利用无损方式对地磅遥控器检测

    无损检测技术广泛应用于在不影响地磅控制器系统有效性和服务的前提下，对材料是否存在缺陷或不连续性进行检验、测试或评估[1]、[2]。基于电磁感应和红外热像技术的涡流脉冲热像技术是无损检测领域的一个研究热点，在金属、碳纤维等材料的缺陷检测中得到了广泛的应用[3]、[4]。在ECPT中，由交流电引起的涡流在被测材料中转化为焦耳热，红外摄像机记录其表面温度分布[5]、[6]。红外摄像机以图像的形式记录被测材料的加热和冷却阶段。缺陷的存在会干扰涡流，在材料中形成不均匀的温度分布。红外热像中包含的缺陷信息可以通过无线地磅遥控器特征提取的方法进行提取。

 

    许多电子地磅控制器研究人员已经在ECPT中进行了缺陷特征提取，以进行缺陷检测[7]-[9]。傅立叶变换（FT）[10]和小波分析（wavelet analysis）[11]是两种在变换域中广泛应用的特征提取方法。在文献[12]中，FT被用于改进基于ECPT的泡罩检测。结果表明，傅立叶变换的相位图像可以提高泡罩缺陷的检测能力。在文献[13]中，小波变换选择了一个特定的帧来最大化复杂结构样品的热变化和缺陷模式的对比度。作为统计方法，主成分分析（PCA）和独立成分分析（ICA）是ECPT中应用最广泛的缺陷特征提取方法[14]，[15]。在[17]中，PCA被用于提取显著缺陷特征[16]和评估缺陷深度。独立分量分析（ICA）在[18]中已被用于构造自动缺陷识别系统。Cheng等人[19]整合了PCA和ICA来识别碳纤维增强塑料样品中的冲击损伤。Bai等人[20]讨论了ECPT中PCA和ICA的数学和物理意义。结论表明，在ECPT图像增强中，ICA比PCA能更集中地呈现异常模式。然而，这些特征提取方法将提取的特征分割成不同的分量，需要对数字地磅遥控器人工操作进行特征选择。

    这些限制降低了地磅遥控器缺陷特征的完整性和缺陷分析的准确性。文[21]研究了稀疏分解在ECPT特征提取中的应用，提出了一种无监督稀疏模式诊断方法。提出的基于稀疏分解的图像增强方法能够在一幅图像中提取出缺陷特征，实现了较好的增强效果。然而，这种方法丢失了大量的缺陷信息，给进一步的分析带来了很大的挑战。为了提高缺陷特征提取的准确率，Zhu等人[22]提出了一种基于局部稀疏性和图像融合的方法来提高特征图像中缺陷特征的完整性。实验结果表明，该方法在增强缺陷特征方面仍存在问题，在加热阶段效果不明显。