缺陷漏磁成像技術(shù)綜述

黃松嶺 彭麗莎 趙 偉 王 珅

?

缺陷漏磁成像技術(shù)綜述

黃松嶺 彭麗莎 趙 偉 王 珅

（電力系統(tǒng)國家重點實驗室（清華大學(xué)） 北京 100084）

缺陷漏磁成像技術(shù)一直是無損檢測領(lǐng)域的研究熱點之一，也是鐵磁性構(gòu)件缺陷檢測與評估的重要手段。本文從缺陷的漏磁數(shù)據(jù)可視化、缺陷輪廓的二維漏磁成像以及缺陷的三維漏磁成像三個階段，對缺陷漏磁成像技術(shù)的發(fā)展歷程進行歸納梳理，詳細(xì)介紹了各階段常用的成像方法。并在此基礎(chǔ)上，討論了缺陷漏磁成像技術(shù)的研究方向和發(fā)展趨勢。

漏磁檢測 可視化 缺陷重構(gòu) 三維漏磁成像 圖像處理技術(shù)

0 引言

漏磁檢測技術(shù)是常用的無損檢測方法之一。因其具有原理簡單、對檢測環(huán)境要求低、檢測效果好等優(yōu)點，在由鐵磁性材料制成的儲罐底板[1-3]、油氣管道[4-6]、鋼絲繩[7,8]等金屬構(gòu)件的缺陷檢測中廣泛應(yīng)用。通過漏磁檢測技術(shù)實現(xiàn)對鐵磁性構(gòu)件缺陷的有效探測與評估，可以保證在役設(shè)施的安全運行，降低維修成本，避免意外事故。這在航空航天、油氣儲運、機械制造等對設(shè)施安全狀態(tài)、缺陷評估要求較高的場合中發(fā)揮著重要的作用。漏磁檢測技術(shù)的重要環(huán)節(jié)是對獲取的漏磁檢測數(shù)據(jù)進行分析處理，得到相應(yīng)的缺陷信息，進而實現(xiàn)對缺陷的識別、量化和重構(gòu)，而后者又可以統(tǒng)稱為缺陷漏磁成像。

缺陷漏磁成像技術(shù)，是基于缺陷漏磁檢測數(shù)據(jù)對缺陷輪廓進行反演，并最終以圖像形式呈現(xiàn)缺陷特征的一種方法。由于缺陷的形狀參數(shù)與漏磁場之間較強的非線性關(guān)系，且受到檢測過程中檢測速度、提離值、被測材質(zhì)等多種因素的影響，漏磁信號的穩(wěn)定性和重復(fù)性較差，缺陷形狀參數(shù)與漏磁信號之間難以建立嚴(yán)格準(zhǔn)確的數(shù)學(xué)關(guān)系。因此，缺陷漏磁成像一直是漏磁檢測的研究熱點和技術(shù)難點。

早在20世紀(jì)30年代初期，Zuschlug首次提出應(yīng)用磁敏傳感器測量漏磁場的思想，國際上便開始了漏磁檢測技術(shù)的初步理論研究。但直到1947年Hastings設(shè)計出第一套漏磁檢測系統(tǒng)，漏磁檢測及其缺陷漏磁成像技術(shù)才開始得到應(yīng)用。之后的幾十年中，缺陷漏磁成像技術(shù)伴隨漏磁檢測基礎(chǔ)原理和適用模型的探索與完善、漏磁檢測裝置尤其是傳感器技術(shù)的改進與突破以及計算機技術(shù)、圖像處理技術(shù)和信息融合技術(shù)等的不斷發(fā)展，從最初缺陷漏磁場的簡單識別、缺陷的定性和定量分析，逐步發(fā)展到如今缺陷三維輪廓的重構(gòu)研究。歸納起來缺陷漏磁成像技術(shù)共經(jīng)歷了三個主要階段，即缺陷的漏磁數(shù)據(jù)可視化、缺陷輪廓的二維成像以及缺陷的三維成像。

本文依次從缺陷漏磁成像技術(shù)發(fā)展的三個階段對各階段常用的成像方法進行歸納梳理，并展望了缺陷漏磁成像技術(shù)的發(fā)展方向。

1 缺陷的漏磁數(shù)據(jù)可視化

在缺陷漏磁成像技術(shù)出現(xiàn)及應(yīng)用的早期，由于漏磁檢測水平低（傳感器體積大、數(shù)量少，檢測靈敏度和準(zhǔn)確度都較低）、計算機分析處理能力有限等，只能初步判斷缺陷的有、無及缺陷的位置等，對缺陷進行定性分析。最常用的方法是將檢測到的缺陷漏磁數(shù)據(jù)可視化，繪制出缺陷漏磁場的圖像，技術(shù)人員通過觀察圖像中漏磁檢測數(shù)據(jù)的變化特征來實現(xiàn)對缺陷的定性分析。缺陷漏磁數(shù)據(jù)可視化的方法主要有三種：曲線圖顯示、灰度圖顯示和偽彩色圖顯示，如圖1所示。

（a）曲線 （b）灰度 （c）偽彩色

圖1 缺陷漏磁場成像

Fig.1 Leakage magnetic field imaging of defects

1.1 曲線圖顯示

曲線圖顯示是將漏磁檢測數(shù)據(jù)轉(zhuǎn)化為顯示屏幕上一系列的數(shù)據(jù)點，再將各檢測通道所對應(yīng)的數(shù)據(jù)點分別連接起來，以曲線形式顯示的一種方法，其成像效果如圖1a所示。曲線上各點的橫坐標(biāo)表示該點在被測金屬構(gòu)件中沿檢測器行進方向上的位置；每條曲線的波動情況則反映漏磁數(shù)據(jù)的大小。曲線圖顯示是最基本、最簡單的缺陷漏磁數(shù)據(jù)可視化方法。技術(shù)人員可以根據(jù)圖中曲線的變化，較為方便地對缺陷情況進行初步判斷。

1.2 灰度圖顯示

灰度圖作為曲線圖的輔助分析手段，能夠更加清晰直觀地對漏磁信號進行顯示。將檢測到的漏磁數(shù)據(jù)轉(zhuǎn)換為不同的灰度值，再依照相應(yīng)的灰度值繪制圖像，其成像效果如圖1b所示。

