圖 1激光立體相機(jī)技術(shù)原理
Figure 1.Principle of laser stereo camera technology
航空裝備由于經(jīng)常暴露在嚴(yán)重的鹽霧、潮濕和煙塵環(huán)境中，極易發(fā)生腐蝕問題[1-2]。目前，腐蝕已成為航空裝備發(fā)生事故的重要原因之一，由此導(dǎo)致航空裝備的防腐蝕費用居高不下。據(jù)介紹，美國防部每年用于防腐蝕的費用達(dá)約10億美元。對服役裝備進(jìn)行腐蝕檢測是十分必要的環(huán)節(jié)。采取有效措施檢測裝備表面的腐蝕缺陷并評估腐蝕等級可以指導(dǎo)維護(hù)人員盡早制定維修和保養(yǎng)措施，最大限度地降低腐蝕對航空裝備的破壞作用，延長其使用壽命，提高其可靠性，并大幅減少艦載機(jī)的維修費用。
目前，對于航空裝備表面腐蝕狀態(tài)的傳統(tǒng)監(jiān)檢測技術(shù)主要包括兩方面：一方面，通過測定銹蝕引起材料電磁、熱傳導(dǎo)、聲波傳播等物理性質(zhì)的變化來反映腐蝕情況[3]，主要技術(shù)包括超聲法、渦流法、射線法、紅外熱像法等；另一方面，利用電化學(xué)腐蝕監(jiān)檢測設(shè)備對航空裝備關(guān)鍵部位所處的環(huán)境因素（溫度、濕度、pH、Cl-含量等）進(jìn)行檢測，并對典型部位基體腐蝕速率及累積腐蝕量進(jìn)行實時測量，從而對關(guān)鍵部位腐蝕失效和日歷壽命做出準(zhǔn)確評估[4]。近年來，隨著光電技術(shù)的興起，非接觸式光學(xué)測量系統(tǒng)、三維立體視覺技術(shù)得到快速發(fā)展[5-6]，通過與計算機(jī)技術(shù)、自動控制技術(shù)、機(jī)器人技術(shù)相結(jié)合，智能化、可視化、小型化，能現(xiàn)場原位應(yīng)用的腐蝕檢測技術(shù)是未來的主流發(fā)展趨勢。
筆者首先對常規(guī)腐蝕缺陷檢測技術(shù)的原理和局限性進(jìn)行了總結(jié)，隨后重點闡述了基于機(jī)器視覺的新型腐蝕檢測技術(shù)的研究進(jìn)展，并對機(jī)器學(xué)習(xí)等人工智能方法應(yīng)用于腐蝕缺陷自動識別和評價的發(fā)展趨勢進(jìn)行了展望。
1. 常規(guī)腐蝕缺陷檢測技術(shù)研究現(xiàn)狀
目前，用于航空裝備表面腐蝕缺陷的常規(guī)檢測技術(shù)主要包括超聲法、射線法、紅外熱像法、渦流法和磁粉法等。
1.1 超聲檢測
超聲檢測是一種傳統(tǒng)的檢測技術(shù)，輸出信號以波形方式體現(xiàn)，原理是利用機(jī)械波與缺陷相互作用的散射、反射和透射，獲得含有缺陷信息的聲信號，從而判斷工件和材料缺陷的嚴(yán)重程度。利用超聲波檢測法可分辨管道的內(nèi)外壁腐蝕、應(yīng)力腐蝕破裂和管壁內(nèi)的夾雜等缺陷[7-8]。此外，SRIRAMADASU等[9]利用超聲導(dǎo)波散射對鋼筋點蝕進(jìn)行早期檢測和評估，根據(jù)各種散射波模式到達(dá)的差分時間來識別點蝕位置。
超聲檢測技術(shù)由于檢測速度快、顯示直觀，已經(jīng)成為航空零部件等大型材料構(gòu)件普遍采用的檢測技術(shù)。但由于超聲波在空氣傳播時衰減速度快，檢測時對工件的表面粗糙度要求較高，需要使用耦合劑使聲波導(dǎo)入到待測工件內(nèi)部。
1.2 渦流檢測
