红外热波无损检测技术应用与进展

论述了红外热波检测技术解决的一些常规无损检测方法难以解决的问题,尤其是在航空航天、风电、文物等领域的成功案例,展现了红外热波检测技术的特点与优势。简要综述了红外热波无损检测技术相关的标准制订、资质认证培训、自主知识产权的系统开发等方面的新进展。

红外成像无损检测技术基本原理及其应用范围

红外检测技术是一门应用范围极广的技术,它不仅在军事上应用广泛,近年来在民用工程技术也得到了进一步发 展,文章着重介绍红外成像无损检测的基本原理、应用范围及检测技术。

红外热成像无损检测技术现状及发展的相关研究

目前阶段,红外热成像逐渐发展成主要的无损检测技术,借助主动热激励的方式,使得物体内部异性结构通过表面温场改变差异得以表现,进而准确地定位并识别缺陷。通过对红外热成像无损检测技术技术的影响,有效地实现了民用与军用工业设备的安全性和可靠性提高目标。基于此,文章将红外热成像无损检测技术作为主要研究内容,阐述了技术现状与发展,希望有所帮助。

近红外光谱技术检测蔬菜品质的研究进展

近红外光谱无损检测是随着高科技发展应运而生的一门新技术，在不破坏样品的情况下对上述内部品质进行评价。该技术不同于传统的化学分析方法，它利用分子选择性地吸收辐射光中某些频率波段的光，产生的吸收光谱，来判定其对应物质的含量，对样品不产生破坏。本文介绍了国内外运用近红外光谱技术进行蔬菜品质检测的研究情况，分析了目前该技术运用于蔬菜品质检测还存在的问题和今后的研究方向，提出了可从建立单一指标的模型逐步完善形成综合模型等方法，提高预测模型的通用性和准确度。

基于深度学习的管道热图像泄漏识别

为了降低输液管道多泄漏点微小泄漏的检测难度,提高输液管道无损检测的检测精度与检测速度,通过搭建水循环管道泄漏实验系统,改变管道泄漏点尺寸、泄漏点数量及输送介质温度,应用红外热像仪实时采集红外图像,提出基于非线性平稳小波和双边滤波算法实现图像降噪;并结合红外检测技术和YOLO(You Only Look Once)v4模型实现输液管道单、多漏点的自动化智能检测。结果表明,与传统滤波算法相比,该降噪方法的峰值信噪比、结构相似性均有所提升;该模型能够快速且准确地检测管道单、多漏点,检测精度(mAP)分别达到了0.9822及0.98,准确率分别达到了98.3%及98.36%,单帧检测时间分别达到了0.3021 s及0.3096 s,实现了在复杂背景干扰下对单、多泄漏点的识别。通过与YOLO v3、Faster R-CNN和SSD 300这3种算法比较发现,YOLO v4算法对管道单一漏点及多泄漏点检测的准确率、mAP和检测时间均更佳,具有更高的检测准确性与检测效率。