文獻(xiàn)[9]將曲線圖中的漏磁數(shù)據(jù)轉(zhuǎn)換為0～255之間不同的灰度等級，進行灰度圖顯示。文獻(xiàn)[10]在灰度圖初步顯示的基礎(chǔ)上，采用插值、平滑和銳化的方法對圖像進行處理，清晰直觀地顯示了信號數(shù)據(jù)變化和缺陷特征信息，提高了缺陷分析的效率和質(zhì)量。

1.3 偽彩色圖顯示

偽彩色圖是將灰度值通過一定的變換方法轉(zhuǎn)換為偽彩色值，從而利用彩色來顯示缺陷的漏磁數(shù)據(jù)，其成像效果如圖1c所示。偽彩色圖像色彩鮮明，具有更好的視覺效果。其關(guān)鍵在于如何選取合適的灰度值至偽彩色值的變換方法。主要的變換方法有頻域變換法和空間域變換法。

頻域變換法需要分析灰度圖信號中各頻率成分并進行轉(zhuǎn)換，在缺陷漏磁圖像顯示中不常采用?？臻g域變換法中的密度分割法，則是將灰度值進行分割，并依次為其分配相應(yīng)的色彩。文獻(xiàn)[11]采用空間域變換法中的偽彩色編碼法，用三種不同編碼方式的變換器，對原灰度值分別進行變換，得到彩色空間的、、三個分量，再將其合成為相應(yīng)的色彩，從而得到偽彩色圖像。文獻(xiàn)[12]采用聚類法，對偽彩色編碼進行改進，使得各變換函數(shù)能夠隨著缺陷漏磁數(shù)據(jù)的變化而改變，具有更好的適應(yīng)性。

技術(shù)人員利用曲線圖、灰度圖和偽彩色圖中的一種或多種缺陷漏磁數(shù)據(jù)可視化方法，憑借多年的經(jīng)驗，結(jié)合缺陷相關(guān)資料，對檢測到的缺陷漏磁數(shù)據(jù)進行分析處理?？傮w來說，這種純?nèi)斯な降姆治龇椒ㄐ瘦^低，誤檢和漏檢率偏高。近十幾年，基于計算機的缺陷自動分析技術(shù)逐漸發(fā)展起來，可通過閾值判斷等方法實現(xiàn)對缺陷的自動識別。湖北工業(yè)大學(xué)的宋小春等[13]基于圖形幾何變換建立了缺陷定位的數(shù)學(xué)模型，并運用窗口自動生長算法實現(xiàn)了缺陷分布區(qū)域的自動識別。Tehran大學(xué)的M. R. Kandroodi等[14]將金屬缺陷漏磁場的偽彩色圖像轉(zhuǎn)化為二進制圖像，并結(jié)合圖像處理技術(shù)和形態(tài)學(xué)方法，實現(xiàn)了多區(qū)域的缺陷定性識別。在缺陷漏磁場成像的基礎(chǔ)上，應(yīng)用圖像處理技術(shù)實現(xiàn)缺陷的自動分析，是目前缺陷漏磁檢測研究領(lǐng)域的一個重要 方向。

2 缺陷輪廓的二維漏磁成像

缺陷漏磁數(shù)據(jù)的可視化，只能對缺陷進行簡單的定性分析。但隨著缺陷漏磁檢測技術(shù)的發(fā)展，可同時檢測到的漏磁數(shù)據(jù)越來越多，檢測準(zhǔn)確度和靈敏度也越來越高，簡單的定性分析，已無法滿足對缺陷的判別要求，需要對缺陷的輪廓、形狀進行識別。關(guān)于缺陷漏磁場計算的磁偶極子模型和有限元模型[15-17]分別于20世紀(jì)60和70年代逐步發(fā)展起來，使得缺陷形狀參數(shù)與漏磁場之間的關(guān)系分析成為可能。到了20世紀(jì)80年代，大量學(xué)者開始深入研究缺陷輪廓重構(gòu)問題[18-20]，缺陷輪廓的二維漏磁成像技術(shù)就是在這種情況下逐漸發(fā)展起來的。

缺陷輪廓的二維漏磁成像是指對三維缺陷某一剖面的成像，通過二維輪廓圖像來體現(xiàn)缺陷的形狀信息。根據(jù)不同場合對缺陷識別需求的不同，二維漏磁成像通常可分為兩類：缺陷邊緣輪廓的漏磁成像和缺陷截面輪廓的漏磁成像，如圖2所示。

（a）缺陷形狀 （b）邊緣輪廓 （c）截面輪廓

圖2 缺陷二維輪廓示意圖

Fig.2 Two-dimensional profiles of defects

2.1 缺陷邊緣輪廓的漏磁成像

缺陷邊緣輪廓的漏磁成像是對缺陷開口形狀的顯示，如圖2b所示。常用在對開口較大、深度較淺的缺陷分析，或是只關(guān)注缺陷開口形狀的場合中。缺陷邊緣輪廓的漏磁成像方法通常有兩種。

一種方法是對檢測到的缺陷漏磁數(shù)據(jù)直接進行處理并成像。由于在缺陷邊緣處的磁場變化最明顯，因此，常通過求取漏磁數(shù)據(jù)的梯度值來獲得缺陷的邊緣輪廓信息。文獻(xiàn)[21]采用差分的方法求取漏磁數(shù)據(jù)的梯度值，并設(shè)定合適的閾值以剔除干擾成分，再將得到的梯度值進行濾波處理并繪制成圖，得到了鐵磁性構(gòu)件表面不規(guī)則缺陷的邊緣輪廓圖像。

另一種方法是在缺陷漏磁數(shù)據(jù)可視化的基礎(chǔ)上，利用圖像處理技術(shù)獲取缺陷的邊緣輪廓。因此，需要處理的數(shù)據(jù)不再是原始的漏磁數(shù)據(jù)，而是經(jīng)過轉(zhuǎn)換后的缺陷漏磁圖像灰度值或偽彩色值。文獻(xiàn)[22]在獲取了缺陷漏磁檢測數(shù)據(jù)的灰度圖基礎(chǔ)上，利用Ostu法對漏磁圖像進行二值化閾值選取，再應(yīng)用膨脹型邊緣檢測算法提取了矩形槽缺陷的邊緣輪廓。文獻(xiàn)[23]采用Canny邊緣檢測算法對缺陷的二維漏磁信號圖像進行處理，實現(xiàn)了對任意開口形狀缺陷邊緣輪廓的檢測。

