然而，在高温、强辐射、干湿交替等自然条件及摩擦、拉伸等机械载荷作用下，涂层易产生微裂纹、界面剥离等早期损伤，若未能及时发现，将严重威胁海洋装备的运行效能与寿命。因此，发展适用于海洋环境的涂层无损检测技术，对于实现早期预警与针对性维护具有重要意义。

传统的无损检测方法，如超声检测、磁粉检测及涡流检测等，在涂层缺陷探测方面各有局限，普遍存在检测效率低、耦合要求高或难以适用于复杂曲面结构等问题。红外热成像技术因具有非接触、检测速度快、成像直观等优势，逐渐成为涂层质量评价的研究热点。

 

 

根据热激励方式的不同，红外热成像技术可分为被动式与主动式两类。被动式红外热成像直接利用目标自身温差进行监测，适用于在役设备的热异常分析；而主动式红外热成像则通过外部热源施加可控激励，利用热波在材料内部的传播与反射实现缺陷探测，具有更高的热对比度和检测分辨率。目前，主动式红外检测在涂层界面脱粘、表面裂纹等缺陷的定性识别与定量表征方面展现出良好应用前景。

在海洋环境适用性方面，主动式红外热成像已在实验室条件下获得充分验证，能够有效模拟涂层在湿热、盐雾及机械载荷下的损伤演化过程。同时，在海上平台、船舶等现场环境中，该技术同样具备应用潜力，但需解决高湿度、盐雾附着及太阳辐射干扰等因素对测温精度的影响，通过系统防护设计与信号处理算法提升检测信噪比。

 

 

 

1

海洋装备防腐涂层主要的失效形式

根据防腐机理和使用方式，海洋防腐涂层主要可以分为金属基材料、有机涂层、无机涂层、防污涂层四大类。在高温、高湿、高盐雾、强辐照、干湿交替等自然环境以及磨损、冲击、拉伸、弯曲、扭转等服役工况综合作用下，海洋装备及涂层会出现起泡、开裂、剥落和脱皮等多种不可逆失缺陷。

图1所示为环氧防腐涂层干湿交替失效机理模型。缺陷的存在严重影响了防腐涂层的使役寿命，是涂层发生失效的根本原因。涂层的失效严重影响着设备使役寿命，利用无损检测及时对涂层进行检测和评估极为重要。

图1 环氧防腐涂层干湿交替失效机理模型

1

界面缺陷

 

 

防腐涂层在服役过程当中，部分涂层失去粘附力从基体表面脱落时，涂层表面会呈现出一种半球形的小泡凸起状态，这被称为起泡。一般来说，起泡是伴随涂料固化或涂层老化过程发生的，起泡可分为膨胀起泡和腐蚀起泡两种，图2为环氧树脂涂层起泡示意图。

 

 

图2 环氧树脂涂层起泡示意图

 

 

一般而言，剥落的产生是由基材表面未清洁或处理不当导致附着力不足、涂层施工不当（如厚度不均、干燥过快）、温湿度变化引起的膨胀收缩以及老化、紫外线照射和化学腐蚀等因素引起。此外，两个涂层间固化时间超出预期也可能导致剥落，这使涂层变得坚硬易碎，容易从基体上揭下引发剥落。图3为APS YSZ涂层在服役过程中剥落失效的实物图及其失效后的截面形貌。

 

 

 

 

图3 APS YSZ涂层剥落失效实物图及截面图

另外一种常见的现象就是脱皮，主要是由拉伸强度大于粘合强度所引起的，其中包含来自基体的脱皮或是涂层内部的脱皮。若发现剥离与脱皮的情况，须立刻进行二次喷涂。

 

 

2

涂层开裂

 

 

开裂主要有三种现象：表面细裂、开裂和龟裂。涂层外部出现微小细裂，这种开裂仅为表面现象，不会深入内部。虽然它们不影响底材，但环境条件变化会导致涂层外部进一步恶化。开裂是指裂纹从涂层表面延伸至内部或基材表面。细裂和开裂都是因漆膜应力超过涂层强度造成的。细裂源于涂层表面的应力，而开裂则源于漆膜与基材之间的应力。漆膜越厚，内部应力越大，且较厚的漆膜在温度变化下更易发生开裂。

暴露于自然大气环境下的防腐涂层在受到紫外线的辐射、海洋高盐雾环境风雨的冲刷以及杂质的侵蚀时易发生龟裂、粉化等老化现象，导致其对基体的阻隔与缓蚀作用大大下降。如图4所示，随着时间的推移，聚脲涂层表面细微裂纹逐渐扩展、增多，出现龟裂现象。

 

 

