基于紅外熱成像的電子器件故障檢測(cè)方法

谷天苓

（朝陽(yáng)市人力資源和社會(huì)保障信息中心，遼寧朝陽(yáng)，122000）

0 引言

對(duì)于經(jīng)濟(jì)適用性要求的逐漸提高，電子器件的發(fā)展也呈現(xiàn)出以電能為主導(dǎo)的趨勢(shì)。在方便傳輸?shù)耐瑫r(shí)，清潔高效也成為了備受關(guān)注的重點(diǎn)[1]。在現(xiàn)代社會(huì)中，使用最為廣泛的能源為電能，這種模式下，對(duì)于電子器件的生產(chǎn)管理不斷迎來(lái)新的突破，自動(dòng)化技術(shù)在電子器件中的應(yīng)用程度越來(lái)越高，相應(yīng)地其出現(xiàn)的質(zhì)量問(wèn)題也越來(lái)越復(fù)雜[2]。在多樣的電氣設(shè)備充斥于人們生產(chǎn)生活中的同時(shí)，電子器件故障對(duì)于人們生產(chǎn)生活的影響也越來(lái)越高。特別值得注意的是，電力系統(tǒng)在電磁干擾作用下，輸出的電流影響電子器件的運(yùn)行狀態(tài)是不可避免的。電子器件內(nèi)部各類(lèi)敏感元件在負(fù)荷誤操作、雷電沖擊等因素的作用下極有可能出現(xiàn)異常故障，引發(fā)安全事故的發(fā)生，如果不能及時(shí)發(fā)現(xiàn)，甚至可能造成巨大的生命和財(cái)產(chǎn)損失。

針對(duì)于電子器件故障識(shí)別，其主要可分為三個(gè)階段，分別為人工識(shí)別階段、專(zhuān)家系統(tǒng)識(shí)別階段和智能識(shí)別階段，目前眾多學(xué)者都在研究電子器件故障的智能識(shí)別，且已有部分研究成果。如趙銳[3]等人提出基于經(jīng)驗(yàn)小波變換（EWT）和循環(huán)熵（CCE）的變流器IGBI 開(kāi)路故障檢測(cè)方法。該方法雖然可有效降低非高斯噪聲對(duì)其電子器件故障診斷的影響，提高檢測(cè)準(zhǔn)確率，但其存在計(jì)算復(fù)雜、檢測(cè)速率較慢等問(wèn)題。高亞棟[4]等人提出基于相對(duì)溫差法的智能組合開(kāi)關(guān)電器故障檢測(cè)方法，即通過(guò)獲取智能組合開(kāi)關(guān)電器測(cè)量點(diǎn)之間的溫差比值進(jìn)行故障判斷，該方法運(yùn)算簡(jiǎn)單，故障檢測(cè)效率較高，但其故障檢測(cè)精準(zhǔn)度較差。為此，本文基于上述不足，基于紅外熱成像提出了一種電子器件故障檢測(cè)方法。利用本文的研究，希望可為相關(guān)電子設(shè)備的故障檢測(cè)工作提供有價(jià)值的參考。

1 電子器件紅外熱成像故障檢測(cè)原理

所謂紅外熱成像技術(shù)就是利用物體會(huì)向外發(fā)射紅外能量的特點(diǎn)，通過(guò)紅外探測(cè)器探測(cè)物體發(fā)射的紅外光線，利用紅外光線的輻射強(qiáng)度對(duì)物體表面溫度進(jìn)行表示。通常物體的紅外輻射強(qiáng)度越強(qiáng)，其內(nèi)部分子運(yùn)動(dòng)越劇烈，可通過(guò)這一原理完成電子器件故障檢測(cè)[5]。大部分電子器件發(fā)生故障都是由于長(zhǎng)期高效、疲勞運(yùn)行引起的，并非是突然發(fā)生的，故其在徹底損壞之前，會(huì)隨著使用時(shí)長(zhǎng)的增加，出現(xiàn)器件松動(dòng)、開(kāi)裂、生銹等問(wèn)題，進(jìn)而導(dǎo)致其接觸電阻增加。電子器件在應(yīng)用過(guò)程中，電流流動(dòng)過(guò)程中會(huì)使得故障處出現(xiàn)熱異常的現(xiàn)象，并且其異?？衫眉t外探測(cè)器探測(cè)出來(lái)，并直接完成其故障位置和嚴(yán)重程度的確定。利用紅外探測(cè)器完成電子器件數(shù)據(jù)采集，會(huì)生成紅外圖像。由于人們主要利用紅外圖像完成電子器件故障的判斷和識(shí)別，故需要對(duì)其紅外圖像進(jìn)行處理。