2.2 缺陷截面輪廓的漏磁成像

缺陷截面輪廓的漏磁成像是對缺陷某一剖層面輪廓的成像顯示，如圖2c所示。在多數(shù)缺陷漏磁檢測中，更為關(guān)注的是缺陷相對于鐵磁性構(gòu)件的深度情況，因此常用缺陷的截面輪廓對缺陷進行描述和分析。缺陷截面輪廓的漏磁成像方法有很多種，根據(jù)在求解缺陷截面輪廓過程中是否存在迭代的環(huán)路結(jié)構(gòu)，可將這些方法大致分為開環(huán)逆向法和閉環(huán)偽逆法兩類。

2.2.1 開環(huán)逆向法

所謂開環(huán)逆向法是將缺陷漏磁檢測信號輸入構(gòu)建的逆向模型中，直接求解出缺陷輪廓。圖3為開環(huán)逆向法的基本結(jié)構(gòu)。這種方法通常需要對大量的經(jīng)驗數(shù)據(jù)進行分析，通過運用統(tǒng)計分析、機器學(xué)習(xí)等方法，建立缺陷漏磁信號與缺陷輪廓之間的近似映射關(guān)系，從而構(gòu)建逆向模型進行求解。

圖3 開環(huán)逆向法基本結(jié)構(gòu)

（1）統(tǒng)計分析法。統(tǒng)計分析法通過建立信號特征量與缺陷幾何參數(shù)之間的統(tǒng)計關(guān)系來獲取缺陷的二維輪廓。常用的統(tǒng)計方法有多元非線性回歸法和主成分分析法等[24-26]。由于受到變量個數(shù)等因素的限制，統(tǒng)計分析法主要用于對一些形狀規(guī)則的缺陷進行二維輪廓重構(gòu)。若要實現(xiàn)對復(fù)雜缺陷輪廓的二維成像，則需要采用機器學(xué)習(xí)法。

（2）機器學(xué)習(xí)法。是一種人工智能的方法，通過學(xué)習(xí)和分析以往的經(jīng)驗數(shù)據(jù)，自動對算法進行訓(xùn)練和優(yōu)化。文獻(xiàn)[27]采用BP神經(jīng)網(wǎng)絡(luò)進行缺陷的特征參數(shù)識別，建立了較為有效的鋼管缺陷參數(shù)模型。文獻(xiàn)[28]提出了一種基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的逆向模型，并在此基礎(chǔ)上引入動量項和自適應(yīng)學(xué)習(xí)機制，實現(xiàn)了對管壁缺陷周向?qū)挾鹊亩糠治?。文獻(xiàn)[29,30]研究了基于小波基函數(shù)神經(jīng)網(wǎng)絡(luò)的缺陷二維輪廓成像方法。此外，支持向量法[31]也是近年來興起的一種構(gòu)建逆向模型的機器學(xué)習(xí)方法。

采用統(tǒng)計分析法或機器學(xué)習(xí)法，都可以根據(jù)經(jīng)驗數(shù)據(jù)建立缺陷輪廓的逆向求解模型，且模型結(jié)構(gòu)較為簡單，求解速度快，適于缺陷的在線評估。但開環(huán)逆向法對缺陷樣本的依賴性大，當(dāng)待求解的缺陷形狀與樣本缺陷的形狀相差較大或檢測條件發(fā)生明顯改變時，將嚴(yán)重影響缺陷反演結(jié)果的準(zhǔn)確度。而閉環(huán)偽逆法可以較好地解決這一問題。

2.2.2 閉環(huán)偽逆法

所謂閉環(huán)偽逆法是通過閉環(huán)迭代的方式實現(xiàn)缺陷的二維輪廓成像。其中，偽逆是指雖然這是一個逆向反演問題，但在反演過程中采用的不是逆向模型，而是根據(jù)給定的缺陷輪廓求解缺陷漏磁信號的正向模型。圖4是閉環(huán)偽逆成像法的基本流程。對于閉環(huán)偽逆法的研究，主要是從正向求解模型和優(yōu)化算法兩方面入手。

圖4 閉環(huán)偽逆法基本結(jié)構(gòu)

（1）正向求解模型。正向模型與逆向模型的求解結(jié)構(gòu)相反，是由已知的缺陷輪廓對缺陷周圍的漏磁場進行求解。正向模型的精確程度決定了整個閉環(huán)偽逆缺陷重構(gòu)模型的反演效果。常用的正向模型有磁偶極子模型、有限元模型和神經(jīng)網(wǎng)絡(luò)模型等。McMaster大學(xué)的R. K. Amineh等[32]對磁偶極子模型和有限元模型進行了研究，并將兩者相結(jié)合，構(gòu)建了粗、細(xì)的正向模型，進而采用空間映射法實現(xiàn)了缺陷二維輪廓的反演成像。Michigan State大學(xué)的L. Udpa等[33-35]一直從事基于神經(jīng)網(wǎng)絡(luò)的缺陷漏磁反演研究，應(yīng)用WBF神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)分別構(gòu)建缺陷反演的正向和逆向模型，并通過迭代得到了較好的缺陷反演效果。此外，清華大學(xué)的黃松嶺等[36]結(jié)合神經(jīng)網(wǎng)絡(luò)計算速度快和有限元計算精度高的優(yōu)點，在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中嵌入有限元計算模型，利用神經(jīng)網(wǎng)絡(luò)的并行方式實現(xiàn)有限元計算，構(gòu)建了有限元神經(jīng)網(wǎng)絡(luò)模型，有效地提高了正向模型的逼近能力和計算精度，該方法已被廣泛采用于缺陷二維漏磁成像中。

（2）優(yōu)化算法。優(yōu)化算法在實施迭代的過程中，會根據(jù)迭代點的數(shù)據(jù)和目標(biāo)函數(shù)來更新缺陷輪廓參數(shù)，使得由正向模型計算得到的缺陷漏磁數(shù)據(jù)逼近實際檢測得到的數(shù)據(jù)，進而獲得更為精確的缺陷輪廓。對具體優(yōu)化算法的選擇，決定了整個閉環(huán)偽逆成像方法的迭代次數(shù)和收斂速度。常用的優(yōu)化算法有最速下降法、共軛梯度法等確定性算法，以及遺傳算法、粒子群優(yōu)化算法[37]和模擬退火法[38]等隨機性搜索算法。此外，還出現(xiàn)了綜合上述不同算法的優(yōu)點，將多種算法結(jié)合使用的改進優(yōu)化算法[39]。

