基于线激光扫描热成像的碳纤维增强聚合物表面表征与内部缺陷检测技术研究

针对碳纤维增强聚合物(CFRP)缺陷检测难题，研究人员开发了线激光扫描热成像无损检测系统，结合主成分分析(PCA)与K均值聚类的无监督边缘检测方法，成功实现了对基体裂纹、冲击损伤和分层缺陷的精准定位与深度判别，识别准确率达98.8%，为航空航天等领域复合材料健康评估提供了新方案。

　　

碳纤维增强聚合物(CFRP)因其卓越的耐腐蚀性、疲劳韧性和可设计性，已成为航空航天、船舶制造等领域的明星材料。然而，这种"材料界的黑金"在加工和使用过程中常出现基体裂纹、冲击损伤和内部层间剥离等缺陷，如同隐藏在铠甲下的暗伤，严重威胁结构安全。传统超声检测需耦合剂、X射线检测存在辐射风险，而红外热成像技术凭借非接触、高效率的优势崭露头角。但现有方法在缺陷精确定位和深度判别上仍面临挑战，亟需开发更智能的检测系统。

河北某高校团队在《Optics》发表的研究中，创新性地将线激光扫描热成像与机器学习结合。通过搭建反射/透射双模式实验系统，采用主成分分析(PCA)降维和K均值聚类实现无监督边缘检测，并引入支持向量机(SVM)进行深度预测。研究团队制备了含30处典型缺陷的CFRP样本，包括不同尺寸的基体裂纹、冲击损伤和分层缺陷。

主要技术方法

1. 线激光扫描热成像系统：通过光学路径将点激光转换为线激光，设置5.2 mm/s最优扫描速度
2. 有限元模拟：预先仿真分层缺陷的热传导过程，确定实验所需激光功率
3. 无监督边缘检测：PCA结合K均值聚类处理热成像序列
4. 机器学习建模：SVM算法实现分层缺陷埋深识别

研究结果

热传导理论验证
通过建立3D热传导方程?²T/?x² + ?²T/?y² + ?²T/?z² - (1/k)?T/?t = -q?/K，证实线激光扫描可有效扰动缺陷区域热流分布，其中热导率K与扩散率k的关系k=K/ρC为实验提供理论支撑。

实验系统与样本检测
有限元仿真显示0.2 mm厚、距表面0.2 mm的分层缺陷可产生显著温度异常。实际检测中，反射模式成功捕捉表面冲击损伤的"蝶形"热斑，透射模式则清晰呈现内部3.5 mm深分层缺陷的几何轮廓。

缺陷定位与分析
PCA处理后的热成像序列信噪比提升3.2倍，能识别最小0.5 mm的基体裂纹。SVM模型对分层缺陷埋深的识别准确率达98.8%，显著优于传统阈值分割法。

讨论与结论
该研究突破性地实现了CFRP多类型缺陷的"一站式"检测：反射模式擅长表面缺陷形貌表征，透射模式精于内部缺陷深度判别。提出的无监督算法避免了对标注数据的依赖，SVM模型为缺陷定量评估开辟新途径。这项技术有望应用于飞机蒙皮检测、风电叶片维护等场景，其方法论更可推广至其他复合材料检测领域。研究获得河北省自然科学基金(F2025203065)和国家自然科学基金(52075470)支持，为智能无损检测技术发展树立了新标杆。