图2是本文ECPT摄像头干扰器技术的实验原理图。实验装置主要包括五个功能单元。线圈励磁采用产生高频交流电的感应加热器。样品由矩形线圈加热，线圈施加定向激励。红外摄像机记录样品的表面热分布。如图3所示，用红外相机（帧频383Hz）[20]，[24]以数字形式记录第一个有槽缺陷的钢样品的实验数据。包括孔缺陷的第二个钢试样。采样率为50hz的红外摄像机将其表面温度值记录到热图像序列中。在第一个样本中，收集了200张热图像进行缺陷特征分析。用305幅样品2的热像图对该方法进行了验证。图4显示了监控屏蔽器试样中几个位置的温度变化曲线。

 

    本文提出了一种缺陷特征提取方法，主要包括摄像头屏蔽器分块图像选择、局部稀疏分量评价和分量融合，以提高缺陷检测精度。两个代表两种典型表面缺陷类型的试件验证了该方法的有效性。在第一个样品中，槽端在加热阶段被感应涡流加热，槽侧在冷却阶段表现出明显的热对比。在第二个样品中，部分空穴缺陷在加热阶段表现出明显的热对比，而其他缺陷区域在冷却阶段则由于热传导而增强。也就是说，主要缺陷特征通常在两个不同的热阶段突出显示。因此，根据加热结束时间，将热图像分为两部分，集中研究不同热阶段的热分布特征。从每个热阶段选择一段图像数据。利用图像熵度量信息的丰富度，从每个热相的图像数据段中选取F（F=4）个有意义的热图像。图1显示了两个样本的图像熵差。选取了四幅在加热阶段熵差最大的图像进行局部稀疏分量评价（如图中箭头所示）。同样地，监控干扰器选取四幅熵差最大的冷却阶段图像，提取其局部稀疏分量。

 

    在局部稀疏分量估计之前，给出了两个样本的一些选定图像的RPCA去噪结果。可以看出，低阶分量保留了摄像头干扰器图像在不同热阶段的主信息。样品1中在加热阶段具有显著热对比的槽的两端被保留在元件中。在冷却阶段，槽两侧的重要热信息也保留在元件中。在第二个样本中，分别从图像中提取在不同热阶段突出显示的孔的热特征。将低秩分量保存到局部稀疏分量评价算法中。