閉環(huán)偽逆法由于加入了閉環(huán)迭代結(jié)構(gòu)，減小了對樣本參數(shù)的依賴性，且可對缺陷輪廓進行修正。相比開環(huán)逆向成像法，閉環(huán)偽逆法可得到更為精確的缺陷反演結(jié)果。而其中基于有限元神經(jīng)網(wǎng)絡(luò)模型的閉環(huán)迭代優(yōu)化方法，是一種重要而有效的閉環(huán)偽逆成像方法。

3 缺陷的三維漏磁成像

二維漏磁成像僅能體現(xiàn)缺陷的部分信息，在對準(zhǔn)確度要求更高的缺陷檢測中，需要完全識別缺陷的整體形狀，實現(xiàn)缺陷的三維漏磁成像。隨著缺陷漏磁檢測技術(shù)的不斷進步，漏磁檢測裝置由單軸檢測逐漸發(fā)展成為三軸檢測，檢測到的漏磁信號包含更加完整的缺陷信息，為實現(xiàn)缺陷的三維成像提供了有利條件。

缺陷的三維漏磁成像是對實際缺陷的完全重構(gòu)，在圖像中體現(xiàn)出缺陷的三維輪廓信息。20世紀(jì)90年代末期，Tohoku大學(xué)的T. Shoji和D. Minkov等[40,41]基于缺陷的磁偶極子模型，將實際測量的漏磁數(shù)據(jù)與理論計算得到的漏磁數(shù)據(jù)進行比較分析，實現(xiàn)了對幾類特定缺陷的三維重構(gòu)。隨后，三維漏磁成像技術(shù)逐漸發(fā)展起來，出現(xiàn)了多種三維成像方法。根據(jù)成像方式的不同，可以將其分為偽成像方法、間接方法和直接方法。

3.1 偽成像方法

三維漏磁成像的偽成像方法是對形狀不規(guī)則缺陷的虛擬重構(gòu)，具體是將不規(guī)則缺陷近似看作一個具有固定量化尺寸（如矩形缺陷的長、寬、深）的規(guī)則缺陷加以描述。通過量化方法得到缺陷的量化尺寸，進而直接構(gòu)建出缺陷的三維圖像。如油氣管道的腐蝕缺陷，就常被近似為橢球狀。文獻(xiàn)[42]以缺陷的最大長、寬、深作為缺陷的特征參量，采用勢函數(shù)法對這些特征參量進行分析，并以量化得到的特征參量作為邊界數(shù)值，在邊界內(nèi)構(gòu)造內(nèi)切的橢球體以體現(xiàn)缺陷的三維圖像。文獻(xiàn)[43]引入漏磁信號的切向分量，在忽略表面裂紋缺陷寬度的情況下，根據(jù)三維有限元仿真分析結(jié)果，對裂紋缺陷的方向、長度和深度分別進行求解，以獲取缺陷的整體輪廓。

這種方法僅需要獲得缺陷的部分特征量，以預(yù)先設(shè)定的規(guī)則形狀對缺陷進行重構(gòu)，在特征量計算和三維圖像繪制上均比較方便，但實際缺陷大多為不規(guī)則缺陷，難以對其進行準(zhǔn)確的描述。

3.2 間接方法

三維漏磁成像的間接方法是在缺陷二維漏磁成像的基礎(chǔ)上發(fā)展起來的，其基本實現(xiàn)原理如圖5所示。首先利用缺陷二維成像技術(shù)，對檢測器各通道檢測到的缺陷漏磁信號進行分析，獲得缺陷截面的二維輪廓圖像序列，再利用三維重構(gòu)技術(shù)對其進行整合，最終實現(xiàn)缺陷的三維成像。該方法最關(guān)鍵的步驟是缺陷截面的二維成像和三維重構(gòu)技術(shù)。

圖5 三維漏磁成像的間接方法原理

3.2.1 缺陷截面二維成像

缺陷截面的二維成像是三維成像間接方法的實現(xiàn)基礎(chǔ)。常用的缺陷截面二維成像方法在第2.2節(jié)中已作了詳細(xì)的介紹。為了獲得更為精確的二維輪廓信息，提高漏磁信號的信息量是非常必要的。傳統(tǒng)的漏磁檢測裝置僅能在軸向安裝傳感器，對單一方向的漏磁信號進行反演分析。后繼出現(xiàn)的周向勵磁漏磁檢測裝置[44]和三軸漏磁檢測器[45]有效提高了漏磁信號的信息量，使得缺陷截面的二維計算結(jié)果更接近實際情況。

文獻(xiàn)[46]利用研制的周向勵磁漏磁檢測裝置獲取了缺陷的周向漏磁信號，并結(jié)合軸向漏磁信號實現(xiàn)了缺陷的二維量化。文獻(xiàn)[47,48]分別基于磁偶極子模型和有限元模型對缺陷的軸向、徑向和周向三個方向的信號進行仿真分析，以闡述缺陷輪廓與三軸信號之間的關(guān)系。文獻(xiàn)[49]結(jié)合缺陷的三軸漏磁信號，利用基于有限元非線性正向模型和高斯-牛頓優(yōu)化算法的閉環(huán)偽逆法，實現(xiàn)了對任意形狀缺陷的快速二維重構(gòu)。

在獲取了缺陷各截面上的二維輪廓后，需要采用三維重構(gòu)技術(shù)對這些二維輪廓進行整合，從而得到缺陷的三維圖像。

3.2.2 三維重構(gòu)技術(shù)

由于各漏磁檢測通道間必然存在間隔，為避免因各截面間分辨率較低而造成信息的不確定性，從而影響缺陷三維漏磁成像的整體效果，需要在得到的各截面輪廓間進行插值。三維重構(gòu)技術(shù)的關(guān)鍵就是尋找合適的插值方法，以確保重構(gòu)精度的同時，盡可能地減少重構(gòu)的計算時間。

