摘  要： 提出了一種基于紅外測溫技術(shù)對石墨電極內(nèi)部缺陷進行診斷的方法,。根據(jù)熱傳導(dǎo)規(guī)律,，物體表面的溫度完全取決于物體內(nèi)部的結(jié)構(gòu),、材料的熱物性、內(nèi)部的熱擴散率以及表面與外界環(huán)境的熱交換,石墨電極內(nèi)部的缺陷都會以相關(guān)部位的溫度場異常為征兆表現(xiàn)出來,。通過方差法找出缺陷點,，并對紅外圖像中缺陷點形成的區(qū)域進行分析，就可以對石墨電極內(nèi)部缺陷的類別,、位置,、幾何尺寸與嚴(yán)重程度作出定量診斷。
關(guān)鍵詞： 石墨電極,；方差法；缺陷,；無損檢測

    紅外熱成像無損檢測技術(shù)是一種新型數(shù)字化無損檢測技術(shù),，與超聲法、射線法等傳統(tǒng)無損檢測方法相比,，具有單次檢測面積大,、速度快、非接觸,、安全可靠及適于現(xiàn)場檢測等優(yōu)點[1-2],。隨著石墨電極在工業(yè)中應(yīng)用日益廣泛，其在生產(chǎn)過程中易出現(xiàn)分層,、裂紋和孔洞等缺陷的問題日益突出,，而對此類缺陷的檢測，紅外無損檢測被公認(rèn)為是最有效的解決方法[3-4],。
    目前,很多學(xué)者針對紅外無損檢測技術(shù)展開了研究,。周敏華[5]等人利用紅外掃描測溫定量計算了矩形平板和直角柱體內(nèi)的缺陷。參考文獻(xiàn)[6]提出了一種脈沖加熱法,，以確定圓盤狀缺陷的尺寸和深度,。參考文獻(xiàn)[7]對帶有自身發(fā)熱型缺陷的試件建立二維傳熱模型,并根據(jù)共軛梯度法提出根據(jù)試件外表面紅外測溫,定量識別發(fā)熱型內(nèi)部缺陷邊界輪廓的方法。參考文獻(xiàn)[8]通過對水泥試件進行脈沖加熱,提出了一種判斷缺陷位置,、尺寸和深度的方法,。參考文獻(xiàn)[9]采用Levenberg-Marquardt 法分別對二維和三維試件內(nèi)部缺陷的識別進行了研究，該方法精度較高,，通用性較強,，但必須預(yù)知缺陷的形狀或缺陷的描述參數(shù)。參考文獻(xiàn)[10]將有限元法應(yīng)用在主動式加載紅外無損檢測中,，并對采集到的熱像數(shù)據(jù)進行了BP神經(jīng)網(wǎng)絡(luò)分析,，以背部含不同缺陷類型平板試件為例進行分析，取得了不錯的效果,。
    目前,國內(nèi)針對石墨電極缺陷的研究很少,，上述研究方法存在很多不足,，如建模比較復(fù)雜、檢測速度較慢,。針對以上情況,，本文提出了一種被動式紅外無損檢測方法。該方法的基本思想是根據(jù)熱傳導(dǎo)理論將石墨電極簡化為一維模型,，根據(jù)熱像特征和表面溫差,，研究缺陷尺寸、位置與表面溫度間關(guān)系,。實驗結(jié)果表明,，該方法取得了較好的研究成果。
1 熱傳導(dǎo)理論
1.1 熱傳導(dǎo)與紅外檢測
    熱波是傳播中隨時間周期性變化的溫度場[11],。當(dāng)試樣內(nèi)部存在缺陷時,，熱量分布不均勻，就會在試樣有缺陷區(qū)和無缺陷區(qū)形成溫差,。該溫差除了取決于試樣材料的熱物理性質(zhì)外,，還與缺陷的尺寸、距表面的距離及其熱物理性質(zhì)有關(guān)[12],。試樣局部溫差的存在必然導(dǎo)致紅外輻射強度的不同,，利用紅外熱像儀即可檢測出溫度的變化狀況，進而判斷缺陷的情況,。
1.2 熱傳導(dǎo)數(shù)學(xué)模型的建立
    當(dāng)石墨電極成型后,，會向外輻射熱量，進行理論計算時,，常把試樣簡化為一維熱傳導(dǎo)模型,。當(dāng)給定熱激勵函數(shù)和邊界條件時，對熱傳導(dǎo)方程進行求解,，可得熱波的傳導(dǎo)函數(shù)為：