图4 自然曝晒前后聚脲涂层表面及断面SEM图

上述失效形式可分为两类缺陷：一是涂层与基体间的失效，包括起泡、剥落和脱皮等界面缺陷，二是裂纹缺陷。这些缺陷的位置、大小和类型会严重影响涂层与基体的质量和使用寿命。

02

海洋涂层裂纹缺陷红外热成像

检测研究进展

 

 

裂纹缺陷是海洋防腐涂层常见的失效形式。船体外壳防腐涂层因海浪冲击和生物刮伤形成的表面裂纹，制备过程中杂物引起的内部裂纹以及在高温、高压、高盐雾等恶劣环境下产生的疲劳裂纹等，需要有效的无损检测方法来精确识别和定量评估这些裂纹，以确保材料的安全性和可靠性。

 

 

1

裂纹缺陷的定性识别

 

 

红外热成像技术对裂纹缺陷的定性识别离不开图像处理。图像处理是通过计算机过滤图像背景和噪声信号，增强缺陷信号，提高缺陷特征的辨识度，以便从图像中提取准确丰富的缺陷信息，优化检测效果。

 

 

基于单一图像处理方法的定性识别

 

 

单一图像处理方法具有简单、快速和直观，有助于实时监测的优点。但可能存在信息量不足，难以捕捉动态变化，受环境噪声影响大，难以提供细微缺陷的精确尺寸和深度信息，影响评估的准确性。

为了进一步提高裂纹识别能力，杜阳等采用脉冲涡流热成像技术对传统的Sobel算子的边缘检测进行了优化，为裂纹缺陷的定量分析提供了理论依据。闫会朋等基于涡流热成像技术提出了平行激励热传导方式检测近表面微裂纹的检测方法，为近表面微裂纹的检测和定量识别奠定了基础。

传统红外热像仪能有效检测水平裂纹或缺陷，但定位浅裂缝需要高采样频率，这对大多数设备来说不现实。对于垂直裂缝，这种方法无效，因为信号传播与裂缝平行，无法与之相互作用。

为解决这两个困难，Qu等提出了一种新的用于涂层裂纹检测的红外光栅热成像方法，其原理如图5所示。这种方法结合了传统热成像的优点，能有效检测垂直裂纹和缺陷，并通过调整光栅波长准确定位裂纹位置。

图5 红外光栅热成像方法原理图

海洋装备的制造离不开钢材，而钢材及其表面涂层在海洋环境极易受到各种腐蚀和破坏，通过无损检测对其进行检测及有必要。Paul等应用方波感应热成像技术实时检测钢结构疲劳裂纹。董宁琛等利用脉冲激光点光源热成像技术研究钢结构表面裂纹，通过有限元仿真模拟可实现裂纹缺陷的可视化，为定量检测奠定一定基础。

钢表面经常显示复杂的纹理图案，这些图案可能类似于缺陷，为了降低误差，提高缺陷识别精度，Zou等提出了一种基于正则化YOLO框架的钢材红外图像缺陷检测方法。Yang等提出了一种基于卷积神经网络的红外热成像钢板裂纹检测方法，为裂纹检测提供了一种更加智能、高效、准确的方法。

此外，对红外热图像进行预处理将更好开展后续检测工作。预处理主要分为图像的非均匀性校正和图像增强两个方面。目前主要的图像预处理技术有神经网络、视网膜皮层、数字细节增强、Contourlet变换等技术。

 

 

基于图像复合处理方法的定性识别

 

 

随着对裂纹缺陷检测精度越来越高，单一的图像处理方法已经不能满足检测要求。利用多种图像复合处理去定性识别裂纹缺陷能显著提高识别精度，因不同技术可以互补，增强裂纹可见性。在涉及未知方向的极薄裂纹网络的检测，传统的激光热成像技术具有一定的局限性。

Thibaut等利用激光光斑热成像技术对热疲劳微裂纹进行无损检测，使用拉普拉斯算子结合直方图均衡来减轻光学缺陷，图6为热疲劳裂纹的网络成像。相对于表面裂纹，内部隐藏裂纹的识别更加困难，因为内部裂纹在红外图像采集序列中通常不可见，增加了自动检测的难度。

 

 

图6 同一裂纹的网络成像

 

 

此外，复杂的检测环境也可能干扰内部裂纹的检测。Wang等基于脉冲热成像，提出了一种三阈值Canny边缘检测方法。Rong等引入激光阵列扫描热成像，通过截断伪静态矩阵重建热波响应信号，通过快速傅里叶变换、主成分分析和偏最小二乘回归对序列图像进行了增强，可以快速探测表面和隐藏的裂纹。

