1 苏州大学电子信息学院, 江苏 苏州 215006
2 西北工业大学自动化学院, 陕西 西安 710072
3 School of Electrical & Electronic Engineering, Nanyang Technological University, 639798, Singapore
三防漆是一种广泛应用在印刷电路板(PCB)的保护性涂层, 可以有效保护PCB使其免受恶劣环境的损害。 三防漆的厚度是评价三防漆涂层质量的关键指标, 因此需要对三防漆涂层进行厚度检测。 提出了将谱域光学相干断层扫描成像技术(spectral domain optical coherence tomography, SD-OCT)与图像分割算法相结合, 实现对三防漆涂层厚度快速无损测量。 为了提高测量精度, 选用了宽带SLD光源(带宽: 180 nm)来设计SD-OCT系统, 系统轴向分辨率达到1.72 μm。 同时设计了基于边缘跟踪的涂层分割算法来实现三防漆涂层的快速准确分割。 为了评估所设计方法的准确性, 利用传统的金相切片方法进行了三防漆的厚度测量, 将测量结果与该方法测量结果进行比较, 分析了两种方法检测到的涂层上下边界吻合程度以及厚度差异。 此外, 还将所提出的涂层分割算法与我们组之前研究的基于图像梯度的边缘检测算法进行对比, 分析了两种方法在测量结果的准确性和运行效率方面的差异, 以此来评估该方法的优劣势。 结果表明, 所设计的三防漆厚度测量方法与传统的金相切片方法的测量结果具有很好的一致性, 可以准确地实现三防漆的厚度测量; 基于SD-OCT系统的三维成像能力可以直观地看到三防漆厚度地形图, 克服了传统的金相切片方法无法进行区域性的三防漆厚度测量的缺陷; 相比之前提出的基于图像梯度的边缘检测算法, 此方法测量结果更加准确, 效率显著提升, 具备实时测量的潜力。
应用光学 光学相干层析成像 三防漆涂层 无损测量 边缘检测 Applied optics Optical coherence tomography Conformal coating Nondestructive measurement Boundary detection 光谱学与光谱分析
2021, 41(4): 1157
翻新电子元器件存在重大质量隐患,对航天装备的质量和安全构成了严重威胁。为了确保装机电子元器件的质量和可靠性,结合翻新元器件的特点,提出了一种鉴别翻新元器件的无损检测方法。首先,阐述了翻新元器件的检测方法和原理,即通过光学干涉法定量测量器件上下表面的粗糙度,并根据二者之间的差异来判断器件表面是否经过翻新处理。然后,采用该方法对正常元器件和翻新元器件的表面粗糙度差异进行对比检测分析,并进行不确定度评定。结果表明,该方法可用于对翻新元器件进行高效准确鉴别。这为全面提升航天电子元器件的质量提供了新的检测手段。
翻新元器件 鉴别方法 表面粗糙度 光学干涉法 无损检测 refurbished components identification method surface roughness optical interferometry nondestructive measurement
提出一种利用压电堆激励测量结构固有频率的方法, 该方法利用压电堆产生纳米级微小振动对结构进行扫频激励。与传统的采用振动台激励、锤击等固有频率测量方法相比, 所提出的方法激振幅度小, 对于阻尼小、品质因数高且达到共振频率时位移放大系数大的结构, 也不会产生破坏。设计了品质因数很高的悬臂梁结构进行实验, 为准确探测微小振动信号, 采用电涡流传感器测量位移, 并使用锁定放大器提高信噪比。仿真与实验数据表明, 该方法准确有效, 可实现对结构固有频率的无损测量。
固有频率 无损测量 压电堆 锁定放大 电涡流传感器 natural frequency nondestructive measurement piezoelectric stack lock-in amplifier eddy current sensor 太赫兹科学与电子信息学报
2018, 16(4): 753
罗霞 1,2,3,*洪添胜 2,3,4罗阔 2,3,4代芬 1,2,3梅慧兰 2,3,4
1 华南农业大学电子工程学院, 广东 广州 510642
2 华南农业大学南方农业机械与装备关键技术教育部重点实验室, 广东 广州 510642
3 国家柑橘产业技术体系机械研究室, 广东 广州 510642
4 华南农业大学工程学院, 广东 广州 510642
利用高光谱技术对火龙果可溶性固形物含量(SSC)检测进行研究,为火龙果内部品质无损检测提供科学方法.以火龙果为研究对象,对光谱数据进行预处理,应用连续投影算法(SPA)进行特征变量的选择,通过偏最小二乘法(PLS)和前馈反向传播神经网络法(BPNN)建立预测模型,分析了火龙果果皮对SSC 模型预测精度的影响.实验结果表明:采用平滑去噪(MAS) 效果最优,PLS 模型的交叉验证相关系数(Rcv) 为0.8635,交叉验证均方根误差(RMSECV)为0.6791,可提高火龙果可溶性固形物模型精度;通过SPA 算法能够有效地对光谱数据进行降维处理,采用优选的15 个特征变量建立的BPNN 预测模型的预测相关系数(RP)为0.8411,预测均方根误差(RMSEP)为0.8171;果皮对建模结果会产生一定的影响,完整果PLS 模型的(RP)为0.8999,RMSEP 为0.7208;果肉PLS 模型的RP 为0.9304,RMSEP 为0.5291,果肉SSC 模型比完整果SSC 模型的预测能力略高.研究结果表明基于高光谱技术采集的火龙果漫反射光谱进行SSC 无损检测具有可行性.