2 電子器件故障檢測(cè)過(guò)程

2.1 紅外熱成像圖像采集及處理

在對(duì)電子器件進(jìn)行采集時(shí)，需要具備紅外攝像機(jī)、監(jiān)視器、錄像機(jī)等設(shè)備，其圖像采集流程如圖1 所示。

圖1 紅外圖像采集流程圖

利用紅外攝像機(jī)完成電子器件紅外圖像的采集后，先對(duì)其視頻圖像的轉(zhuǎn)換，然后由錄像機(jī)對(duì)其進(jìn)行保存。待圖像全部采集完畢后，對(duì)錄像機(jī)內(nèi)的內(nèi)容進(jìn)行回放，經(jīng)過(guò)A/D 轉(zhuǎn)換、圖像板處理后送到微機(jī)處進(jìn)行相關(guān)分析。由于在圖像獲取的過(guò)程中，自然界中如光線、環(huán)境等因素都會(huì)對(duì)其成像質(zhì)量造成影響，出現(xiàn)亮度不足、對(duì)比度低等問(wèn)題，所以應(yīng)先對(duì)其預(yù)處理，加工已有的圖像信息，使其滿足人們視覺(jué)及實(shí)際應(yīng)用的需要，便于電子器件的故障識(shí)別。本文選用頻域法完成圖像的預(yù)處理，即先對(duì)圖像執(zhí)行傅里葉變換，再對(duì)其變化結(jié)果進(jìn)行濾波處理，最后將濾波處理后的頻率域圖像逆變換到空間域中，以實(shí)現(xiàn)增強(qiáng)圖像的目的，使其更加清晰。

2.2 紅外圖像信息配準(zhǔn)

在完成圖像增強(qiáng)處理后，對(duì)紅外圖像信息進(jìn)行配準(zhǔn)，以消除空間誤差。所謂配準(zhǔn)是將可見(jiàn)光圖像與紅外圖像進(jìn)行校對(duì)配準(zhǔn)，以保證其獲取的電子器件紅外圖像采集位置和原始位置一致，其配準(zhǔn)質(zhì)量將直接影響后期故障檢測(cè)的準(zhǔn)確性。電子器件的紅外圖像可分為三個(gè)部分，分別為：元器件發(fā)熱部分、熱輻射部分和背景部分。這三部分中，元器件發(fā)熱部分是故障識(shí)別過(guò)程中重點(diǎn)檢測(cè)識(shí)別區(qū)域。本文提取發(fā)熱部分的紅外輪廓圖像進(jìn)行灰度壓縮，然后將圖像進(jìn)行互信息配準(zhǔn)。

提取發(fā)熱區(qū)域的紅外輪廓圖像共分為五個(gè)步驟，如下：

步驟一：掃描紅外圖像L，從中找到溫度的最高點(diǎn)，并將其設(shè)置為起始種子點(diǎn)Q;

步驟二：確定溫度分布規(guī)律，設(shè)置自適應(yīng)閾值q，在沒(méi)有超過(guò)設(shè)定閾值時(shí)種子繼續(xù)生長(zhǎng)，待其超過(guò)閾值后，種子停止生長(zhǎng)；

步驟三：重復(fù)迭代，直至沒(méi)有種子產(chǎn)生為止，將此區(qū)域標(biāo)記為A，該區(qū)域包括電子器件的發(fā)熱區(qū)和熱輻射區(qū)。從圖像中去除A區(qū)域可得到新的圖像，按照該規(guī)則持續(xù)類(lèi)推，直至得到最佳區(qū)域An；

