《Optics & Laser Technology》：Adaptive fusion imaging for delamination defects in GFRP composites based on terahertz time-domain spectroscopy
编辑推荐：
提出基于反射式THz-TDS的自适应融合成像与定量分析方法，通过信号滤波、多时窗特征提取、Sobel梯度优化权重分配及形态学增强，实现多层脱粘缺陷的高灵敏度检测与精确量化，平均误差低于7%。
李睿|刘增华|吴宇恒|朱华冰|刘怡怡|王梅岭|何存福
北京工业大学信息科学与技术学院，中国北京100124
摘要
玻璃纤维增强聚合物（GFRP）复合材料在航空航天领域得到广泛应用，但在制造和使用过程中容易发生分层缺陷。为了解决分层缺陷识别精度低和难以整合深度信息的问题，本文提出了一种基于反射太赫兹时域光谱（THz-TDS）的自适应融合成像和定量表征方法。通过对时域信号进行滤波和去噪处理，使用滑动时间窗口提取多种成像特征。基于Sobel梯度的自适应融合算法用于优化不同深度缺陷的权重分布，从而有效整合多层缺陷信息。通过多项式拟合和形态学顶帽变换去除背景，增强局部对比度。采用梯度加权收缩算法和组合阈值策略进行缺陷分割和量化。实验结果表明，结合自适应融合成像的方差特征能够揭示多层缺陷，不同尺寸缺陷的平均误差小于7%。该方法有效抑制了背景干扰，显著提高了多层复合材料中微弱分层缺陷的识别灵敏度和定位精度。因此，本文为复合材料组件的质量评估和安全保障提供了一种可靠的无损检测方法。
引言
玻璃纤维增强聚合物（GFRP）复合材料作为一种具有高比强度和模量的先进工程材料，因其优异的耐腐蚀性、抗疲劳性和可成形性，在航空航天等领域得到广泛应用[1]。与传统金属材料相比，GFRP在保持结构强度的同时显著减轻了重量，从而有效提高了飞机航程并降低了能耗[2]。这种材料的优异性能源于纤维与基体之间的协同作用。纤维承受主要载荷，而基体则有助于应力传递和结构支撑，显著提升了整体性能。此外，GFRP还具有优异的电绝缘性和热稳定性，适用于各种极端使用环境[3]。然而，在GFRP的制造和使用过程中，工艺变化、外部冲击或热湿老化等因素可能导致空洞、纤维断裂、界面脱粘和层间分层等缺陷[4]。在各种缺陷类型中，层间分层是最普遍且最严重的损伤模式之一，通常起源于层间界面，导致层间剪切强度和压缩承载能力显著降低[5]。随着层间分层的逐渐扩展，它可能引发局部不稳定或完全失效，从而严重危及结构安全和服务寿命。传统检测方法在某些条件下可以识别浅层或大型缺陷，但往往缺乏检测深层、微小或多层层间缺陷的足够灵敏度，甚至可能产生误判[6]。因此，实现对GFRP层间分层缺陷的高分辨率、定量无损检测（NDT）对于确保复合材料结构安全、延长服务寿命和提高制造质量具有重要的科学意义和工程价值。
目前的无损检测技术主要包括超声波检测[7]、X射线检测[8]和红外热成像检测[9]，这些技术在金属材料和某些复合材料中已有成熟的应用。然而，这些技术在复合材料中的有效性往往受到灵敏度不足、穿透深度有限和空间分辨率不高的限制。超声波检测利用声波在材料中的传播特性来识别内部缺陷，但由于GFRP的层状各向异性结构，常导致强烈的反射和散射，从而造成信号严重衰减。X射线检测可以提供高空间分辨率并可视化内部结构，但其辐射风险高、成本高昂，且对低密度材料中的微小缺陷检测灵敏度不足。红外热成像通过温度场分析有效检测近表面缺陷，但其检测深层缺陷的能力受到材料热特性、环境条件和表面涂层的影响而受到严重限制。
相比之下，太赫兹时域光谱（THz-TDS）近年来已成为非金属材料无损检测的重要发展方向[10]、[11]、[12]、[13]。太赫兹频段位于微波和红外区域之间，结合了电磁波和光波的特性。它具有非电离辐射、非接触式检测、出色的穿透能力以及高时间和空间分辨率等优点[14]。太赫兹波能够在非导电介质中深入穿透，并对界面分层、气隙和材料密度变化具有高灵敏度。反射式太赫兹时域扫描能够实现时间波形的深度分辨采集，便于对内部结构变化和缺陷进行层析分析，为可视化及定量评估层状缺陷提供了关键支持。
太赫兹无损检测在复合材料缺陷检测方面表现出显著优势。Im等人[15]评估了太赫兹技术在玻璃纤维和碳纤维增强聚合物复合材料无损检测中的应用，通过反射和透射模式成功测量了各种材料的折射率。Ryu等人[16]专注于多层脱粘缺陷的检测，利用菲涅尔方程分析了太赫兹波在复合材料中的传播路径，计算了各层缺陷厚度。与超声波检测结果的比较验证了太赫兹技术在多层缺陷检测方面的优越性。Park等人[17]通过建立介电常数与太赫兹波偏振角之间的变换矩阵模型，成功预测了具有任意铺设顺序的复合材料的纤维取向。Zhang等人[18]分析了GFRP中不同形状和角度的特氟龙夹杂物的检测能力。Wang等人[19]评估了THz-TDS检测不同形状和材料隐藏缺陷的能力，展示了优异的图像对比度和层状检测能力。