渦流檢測的本質(zhì)是根據(jù)電磁學(xué)原理，對導(dǎo)體施加高頻激勵，在導(dǎo)體中誘導(dǎo)出不同振幅和相位的渦流，然后測量二次磁場的變化，以確定鐵磁材料和非鐵磁材料是否存在缺陷?？捎糜谔綔y工件全面腐蝕和局部腐蝕，也可用于工業(yè)設(shè)備的在線測量。袁英民等[10]采用低頻渦流法檢測了在役飛機(jī)蒙皮多層結(jié)構(gòu)的夾層腐蝕問題，綜合多部位腐蝕的信號幅度、相位分離度等因素，選取最佳頻率，并制作專用渦流探頭，通過分析阻抗圖中相位和幅值變化，有效區(qū)分了不同層的腐蝕缺陷。劉峰等[11]采用低頻渦流法檢測了耐熱奧氏體不銹鋼內(nèi)壁腐蝕層厚度，并用高頻渦流測量外壁氧化層厚度，腐蝕層厚度和氧化層厚度對渦流信號的影響規(guī)律與模擬結(jié)果一致。
渦流檢測適用于所有導(dǎo)電材料，但由于存在高頻激勵信號，系統(tǒng)結(jié)構(gòu)較為復(fù)雜，信號處理困難[12]。同時，由于渦旋電流的趨膚效應(yīng)，其檢測深度受到了一定的限制。
1.3 射線法
射線法主要基于X射線檢測原理，利用工件各個部位對射線的吸收率不同，判斷工件中是否存在缺陷以及缺陷的位置、大小。射線檢測具有檢測結(jié)果直觀、記錄容易保存等優(yōu)點，目前在航空航天領(lǐng)域主要應(yīng)用于精密鑄件、燒結(jié)和復(fù)合材料結(jié)構(gòu)的檢測[13]，但是對腐蝕缺陷的檢測精度存在較大誤差。這主要是由于缺陷檢出率與射線的入射方向有關(guān)，且利用不同部位黑度（曝光量）的差異來判斷腐蝕深度往往會帶來較大偏差。
1.4 紅外熱成像檢測
紅外熱成像作為一種非接觸式的無損檢測方法，其主要原理是利用一束脈沖強(qiáng)熱流照射被測物體，并利用紅外探測器記錄被測物表面加熱冷卻過程的溫度場。由于被測物中有缺陷部位和無缺陷部位對應(yīng)的表面溫度不同，因此可以判定缺陷是否存在。與腐蝕有關(guān)的現(xiàn)象如設(shè)備泄漏，傳熱設(shè)備結(jié)垢等都可以提供紅外測量訊號，馬永明等[14]利用紅外熱成像法有效排查了帶壓設(shè)備保溫層下腐蝕泄漏隱患。
紅外熱成像法具有快速、無需耦合、大面積檢測等特點，但紅外檢測方法易受環(huán)境溫度、局部空氣擾動等條件影響，一般只適用于檢測蝕斑的分布，不適用于腐蝕發(fā)展速度的檢測[15]。
2. 基于機(jī)器視覺的新型腐蝕缺陷檢測技術(shù)研究進(jìn)展
機(jī)器視覺主要利用計算機(jī)來模擬人或再現(xiàn)與人類視覺有關(guān)的某些智能行為，從客觀事物的圖像中提取信息進(jìn)行處理并加以理解，從而高效精準(zhǔn)地完成復(fù)雜環(huán)境辨識與判斷等相關(guān)任務(wù)[16]。機(jī)器視覺技術(shù)將計算機(jī)技術(shù)與人工智能相結(jié)合，具有高實時性、高準(zhǔn)確性及智能化特點，近年來在交通運輸、汽車制造、食品檢測等多個民用領(lǐng)域得到了廣泛應(yīng)用，同時在軍事領(lǐng)域中典型目標(biāo)識別、裝備缺陷檢測等也發(fā)揮了巨大作用[17-18]，這為將機(jī)器視覺技術(shù)用于航空裝備腐蝕缺陷檢測奠定了堅實基礎(chǔ)。
2.1 基于機(jī)器視覺的腐蝕檢測原理
機(jī)器視覺系統(tǒng)是通過圖像攝入裝置將攝入目標(biāo)轉(zhuǎn)換成圖像信號，傳輸?shù)綄ｉT的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)換成數(shù)字信號；圖像系統(tǒng)對這些信號進(jìn)行各種運算，提取目標(biāo)特征，然后根據(jù)判別結(jié)果進(jìn)行相應(yīng)運算[19-20]。利用機(jī)器視覺方法對材料表面外觀腐蝕圖像進(jìn)行在線檢測，具有實現(xiàn)材料外觀腐蝕特征信息數(shù)字化、定量化，提高材料腐蝕特征識別規(guī)范性、準(zhǔn)確性的作用。
