焊接是制造行业中不可或缺的成形和连接技术,广泛应用于机械、航空航天和汽车领域[1,2]。智能制造的兴起使得集成先进的传感技术和人工智能成为提高焊接质量和自动化程度的关键途径[3]。在自动化焊接中,视觉传感器实时监测和调节工艺稳定性,以获得高质量的接头[4,5]。然而,稳定性仍然受行进速度、环境条件和表面状态的影响,从而导致诸如凹陷、裂纹和气孔等缺陷[6]。因此,对焊接进行严格的无损检测(NDT)对于满足精密制造的严格标准以及确保产品的安全和可靠性至关重要[7]。
MOI无损检测依赖于法拉第效应,通过磁泄漏场来可视化缺陷。与视觉检测、渗透检测和其他表面检测方法不同,MOI无需物理接触即可提供高分辨率图像。与超声波或磁粉检测相比,它更快且没有耦合误差。此外,它是无辐射的,因此在安全性方面具有明显优势[8]。与传统的磁通量泄漏(MFL)检测相比,MOI提供了更详细的磁场分布图,更全面地揭示了缺陷的性质和位置[9]。它结合了高灵敏度、环境友好性和快速成像能力,使其在焊接缺陷检测方面具有显著的技术优势[10]。
磁光成像技术得到了进一步的发展和应用。高分辨率的MO传感器可以检测细微的疲劳裂纹[11]。磁光纳米系统实现了成像与肿瘤治疗的结合[12]。在直流磁场上叠加交流磁场可以通过调节动态磁导率来增强焊接缺陷的成像[13],而涡流激励的MOI可以揭示碳纤维复合材料中的冲击损伤[14]。机器学习算法提高了焊接图像中缺陷的识别和分类能力[15]。总的来说,这些进步扩大了MOI的应用范围,并提高了其无损检测的可靠性。
激励磁场对MOI的效果至关重要。研究人员已经探索了直流(DC)、交流(AC)和旋转磁场用于焊接检测。恒定的DC场会产生强烈的泄漏信号,但容易使工件饱和,从而抹去图像细节[16]。单向AC场可以避免饱和;然而,其各向异性会妨碍与磁场对齐的缺陷的检测,降低检测精度[17]。由两个正交AC线圈产生的旋转磁场可以从多个方向激发缺陷,从而实现全面成像。多角度激励消除了各向异性,但带来了新的挑战:单个缺陷的形状会在连续帧中分裂。每帧只能捕捉到缺陷的一部分,导致对比度低和背景噪声大。将这些分割的、噪声较大的图像稳定融合成一幅清晰的高对比度视图是旋转磁场MOI的关键瓶颈。
图像融合提供了一种有效的方法,可以整合多源数据,生成比任何单一来源更丰富的复合图像。当前的方法分为两类:传统算法和深度学习(DL)[18]。作为前沿技术,DL已成为焊接图像识别领域的热门话题。然而,其成功依赖于大型、高质量的标记数据集。在焊接领域,收集这类特定任务的数据非常困难,目前还没有公开的用于多角度磁光图像的数据库[19]。因此,对于本研究而言,不需要大量训练且基于明确物理原理的传统信号处理方法更为可行和可靠。
传统的融合方案根据其操作领域分为空间方法和变换方法。空间方法(如主成分分析(PCA)直接作用于像素,而变换方法则通过多尺度分解在频域处理图像[20]。对于需要精确缺陷形态的任务,多尺度几何分析(MSGA)工具表现出色。非采样轮廓波变换(NSCT)作为一种代表性的MSGA方法,具有方向选择性和平移不变性,能够保留边缘和纹理,因此成为融合中的常用方法[21]。同时,脉冲耦合神经网络(PCNN)作为一种强大的非线性分析器,可以提取像素信息并抑制噪声,而无需任何训练[22,23]。
将NSCT的多尺度分解与PCNN的动态耦合相结合,可以保留精细的纹理,抑制噪声,并改善低对比度图像;该方法广泛应用于医学成像[24]、红外多光谱融合[25,26]和一般视觉任务[27]。然而,PCNN的性能取决于几个难以手动调整的内部参数。研究人员应用了元启发式优化器,如量子行为粒子群优化[28]、灰狼优化器(GWO)[27]、变色龙群优化[29]和改进的鲸鱼优化算法[30]。大多数自适应框架针对多模态融合或图像恢复,但假设的数据统计与我们的场景不符。
尽管上述自适应优化框架具有明显优势,但直接将其应用于本研究会导致其基本假设与我们的具体应用场景之间存在冲突。相比之下,融合在可控旋转磁场下获取的多角度磁光图像是通过对物理相关的序列进行重建驱动的融合。本研究必须从一组物理相关但信息不完整的磁光序列中重建缺陷的完整几何形态。因此,融合策略必须超越传统的特征选择或噪声抑制,发展成一种既能深入理解数据生成机制又能有效整合弱信号的工具。
为了解决传统基于MOI的焊接检测的关键局限性,我们实现了一个集成框架,将可控旋转场激励与多角度图像融合相结合,例如单向激励下的角度依赖性盲区和旋转激励下的碎片化缺陷特征。建立了一个可控旋转磁场MOI设置,并引入了一种物理引导的激励参数选择程序,以获得稳定且足够强的磁通量泄漏(MFL)响应。在NSCT-GWO-PCNN框架的基础上,我们对高频和低频子带融合规则进行了针对性修改,从而开发出适用于多角度磁光图像的自适应图像融合算法。主要贡献总结如下:
1)我们设计并实现了一个具有可控旋转磁场激励的MOI检测系统。通过在多个磁场方向上刺激缺陷,该系统减少了固定单向激励导致的漏检,并提供了多角度MOI序列,以便后续基于融合的更完整缺陷形态的重建。
2)我们开发了一种基于材料磁化行为和电磁约束的电流频率选择策略,结合了Jiles-Atherton模型和皮肤效应考虑以及饱和/损失相关限制。该程序产生的激励设置提高了MFL响应的稳定性和对比度,从而增强了小缺陷或弱缺陷的可见性。
3)在NSCT-GWO-PCNN基础框架上,我们提出了一种适用于多角度MOI的自适应融合方案。设计了不同的低频/高频子带融合规则,以保留宏观结构,同时增强低信噪比、角度分割序列中的各向异性缺陷边缘,并通过GWO调整PCNN参数,以提高跨角度一致性和对背景磁场噪声的鲁棒性。
本文的其余部分组织如下。第二节描述了可控旋转磁场MOI系统的原理和实现以及物理引导的激励参数选择。第三节详细介绍了提出的NSCT-GWO-PCNN基于的自适应融合方法。第四节报告并讨论了实验结果。第五节分析和讨论了与本研究相关的研究,并提出了未来方向,第六节总结了本文。