步驟四：設(shè)置閾值E和周?chē)h(huán)境溫度D,掃描圖像。當(dāng)器件溫度與設(shè)定閾值之差小于周?chē)h(huán)境溫度時(shí)，即可視為圖像中全部發(fā)熱區(qū)域和熱輻射區(qū)域提取完成；

步驟五：將生長(zhǎng)完成的區(qū)域最外層元素集合設(shè)為GVF-Snake模型初始輪廓，求解完成電子器件區(qū)域紅外輪廓圖像識(shí)別。其提取流程如圖2 所示。

圖2 紅外輪廓提取流程

對(duì)提取到的紅外輪廓圖像設(shè)置像素點(diǎn)溫度最高值和最低值，其分別為Qmax、Qmin，用T(x,y)表示該圖像中像素點(diǎn)的溫度值，其中x和y分別表示其在紅外圖像中的坐標(biāo)，則灰度壓縮公式為：

將其進(jìn)行灰度壓縮后，通過(guò)不斷改變變化參數(shù)來(lái)完成區(qū)域配準(zhǔn)，使得不同圖像的互信息達(dá)到最大化。

2.3 電子器件故障識(shí)別

本次研究先利用差分檢測(cè)法完成電子器件故障的初步判斷，然后利用熱序列檢測(cè)法根據(jù)元件的溫度變化曲線判斷故障元件。

所謂差分檢測(cè)法就是將待檢測(cè)的電子器件紅外圖像和標(biāo)準(zhǔn)紅外圖像進(jìn)行差分運(yùn)算，根據(jù)其顯示的溫度差值確定故障元件或故障區(qū)域。設(shè)M(x,y)為待檢測(cè)元件紅外圖像，N(x,y)為標(biāo)準(zhǔn)紅外圖像，其差值圖像可表示為：

由此可得到差分后的圖像，完成故障元件的初步判斷。然后利用熱序列檢測(cè)法完成最終的故障識(shí)別，即在相同工作環(huán)境下，分別對(duì)正常工作狀態(tài)下的電子器件和故障狀態(tài)下的電子器件進(jìn)行通電激勵(lì)，每間隔一段時(shí)間就完成一次紅外熱圖像序列采集，提取元件溫度信息，將其繪制為溫度變化曲線和溫度速率變化曲線。每個(gè)元器件都有自身的正常工作溫度變化范圍，設(shè)其范圍為[T0,T1]，元器件溫度在該范圍內(nèi)波動(dòng)屬于正常情況，但如若超過(guò)該溫度即可認(rèn)為其存在故障，由此完成故障識(shí)別。

3 仿真測(cè)試

為更加直觀地分析本文提出故障檢測(cè)方法的實(shí)際應(yīng)用效果，采用文獻(xiàn)[3]提出的以IEWT-CCE 為基礎(chǔ)的故障檢測(cè)方法，文獻(xiàn)[4]提出的以開(kāi)關(guān)模態(tài)頻率特征為基礎(chǔ)的故障在線檢測(cè)方法作為測(cè)試的對(duì)比方法，測(cè)試在不同故障參數(shù)設(shè)置下3 種方法的檢測(cè)效果。

3.1 測(cè)試參數(shù)設(shè)置

本實(shí)驗(yàn)在Windows 10 系統(tǒng)的電腦中運(yùn)行，采用紅外熱像儀完成標(biāo)準(zhǔn)電子器件和故障電子器件紅外圖像的獲取，采用ThermoX 軟件完成紅外圖像的保存及回放。其熱像儀選用巨哥電子MAG32 系列熱像儀，其鏡頭為15mm,像素為384×288，空間分辨率更好，能對(duì)電子器件的更多細(xì)節(jié)進(jìn)行觀測(cè)。為紅外攝像頭提供12V 直流電源，讓其與計(jì)算機(jī)進(jìn)行網(wǎng)絡(luò)連接，將待檢測(cè)的電子器件固定在平臺(tái)中，將紅外攝像頭固定在電子器件的正上方，且距其40cm。整個(gè)實(shí)驗(yàn)在恒溫環(huán)境中運(yùn)行，確保外界溫度不會(huì)對(duì)其造成較大影響。以此為基礎(chǔ)，進(jìn)行對(duì)比實(shí)驗(yàn)，統(tǒng)計(jì)3 種方法對(duì)故障的檢測(cè)結(jié)果。