航空材料表面腐蝕特征主要為點蝕、裂紋、鼓泡、剝落、粉化等，通過機(jī)器視覺系統(tǒng)可將材料蝕點的分布、大小、面積等轉(zhuǎn)化為二值化圖像信息、區(qū)域邊緣輪廓、紋理、亮度等描述，在圖像特征抽取中，對圖像形狀、圖像像素、顏色特征及紋理特征進(jìn)行統(tǒng)計，并用圖像直方圖和頻譜等表示?；跈C(jī)器視覺的腐蝕檢測過程即首先通過攝像頭攝取材料腐蝕圖像，隨后對圖像進(jìn)行預(yù)處理、圖像分割，并對分割后的目標(biāo)圖像進(jìn)行特征提取，根據(jù)提取特征進(jìn)行分類識別[21]。
2.2 基于機(jī)器視覺的國內(nèi)外腐蝕檢測研究現(xiàn)狀
目前，基于機(jī)器視覺的產(chǎn)品設(shè)備發(fā)展已經(jīng)較為成熟，如工業(yè)相機(jī)、藍(lán)光相機(jī)等，特別是近年來蓬勃發(fā)展的激光立體相機(jī)技術(shù)，它是一種基于機(jī)器視覺的三維在線檢測方法，可進(jìn)行三維點云模型重建、立體定位、物體尺寸測量、物體表面缺陷檢測等多種二次應(yīng)用開發(fā)[22-24]。
基于線激光掃描立體相機(jī)檢測技術(shù)，以線激光作為主動光源，采用可見光雙目視覺+線激光技術(shù)，類同于人眼成像原理，利用左右雙目的成像視差（三角測距），進(jìn)行圖像匹配，進(jìn)而計算圖像上每個像素的深度信息，再加上圖像本身的二維信息，給出拍攝圖像的三維立體信息。該方法的優(yōu)點在于精度高、效率快、直觀、成本低、適應(yīng)性強(qiáng)等，可以最大限度地避免人為因素及環(huán)境因素干擾，在線獲取高質(zhì)量、高通量的缺陷圖像，應(yīng)用發(fā)展前景十分廣闊，其技術(shù)原理見圖1。
工業(yè)相機(jī)或立體相機(jī)為圖像的高實時性精準(zhǔn)獲取提供了堅實基礎(chǔ)，但在所得大量圖像數(shù)據(jù)中，檢測人員經(jīng)常面臨圖像顯示質(zhì)量較差、多種缺陷交疊及非線性材料等問題，僅依據(jù)專業(yè)檢測人員的知識和經(jīng)驗判斷往往會產(chǎn)生偏差，降低檢測結(jié)果的準(zhǔn)確性和可靠性。因此，機(jī)器視覺技術(shù)應(yīng)用于腐蝕損傷檢測中面臨的關(guān)鍵問題是如何區(qū)分腐蝕缺陷與非腐蝕缺陷，以及不同類型的腐蝕缺陷。
機(jī)器視覺作為新一代智能感知技術(shù)，是智能制造和人工智發(fā)展的重要環(huán)節(jié)，基于機(jī)器視覺的腐蝕檢測技術(shù)的可靠性需要高準(zhǔn)確度的圖像智能識別算法來保證。近年來，基于深度學(xué)習(xí)的圖像識別技術(shù)飛速發(fā)展，深度學(xué)習(xí)在目標(biāo)檢測、目標(biāo)分割等問題上取得技術(shù)突破[25-26]，使對圖像信息進(jìn)行客觀、快速、準(zhǔn)確評價成為可能，深度學(xué)習(xí)的機(jī)器視覺方法（機(jī)器學(xué)習(xí)方法）已應(yīng)用于醫(yī)療、能源、制造、交通等各個領(lǐng)域。FICZERE等[27]基于機(jī)器學(xué)習(xí)方法研究了包衣片膜層厚度實時測量和缺陷識別技術(shù)，其中采用深度學(xué)習(xí)YOLOv5數(shù)據(jù)增強(qiáng)算法對5類缺陷片劑圖像進(jìn)行識別，分類準(zhǔn)確率達(dá)到98.2%。