红外热成像技术在水泥混凝土无损检测中的新发展

红外热成像技术作为一门新兴的无损检测技术,主要是利用材料表面的温度和辐射率的差异形成可见的热图像,从而检测材料表面的结构状态和缺陷,并以此判断材料性质和内部缺陷.从水泥混凝土的热传导方程出发,导出了水泥混凝土缺陷深度的定量计算公式,且该公式能满足实际工程的精度要求,所以我们认为该技术应当成为检测水泥混凝土缺陷的有效方法之一.     

红外热成像技术在桥梁钢结构涂装检测中的应用

由于传统的钢结构涂装检测方法无法判断涂层内部是否有缺陷,且部分方法属于破坏性检测,提出采用主动式红外热成像技术对桥梁钢结构涂装进行检测的方法。制作4块预制缺陷的钢结构涂装试板,采用红外热成像技术进行试板涂装检测,根据红外图像的颜色分析缺陷的位置和大小;在试板涂装红外检测的基础上,进行现役桥梁钢结构焊缝涂装红外热成像检测。结果表明:红外热成像技术可有效进行钢结构涂装质量的表征;能准确判断出涂装试板是否有缺陷及缺陷位置;可准确检测出现役桥梁钢结构涂装中肉眼可见涂装缺陷的形式和位置,无缺陷区域不误判,并可检测出目视不可见借助放大镜等可发现的缺陷。     

基于红外热成像技术的钢桥面环氧铺装无损检测可行性研究

红外热成像检测技术为新型的无损检测技术，采用室内模拟试验、实桥工程检测及开挖验证等方法探究红外热成像技术在钢桥面环氧铺装上进行无损检测的可行性。结果显示：1)在室内试验中脱空区域温度会比正常区域温度高1℃～2℃;2)铺装表面温度越高时，红外热成像温度分布的差异性特征越明显，随着太阳辐射的减少，红外热成像温度分布的差异性特征越小，推荐在09:00—15:00时间段进行户外检测，其余时段的检测可行性较小；3)对红外热成像温度分布数据异常区域，开挖后均存在材料夹层、钢板锈蚀、层间脱空等隐性缺陷。这表明采用红外热成像技术无损检测钢桥面环氧铺装质量可行。     

康耐视推出新型材料表面检验软件

康耐视公司推出用于对材料表面进行检验的软件包VisoinPro Surface,VisionPro Surface将革命性的新型视觉缺陷检测和分类与简化的用户界面相结合，能够在制作过程中执行准确的缺陷检测、分类和表面纹理评估。     

基于红外成像原理的粘贴钢板饱满度检测方法试验研究

研究了采用红外热成像法检测粘贴钢板加固混凝土结构饱满度的试验检测技术。考虑不同升温和降温时长的工况,通过对预设不同空鼓缺陷的试件采用热红外仪实际测试试验。结果表明,虽然升温和降温测试均可识别缺陷的部位,然而确定具体的权限大小,降温效果较升温效果理想,因而建议在实际工程检测中,采用降温时长5h以上进行检测,可确保检测准确度在95%以上。     

基于光学超精密检测的新能源汽车电池缺陷检测技术

针对新能源汽车电池表面缺陷,提出了基于超精密检测的新能源汽车电池表面缺陷检验方法。构建光学超精密成像模型,通过超精密激光扫描技术完成能源汽车电池表面的激光成像,获得其 纹理分布情况和边缘轮廓特征。将区域信息与图像边缘相融合,定位新能源汽车电池表面缺陷,检测 其表面纹理异常点。通过仿真试验证实,利用该方式判断新能源汽车表面缺陷具有准确性高、抗噪性强等特点,能有效提升汽车电池表面缺陷检测效率。     

超声相控阵在桥梁锚具检测中的影响因素分析

针对桥梁锚具曲面厚壁结构特点,为改善超声波检测的声束可达性和检测覆盖率,采用超声相控阵技术对桥梁锚具进行检测。采用与桥梁锚具相同材质和生产工艺制作对比试块,以圆形横通孔为研究对象,分析表面曲率、探头频率、探头类型、缺陷直径和缺陷深度对缺陷检测能力的影响。结果表明,缺陷检测灵敏度随表面曲率增加而降低、随缺陷直径增加而增大、随缺陷深度增加而降低,圆弧探头的耦合性可有效改善表面曲率对缺陷检测能力的影响。     

红外热成像技术在电力设备中的应用

近几年来,我局大力推广红外热成像技术的应用。在大量的实践工作和红外检测实例中,我们不断地对设备热缺陷的特征进行研究探讨,并积累了一定的经验方法,望电力同行给予指导和建议,共建经验交流平台,携手推进电力设备状态检修工作的快速发展。     

磁粉检测在电站锅炉定期检验中的运用研究

经过不完全统计研究证明原材料制造过程中出现的缺陷有70%都是表面缺陷,但是在原材料使用之后就会出现90%左右的表面缺陷,这些缺陷的存在严重威胁了电站锅炉的安全运行。磁粉检测对表面缺陷有很高的检测灵敏度、准确性和可靠性,是电站锅炉运行的一种重要无损检测方式。为此,文章在阐述磁粉检测原理的基础上,结合某电站锅炉运行实际情况就如何借助这种无损检测方式来检验电站锅炉运行进行策略分析。     

斜拉索检测机器人的智能表观检测研究

为解决斜拉索检测日益繁重的工作任务,提高检测效率,结合斜拉索检测机器人与智能检测技术对斜拉索的外表进行检测。通过机器人在斜拉索上攀爬收集表面图像,将图像输入到卷积神经网络中进行缺陷识别,以确定缺陷的区域和位置。该项技术已成功应用于广东番禺大桥斜拉索的缺陷检测,结果证实:1)机器人能够灵活地采集到完整的斜拉索外表图像,基于智能算法的图像识别过程能够准确分辨出斜拉索不同的缺陷状态;2)识别正确率超过99%,且检测效率比传统方法提高300%,可以显著解决当前斜拉索检测的难题。