2 圖像處理相關(guān)理論及方法
2.1 最大熵圖像分割算法
    Kapur于1989年提出了最大熵算法,。最大熵算法就是利用圖像的灰度特征來選擇一個或多個最佳灰度閾值，將圖像中的像素點按閾值進行分類,，提取出特定目標(biāo)的方法,。一維最大熵閾值法最大化目標(biāo)和背景所含的信息量之和，這個最大化的信息量之和作為選擇分割閾值的標(biāo)準(zhǔn),。本文采用最大熵分割方法實現(xiàn)石墨電極表面缺陷的識別,。實驗測試結(jié)果表明，該方法能夠有效提高石墨電極缺陷對比度,。

    矩陣的有序性,，即判斷矩陣中的數(shù)據(jù)分布集中與否。方差越大，數(shù)據(jù)分布越分散,；方差越小,，數(shù)據(jù)分布越集中。一般來說,無缺陷的紅外圖像各像素點對應(yīng)的溫度將大體分布在一個較窄的范圍內(nèi),，其各個點的溫度值與平均溫度相差不大,，即方差較小,；而有缺陷的圖像,，則無論是什么類型的缺陷，其缺陷點對應(yīng)的溫度都會明顯高于整體圖像的溫度平均值,其方差會相對較大,。對于方差大的點所構(gòu)成的區(qū)域暫且定為問題區(qū)域,其圖像的亮度明顯高于整體的其他區(qū)域,。
4 缺陷判斷流程描述
    石墨電極紅外無損檢測流程如下：
    (1)采集到的圖像中或多或少都會存在噪聲等對圖像質(zhì)量有影響的因素，因此應(yīng)盡可能消除這些因素,。采用紅外圖像預(yù)處理手段,，得到質(zhì)量比較好的圖像才有利于后期的處理和分析。
    (2)利用紅外成像儀記錄圖像中各像素點溫度,，計算平均溫度。
    (3)計算各像素點與平均溫度的方差,，記為S,。
    (4)找出比較大的方差對應(yīng)的像素點，并對相鄰的方差異常的像素點進行分類,。
    (5)求出每一類像素點方差的均值,，并取最大值作為判別標(biāo)準(zhǔn)，即閾值?著,。
    (6)比較S和?著,，當(dāng)S>?著時，即可視該點為缺陷點,。
    (7)對缺陷點組成的區(qū)域作最大熵圖像分割處理,。
    (8)采用Hough直線變換，若圖像呈直線分布,，則判斷缺陷為裂紋缺陷,，否則轉(zhuǎn)步驟(9)。
    (9)采用Hough圓變換,，若圖像呈圓分布,，則判斷缺陷為內(nèi)部孔洞缺陷，否則轉(zhuǎn)步驟(10),。
    (10)判斷圖像是否有兩個以上獨立區(qū)域,，若有，則判斷缺陷為內(nèi)部分層缺陷，否則視為其他缺陷,。
    石墨電極缺陷判斷流程如圖1所示,。

5 實驗與分析
    為了驗證本文提出的判別方法的有效性，分別對幾個石墨電極紅外圖像進行分析處理,。
    (1)針對裂紋缺陷進行檢測,。圖2是石墨電極局部紅外圖像。通過方差法找到閾值,，比較各點方差與閾值的大小關(guān)系,，從而確定缺陷點，并通過LabView軟件將缺陷點進行標(biāo)注,。圖3為局部缺陷點被標(biāo)定圖像,，缺陷點呈直線狀分布。圖4為最大熵分割后圖像,，增強了缺陷區(qū)域的對比度,。圖5為Hough直線變換圖像，大致確定了缺陷的位置和尺寸,。通過特征分析可以認(rèn)定該缺陷為裂紋缺陷,。

   (2)針對內(nèi)部分層缺陷進行檢測。圖6為石墨電極局部紅外圖像,，圖像中可以清晰地看出高溫區(qū)和低溫區(qū)形成了明顯的區(qū)域性分層,。圖7為局部缺陷點被標(biāo)定圖像，通過計算找出方差大于閾值的點并作標(biāo)注,。圖8為最大熵分割后圖像,，一定程度上反映了缺陷的輪廓。通過特征分析判斷該缺陷屬于內(nèi)部分層,。

