利用红外热像仪检测云杉木和白桦木缺陷问题

摘要—利用热红外成像仪和红外灯对具有孔洞、裂纹或节疤缺陷的云杉和肋状白桦方材样品进行了测试。每个样品只含有三种缺陷中的一种。云杉样品共有5个，其中两个样品中间有孔洞，一个两侧有孔洞，另外两个样品分别有裂纹和节疤。肋状白桦样品共有3个，其中一个中间有孔洞，另外两个样品分别有裂纹和节疤。通过对比实验结果可以发现，红外热像仪能够正确并清晰地检测出云杉和肋状白桦样品中间的孔洞、裂纹及节疤，但无法区分具体的缺陷类型。它不能检测出云杉样品侧面的孔洞。孔洞和节疤区域的温度较低，而节疤区域的温度较高。为了正确检测不同的缺陷，需要不同的测试条件。对于云杉和肋状白桦样品中间的孔洞，只有通过双向检测模型才能检测到，而裂纹只能通过单向检测模型检测到。云杉样品的节疤仅能通过单向检测模型检测到。肋状白桦样品的节疤可以通过单向和双向检测模型检测到。在较高的含水量下，缺陷的大小和位置可以更准确地确定，尽管红外灯加热的时间会更长。

森林资源的短缺正越来越受到全球林业工作者的关注。如何最大限度地利用森林资源正成为一个共同关心的问题。在此背景下，木材的无损检测技术蓬勃发展起来，因为它可以在不破坏木材的情况下检测其缺陷，从而更好地利用木材。红外热成像技术自20世纪60年代发展起来。任何温度高于绝对零度的物体都会辐射红外线。红外热成像技术就是一种能够探测这些红外线并将其转化为可见图像的技术[1-6]。通过图像上的差异可以辨别出缺陷。这项技术已经被广泛应用于医学、遥感以及工业缺陷检测等领域。本研究使用热红外成像仪和红外灯来调查具有孔洞、裂纹或节疤缺陷的云杉和肋状白桦方材样品，以寻找最佳的测试条件。[7-11].

I. 材料、仪器与方法

样品来自东方红林场的原木加工，尺寸被加工成 30×30×200 毫米的方材。云杉原木被制成了 5 个样品，每个样品只有一种缺陷，即孔洞、裂纹或节疤之一。孔洞缺陷分为样品中间的孔洞和样品两侧的孔洞。两个云杉样品在中间有孔洞，其余三个样品分别具有其他三种缺陷。孔洞的直径为 18 毫米。肋状白桦样品共有三个，每个样品具有一种缺陷，分别是中间的孔洞、裂纹和节疤。中间有孔洞的一个云杉样品标记为 A。所使用的仪器包括 热红外成像仪和红外灯。实验步骤如下：

(1) 对样品 A 使用单向和双向检测模型进行测试，样品与红外热像仪之间的距离包括 20 厘米和 100 厘米，以找出更好的检测方法和加热距离；

(2) 首先对另外 7 个样品中的一个进行含水率测试，方法是在每次检测缺陷前称量样品的质量，完成实验后将样品放入烘箱烘干再重新称量。实验前后的样品质量分别记为 G 和 G0，因此相对含水率计算公式为 w = (G – G0) / G；

(3) 在称重后，使用红外灯对样品进行加热，加热模型和距离与步骤 (1) 中确定的相同。在不同加热时段使用热红外成像仪对样品进行红外成像，并按序号保存这些图像。通过比较不同时间段拍摄的图像，找到能够最准确区分样品缺陷的图像，从而获得最佳加热时间；

(4) 使用步骤 (3) 中描述的方法，在烘箱烘干后检测完全干燥的样品；

(5) 对其他样品重复步骤 (2)-(4)，直到所有样品都被检测完毕，并确定不同树种和缺陷的最佳测试条件。

II. 实验结果与分析

A. 确定加热模型和距离

有两种检测模型：单向和双向。单向是指在样品的同一侧进行加热和红外成像。双向则是相反的情况，加热和成像发生在样品的不同侧。样品 A 使用了单向和双向模型进行测试，距离包括 20 厘米和 100 厘米，分别代表短距离和长距离。结果表明，当检测模型为双向且加热距离为 20 厘米时，可以在图像上确定孔洞的位置和大小，缺陷区域比其他区域颜色更深。在其他测试条件下，缺陷无法被识别。因此，对于其他 7 个样品选择的加热距离为 20 厘米，并且对于所有具有孔洞缺陷的样品特别选择了双向检测模型。

