基于分层图慢特征热成像的复合材料缺陷检测OA

红外热成像技术因有着成本低和易设置的优点,已成为复合材料无损检测的流行技术之一。然而,环境噪声和不均匀加热常会影响热成像的成像效果,准确识别热图像中的缺陷变得困难。本文提出一种基于分层图慢特征热成像(hierarchical graph-based slow feature thermography,HGSFT)的复合材料缺陷检测方法。该方法将热图像数据视为时间序列,然后构建类神经网络的多层分层慢特征图网络结构,将热图像时间序列分成不同层相互独立的慢特征图节点;最后对每一层的图节点采用分层图慢特征分析算法,以提取局部慢特征来实现缺陷的识别。在碳纤维增强聚合物(carbon fiber reinforced polymer,CFRP)热图像数据集上的测试结果表明提出方法可以提升热成像缺陷识别的准确性。