    (3)針對內(nèi)部孔洞缺陷進行檢測,。假定缺陷內(nèi)含物以空氣計且石墨電極的表面為自然對流換熱條件，對流換熱系數(shù)為200 W/(m2·℃),，周圍環(huán)境溫度設(shè)為20℃,，石墨電極的初始溫度為200℃。實驗所用材料的熱物理性質(zhì)參數(shù)如表1所示,。根據(jù)熱傳導(dǎo)理論,，物體在散熱過程中，有缺陷區(qū)域?qū)?yīng)的表面溫度明顯高于無缺陷區(qū)域?qū)?yīng)的表面溫度,，在紅外圖像中表現(xiàn)為亮斑區(qū)域,。圖9為石墨電極局部紅外圖像，圖像中存在兩塊亮斑,。圖10為局部缺陷點被標(biāo)定圖像,，通過計算發(fā)現(xiàn),亮斑區(qū)域的方差大于閾值,，與理論符合。圖11為最大熵分割后圖像,，分割后的缺陷區(qū)域?qū)Ρ榷却蟠蠹訌?。圖12為Hough圓變換圖像，大致確定了缺陷的位置和尺寸,。通過特征分析判斷該缺陷為內(nèi)部孔洞,。

    本文建立了石墨電極的一維熱傳導(dǎo)模型，對石墨電極內(nèi)部缺陷進行了研究識別,，通過對石墨電極紅外圖像的基本處理,、統(tǒng)計圖像表面溫度并由方差法及熱傳導(dǎo)理論找到缺陷點，然后采用最大熵分割及Hough變換等方法對缺陷點形成的區(qū)域進行分析,，從而達(dá)到判斷缺陷的類別,、確定缺陷的大致位置以及一定程度確定缺陷尺寸的目的，取得了很好的效果,。
參考文獻(xiàn)
[1] 趙景媛.鑄件內(nèi)部缺陷紅外熱波檢測技術(shù)研究[D].太原：中北大學(xué),，2009.
[2] 先明樂，徐振高,，楊小林. 紅外熱波檢測復(fù)合材料時缺陷深度的自動測量[J].無損檢測,，2009，25(8)：56-62.
[3] WANG X,， CRUPI V,，ZHAO Y, et al. Lock-in thermographic methodology for fatigue assessment and nonlinear stress measurement[J].Proceedings of SPIE The International Society for Optical Engineering,2010，73752：1-6.
[4] Zheng Kai,，Zhang Shuyi，Chen Zhaojiang, et al. Anomalous subharmonics excited by intensive ultrasonic pulsed with a single frequency[J]. Applied Physics Letters,2011,92(22)：43-47.
[5] 周敏華,，陳錢. 紅外熱成像體內(nèi)熱源檢測方法及仿真研究[J]. 紅外技術(shù),，2009，4(12)：324-328.
[6] 王偉聰. 探討紅外熱像技術(shù)在輸電設(shè)備故障診斷中的應(yīng)用[J]. 黑龍江科技信息,，2010(26)：54-58.
[7] 陳楠. 紅外檢測技術(shù)在輸變電設(shè)備中的應(yīng)用[J]. 華中電力,，2009，22(5)：84-85.
[8] 黃繼,，葉伯穎. 提高電力設(shè)備現(xiàn)場紅外檢測準(zhǔn)確性的方法[J].電氣應(yīng)用,，2010，4(10)：11-13.
[9] 先明樂,，徐振高,，楊小林. 紅外熱波檢測復(fù)合材料時缺陷深度的自動測量[J].無損檢測，2009,，25(8)56-62.
[10] 曲志華,王立海. 紅外熱像技術(shù)及其在木材無損檢測中應(yīng)用的可行性探討[J].森林工程,，2009:121-24.
[11] 陸燕飛.紅外熱像儀在建筑外墻飾面檢測中的應(yīng)用[J].江蘇建材,，2009(2)：39-40.
[12] 朱斌，沈篩軍. 紅外熱像技術(shù)檢測建筑外墻飾面磚粘結(jié)缺陷[J]. 施工技術(shù),，2009(6)：449-451.