目前常用的插值算法有線性插值、拉格朗日插值、牛頓插值和三次樣條插值等。文獻(xiàn)[50]對采用這四種方法進行缺陷三維重構(gòu)所需的計算時間和計算數(shù)據(jù)方差進行了統(tǒng)計比較，得到線性插值方法所需的計算時間最短，而三次樣條插值法的計算精度最高，可根據(jù)不同的需求進行合理選擇。文獻(xiàn)[51]根據(jù)鐵磁構(gòu)件表面腐蝕缺陷的截面輪廓形狀特征建立匹配點對，通過線性插值方法實現(xiàn)了缺陷相鄰截面輪廓間的插值處理。并運用三角形面片將相鄰輪廓線進行連接，重構(gòu)得到了腐蝕缺陷的三維表面 模型。

采用三維漏磁成像的間接方法，可以在得到的二維截面基礎(chǔ)上構(gòu)建缺陷的三維輪廓。但由于二維截面輪廓序列是分別由檢測裝置中不同通道傳感器所采集的漏磁信號反演得到的，而實際上各通道的漏磁信號受整個缺陷區(qū)域的影響。此外，各截面的反演誤差也會在三維重構(gòu)過程中累積。因此，這種間接成像方法不可避免會存在一定的偏差。近幾年，出現(xiàn)了直接對漏磁信號矩陣進行計算以求得缺陷輪廓矩陣，即三維漏磁成像的直接方法。

3.3 直接方法

三維漏磁成像的直接方法是對缺陷附近多個檢測通道的漏磁數(shù)據(jù)同時進行分析反演，直接得到缺陷三維輪廓的方法。這種方法不再通過間接求解缺陷的二維截面輪廓來實現(xiàn)三維重構(gòu)，因此不存在各截面間的誤差累積。三維漏磁成像的直接方法是近幾年才逐漸發(fā)展起來的，主要還是延續(xù)二維成像中閉環(huán)偽逆的結(jié)構(gòu)進行求解，但輸入的漏磁數(shù)據(jù)和輸出的缺陷形狀參數(shù)均由一維擴展到二維。

文獻(xiàn)[52]提出構(gòu)建平行徑向小波基神經(jīng)網(wǎng)絡(luò)用于處理多通道的漏磁數(shù)據(jù)，并結(jié)合有限元神經(jīng)網(wǎng)絡(luò)前向模型和共軛梯度優(yōu)化算法，獲得了槽狀缺陷的三維輪廓數(shù)據(jù)陣列。為避免對非缺陷區(qū)域的過度求解，節(jié)約計算機內(nèi)存，降低求解速度，文獻(xiàn)[53]提出可先初步求得缺陷的邊緣輪廓，以確定求解區(qū)域，然后僅對求解區(qū)域內(nèi)的缺陷深度進行計算，以優(yōu)化求解過程。該方法結(jié)合三軸漏磁檢測信號圖像，采用Canny邊緣檢測算法識別了缺陷的開口輪廓，在此基礎(chǔ)上采用空間映射法構(gòu)建逆向模型以求取開口輪廓內(nèi)的缺陷深度，從而實現(xiàn)了對任意缺陷的三維輪廓識別。文獻(xiàn)[54,55]在獲取了初始求解區(qū)域后，基于三軸漏磁信號分別采用動態(tài)禁忌搜索算法和模擬退火法構(gòu)建閉環(huán)偽逆模型，并通過進一步細(xì)化求解區(qū)域以獲得更加精確的缺陷三維漏磁成像結(jié)果。

總體來說，缺陷三維漏磁成像技術(shù)是在二維漏磁成像技術(shù)基礎(chǔ)上發(fā)展起來的，目前已有的方法還局限在二維成像技術(shù)的思維中，需要繼續(xù)尋找更加高效（數(shù)據(jù)處理量更小、計算速度更快、計算精度更高）的三維成像方法。

4 缺陷漏磁成像技術(shù)的發(fā)展方向

4.1 高精度的漏磁檢測器

每一次漏磁成像技術(shù)的實質(zhì)性進步，都伴隨著檢測儀器的發(fā)展。從單通道到多通道的漏磁檢測，使得對多維漏磁數(shù)據(jù)的綜合處理成為可能；由單軸（徑向或軸向）漏磁檢測到如今的三軸（徑向、軸向和周向）漏磁檢測，實現(xiàn)了三軸數(shù)據(jù)的融合，提高了漏磁成像結(jié)果的準(zhǔn)確性和可靠性。此外，檢測器的采樣間距，也影響缺陷檢測的靈敏度?？梢哉f，檢測器檢測到的缺陷漏磁數(shù)據(jù)的完整性，決定了缺陷漏磁成像技術(shù)所能達(dá)到精確程度。因此，提高采樣精度、減小采樣間隔和增大采樣信息是高精度漏磁檢測器改進的方向，也是漏磁成像技術(shù)發(fā)展的重要基礎(chǔ)。

4.2 實時成像技術(shù)

現(xiàn)有的缺陷漏磁成像方法，尤其是缺陷的三維成像，都是在漏磁檢測完成后，將檢測數(shù)據(jù)統(tǒng)一發(fā)送至計算機，再進行分析計算，還無法在檢測過程中對缺陷進行實時成像顯示。在油氣管道缺陷檢測中，由于管道檢測里程較長，數(shù)據(jù)量較大，這種線下分析的方式較為常用。但對于儲罐底板或平面鋼板的缺陷檢測，實時成像是非常有必要的。但截至目前，大部分較為精確的缺陷三維漏磁成像方法的計算量大、耗時長并且難以投入實際工程應(yīng)用當(dāng)中。借助云計算平臺，以實時分布式并行計算引擎為基礎(chǔ)，構(gòu)建大規(guī)模實時數(shù)據(jù)采集與處理系統(tǒng)[56]，可能是實現(xiàn)缺陷實時成像的有效手段。但考慮到資源分配與投入產(chǎn)出比，如何能在保證計算精度的同時，主動減小數(shù)據(jù)量和計算量，在合理的資源范圍內(nèi)有效實現(xiàn)對缺陷的實時成像，使之能夠真正應(yīng)用于實際工程當(dāng)中，將是今后的一個重要研究方向。