Zhong和Nsengiyumva等人[20]、[21]、[22]提出使用太赫兹技术分析GFRP复合材料的介电性能、机械性能和内部缺陷。结合小波去噪算法，他们实现了多层缺陷的精确定位和厚度评估，还研究了不同界面处的能量衰减模式，为多层复合材料的无损检测提供了理论支持。Han等人[23]提出结合平滑处理和导数分析来量化GFRP板中的内部缺陷，通过定义缺陷与噪声比来实现。由于复合材料的层状结构和复杂界面特性，原始信号需要先进的处理方法才能有效识别缺陷。Zhai等人[24]采用了自适应稀疏反卷积结合Canny边缘检测。Shi等人[25]使用互相关迭代反卷积提取脉冲响应函数。Wang等人[26]提出了时域分割成像和小波融合方法。Pa?ka等人[27]提出了一种基于直方图自动阈值分割的GFRP缺陷检测算法。Zhang和Xu等人[28]、[29]结合机器学习构建了全尺度提升卷积神经网络，将缺陷检测转化为多分类任务。Wang等人[30]引入了可变形注意力机制，提高了边缘相似信号的识别精度。这些方法为太赫兹技术在复合材料缺陷检测中的应用提供了有效解决方案。
为了提高太赫兹成像在非金属材料中的效率和全面性，Hu等人[31]、[32]开发了一种基于无监督曝光融合的自主动态线扫描系统，并进一步探索了红外和太赫兹模态在植物纤维复合材料3D成像中的协同作用。为了解决信号分辨率问题，Li等人[33]开发了一种受物理启发的稀疏反卷积网络，以补偿色散并准确估计飞行时间。在智能损伤识别方面，Xu等人[34]利用多标签注意力融合网络实现了多场景分层损伤的自动定位。尽管这些先进方法推动了该领域的发展，但在多深度缺陷的稳健识别和计算效率高的融合成像方法开发方面仍存在挑战。现有研究通常侧重于定性分析或需要大型训练数据集，有时缺乏物理特征指标与成像结果之间的系统相关性，这阻碍了缺陷形态和规模的精确表征。传统的深度切片方法需要多张图像进行显示，限制了整体评估和快速识别。特别是，尽管缺陷尺寸的定量评估对结构安全和服务寿命预测至关重要，但目前仍较为薄弱。因此，开发一种系统的太赫兹图像处理和分析方法，以实现多深度缺陷的自适应融合和精确定量评估，是促进太赫兹技术在复合材料无损检测领域工程应用的关键科学问题。
太赫兹时域光谱技术在复合材料无损检测方面取得了进展，但在多深度缺陷的识别和有效融合成像方法的开发方面仍存在挑战。现有研究主要集中在单层缺陷的定性分析上，缺乏特征指标与成像结果之间的系统相关性，从而阻碍了缺陷形态和规模的精确表征。传统的深度切片方法需要多张图像进行显示，限制了整体评估和快速识别。特别是，尽管缺陷尺寸的定量评估对结构安全和服务寿命预测至关重要，但目前仍较为薄弱。因此，开发一种系统的太赫兹图像处理和分析方法，以实现多深度缺陷的自适应融合和精确定量评估，是促进太赫兹技术在复合材料无损检测领域工程应用的关键科学问题。
为了解决上述问题，本文提出了一种基于太赫兹时域光谱的GFRP分层缺陷自适应融合成像和定量分析方法。第2节介绍了反射模式THz-TDS系统和样品。第3节描述了信号预处理、自适应融合成像和缺陷分割方法。第4节分析了滤波、融合、增强和定量结果。第5节提供了结论和展望。
部分摘录
太赫兹时域光谱
太赫兹时域光谱是一种非接触式电磁检测技术。其核心原理是直接测量太赫兹脉冲时变电场的波形信息，从而获得材料的幅度和相位特性，实现介电性能和内部结构的定量分析[35]、[36]、[37]。THz-TDS系统可以在传输模式和反射模式下工作。如图1所示，反射模式
整体流程
整体工作流程如图4所示，包括数据采集、信号预处理、时间窗口特征提取、多深度融合、图像增强以及缺陷分割和量化等主要步骤。通过多阶段的信号和图像处理，逐步实现了从原始太赫兹反射波形到分层缺陷定量表征的完整信息转换过程。获取样品的二维扫描数据
信号滤波性能评估
为了评估不同滤波算法在减少太赫兹复合材料缺陷信号噪声方面的综合性能，比较和分析了四种方法：MA、SG、小波和BP模型。构建了五个评估指标，如图6所示，展示了每个指标的分布特征、均值和中位数。图6b中的缺陷特征清晰度比较显示，SG模型的中位数显著高于
结论
本文建立了一个从信号预处理到定量表征的完整技术系统，使用反射式THz-TDS解决了玻璃纤维增强复合板材中多深度分层缺陷的无损检测挑战。该方法成功克服了对小缺陷灵敏度低和跨多个深度整合信息复杂的限制。
Savitzky-Golay滤波算法在太赫兹检测中表现出最佳性能
CRediT作者贡献声明
李睿：撰写——原始草案、研究、数据整理。刘增华：撰写——审稿与编辑、监督、方法论、研究、资金获取、概念化。吴宇恒：软件、方法论、形式分析。朱华冰：软件、资源。刘怡怡：可视化。王梅岭：验证。何存福：撰写——审稿与编辑、监督。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了中国自然科学基金（编号：3222001）、国家自然科学基金（编号：12172015和11772014）以及CSEI的科学技术计划（编号：2023youth10）的支持。
