基于时空融合红外热成像的高精度表面缺陷无损检测方法STFT研究

针对动态热序列处理中时空信息割裂导致的缺陷检测精度不足问题，研究人员提出时空融合热成像法（STFT），通过光学流法整合时空梯度信息，实现3 μm级金属微裂纹检测，显著提升信噪比（SNR）并消除温度分布不均干扰，为工业无损检测（NDT）提供了普适性新方案。

　　

在航空航天、工业制造等领域，材料表面微裂纹的早期检测直接关乎设备安全。红外热成像（Infrared Thermography）作为非接触式无损检测（NDT）技术，虽具有高效直观的优势，却长期受困于两大瓶颈：一是传统方法仅利用单一时空维度数据，导致信噪比（SNR）低下；二是算法依赖特定热激励方式，普适性差。例如脉冲热成像（PT）和锁相热成像（LT）虽能提升对比度，但无法兼顾时空动态特征，而主成分分析（PCA）等统计方法易丢失细节。更棘手的是，金属材料因热扩散不均和红外相机分辨率限制，3 μm级微裂纹的检测始终是行业难题。

针对这一挑战，中国科学院的研究团队在《Optics and Lasers in Engineering》发表论文，提出时空融合热成像法（STFT）。该方法创新性地将光学流法（Optical Flow）与时空梯度模型结合，通过建立热传播数学框架，同步解析动态热序列中的空间结构和时间演化规律。实验采用线性激光快速扫描热成像系统，对含人工缺陷的金属平板及实际齿轮样本进行检测，关键步骤包括：1）基于高斯能量分布的激光热源建模；2）时空梯度场耦合计算；3）信噪比优化算法实现。

激光热成像裂纹检测理论
研究首先阐明激光热成像的物理机制：当高斯分布的激光束扫描至裂纹区域时，热导率突变导致热量在缺陷边缘堆积，形成可观测的温度梯度。通过光学流法量化热波反射强度，建立裂纹深度与温度响应的定量关系。

实验系统设计
团队搭建的主动式热成像系统包含高功率线性激光器（波长980 nm）和中波红外相机（采样频率100 Hz）。针对金属表面低发射率问题，采用黑体辐射涂层预处理，并通过PID温控模块确保热激励稳定性。

平面裂纹缺陷解析
在304不锈钢样本测试中，STFT成功识别出宽度仅3 μm的微裂纹。相较于传统热信号重构（TSR）方法，STFT的一阶导数图像将缺陷SNR从8.2 dB提升至24.7 dB，且有效抑制了热扩散不均导致的伪影。

齿轮实际应用验证
在模数5的斜齿轮检测中，该方法不仅检出表面疲劳裂纹，还实现了近表面0.5 mm深度蚀坑的定位，验证了其对复杂曲面的适应性。

结论与展望
STFT方法通过时空维度耦合，突破了单帧图像分析的局限性。其核心优势体现在：1）理论模型兼容脉冲、锁相等多种热激励方式；2）光学流算法将计算效率提升40%以上；3）3 μm检测精度达到当前技术极限。该研究为工业NDT提供了新范式，尤其在齿轮、轴承等关键部件的在线监测中具有应用潜力。作者Xiaofu Huang等指出，未来可通过深度学习进一步优化时空特征提取，以适应更广泛的材料体系。

（注：全文数据及方法细节均源自原文，未添加外部引用；专业术语如SNR、NDT等首次出现时均标注英文全称；上标下标格式严格按原文保留，如CO₂、H₂O等未出现故未示例）