5 結(jié)論

缺陷漏磁成像技術(shù)一直是無損檢測領(lǐng)域的研究熱點和技術(shù)難點，國內(nèi)外專家學(xué)者多年來進行了大量的理論探索與實驗研究，從最初缺陷漏磁數(shù)據(jù)的可視化，到缺陷二維輪廓成像，再到如今的三維成像，缺陷漏磁成像技術(shù)已逐漸形成了一些較為系統(tǒng)的理論和方法。但由于計算量過于龐大，大多數(shù)成像技術(shù)還難以直接應(yīng)用于實際的檢測工程中，因此，需要在高精度漏磁檢測器發(fā)展的基礎(chǔ)上，尋找更為合適的實時成像技術(shù)，以實現(xiàn)高精度和高速度的缺陷成像。

“一帶一路”沿線國家遍布亞洲、歐洲和非洲等大洲，各國歷史文化、發(fā)展水平、社會背景、受眾特征千差萬別。目前的“一帶一路”傳播研究在國別研究方面比較薄弱。長期以來，我國的國際問題研究主要集中于歐美發(fā)達(dá)國家，學(xué)界對熱點問題關(guān)注較多。歐美之外、大國之外的區(qū)域研究、國別研究基礎(chǔ)薄弱，專門人才和小語種人才奇缺?！耙粠б宦贰背h全面推進以來，研究短板顯現(xiàn)出來，具體項目的實施遇到各種障礙，對沿線國家的深入研究迫在眉睫。

此外，由于缺陷漏磁檢測僅是無損檢測技術(shù)中的一種，通過綜合應(yīng)用多種無損檢測技術(shù)，將多種檢測方法獲得的數(shù)據(jù)有機融合，以彌補單一檢測技術(shù)存在的不足，實現(xiàn)信息互補，進而提高缺陷成像效果。隨著無損檢測技術(shù)的發(fā)展，對多種檢測數(shù)據(jù)的信息融合以及綜合應(yīng)用，也將是缺陷成像技術(shù)發(fā)展的必然趨勢之一。

參考文獻(xiàn)：

[1] Romero R A, Mason J S D, Pearson N. Experimental study to differentiate between top and bottom defects for MFL tank floor inspections[J]. NDT&E Inter- national, 2009, 42(1): 16-21.

[2] Wang Shen, Huang Songling, Zhao Wei. Data acquisition and analysis system for a magnetic flux leakage tank floor corrosion scanner[J]. Journal of Tsinghua University (Science and Technology), 2008, 48(1): 20-23.

[3] Kasai N, Sekine K, Maruyama H. Non-destructive evaluation method for far-side corrosion type flaws in oil storage tank bottom floors using the magnetic flux leakage technique[J]. Journal of the Japan Petroleum Institute, 2003, 46(2): 126-132.

[4] Nara T, Fujieda M, Gotoh Y. Non-destructive inspe- ction of ferromagnetic pipes based on the discrete Fourier coefficients of magnetic flux leakage[J]. Journal of Applied Physics, 2014, 115(17): 509-512.

[5] Ivanov P A, Zhang Z, Yeoh C H. Magnetic flux leakage modeling for mechanical damage in trans- mission pipelines[J]. IEEE Transactions on Magne- tics, 1998, 34(5): 3020-3023.

[6] 杜志葉, 阮江軍, 余世峰, 等. Hilbert變換在鋼管漏磁檢測缺陷定量化識別中的應(yīng)用[J]. 電工技術(shù)學(xué)報, 2007, 22(1): 17-21.

Du Zhiye, Ruan Jiangjun, Yu Shifeng, et al. Quantitative analysis of magnetic flux leakage signal for steel pipe defects using Hilbert transform[J]. Transactions of China Electrotechnical Society, 2007, 22(1): 17-21.

[7] Lei Huaming, Tian Guiyun. Broken wire detection in coated steel belts using the magnetic flux leakage method[J]. Insight, 2013, 55(3): 126-131.

[8] Park S, Kim J W, Nam M J, et al. Magnetic flux leakage sensing-based steel cable NDE technique incorporated on a cable climbing robot for bridge structures[J]. Advances in Science and Technology, 2013, 83: 217-222.

[9] Cao Y N, Zhang D L, Wang C, et al. A novel electromagnetic method for local defects inspection of wire rope[C]//TENCON 2006 IEEE Region 10th Conference, Hong Kong, China, 2006: 1-4.

[10] 曹麗娜, 李健, 陳世利, 等. 管道漏磁檢測數(shù)據(jù)圖形化顯示的研究[J]. 電子測量技術(shù), 2007, 30(2): 162-164.

Cao Lina, Li Jian, Chen Shili, et al. Study on image display for pipeline magnetic flux leakage data processing[J]. Electronic Measurement Technology, 2007, 30(2): 162-164.

[11] 崔巍, 戴光, 龍飛飛, 等. 鋼板對接焊縫漏磁檢測可視化方法[J]. 無損檢測, 2013, 35(5): 8-11.

Cui Wei, Dai Guang, Long Feifei, et al. Visualization method for the steel plate butt weld based on magnetic flux leakage testing[J]. Nondestructive Testing, 2013, 35(5): 8-11.

[12] 彭麗莎, 王珅, 劉歡, 等. 漏磁圖像的改進灰度級—彩色變換法[J]. 清華大學(xué)學(xué)報（自然科學(xué)版）, 2015, 55(5): 592-596.

Peng Lisha, Wang Shen, Liu Huan, et al. The appli- cation of improved gray-color transform technique in MFL image[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(5): 592-596.

[13] 宋小春, 黃松嶺, 趙偉. 儲罐底板缺陷自動定位與可視化方法研究[J]. 工程圖學(xué)學(xué)報, 2007, 28(3): 145-149.

Song Xiaochun, Huang Songling, Zhao Wei. Methods of flaws location and visualization for tank floors inspection[J]. Journal of Engineering Graphics, 2007, 28(3): 145-149.

[14] Kandroodi M R, Araabi B N, Ahmadababi M N, et al. Detection of natural gas pipeline defects using magnetic flux leakage measurements[C]//Iranian Conference on Electrical Engineering (ICEE), Mashhad, Iran, 2013: 1-6.

[15] Kincaid T, Chari M. The application of finite element method analysis to eddy current nondestructive evaluation[J]. IEEE Transactions on Magnetics, 1979, 15(6): 1956-1960.