光谱学 高光谱技术 无损检测 连续投影算法 模型 火龙果 可溶性固形物 激光与光电子学进展
2015, 52(8): 083002
云南大学 物理科学技术学院 物理系, 云南 昆明 650091
提出了一种简便和精确地计算毛细管管壁折射率的方法, 该计算方法可在实际非近轴情况下减小图像球差和景深对测量结果的影响。用两种已知折射率的标准液体分别注入待测毛细管内, 测量出平行光经其会聚后的焦距差; 结合毛细管管壁折射率与焦距的理论公式, 计算出毛细管的管壁折射率。结果表明:在合适的毛细管内外径范围内, 可以保证管壁折射率在1.51以下时测量准确度优于0.003。对计算方法的分析表明, 选取两种低折射率或高折射率液体作为标准液体进行计算可以提高测量准确度。该方法计算过程简单, 对毛细管管壁折射率的测量精度满足一般科研实验对毛细管管壁折射率的要求。
折射率测量 无损测量 毛细管 管壁 景深 refractive index measurement nondestructive measurement capillary tube well depth of field
华东交通大学光机电技术及应用研究所, 江西 南昌330013
介绍了水果内部品质近红外光无损检测原理, 描述了便携式水果内部品质近红外检测仪检测流程, 对比分析了几款商品化的便携式水果内部品质近红外检测仪性能特点, 总结了国内外最新研究进展, 并展望了便携式水果内部品质近红外检测仪的发展趋势。
便携式 近红外 无损检测 内部品质 水果 Portable Near infrared Nondestructive measurement Interior quality Fruit 光谱学与光谱分析
2010, 30(10): 2874
利用高光谱扫描技术对小麦叶片进行无损检测试验, 探索精确测定小麦叶绿素含量的方法, 为农作物生长状况、 植物病理诊断等提供科学依据。 研究选取90个样本作为校正集, 30个样本作为预测集, 获取叶片的高光谱反射图像, 同时用传统的分光光度计方法测定其叶绿素含量。 选取波长491~887 nm范围光谱, 用多元散射校正、 一阶导数、 二阶导数3种方法处理, 利用偏最小二乘法和逐步线性回归法分别建立了小麦叶片叶绿素含量与光谱信号间的数学模型。 研究发现多元散射校正(MSC)结合二阶导数光谱的多元线性回归(SMLR)模型的效果较优, 模型校正集和预测集决定系数分别为0.82和0.79, 校正均方根误差和预测均方根误差分别为0.69和0.71。 研究结果表明可以利用高光谱扫描技术检测小麦叶片叶绿素含量
叶绿素含量 高光谱 无损 小麦 Chlorophyll content Hyper-spectral Nondestructive measurement Wheat 光谱学与光谱分析
2010, 30(7): 1811
云南大学 物理科学技术学院 物理系,云南 昆明 650091
介绍了一种无损测量透明毛细管管壁折射率的方法。该方法利用平行光经过装有不同已知折射率标准液体的毛细管后会聚焦点位置不同的原理,通过CCD对会聚焦点位置成像后的图像进行判断,计算出毛细管外轮廓位置和焦距,进而计算出毛细管管壁的折射率,其测量精度可达0.005。分析了毛细管内外径对管壁折射率测量的影响,结果表明,管壁越厚,测量精度越高;同时对毛细管管壁折射率灵敏度和成像系统的景深值进行了计算和比较,结果显示,标准液体折射率越低,标定精度越高。该方法使用设备简单,操作方便,便于对图像观察和识别,实现了对毛细管管壁折射率的无损精确测量。
折射率测量 无损测量 毛细管 焦距 测量精度 refractive index measurement nondestructive measurement capillary focal length measurement accuracy