檢測系統(tǒng)能夠?qū)⑵錂z測出來，但對于一些微小的夾雜缺陷，可能由于圖像分辨率和特征提取難度等原因，存在一定的漏檢風(fēng)險。通過對檢測準(zhǔn)確率、誤檢率、漏檢率等指標(biāo)的分析以及對典型熱紅外圖像檢測結(jié)果的對比，可以得出基于熱紅外視覺的自動鋪絲缺陷檢測系統(tǒng)在自動鋪絲缺陷檢測方面具有較高的有效性和可靠性。雖然在檢測過程中仍存在一定的誤檢和漏檢情況，但通過進一步優(yōu)化檢測系統(tǒng)的硬件參數(shù)、改進算法模型以及提高數(shù)據(jù)處理能力等措施，可以不斷降低誤檢率和漏檢率，提高檢測系統(tǒng)的性能，滿足自動鋪絲生產(chǎn)過程中對缺陷檢測的實際需求。4.3與其他檢測方法的對比為了更全面地評估基于熱紅外視覺的自動鋪絲缺陷檢測方法的性能，將其與傳統(tǒng)的2D檢測方法以及基于3D點云的檢測方法進行對比分析，從檢測原理、準(zhǔn)確性、效率、成本等多個維度剖析各自的優(yōu)勢與不足。傳統(tǒng)2D檢測方法主要基于可見光成像技術(shù)，通過CCD相機等設(shè)備獲取鋪絲區(qū)域的二維圖像，然后利用圖像處理算法或機器學(xué)習(xí)模型對圖像中的缺陷進行識別與分類。在復(fù)合材料自動鋪絲過程中，波音公司采用CCD相機拍攝鋪層表面圖像，再運用啟發(fā)式算法來識別缺陷。這種方法的原理是基于缺陷與正常區(qū)域在圖像灰度、紋理等方面的差異來進行判斷。其優(yōu)勢在于設(shè)備成本相對較低，圖像采集和處理速度較快，能夠在一定程度上滿足生產(chǎn)線上對檢測速度的要求。在一些對檢測精度要求不特別高的場景中，傳統(tǒng)2D檢測方法可以快速地對鋪絲質(zhì)量進行初步篩查。然而，傳統(tǒng)2D檢測方法也存在明顯的局限性。由于其僅能獲取二維平面信息，對于一些復(fù)雜形狀的鋪絲構(gòu)件，難以全面準(zhǔn)確地檢測到所有缺陷。在檢測具有曲面或多層結(jié)構(gòu)的復(fù)合材料構(gòu)件時，部分缺陷可能會被遮擋或因視角問題而無法被有效識別。此外，該方法對光照條件要求較高，光照不均勻或變化容易導(dǎo)致圖像質(zhì)量下降，從而影響缺陷識別的準(zhǔn)確性。在實際生產(chǎn)環(huán)境中，光照條件往往難以保持恒定，這增加了傳統(tǒng)2D檢測方法的應(yīng)用難度。而且，當(dāng)缺陷特征與正常區(qū)域的差異不明顯時，基于灰度和紋理分析的傳統(tǒng)2D檢測方法容易出現(xiàn)誤檢和漏檢的情況。對于一些微小的間隙、夾雜等缺陷，在2D圖像中可能難以清晰分辨，導(dǎo)致檢測精度較低?；?D點云的檢測方法則是通過激光掃描等設(shè)備獲取鋪絲區(qū)域的三維點云數(shù)據(jù)，然后對這些數(shù)據(jù)進行處理和分析，以識別缺陷。在自動駕駛和機器人領(lǐng)域，3D點云數(shù)據(jù)被廣泛用于環(huán)境感知和目標(biāo)檢測。在自動鋪絲缺陷檢測中，該方法能夠提供更豐富的幾何信息，對于復(fù)雜形狀構(gòu)件的缺陷檢測具有一定優(yōu)勢。它可以精確地測量鋪絲的厚度、位置等參數(shù)，從而更準(zhǔn)確地判斷是否存在缺陷以及缺陷的嚴重程度。在檢測具有復(fù)雜曲面的航空發(fā)動機葉片的鋪絲質(zhì)量時，3D點云檢測方法能夠全面地獲取葉片表面的三維信息，準(zhǔn)確地識別出間隙、搭接等缺陷。但是，基于3D點云的檢測方法也存在一些問題。其設(shè)備成本高昂，激光掃描設(shè)備價格昂貴，且需要高精度的校準(zhǔn)和維護，增加了檢測成本。