RUGGIERI等[28]利用機(jī)器學(xué)習(xí)方法對橋梁結(jié)構(gòu)件進(jìn)行缺陷檢測研究，首先對橋梁缺陷（裂紋、鋼筋銹蝕、蜂窩等）數(shù)據(jù)集進(jìn)行篩選，建立數(shù)據(jù)庫，并由領(lǐng)域?qū)＜野凑障嚓P(guān)標(biāo)準(zhǔn)對缺陷進(jìn)行分類，然后對數(shù)據(jù)庫進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練，結(jié)果表明，該方法對于自動識別橋梁缺陷和損傷具有良好有效性和準(zhǔn)確性。FU等[29]全面總結(jié)了機(jī)器學(xué)習(xí)算法在激光增材制造領(lǐng)域缺陷識別方面的應(yīng)用，其中，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)模型和卷積網(wǎng)絡(luò)模型對圖像進(jìn)行訓(xùn)練，對金屬表面氣孔、裂紋、表面織構(gòu)等的檢出率均達(dá)到95%以上。以上研究結(jié)果表明，深度學(xué)習(xí)的機(jī)器視覺技術(shù)可有效識別缺陷，為腐蝕缺陷的智能識別提供可靠保證。
目前，對獲取的腐蝕圖像信息進(jìn)行識別與處理也是國內(nèi)外的研究重點。PIDAPARTI等[30]運用無損檢測技術(shù)獲取了飛行器結(jié)構(gòu)腐蝕區(qū)域的圖像并進(jìn)行小波分解，用聚類分析的方法對從圖像中得到的小波參數(shù)進(jìn)行分類，從而識別了發(fā)生腐蝕的區(qū)域進(jìn)。CARVALHO等[31]利用人工神經(jīng)網(wǎng)絡(luò)模型對管道焊縫外腐蝕、內(nèi)腐蝕和未熔透三種缺陷類型的漏磁信號進(jìn)行識別，將1 025個漏磁點檢測的數(shù)字信號作為人工神經(jīng)網(wǎng)絡(luò)模型輸入，并對信號進(jìn)行預(yù)處理，結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)模型對非缺陷信號和缺陷信號分類準(zhǔn)確率達(dá)到94.2%，對腐蝕缺缺陷分類準(zhǔn)確率達(dá)到92.5%。SHEIRH等[32]將加速腐蝕試驗中的聲發(fā)射信號檢測與機(jī)器學(xué)習(xí)相結(jié)合，預(yù)測了腐蝕的嚴(yán)重程度，首先以高頻采樣頻率采集聲發(fā)射信號，然后運用不同機(jī)器學(xué)習(xí)方法對聲發(fā)射信號平均值、均方根值、能量和峰度等特征值進(jìn)行訓(xùn)練，通過與依據(jù)加速腐蝕試驗質(zhì)量損失劃分的5種腐蝕等級進(jìn)行對比，運用樸素貝葉斯、BP-NN（反向傳播神經(jīng)網(wǎng)絡(luò)）和RBF-NN（徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)）進(jìn)行腐蝕等級預(yù)測，準(zhǔn)確率分別為90.4%、94.57%和100%。
閆占霄[33]研究了機(jī)器學(xué)習(xí)方法在飛機(jī)蒙皮損傷識別上的應(yīng)用，結(jié)果表明支持向量機(jī)在訓(xùn)練樣本較少的情況下準(zhǔn)確率加高，隨著樣本數(shù)量增加，辛群分類器更有優(yōu)勢。ZHANG等[34]采用機(jī)器學(xué)習(xí)方法對井控設(shè)備進(jìn)行了腐蝕缺陷識別與風(fēng)險評估，首先建立了一種改進(jìn)的K近鄰算法（KNN）腐蝕缺陷分類與識別模型，并根據(jù)該模型輸出的腐蝕類型，對井控管線的腐蝕風(fēng)險進(jìn)行了評價，結(jié)果表明該改進(jìn)算法對井控管線腐蝕類型的識別具有較高的精度，且計算速度優(yōu)于本文其他算法。