[16] Hwang J H, Lord W. Finite element analysis of the magnetic field distribution inside a rotating ferro- magnetic bar[J]. IEEE Transactions on Magnetics, 1974, 10(4): 1113-1118.

[17] Palanisamy R, Lord W. Finite element modeling of electromagnetic NDT phenomena[J]. IEEE Transa- ctions on Magnetics, 1979, 15(6): 1479-1781.

[18] Katoh M, Mukae S, Nishio K, et al. Simulation for estimating breadth and depth of defect in magnetic leakage flux testing method[J]. Nondestructive Inspe- ction, 1984, 33(2): 59-64.

[19] Mukae S, Katoh M, Nishio K, et al. Investigation on quantitization of defect and effect of factors affecting leakage flux density in magnetic leakage flux testing method[J]. Nondestructive Inspection, 1988, 37(4): 885-892.

[20] Uetake I, Ito H. Lift-off effect and its application to the defect size estimation in the magnetic leakage- flux method[J]. Transactions of National Research Institute for Metals, 1986, 28(2): 177-187.

[21] 陳俊杰. 油氣管道漏磁檢測缺陷三維輪廓反演方法研究[D]. 北京: 清華大學(xué), 2015.

[22] 崔巍, 戴光, 李偉, 等. 基于漏磁成像的焊縫缺陷檢測可視化方法研究[J]. 現(xiàn)代制造工程, 2014(2): 109-114.

Cui Wei, Dai Guang, Li Wei, et al. The research on visualization method of the weld defect detection based on magnetic flux leakage imaging[J]. Modern Manufacturing Engineering, 2014(2): 109-114.

[23] Ravan M, Amineh R K, Koziel S, et al. Sizing of multiple cracks using magnetic flux leakage measure- ments[J]. Science, Measurement & Technology, IET, 2010, 4(1): 1-11.

[24] 王麗婕, 冬雷, 高爽. 基于多位置NWP與主成分分析的風(fēng)電功率短期預(yù)測[J]. 電工技術(shù)學(xué)報, 2015, 30(5): 79-84.

Wang Lijie, Dong Lei, Gao Shuang. Wind power short-term prediction based on principal component analysis of NWP of multiple locations[J]. Transa- ctions of China Electrotechnical Society, 2015, 30(5): 79-84.

[25] 蔣奇. 管道缺陷檢測與外形量化研究[J]. 電子測量與儀器學(xué)報, 2005, 19(4): 64-67.

Jiang Qi. Inspection of pipeline defect and quanti- tative study on defect dimensions[J]. Journal of Elec- tronic Measurement and Instrument, 2005, 19(4): 64-67.

[26] Hui M K, Gwan S P. A study on the estimation of the shapes of axially oriented cracks in CMFL type NDT system[J]. IEEE Transactions on Magnetics, 2014, 50(2): 504-507.

[27] Liu Xinmeng, Huang Songling, Zhao Wei, et al. Slowly varying defects reconstruction from MFL signals using BP neural network based on bayesian algorithm[C]//The 10th European Conference on Magnetic Sensors and Actuators, Vienna, Austria, 2014: 1-4.

[28] 崔偉, 黃松嶺, 趙偉. 基于RBF網(wǎng)絡(luò)的漏磁檢測缺陷定量分析方法[J]. 清華大學(xué)學(xué)報(自然科學(xué)版), 2006, 46(7): 1216-1218.

Cui Wei, Huang Songling, Zhao Wei. Quantitative analysis method for MFL testing for oil and gas pipelines based on RBF neutral network[J]. Journal of Tsinghua University (Science and Technology), 2006, 46(7): 1216-1218.

[29] Tikaria M, Nema S. Wavelet neural network based intelligent system for oil pipeline defect characteri- zation[C]//2010 International Conference on Emerging Trends in Engineering and Technology (ICETET), Goa, India, 2010: 42-47.

[30] Jin Tao, Que Peiwen. A novel signal processing and defect recognition method based on multi-sensor inspection system[C]//2010 International Conference on Computer and Communication Technologies in Agriculture Engineering, Chengdu, China, 2010, 2: 435-438.

[31] 王瑜, 苑津莎, 尚海昆, 等. 組合核支持向量機在放電模式識別中的優(yōu)化策略[J]. 電工技術(shù)學(xué)報, 2015, 30(2): 229-236.

Wang Yu, Yuan Jinsha, Shang Haikun, et al. Optimization strategy research on combined-kernel support vector machine for partial discharge pattern recognition[J]. Transactions of China Electro- technical Society, 2015, 30(2): 229-236.

[32] Amineh R K, Koziel S, Nikolova N K, et al. A space mapping methodology for defect characterization from magnetic flux leakage measurements[J]. IEEE Transactions on Magnetics, 2008, 44(8): 2058-2065.

[33] Ramuhalli P, Udpa L, Udpa S S, Neural network- based inversion algorithms in magnetic flux leakage nondestructive evaluation[J]. Journal of Applied Physics, 2003, 93(10): 8274-8276.

[34] Yue L, Udpa L, Udpa S S. Three-dimensional defect reconstruction from eddy-current NDE signals using a genetic local search algorithm[J]. IEEE Transa- ctions on Magnetics, 2004, 40(2): 410-417.

[35] Joshi A V, Udpa L, Udpa S S, et al. Adaptive wavelets for characterizing magnetic flux leakage signals from pipeline inspection[J]. IEEE Transa- ctions on Magnetics, 2006, 42(10): 3168-3170.

[36] 崔偉. 油氣長輸管道腐蝕缺陷漏磁檢測量化方法研究[D]. 北京: 清華大學(xué), 2006.

[37] 王司令, 宋保維, 段桂林. 某型AUV對轉(zhuǎn)電機子群協(xié)同多目標(biāo)粒子群優(yōu)化[J]. 電工技術(shù)學(xué)報, 2015, 30(5): 135-141.

Wang Siling, Song Baowei, Duan Guilin. Optimi- zation design of an AUV’s motor with counter- rotating rotors based on the collaborative multi- objective particle swarm algorithm[J]. Transactions of China Electrotechnical Society, 2015, 30(5): 135-141.