3.2 實(shí)用性驗(yàn)證

先對(duì)經(jīng)過(guò)圖像增加及圖像配準(zhǔn)的紅外圖像進(jìn)行差分檢測(cè)，完成故障的初步判斷，獲得的圖像對(duì)比如圖3 所示。

圖3 電子器件圖像對(duì)比

由圖3 所示，圖3(a)為故障元件的紅外圖像，整體偏暗；圖3(b)為正常元件的紅外圖像，兩者相對(duì)比可知，A 和B的溫度存在明顯差異，經(jīng)過(guò)差分后的圖像如圖圖3(c)所示，由此圖可知，點(diǎn)A 和B 亮度并不一致。點(diǎn)A 的溫差為1℃，點(diǎn)B 的溫差為5.1℃，元器件A 的正常工作溫度變化范圍在0.5～1.2 之間，由此可知A 正常工作，元件B 的正常工作溫度變化范圍在2.1～3.4 之間，其目前溫差大于該區(qū)間，證明其無(wú)法正常工作，存在故障。

利用熱序列檢測(cè)法，繪制溫度曲線，由此獲得圖4。

圖4 通電后電子器件溫度及溫度變化率對(duì)比

根據(jù)圖4 可知，通電后A 元件與標(biāo)準(zhǔn)A 元件性能差別不大，且其溫度變化在正常范圍，所以可判斷其未發(fā)生故障；元件B 溫度變化與標(biāo)準(zhǔn)電路元件溫度變化存在較大差異，且其溫度變化超過(guò)正常范圍，故判斷其存在故障。由此證明，本文方法可完成電子器件的故障檢測(cè)。

3.3 對(duì)比驗(yàn)證

利用4 種方法對(duì)電子器件的故障進(jìn)行檢測(cè)結(jié)果，以故障檢測(cè)精度和故障檢測(cè)效率為指標(biāo)，獲得實(shí)驗(yàn)結(jié)果。

選擇不同數(shù)量的樣本進(jìn)行檢測(cè)，記錄其檢測(cè)時(shí)間，其對(duì)比如圖5 所示。

如圖5 所示，本文方法的檢測(cè)時(shí)間低于0.4s，而其余對(duì)比方法的檢測(cè)時(shí)間均高于0.5s，由此可證明本文方法的檢測(cè)效率更高。

圖5 檢測(cè)時(shí)間對(duì)比

統(tǒng)計(jì)其檢測(cè)準(zhǔn)確率，對(duì)比其檢測(cè)精度，結(jié)果如圖6 所示。

圖6 檢測(cè)準(zhǔn)確率對(duì)比

如圖6 所示，本文方法的檢測(cè)準(zhǔn)確率位于96%以上，且故障檢測(cè)較為穩(wěn)定，文獻(xiàn)[3]方法的檢測(cè)準(zhǔn)確率最高為94%，但其存在識(shí)別不穩(wěn)定的問(wèn)題，而文獻(xiàn)[4]方法的故障檢測(cè)穩(wěn)定，但其檢測(cè)準(zhǔn)確率不高。由此可證明，本文方法優(yōu)于對(duì)比方法，檢測(cè)精度較高。

4 結(jié)束語(yǔ)

紅外檢測(cè)技術(shù)與傳統(tǒng)檢測(cè)方法并不相同，其不需要接觸被檢測(cè)物，可直接通過(guò)溫度變化完成物體的故障檢測(cè)。本文將該技術(shù)引入電子器件故障識(shí)別之中，通過(guò)對(duì)電子器件的熱成像圖像進(jìn)行增強(qiáng)、配準(zhǔn)處理，提升故障識(shí)別精度和識(shí)別效率，并采用差分檢測(cè)法和熱序列檢測(cè)法共同完成其故障檢測(cè)，大大提升了其故障檢測(cè)精度。經(jīng)實(shí)驗(yàn)對(duì)比可知，本文方法具有更短的檢測(cè)時(shí)間和更高的檢測(cè)精度，優(yōu)于對(duì)比方法。希望通過(guò)本文的研究，為相關(guān)故障檢測(cè)工作的開(kāi)展提供有價(jià)值的參考。