綜上所述，機(jī)器視覺產(chǎn)品和深度學(xué)習(xí)等智能算法的發(fā)展均為基于機(jī)器視覺的腐蝕檢測技術(shù)提供了良好基礎(chǔ)，但目前已經(jīng)應(yīng)用于航空裝備表面腐蝕缺陷檢測的成熟產(chǎn)品不多。這主要是由于基于機(jī)器視覺的立體相機(jī)技術(shù)在飛機(jī)、發(fā)動機(jī)等航空裝備上的腐蝕檢測研究尚處于起步階段，目前正在進(jìn)行設(shè)備的研發(fā)。此外，對航空材料腐蝕缺陷進(jìn)行識別和評價的智能算法也尚處于研究階段。中國航發(fā)北京航空材料研究院自主研發(fā)了適用于航空材料表面腐蝕檢測的激光立體相機(jī)，如圖2所示，該相機(jī)能夠?qū)崿F(xiàn)對腐蝕缺陷的智能識別，但相關(guān)算法軟件的圖像處理能力仍有待進(jìn)一步提升。
圖 2航空裝備表面腐蝕檢測用便攜式激光立體相機(jī)
Figure 2.Portable laser stereo camera for surface corrosion detection of aviation equipment
2.3 基于機(jī)器視覺的腐蝕檢測技術(shù)發(fā)展趨勢
2.3.1 深度學(xué)習(xí)算法在腐蝕損傷智能檢測及評價的深度應(yīng)用
航空裝備在嚴(yán)酷海洋環(huán)境中服役時，不同材料發(fā)生的腐蝕損傷類型多樣、形式復(fù)雜，這制約了機(jī)器視覺技術(shù)在腐蝕檢測中的應(yīng)用。其關(guān)鍵問題是如何運用基于深度學(xué)習(xí)的圖像識別技術(shù)，實現(xiàn)腐蝕缺陷與非腐蝕缺陷的精準(zhǔn)區(qū)分以及不同類型腐蝕缺陷的智能識別和評價。因此，進(jìn)一步研發(fā)和優(yōu)化腐蝕損傷智能識別算法，提高模型泛化能力是重要研究方向。
2.3.2 腐蝕數(shù)據(jù)庫專家咨詢系統(tǒng)的建立
將腐蝕圖像信息定量化處理，建立數(shù)據(jù)庫，在此基礎(chǔ)上建立腐蝕等級智能評估及專家咨詢系統(tǒng)，實現(xiàn)裝備材料腐蝕程度的精準(zhǔn)預(yù)測、自動評估、自動安排計劃等，是腐蝕檢測智能化水平的重要標(biāo)志。
智能化 小型化腐蝕檢測設(shè)備的集成
機(jī)器視覺系統(tǒng)應(yīng)向小型化、高穩(wěn)定性、高集成度的嵌入式機(jī)器視覺系統(tǒng)方向發(fā)展。研發(fā)適合外場使用、可視化、便攜式、智能化的腐蝕檢測設(shè)備是未來的重要趨勢。
3. 結(jié)束語
無論是超聲、渦流、射線等常規(guī)檢測技術(shù)還是具有廣闊應(yīng)用前景的機(jī)器視覺技術(shù)，均由無損檢測向無損評價方向發(fā)展。應(yīng)用于航空裝備表面的腐蝕檢測，不但要探測到腐蝕缺陷的位置、大小、性質(zhì)，還應(yīng)對腐蝕過程的發(fā)展、對材料結(jié)構(gòu)性能和壽命的影響進(jìn)行預(yù)測和綜合評價。隨著計算機(jī)、人工智能等技術(shù)的飛速發(fā)展，將機(jī)器學(xué)習(xí)等方法應(yīng)用于腐蝕缺陷檢測中，為實現(xiàn)腐蝕缺陷的智能識別和等級評價提供了堅實基礎(chǔ)。
文章來源——材料與測試網(wǎng)