IGBT功率模块散热器表面缺陷识别方法与流程

本发明涉及散热器表面缺陷图像识别，具体为igbt功率模块散热器表面缺陷识别方法。

背景技术：

1、igbt功率模块散热器是用于电力电子设备中的重要部件，主要用于散热和降低温度，以确保功率模块的正常运行。这些散热器通常暴露在高温高压的环境中，在长期工作中容易出现气泡、裂纹、腐蚀、污垢等缺陷，导致散热性能下降，甚至影响设备的稳定性和寿命。

2、igbt功率模块散热器表面缺陷的存在会严重影响设备的工作性能和可靠性。因此，及早识别和准确评估缺陷的程度对于维护和继续使用功率模块至关重要。传统的缺陷识别方法可能需要耗费大量时间和人力，且准确率有限，因此需要开发一种更高效、准确的缺陷识别方法。

3、目前的缺陷识别方法大多基于人工目视检查或使用一些特定传感器来获取表面信息。这些方法不仅费时费力，而且容易受到人为主观因素的影响，导致识别结果不稳定。此外，现有方法通常只关注单个缺陷特征，难以全面评估散热器表面的缺陷状态。

技术实现思路

1、针对现有技术的不足，本发明提供了igbt功率模块散热器表面缺陷识别方法，其旨在解决现有技术中存在的缺陷识别效率低、准确性不高、难以全面评估缺陷状态等问题。该方法基于高分辨率工业相机和红外热成像相机，结合图像处理技术和特征提取算法，通过综合评估系数pg(pg1，pg2)对散热器表面的气泡、裂纹、腐蚀、污垢、局部温度异常和表面热裂纹等缺陷进行全面识别和评估。

2、为实现以上目的，本发明通过以下技术方案予以实现：igbt功率模块散热器表面缺陷识别方法，包括以下步骤，

3、采用高分辨率的工业相机拍摄获取散热器表面的多帧图像，获取多帧图像a，采用红外热成像相机实时采集散热器表面的红外成像，获取多帧图像b；

4、对所述多帧图像a和多帧图像b进行图像处理，包括去除噪声、增加对比度、灰度化处理和滤波处理；且，调整计算焦点尺寸比例值，并按照焦点尺寸比例值动态提取图像特征；

5、建立识别模型，提取图像处理后的多帧图像a中的气泡特征、裂纹特征、腐蚀特征、污垢特征，对以上特征进行分析计算获得气泡分布系数qp、第一裂纹分布系数lw1、腐蚀分布系数fs和污垢分布系数wg；对图像处理后的多帧图像b进行特征提取，提取局部温度异常特征和表面热裂纹分布特征，获得异常特点分布系数rd和第二裂纹分布系数lw2；将第一裂纹分布系数lw1和第二裂纹分布系数lw2进行匹配，如数值相同，则表示识别效果正确，若偏差超过预设偏差值，则表示需要再次进行识别；

6、根据已有的图像和提取的特征，对每个图像对应的特征和分类进行标注，并存储为总数据集sj；

7、将标注号的总数据集sj划分为训练集和测试集，采用交叉验证法来训练，优化模型参数以最小化预测误差；

8、将所述气泡分布系数qp、第一裂纹分布系数lw1、腐蚀分布系数fs和污垢分布系数wg相关联，获取第一缺陷演变评估系数pg1，将所述异常特点分布系数rd和第二裂纹分布系数lw2相关联，获取第二缺陷演变评估系数pg2，将第一缺陷演变评估系数pg1和第二缺陷演变评估系数pg2进行拟合并计算获取综合评估系数pg(pg1，pg2)的公式为：式中，m表示为第一评估缺陷系数pg1和第二评估缺陷系数pg2的误差值，w表示为预设误差阈值，n表示为误差阈值因子；将综合评估系数pg(pg1，pg2)与标准缺陷特征进行对比，获取相对应的缺陷弥补方案。

9、优选的，通过二维高斯函数计算焦点尺寸比例值公式为：式中，x和y表示为图像横、纵坐标，是高斯核；f为（x,y）的焦点尺寸比例，具体的操作时使用一个掩模扫描图像每一个像素，掩模中心像素点的值是掩模确定的邻域内像素加权平均灰度值；采用z×z的掩模，且z≥4，得到的滤波效果对边缘检测提供了画质较高的图像。

10、优选的，所述气泡分布系数qp、第一裂纹分布系数lw1、腐蚀分布系数fs和污垢分布系数wg通过以下公式进行计算：式中：np表示图像中检测到的气泡数量，n表示图像中总的区域数量或散热器表面的总像素数量；气泡分布系数qp表示散热器表面上气泡的占比情况；nw1表示图像中检测到的第一类裂纹数量，第一裂纹分布系数lw1表示散热器表面上第一类裂纹的占比情况；ns表示图像中检测到的腐蚀区域数量，腐蚀分布系数fs表示散热器表面上腐蚀区域的占比情况；ng表示图像中检测到的污垢区域数量，污垢分布系数wg表示散热器表面上污垢区域的占比情况。

