面向实时缺陷深度估计的协同框架：基于物理驱动建模的线激光扫描红外热成像

《Infrared Physics & Technology》：A collaborative framework for real-time defect depth estimation: line laser scanning thermography with physics-driven modeling

　　

摘要：线激光同步扫描热成像技术凭借其均匀热激励和宽视场优势，成为大规模复合材料工业无损检测的核心技术之一。然而，该技术产生的动态热图像序列无法直接适配传统基于热传导解耦的深度估计方法，且现有的离线处理范式无法满足工业场景中的实时性要求。为解决上述问题，本文提出了一种结合线激光扫描热成像与物理驱动建模的实时协同缺陷检测与深度估计框架。具体而言，通过时空对齐将动态扫描数据重构为等效全局脉冲激励热图像序列，解决了动态数据与传统深度估计方法之间的兼容性问题。采用缺陷触发式处理策略，仅对检测到的缺陷区域进行深度计算，消除了大面积无缺陷区域的冗余计算。结合基于PINN预建的多种深度缺陷热响应库，实现快速匹配，避免了现场正向计算的时间开销。在标准CFRP板上，系统检测了30个平底缺陷，在0.5–3.0 mm有效深度范围内，22个有效深度估计的MAE为0.105 mm，MaxAE为0.342 mm。在不规则平面CFRP板试样上，29个缺陷中检测到26个，检测缺陷的MAE为0.142 mm。在多深度板上，连通区域匹配策略无法分辨连续缺陷内的离散深度扇区。在单遍离线重放中，框架处理每块板的完整扫描序列的速度比其采集时长快1.518–3.448倍。这些结果表明，物理引导的深度估计对于深度相对均匀的近平面缺陷是可行的。然而，对于热对比度较弱的小而深的缺陷，估计精度受到限制，且空间连续缺陷内离散深度扇区的深度估计仍需进一步研究。

引言：热成像检测技术作为一种宽视场非接触式无损检测（NDT）方法，已广泛应用于从内部缺陷表征到物理系统动态热过程监测等多个领域[1]、[2]、[3]、[4]。特别是，它已成为碳纤维增强聚合物（CFRP）复合材料缺陷检测和深度估计的核心技术之一。其中，主动热成像因其高精度和低成本低成本在工业场景中最广泛应用[5]、[6]、[7]、[8]。然而，当前基于主动热成像的缺陷深度估计技术仍存在两个核心痛点，严重制约了其在大型构件检测中的工程应用。第一，检测范围与效率之间的矛盾：尽管热成像本身是一种宽视场大规模检测方法，但在检测大面积平板试样时，由于激励源面积和相机分辨率的限制，仍需要进行分区域检测。这增加了检测流程的复杂性，降低了效率，且目前几乎没有方法能够实现实时检测[9]、[10]、[11]。传统的热成像深度估计方法并未消除这一采集瓶颈，因为它们是在固定的激励–相机视场内记录的热序列上运行的。这些方法可大致分为时域特征时间法、频域相位法和序列重建或统计方法。在时域中，峰值对比时间和基于导数的方法将特征热响应时间与缺陷深度相关联，但其校准受缺陷横向尺寸、试样厚度、参考区域选择和测量噪声的影响[12]。在频域中，脉冲相位热成像和相位敏感调制热成像利用相位信息来降低对非均匀加热和表面发射率变化的敏感性[8]、[13]；然而，定量深度恢复仍依赖于材料属性和热波反演中所采用的假设[6]。在基于序列的方法中，热成像信号重建方法拟合每个像素的对数温度历史并计算时间导数以改善信噪比[14]。尽管这些方法改善了信号的鲁棒性或特征提取能力，但它们并未扩展激励或成像覆盖范围。因此，它们在大型构件上的应用仍然依赖于拼贴采集和逐区域处理，这限制了检测吞吐量和实时性能。第二，激励均匀性不足导致的深度估计偏差：为了获得均匀激励背景，算法不得不引入额外的校正方法以增加计算时间，或使用在特定试样上专门拟合的神经网络，从而降低了泛化能力。例如，Poelman等人[15]提出的自适应光谱带积分（ASBI）方法通过像素级频率积分来抑制非均匀加热效应。如果没有该校正，缺陷检测信噪比将下降超过8 dB，深度估计误差将增加至20%以上。另一个例子是Dong等人[16]提出的时空残差网络，它在实验条件下表现优异，但仅在3组特定的平底孔缺陷试样上进行训练，其在多样化工业检测场景中的泛化能力仍需进一步讨论。通过硬件改造来产生均匀发光激励源将显著增加设备成本，并且仍无法满足大型构件的检测要求[17]。