數(shù)據(jù)處理難度大，3D點云數(shù)據(jù)量龐大，對計算機的計算能力和存儲能力要求較高，數(shù)據(jù)處理時間較長，難以滿足自動鋪絲生產(chǎn)線對實時性的要求。標(biāo)注成本也較高，為了訓(xùn)練有效的缺陷識別模型，需要對大量的3D點云數(shù)據(jù)進行標(biāo)注，這是一個耗時費力的過程。在實際應(yīng)用中，基于3D點云的檢測方法的檢測效率較低，難以在高速的自動鋪絲生產(chǎn)線上實現(xiàn)實時檢測。相比之下，基于熱紅外視覺的檢測方法具有獨特的優(yōu)勢。它利用物體的熱輻射特性，能夠在不依賴可見光的情況下進行檢測，不受光照條件的影響，具有較強的環(huán)境適應(yīng)性。該方法通過分析缺陷與正常區(qū)域的溫度差異來識別缺陷，對于一些在可見光圖像中難以察覺的缺陷，如內(nèi)部夾雜、微小裂紋等，具有較高的檢測靈敏度。在檢測復(fù)合材料內(nèi)部的夾雜缺陷時，熱紅外視覺檢測方法能夠通過溫度異常準(zhǔn)確地識別出缺陷位置。此外，熱紅外視覺檢測方法可以實現(xiàn)非接觸式檢測，不會對鋪絲過程和構(gòu)件造成損傷，適用于對精度要求較高的自動鋪絲生產(chǎn)。當(dāng)然，基于熱紅外視覺的檢測方法也并非完美無缺。它對環(huán)境溫度的變化較為敏感，環(huán)境溫度的波動可能會干擾缺陷的溫度特征，增加檢測難度。在高溫或溫度變化劇烈的環(huán)境中，需要采取有效的溫度補償措施來提高檢測準(zhǔn)確性。對于一些與正常區(qū)域熱特性差異較小的缺陷，如薄膜異物等，檢測效果可能不理想。熱紅外圖像的分辨率相對較低，對于微小缺陷的細節(jié)特征捕捉能力有限，這也在一定程度上限制了其檢測精度。綜合對比三種檢測方法，傳統(tǒng)2D檢測方法成本低、速度快，但檢測精度和對復(fù)雜構(gòu)件的適應(yīng)性較差；基于3D點云的檢測方法檢測精度高、能獲取豐富幾何信息，但成本高、實時性差；基于熱紅外視覺的檢測方法環(huán)境適應(yīng)性強、對特定缺陷靈敏度高、非接觸式檢測，但受環(huán)境溫度影響大，對微小熱特性差異缺陷檢測能力有限。在實際應(yīng)用中，應(yīng)根據(jù)自動鋪絲生產(chǎn)的具體需求和場景，綜合考慮各種因素，選擇合適的檢測方法或采用多種方法相結(jié)合的方式，以實現(xiàn)對自動鋪絲缺陷的高效、準(zhǔn)確檢測。五、應(yīng)用案例分析5.1航空航天領(lǐng)域應(yīng)用案例以某型號飛機進氣道自動鋪絲生產(chǎn)為例，該飛機進氣道采用復(fù)合材料制造，其結(jié)構(gòu)復(fù)雜，對鋪絲質(zhì)量要求極高。在以往的生產(chǎn)過程中，由于缺乏有效的在線缺陷檢測手段，主要依靠人工目視檢查和離線無損檢測技術(shù)來發(fā)現(xiàn)缺陷。人工目視檢查主觀性強、效率低，難以發(fā)現(xiàn)微小缺陷；離線無損檢測需要將進氣道從生產(chǎn)線上取下進行檢測，檢測周期長，嚴重影響生產(chǎn)效率，且在后續(xù)的裝配過程中，仍可能發(fā)現(xiàn)新的缺陷，導(dǎo)致大量的返工和成本增加。為了解決這些問題，引入了基于熱紅外視覺的自動鋪絲缺陷原位在線檢測系統(tǒng)。在該型號飛機進氣道的自動鋪絲生產(chǎn)線上，安裝了前文設(shè)計的熱紅外視覺檢測系統(tǒng)，包括熱紅外相機、熱激勵裝置以及配套的軟件算法。