11、优选的，设置图像b为i(x,y)，其中(x,y)表示图像中的像素坐标；为了提取局部温度异常特征，使用以下公式计算获取所述异常特点分布系数rd：式中，∑表示对图像b所有像素进行求和，μ表示图像b的平均温度，σ表示图像b的标准差；异常特点分布系数rd表示图像中每个像素点的温度相对于平均温度的偏离程度。

12、优选的，设置图像b为i(x,y)，即为单通道灰度图像，为了提取表面热裂纹分布特征，采用以下公式计算获取所述第二裂纹分布系数lw2：式中，∑表示对图像b所有像素进行求和，∇^2表示图像b的拉普拉斯算子；第二裂纹分布系数lw2表示图像中每个像素点的灰度值变化率的二次平方。

13、优选的，采用绝对误差匹配法来计算第一裂纹分布系数lw1和第二裂纹分布系数lw2绝对误差，若误差小于预设的偏差值，认为识别效果正确；

14、采用相对误差匹配法来计算第一裂纹分布系数lw1和第二裂纹分布系数lw2相对误差，即数值之差除以第一裂纹分布系数lw1和第二裂纹分布系数lw2若相对误差小于预设的偏差值，认为识别效果正确；

15、采用均方根误差匹配法来计算第一裂纹分布系数lw1和第二裂纹分布系数lw2之间的均方根误差，即每个像素点上的差值平方之和的均值，如果均方根误差小于预设的偏差值，认为识别效果正确。

16、优选的，所述第一缺陷演变评估系数pg1和第二缺陷演变评估系数pg2通过以下关联公式进行计算获得：式中，a、b、c、d、e、f分别是气泡分布系数qp、第一裂纹分布系数lw1、腐蚀分布系数fs、污垢分布系数wg、异常特点分布系数rd和第二裂纹分布系数lw2的权重系数值，由用户调整设置；表示为修正自然数。

17、优选的，根据专业知识和实验数据，设定一组标准缺陷特征，这些特征表示散热器在理想状态下应该具备的特征；

18、将综合评估系数pg(pg1，pg2)与标准缺陷特征进行对比，获得评估结果，所述评估结果用于评估散热器表面的缺陷状态和偏差程度。

19、根据评估结果，制定针对性的缺陷弥补方案；缺陷弥补方案包括对气泡、裂纹、腐蚀和污垢缺陷的修复或清理措施，也包括对散热器材料、结构或设计的改进建议。

20、优选的，设置标准缺陷特征，所述标准缺陷特征包括标准qp：0.2（20%）、标准lw1：0.15（15%）、标准fs：0.1（10%）、标准wg：0.1（10%）、标准rd：0.12（12%）、标准lw2：0.08（8%）；a、b、c、d、e、f分别是气泡分布系数qp、第一裂纹分布系数lw1、腐蚀分布系数fs、污垢分布系数wg、异常特点分布系数rd和第二裂纹分布系数lw2的权重系数值为，a=0.4、b=0.4、c=0.3、d=0.2、e=0.1、f=0.5；

21、若综合评估系数pg(pg1，pg2)＞标准qp：认定气泡缺陷状态较差；

22、若综合评估系数pg(pg1，pg2)＞标准lw1：认定第一裂纹缺陷状态较差；

23、将综合评估系数pg(pg1，pg2)＞标准fs：认定腐蚀缺陷状态较差；

24、将综合评估系数pg(pg1，pg2)＞标准wg：认定污垢缺陷状态较差；

25、将综合评估系数pg(pg1，pg2)＞标准rd相比：认定异常特点缺陷状态较差；

26、将综合评估系数pg(pg1，pg2)＞标准lw2相比，认定第二裂纹缺陷状态较差。

27、本发明提供了igbt功率模块散热器表面缺陷识别方法。具备以下有益效果：

28、（1）该igbt功率模块散热器表面缺陷识别方法，采用高分辨率工业相机和红外热成像相机实时采集散热器表面的图像，获取多帧图像a和多帧图像b，从而提供了更全面、详细的表面信息；使用图像处理技术对多帧图像a和多帧图像b进行去噪、增加对比度、灰度化和滤波处理，使得图像更加清晰，有利于特征提取和分析。

29、（2）该igbt功率模块散热器表面缺陷识别方法，通过特征提取算法提取图像处理后的多帧图像a中的气泡特征、裂纹特征、腐蚀特征、污垢特征，以及对多帧图像b进行特征提取，提取局部温度异常特征和表面热裂纹分布特征，从而全面评估散热器表面的缺陷情况。

30、（3）该igbt功率模块散热器表面缺陷识别方法，引入综合评估系数pg(pg1，pg2)，将气泡、裂纹、腐蚀、污垢、局部温度异常和表面热裂纹等缺陷特征进行综合评估，并与设定的标准缺陷特征进行对比，得出评估结果，准确判断散热器表面缺陷的状态和偏差程度。

31、（4）本发明提供了igbt功率模块散热器表面缺陷识别方法，其旨在解决现有技术中存在的缺陷识别效率低、准确性不高、难以全面评估缺陷状态等问题。该方法基于高分辨率工业相机和红外热成像相机，结合图像处理技术和特征提取算法，通过综合评估系数pg(pg1，pg2)对散热器表面的气泡、裂纹、腐蚀、污垢、局部温度异常和表面热裂纹等缺陷进行全面识别和评估。