B. 云杉样品的结果

1) 具有中间孔洞样品的结果

在不同的含水率（MC）下加热样品，并在不同时间段内对其进行红外成像，然后找到能够显示缺陷（孔洞）形状和位置的图像，该图像对应的加热时间被称为最佳加热时间。

a）单向

b）双向

图1. 样品A在双向和单向加热模型下的红外图像

表1 和图2 展示了具有中间孔洞的云杉样品的结果。

从图2的数据可以得出，随着相对含水率的降低，最佳加热时间缩短。在不同相对含水率下的最佳图像中，相对含水率为0.53时的图像能够最准确地区分中间的孔洞。完全干燥样品的图像效果最差。

图像效果

图2. 具有中间孔洞的云杉样品在不同含水率下的最佳红外图像

热成像图像效果

区分缺陷的能力随着含水率（MC 表示 moisture content，即含水率）的降低而下降。

2) 具有两侧孔洞样品的结果

具有两侧孔洞样品的结果如表2和图3所示。与上述情况相比，在每种含水率下显然都无法准确显示两侧的孔洞。当样品的含水率较高，例如为0.62和0.58时，可以在图像上看到某一侧的孔洞。

3) 具有裂纹样品的结果

使用单向和双向检测模型对具有裂纹的云杉样品进行了测试。结果显示，只有单向检测模型能够检测到样品的裂纹缺陷。在不同含水率下拍摄的最佳图像之间没有显著差异，所有图像都能够显示出样品中的裂纹。

4) 具有节疤样品的结果

具有节疤样品的结果如表4和图5所示。单向和双向

热成像对比图2

图4. 具有裂纹的云杉样品在不同含水率下的最佳红外图像

当含水率为0.30时，无论是单向还是双向加热模型都无法检测到样品中的节疤。对于其他含水率，双向检测模型能够检测到节疤，但单向模型仍然无法检测到。

C. 肋状白桦样品的结果

1. 具有中间孔洞样品的结果

白桦样品的结果

明图5展示的是在不同含水率条件下，能够最清晰地显示云杉样品中节疤缺陷的最佳红外图像。

红外热像仪看出不同含水率

c)Absolutely dry

图6. 具有中间孔洞的肋状白桦样品在不同含水率下的最佳红外图像

这句话表示图6展示的是在不同含水率（MT 应为 Moisture Content，即 MC）条件下，能够最清晰地显示肋状白桦样品中间孔洞缺陷的最佳红外图像。

最佳红外图像、最佳加热时间和样品的含水率（MC）如表5和图6所示。从前述实验中可以观察到，单向加热模型无法检测到孔洞，这一点与云杉样品一致，所以在随后的实验中，仅使用了双向检测模型。除含水率（MC）为0.19外，在不同含水率下的最佳红外图像能够正确显示中间的孔洞。随着含水率的降低，最佳加热时间也随之缩短。总的来说，肋状白桦样品的最佳加热时间比云杉样品要短，这是由于其含水率较低所致。

2) 具有裂纹样品的结果

单向检测模型能够检测到肋状白桦样品中的裂纹，而双向模型则不能。样品的含水率（MC）和部分最佳红外图像如表6和图7所示。

红外热像仪具有裂纹样品

图7. 具有裂纹的肋状白桦样品在不同含水率下的最佳红外图像

这句话表示图7展示的是在不同含水率（MT 应为 Moisture Content，即 MC）条件下，能够最清晰地显示肋状白桦样品中裂纹缺陷的最佳红外图像。

具有缺陷的肋状白桦样品在不同含水率下的最佳红外图像

图8. 具有缺陷的肋状白桦样品在不同含水率下的最佳红外图像

3) 具有节疤样品的结果

部分最佳红外图像、最佳加热时间和样品的含水率（MC）如表7和图8所示。单向和双向检测模型均能够检测到样品中的节疤。

III. 结论

红外热像仪能够正确并清晰地检测出云杉和肋状白桦样品中间的孔洞、裂纹及节疤，但无法区分缺陷的具体类型。它不能检测出云杉样品两侧的孔洞。孔洞和节疤区域的温度较低，而节疤区域的温度较高。为了正确检测不同的缺陷，需要不同的测试条件。对于云杉和肋状白桦样品中间的孔洞，只有通过双向检测模型才能检测到，而裂纹只能通过单向检测模型检测到。云杉样品的节疤仅能通过单向检测模型检测到。肋状白桦样品的节疤可以通过单向和双向检测模型检测到。虽然红外灯的加热时间会更长，但在较高含水量的情况下，缺陷的大小和位置可以更准确地确定。