熱紅外相機實時采集鋪絲區(qū)域的熱紅外圖像，熱激勵裝置在鋪絲過程中對鋪絲區(qū)域施加熱脈沖，增強缺陷部位的溫度特征。軟件算法對采集到的熱紅外圖像進行實時處理和分析，快速準(zhǔn)確地識別出間隙、搭接、三角區(qū)、翻折、夾雜等多種缺陷。在實際生產(chǎn)過程中，該檢測系統(tǒng)取得了顯著的應(yīng)用效果。在一次生產(chǎn)過程中，熱紅外視覺檢測系統(tǒng)實時監(jiān)測到鋪絲區(qū)域出現(xiàn)一處間隙缺陷。通過對熱紅外圖像的分析，準(zhǔn)確確定了間隙的位置和大小。生產(chǎn)人員根據(jù)檢測結(jié)果，及時調(diào)整了自動鋪絲設(shè)備的工藝參數(shù)，對間隙缺陷進行了修復(fù)，避免了缺陷進一步擴大對進氣道性能的影響。在另一次生產(chǎn)中，檢測系統(tǒng)檢測到一處夾雜缺陷，通過分析熱紅外圖像中夾雜區(qū)域的溫度特征，判斷出夾雜雜質(zhì)的類型為金屬碎屑。生產(chǎn)人員迅速采取措施，清理了夾雜雜質(zhì)，并對鋪絲工藝進行了優(yōu)化，防止類似缺陷再次出現(xiàn)。通過在該型號飛機進氣道自動鋪絲生產(chǎn)中的應(yīng)用，基于熱紅外視覺的檢測系統(tǒng)有效提高了缺陷檢測的準(zhǔn)確性和效率。據(jù)統(tǒng)計，引入該檢測系統(tǒng)后，進氣道的缺陷檢測準(zhǔn)確率從原來的70%左右提高到了93%以上，誤檢率和漏檢率大幅降低。同時，檢測效率得到了極大提升，實現(xiàn)了缺陷的實時在線檢測，無需停機進行離線檢測，大大縮短了生產(chǎn)周期，提高了生產(chǎn)效率。該檢測系統(tǒng)還為生產(chǎn)過程的質(zhì)量控制提供了有力的數(shù)據(jù)支持，通過對檢測數(shù)據(jù)的分析，生產(chǎn)人員能夠及時發(fā)現(xiàn)生產(chǎn)過程中的潛在問題，優(yōu)化工藝參數(shù)，提高產(chǎn)品質(zhì)量?；跓峒t外視覺的自動鋪絲缺陷原位在線檢測系統(tǒng)在航空航天領(lǐng)域具有重要的應(yīng)用價值。它不僅能夠有效保障飛機進氣道等關(guān)鍵部件的制造質(zhì)量，提高航空航天產(chǎn)品的可靠性和安全性，還能夠顯著提高生產(chǎn)效率，降低生產(chǎn)成本，為航空航天制造業(yè)的高質(zhì)量發(fā)展提供了強有力的技術(shù)支撐。5.2其他領(lǐng)域潛在應(yīng)用分析除了航空航天領(lǐng)域，基于熱紅外視覺的自動鋪絲缺陷檢測方法在汽車制造、風(fēng)力發(fā)電等其他行業(yè)也展現(xiàn)出了廣闊的應(yīng)用前景。在汽車制造領(lǐng)域，碳纖維復(fù)合材料因其高強度、低密度等優(yōu)異性能，逐漸被應(yīng)用于汽車車身、底盤等關(guān)鍵部件的制造中，以實現(xiàn)汽車的輕量化和高性能化。自動鋪絲技術(shù)在汽車復(fù)合材料部件制造中具有重要作用，能夠提高生產(chǎn)效率和產(chǎn)品質(zhì)量。然而，在汽車自動鋪絲生產(chǎn)過程中，同樣會出現(xiàn)各種缺陷，影響汽車部件的性能和安全性。將基于熱紅外視覺的檢測方法應(yīng)用于汽車自動鋪絲缺陷檢測，具有顯著的優(yōu)勢。在汽車發(fā)動機缸體的復(fù)合材料制造過程中，利用熱紅外視覺檢測系統(tǒng)，可以實時監(jiān)測鋪絲過程中的溫度變化，及時發(fā)現(xiàn)間隙、搭接等缺陷。