[38] Chen Junjie, Huang Songling, Zhao Wei. Equivalent MFL model of pipelines for 3-D defect reconstruction using simulated annealing inversion procedure[J]. International Journal of Applied Electromagnetics and Mechanics, 2015, 47(2): 551-561.

[39] Han Wenhua, Que Peiwen. Defect reconstruction from MFL signals using improved genetic local search algorithm[C]//IEEE International Conference on Industrial Technology, Hong Kong, China, 2005: 1438-1443.

[40] Minkov D, Shoji T. Method for sizing of 3-D surface breaking flaws by leakage flux[J]. NDT & E Inter- national, 1998, 31(5): 317-324.

[41] Minkov D, Shoji T. Sizing of 3-D surface breaking flaws from the distribution of leakage field[J]. Nondestructive Characterization of Materials VIII, 1998: 787-792.

[42] 畢大偉. 管道漏磁檢測成像技術(shù)的研究[D]. 沈陽: 沈陽工業(yè)大學(xué), 2009.

[43] Amineh R K, Nikolova N K, Reilly J P, et al. Characterization of surface-breaking cracks using one tangential component of magnetic leakage field measurements[J]. IEEE Transactions on Magnetics, 2008, 44(4): 516-524.

[44] Hui M K, Gwan S P. A study on the estimation of the shapes of axially oriented cracks in CMFL type NDT system[J]. IEEE Transactions on Magnetics, 2014, 50(2): 109-112.

[45] 邱忠超, 張衛(wèi)民, 楊秀江. 基于模塊組合式陣列的三維漏磁檢測系統(tǒng)[J]. 儀表技術(shù)與傳感器, 2015(7): 10-13.

Qiu Zhongchao, Zhang Weiming,, Yang Xiujiang. 3D weak magnetic signals detecting system based on module combination array[J]. Instrument Technique and Sensor, 2015(7): 10-13.

[46] Hui M K, Yong W R, Hui R Y, et al. Defect estimation of a crack in underground pipelines by CMFL type NDT system[C]//International Con- ference on Electrical Machines and Systems, Busan, Korea, 2013: 725-728.

[47] Dutta S M, Ghorbel F H, Stanley R K. Simulation and analysis of 3-D magnetic flux leakage[J]. IEEE Transactions on Magnetics, 2009, 45(4): 1966-1972.

[48] 徐超, 王長龍, 繩慧, 等. 三維磁場計算的有限元神經(jīng)網(wǎng)絡(luò)模型[J]. 電工技術(shù)學(xué)報, 2012, 27(11): 125-132.

Xu Chao, Wang Changlong, Sheng Hui, et al. FENN model for 3-D magnetic field calculation[J]. Transa- ctions of China Electrotechnical Society, 2012, 27(11): 125-132.

[49] Priewald R H, Magele C, Ledger P D, et al. Fast magnetic flux leakage signal inversion for the reconstruction of arbitrary defect profiles in steel using finite elements[J]. IEEE Transactions on Magnetics, 2013, 49(1): 506-516.

[50] 劉燁貝. 石油管道缺陷智能識別與三維重構(gòu)技術(shù)研究[D]. 哈爾濱: 哈爾濱工程大學(xué), 2013.

[51] 宋小春, 趙大興, 鐘毓寧. 基于漏磁檢測數(shù)據(jù)的缺陷三維重構(gòu)技術(shù)[J]. 中國機械工程, 2008, 19(8): 905-908.

Song Xiaochun, Zhao Daxing, Zhong Yuning. 3D reconstruction technology of the MFL inspection data[J]. China Mechanical Engineering, 2008, 19(8): 905-908.

[52] Xu Chao, Wang Changlong, Ji Fengzhu, et al. Finite-element neural network-based solving 3-D differential equations in MFL[J]. IEEE Transactions on Magnetics, 2012, 48(12): 4747-4756.

[53] Ravan M, Amineh R K, Koziel S, et al. Sizing of 3-D arbitrary defects using magnetic flux leakage measurements[J]. IEEE Transactions on Magnetics, 2010, 46(4): 1024-1033.

[54] Chen Junjie, Huang Songling, Zhao Wei. Three- dimensional defect reconstruction from magnetic flux leakage signals in pipeline inspection based on a dynamic taboo search procedure[J]. Insight, 2014, 56(10): 535-540.

[55] Chen Junjie, Huang Songling, Zhao Wei. Equivalent MFL model of pipelines for 3-D defect reconstruction using simulated annealing inversion procedure[J]. International Journal of Applied Electromagnetics and Mechanics, 2015, 47(2): 551-561.

[56] 張逸, 林焱, 吳丹岳. 電能質(zhì)量監(jiān)測系統(tǒng)研究現(xiàn)狀及發(fā)展趨勢[J]. 電力系統(tǒng)保護與控制, 2015, 43(2): 138-147.

Zhang Yi, Lin Yan, Wu Danyue. Current status and development trend of power quality monitoring system[J]. Power System Protection and Control, 2015, 43(2): 138-147.

Overview of Defect Magnetic Flux Leakage Imaging Technology

（State Key Laboratory of Power Systems Tsinghua University Beijing 100084 China）

Defect magnetic flux leakage (MFL) imaging technology has been a hot research topic in the field of nondestructive testing technology. It is also an important means of defect detection and evaluation for ferromagnetic component. This paper summarized these techniques in detail from three stages of defect MFL imaging development: defect of leakage magnetic field imaging, defect outline of 2-D MFL imaging, and defect of the 3-D MFL imaging. The commonly used MFL imaging methods in different stages were introduced. Furthermore, the research directions and development trends of defect MFL imaging technology have been discussed.

Magnetic flux leakage testing, visualization, defect reconstruction, 3-D magnetic flux leakage imaging, image processing technology

TG115.28

黃松嶺 男，1970年生，博士，教授，研究方向為電磁測量和無損檢測技術(shù)。

E-mail: huangsling@tsinghua.edu.cn（通信作者）

彭麗莎 女，1993年生，博士研究生，研究方向為漏磁檢測技術(shù)。

E-mail: 466478319@qq.com

2015-12-22 改稿日期 2016-02-03

國家高科技研究發(fā)展計劃（863計劃）重大項目（2011AA090301）和國家重大科學(xué)儀器設(shè)備開發(fā)專項（2013YQ140505）資助。