基于红外热成像的状态监视应用程序的数据分析方法

对红外热成像数据的定量分析可以准确确定一个点或一个区域的温度。另一方面，在定性分析中，考虑了局部热点相对于参考点的相对值。在大多数状态监测应用中（例如，对电气组件和机器进行检查），由于该方法学快速且无法保证对所获取的热图像进行严格评估，并且可以根据感兴趣区域和目标区域的温度差做出快速决策，因此可以执行定性数据分析。参考区域（DT）标准，事件的严重性通常用DT表示，其中存在三到四个不同的优先级类别，每个类别代表严重性等级。有几种标准用于使用红外热成像电气设备对温度进行定性测量。一些常用的标准是国际电气测试协会（NETA），美国测试和材料协会（ASTM），国家防火协会（NFPA），军事标准：MIL-STD2194和Allen-Bradley电机控制中心标准。红外协会标准规定了电气部件以及旋转部件的实验方法和数据分析技术。本标准列出了几种机械部件（例如轴承，滚动元件，润滑剂，油脂，合成线圈，密封件，垫圈，齿轮传动装置，链条传动装置等）的最高允许温度。在正常操作条件下，特定组件的温度不得超过上述标准中列出的最大允许值。由于定性监测存在许多缺陷，例如无法提供标准数据表和缺乏准确性，因此，对系统性设备故障的检测需要严格的定量分析。

图为红外热成像

红外热图像通常嘈杂，信噪比低。因此，各种图像处理技术被用于增强所获取的红外热图像。从状态监视的角度来看，图像处理的主要目标是检测热点和提取缺陷特征。为了图像增强的目的，可以使用诸如对比拉伸，直方图均衡等的各种点操作算法。这些算法的目的是拉伸图像的直方图，这反过来又会增加图像的动态范围，从而增强对比度。使用先进的信号分析技术，例如红外热成像信号重建（TSR）和主成分分析（PCA），可以以更高的热对比度检测更大深度的缺陷。已经发现基于纹理分析的红外热图像特征提取有助于图像分类和物体形状确定。

为了检测热点，执行图像分割和图像阈值化。使用了几种分割和阈值算法，它们的选择取决于图像的性质和用户的目的。最常用的分割和阈值算法是全局阈值，模糊阈值，形态学分割，两级分割和归一化分割。据报道，地面真相分割技术最适合红外热图像。在许多状态监测应用中，边缘检测滤波器用于隔离特定缺陷的边界。各种类型的边缘检测滤波器都在使用中，合适的边缘检测滤波器的选择又取决于图像的性质和用户的目标。图中显示具有两个故障集成电路（IC）组件的PCB的典型红外热图像，与周围区域相比，它们显示出更高的温度。图像处理工具的应用将导致智能图像分析系统的发展，这最终将为自动故障检测和定位系统铺平道路。这种用于红外热图像的自动检查技术已经在医学和非破坏性评估（NDE）领域中找到了广泛的应用。