當(dāng)檢測到間隙缺陷時，系統(tǒng)能夠迅速發(fā)出警報，生產(chǎn)人員可以立即調(diào)整鋪絲工藝參數(shù)，避免缺陷進一步擴大，從而保證發(fā)動機缸體的質(zhì)量。對于汽車底盤的復(fù)合材料部件，熱紅外視覺檢測技術(shù)能夠檢測出夾雜、氣孔等缺陷，確保底盤部件的結(jié)構(gòu)完整性和強度，提高汽車的行駛安全性。在風(fēng)力發(fā)電領(lǐng)域，風(fēng)力發(fā)電機葉片是捕獲風(fēng)能的關(guān)鍵部件，其質(zhì)量直接影響風(fēng)力發(fā)電的效率和安全性。風(fēng)力發(fā)電機葉片通常采用復(fù)合材料制造，制造過程中容易出現(xiàn)各種缺陷，如脫層、裂紋等。這些缺陷在風(fēng)力發(fā)電機運行過程中，可能會導(dǎo)致葉片斷裂，引發(fā)嚴重的安全事故?；跓峒t外視覺的檢測方法可以對風(fēng)力發(fā)電機葉片的自動鋪絲過程進行實時監(jiān)測，及時發(fā)現(xiàn)缺陷。通過熱紅外圖像分析，能夠準(zhǔn)確識別葉片中的脫層缺陷，為葉片的修復(fù)和維護提供依據(jù)。利用熱紅外視覺檢測技術(shù)對葉片表面進行檢測，還可以發(fā)現(xiàn)由于雷擊、風(fēng)沙侵蝕等原因?qū)е碌谋砻媪鸭y，提前采取措施進行修復(fù)，延長葉片的使用壽命。在軌道交通領(lǐng)域，復(fù)合材料也被廣泛應(yīng)用于列車車身、內(nèi)飾等部件的制造。基于熱紅外視覺的自動鋪絲缺陷檢測方法可以應(yīng)用于軌道交通復(fù)合材料部件的生產(chǎn)過程中，確保部件的質(zhì)量。在列車車身的復(fù)合材料制造中，檢測系統(tǒng)能夠檢測出鋪絲過程中的缺陷，保證車身的強度和密封性，提高列車的運行安全性和舒適性。在建筑領(lǐng)域，隨著對建筑節(jié)能和環(huán)保要求的提高，復(fù)合材料在建筑外墻、保溫材料等方面的應(yīng)用越來越廣泛。基于熱紅外視覺的檢測方法可以用于建筑復(fù)合材料的生產(chǎn)和安裝過程中的缺陷檢測，如檢測外墻復(fù)合材料板的鋪絲缺陷，確保外墻的保溫隔熱性能和防水性能。在保溫材料的生產(chǎn)中，檢測系統(tǒng)能夠發(fā)現(xiàn)夾雜、氣泡等缺陷，保證保溫材料的質(zhì)量，提高建筑的節(jié)能效果?；跓峒t外視覺的自動鋪絲缺陷檢測方法在多個領(lǐng)域都具有潛在的應(yīng)用價值。通過在不同領(lǐng)域的應(yīng)用，可以提高復(fù)合材料部件的質(zhì)量，保障產(chǎn)品的性能和安全，推動相關(guān)行業(yè)的發(fā)展。未來，隨著熱紅外視覺檢測技術(shù)的不斷發(fā)展和完善，其在更多領(lǐng)域的應(yīng)用將得到進一步拓展。六、結(jié)論與展望6.1研究成果總結(jié)本研究聚焦于基于熱紅外視覺的自動鋪絲缺陷原位在線檢測方法，通過多方面的深入研究，取得了一系列具有重要理論意義和工程應(yīng)用價值的成果。在自動鋪絲過程熱傳遞特性及缺陷熱響應(yīng)機理研究方面，深入剖析了自動鋪絲過程中預(yù)浸絲束與基底間的熱傳遞進程，全面考量材料特性、鋪放工藝參數(shù)如鋪放速度、溫度、壓力等對熱傳遞的作用，構(gòu)建了精確的熱傳遞數(shù)學(xué)模型。通過理論分析與數(shù)值模擬，系統(tǒng)研究了間隙、搭接、夾雜、氣孔等不同類型缺陷在熱傳遞過程中的熱響應(yīng)特性，清晰揭示了缺陷與溫度場之間的內(nèi)在關(guān)聯(lián)，為熱紅外視覺檢測筑牢了堅實的理論根基。研究