线激光同步扫描热成像[18]、[19]、[20]为解决主动热成像深度估计的上述核心痛点提供了一条有效途径，具有两大关键优势。首先，它能够在不分段拼接的情况下对大面积试样进行连续无缝扫描检测，避免了相机分辨率限制并简化了检测流程。其次，它可以通过数据对齐和时间补偿等算法将动态扫描激励还原为均匀脉冲激励，在算法层面解决了激励非均匀性问题，而无需昂贵的硬件改造[21]、[22]。这些优势使其有望与脉冲热成像和锁相热成像等现有深度估计方法无缝集成[23]、[24]、[25]。然而，连续扫描产生大量热响应数据，直接应用传统方法将面临巨大的计算压力。对于风电叶片等长尺寸试样，仍被迫进行分段或离线检测，这违背了其核心优势并限制了该技术的工程应用。

为解决上述问题，本研究提出了一种结合线激光扫描热成像与物理驱动建模的协同缺陷检测与深度估计框架。首先，通过时空对齐将动态扫描热成像数据重构为等效全局脉冲激励下的热响应序列。其次，我们构建了物理信息神经网络（PINN）生成的仿真数据集，用于训练红外缺陷目标检测器，并使用实测数据对模型进行微调。检测器快速完成粗缺陷定位，之后框架在定位区域内进一步分割缺陷区域。最后，PINN构建覆盖多种缺陷尺寸和深度的热响应匹配库。触发的处理策略仅在检测到的候选缺陷区域内进行深度匹配，从而减少大面积无缺陷区域的冗余计算。

为验证所提方法的有效性和工程适用性，本文搭建了激光同步扫描热成像实验平台。从预处理有效性、缺陷检测精度、深度估计误差和实时性能四个方面开展了系统实验。该框架在三块碳纤维增强聚合物（CFRP）板上进行了评估：包含30个人工平底缺陷的标准板，其名义深度为0.5–4.0 mm，横向尺寸为5–15 mm；一块具有29个方形、圆形和复合平面形式缺陷的不规则平面板；以及一块受控多深度板。在标准板上，22个在0.5–3.0 mm有效深度范围内的有效估计值的平均绝对误差（MAE）为0.105 mm，最大绝对误差（MaxAE）为0.342 mm；在不规则平面板上，29个缺陷中检测到26个，检测到的情况MAE为0.142 mm。在通用CPU上的单遍离线重放中，每块板的完整扫描序列的处理速度比其采集时长快1.518–3.448倍，展示了在所测扫描条件下连续处理的能力。这些结果揭示了线激光同步扫描热成像在大型复合板缺陷深度检测中的应用潜力。

各章节片段

协同实时缺陷深度估计框架：考虑经典的线激光扫描热成像检测场景：线激光激励源和红外热像仪保持相对静止，而高精度移动平台驱动被测试样以恒定速度沿垂直于线激光的方向移动。基于线扫描激励的物理模型，采用亚像素级时空对齐算法，在空间坐标与采样之间建立精确的一对一映射关系。

实验装置与细节：建立了一套激光同步扫描热成像实验系统，以评估所提方法的有效性和工程适用性。该系统包括线激光激励源、红外热像仪、高精度线性运动平台和数据处理器。激励源为长春新产业20 W、808 nm半导体激光，具有连续可调输出功率和3 mm线宽。红外相机为...

实验结果与分析：本节按各组件的操作顺序评估深度估计框架。首先，利用试样A分析数据预处理和目标检测网络的训练配置。随后，给出试样A、B和C的深度估计结果。这些结果用于评估框架的精度和局限性。此外，本节报告了框架的执行时间并讨论了尺度敏感性。

结论：针对线激光扫描热成像中动态数据适配困难和实时处理效率低的核心问题，本文提出了一种结合线激光扫描热成像与物理驱动建模的协同实时缺陷检测与深度估计框架。利用时空对齐实现动态扫描数据向传统深度估计方法的适配，结合PINN预建热响应库...

CRediT作者贡献声明：聂泽西：撰写 – 初稿，可视化，软件，正式分析，数据整理，概念构思。王宏金：撰写 – 审阅与编辑，监督，资源，项目管理，方法论，调查研究，资金获取，概念构思。高子恒：撰写 – 审阅与编辑，验证，方法论，正式分析，概念构思。段雨霞：资源，方法论，概念构思。陈鹏鹏：验证，数据整理，概念构思。刘元宇：

利益冲突声明：作者声明不存在任何已知的与本文所报告工作相关的竞争性经济利益或个人关系。

致谢：作者衷心感谢以下资金支持：国家重点研发计划（编号2024YFE03250600）；国家自然科学基金（编号62373138）；教育部系统控制与信息处理重点实验室开放课题（编号Scip20230107）；合肥综合性国家科学中心能源研究院基金资助（编号25KZS403、25KZS209、24KZZ208），国家重大科学...

聂泽西 | 王宏金 | 高子恒 | 段雨霞 | 陈鹏鹏 | 刘元宇 | 郭慧娟

湖南大学电气与信息工程学院，中国湖南省长沙市麓山南路2号，邮编410082