深度学习驱动的碳纤维管壁缺陷镜面红外检测无损定量评估方法

摘要

针对大型可展开天线碳纤维复合材料管壁缺陷传统检测方法存在检测距离近、效率低、智能化不足的问题，提出了一种基于图像处理和深度学习算法的碳纤维管脱粘缺陷镜面激光红外检测智能化定量评估方法。首先，基于Otsu算法进行检测区域自动识别提取，并对提取后的图像序列进行主成分分析，有效抑制噪声干扰并提升缺陷特征的对比度。其次，提出了一种基于深度学习算法的缺陷智能化识别和分割算法，通过决策级融合策略实现缺陷区域的精准快速识别，并基于区域约束分割策略和逻辑或聚合算法实现缺陷形状的准确分割。最后，通过缺陷矫正与三维还原算法，实现了缺陷的三维可视化重构。对含内部脱粘缺陷的碳纤维管试件进行检测，结果表明：采用所提方法得到的缺陷定量评估结果与CT扫描结果高度一致，各个缺陷识别面积的最大误差为7.7%,平均误差为5.1%,均在工程误差允许范围内，验证了所提方法的准确性和有效性。该研究为可展开天线碳纤维管的远距离、高效和智能化无损定量评估提供了一定的指导意义。

关键词

激光红外检测 / 碳纤维复合材料管 / 脱粘缺陷 / 深度学习 / 图像处理

基金资助

国家自然科学基金资助项目（52477015,12402226）