Page 58 - 无损检测2024年第十一期

王 瑾，等：

基于磁场梯度感测的旧油管腐蚀缺陷脉冲涡流可视化检测

图 6 各缺陷信号下降沿对数曲线与归一化差分信号曲线
采样点的扫查范围，使缺陷位于扫查范围的中心处， 在融合过程中，于缺陷区域取信号特征N SK 与
扫查步长设置为1 mm，对缺陷#3、缺陷#4以及缺陷 N SP 中的较大值，非缺陷区域取信号特征N SK 与N SP
#5进行扫查。另外，为了在同一水平对比不同检测 中的较小值，最后形成融合信号特征。另外，由图7
机制以及不同信号特征的检测效果，首先将信号特 可以看出，当基于N SK 对缺陷进行成像时，非缺陷部
征进行归一化，归一化信号特征定义为N SK 和N SP ， 分的噪声波动较大，会对融合信号特征造成影响，因
其中， N SK 表示信号特征S K 经归一化处理后的结果， 此对融合信号特征在非缺陷部分进行降噪处理。为
N SP 表示信号特征S P 经归一化处理后的结果。缺陷 将噪声波动限制在噪声均值较小的范围内，采用中
#3~#5的扫查成像结果如图7所示。 值滤波器对噪声区域的信号进行平滑处理，中值滤
由图7可以看出，基于两种信号特征均能对缺 波器窗口大小取2。基于融合信号特征所得的缺陷
陷进行成像显示，且能够看出缺陷的大致形貌。另 扫查图像如图8所示。
外，相较于基于N SP 的扫查图像，基于N SK 的扫查图 3.2 缺陷图像质量评估
像在无缺陷处的噪声较大。而对于两种信号特征而 为定量评估不同信号特征以及不同磁场感测机
言，均存在使用双传感器的轴向梯度磁场感测机制
制下缺陷成像图的图像质量，引入图像信噪比S NR
检测时噪声波动减小的规律。 用以评估缺陷部分信号相比于非缺陷部分信号的相
3 信号特征融合及缺陷图像质量评估 对强度，图像信噪比计算公式如下： S NR =10lg(P DA /
P NDA )（P DA ， P NDA 分别为缺陷区域和非缺陷区域的归
3.1 信号特征融合 一化信号特征平均功率）。另外，引入噪声均方误差
由之前讨论分析得到，两种信号特征均能对缺 M SE 用于评估非缺陷部分噪声的波动程度。图像信
陷进行成像，因此考虑将两种信号特征进行融合形 噪比越大，说明图像中所含缺陷信号相较于噪声更
成融合信号特征N SF ，旨在取得更好的成像效果。根 清晰、更突出，即图像质量更好，同时也说明检测灵
据之前的扫查结果可将信号特征扫查矩阵分为缺 敏度更高；噪声均方误差越小，说明噪声波动越小，
陷区域（Defective areas，DA）与非缺陷区域（Non- 检测受噪声的影响越小。不同磁场检测机制下的缺
defective areas，NDA）。融合算法具体如下 陷图像信噪比以及噪声均方误差的计算结果如图9
所示。
（1）
由图 9 的定量分析可以看出，对于两种信号特
征而言，均存在使用双传感器检测时图像信噪比更
式中： N （m，n）为融合信号特征扫查结果矩阵；m 高且噪声均方误差值更小的规律，说明使用双传感
SF
和n分别表示矩阵中的行号和列号。 器的轴向梯度磁场感测机制能够提高图像质量、提

24
2024 年 第 46 卷 第 11 期
无损检测