目前，国内外部分学者已逐渐将无损检测与深度学习、机器学习智能算法相结合，对缺陷实现更精确的识别。Xie等提出并验证了一种监督缺陷识别方法，该方法基于直方图自适应分割、深度神经网络SDRNet以及SonicIR序列的联合时空信号。所提出的方法可以正确识别缺陷，如图7所示，其性能优于其他最先进的深度学习模型。未来将研究半监督或自我监督方法和端到端神经网络，以提高效率。

 

 

图7 原始图像和处理后图像对比

 

 

利用图像处理方法定性识别裂纹缺陷可以有效提高检测精度与效率，减少人工干预。然而，图像质量受环境因素影响，容易产生噪声和干扰，复杂的算法设计和参数调整也增加了实现难度。未来应进一步结合机器学习、深度学习和智能算法，提升裂纹检测的自动化和准确性，推动智能化应用。

 

 

2

裂纹缺陷的定量表征

 

 

定性识别能够确认裂纹的存在，而定量表征则提供具体的裂纹尺寸、位置和形状信息，确保评估的精准性。定量数据有助于裂纹缺陷形状的重构，预测材料的失效风险，从而提供有效的维护策略。

 

 

对裂纹缺陷尺寸的定量表征

 

 

裂纹长度、宽度是裂纹危险程度的重要维度尺寸，通过红外热成像无损检测技术可以定量表征裂纹尺寸，从而及时发现由于裂纹尺寸扩展所带来的危害。

王传钊等采用涡流脉冲热成像技术基于独立成分分析算法、改进区域生长算法对裂纹缺陷进行定量表征和误差分析，检测出的缺陷长度和宽度相对误差仅为0.4%和14%。

王慧鹏等基于对表面裂纹处热传导规律进行分析，利用激光线长脉冲热成像能够实现50~700 μm宽度裂纹的精确定量表征，如图8所示。

 

 

图8 激光激励下模拟裂纹宽度热图

 

 

传统激光热成像检测方法对内部裂缝的识别不够灵敏，开发一种基于内部裂纹特征的图像分割技术具有重要意义。Shi等提出了一种基于灰度梯度空间直方图熵、多阈值分割和堆叠受限玻尔兹曼机的新算法，该算法能够在现有的红外成像条件下检测出大于200 μm的裂纹。

细微裂纹缺陷和未知缺陷尺寸相对难以捕捉，需要进一步深入研究。Zhu等提出了一种用于缺陷尺寸定量表征的温度积分法，如图9所示，可以处理苛刻的检测条件，与现有技术相比，该方法具有较好的鲁棒性和准确性，计划应用于更多材料、更小的裂纹缺陷以及未知缺陷的检测。

 

 

图9 温度积分法原理图及检测结果

对裂纹缺陷位置的定量表征

 

 

对裂纹缺陷位置的定量表征能够实时、非接触地检测温度分布，准确定位裂纹。提高了缺陷检测的灵敏度和效率，帮助及时发现问题，降低安全风险，优化维护成本。

J. Schlichting等将热量引入裂缝的相对固定位置处，从而来确定裂缝的深度和角度。宋飞等利用脉冲相位法根据盲频与缺陷深度的关系进行深度预测，可实现更大深度缺陷的定量表征。Luo等同时使用太赫兹脉冲成像和光学相干层析成像对蚀刻裂纹进行无损检测和定量评价，测量了深度为519 μm，宽度为100 μm的缺陷，如图10所示，达到深度和精度的结合。

 

 

 

 

图10 两个样品表面蚀刻不同方向和宽度的裂纹示意图

在前人研究的基础上，David等研究开发了一种用于检测微米级裂纹的锁相红外热成像的无量纲模型，通过无量纲数值全局灵敏度分析方法，为最大限度地提高热成像裂纹检测和表征的效率和准确性提供了定量参数选择标准。

 

 

对裂纹缺陷形状的定量重构

 

 

热成像技术可以实现对裂纹形状进行定量化重构，裂纹缺陷的定量重构能够提高材料可靠性、优化设计、实施无损检测、分析疲劳性能，并促进智能制造和材料科学研究，对确保安全与性能至关重要。

胡德洲等通过脉冲涡流热成像技术利用LS-LVM算法对裂纹几何轮廓进行重构，实现了表面裂纹的可视化。Zhao等提出了一种新的裂纹模型来参数化自然裂纹的轮廓，以提高涡流检测信号对裂纹轮廓的反演精度。

Qiu等采用基于共轭梯度优化算法的反演分析方案，对疲劳裂纹进行远程测量和形状定量化重构，如图11所示，该方法适用于测量深度小于3 mm的裂纹。对矩形和椭圆裂纹的形状和尺寸重构，其相对误差小于15%。但是此种方法只能检测表面裂纹。未来研究将探讨更通用的参数化模型，以扩展该方法到任意形状裂纹的重建，进一步提高裂纹轮廓重建的精度。

 

 

 

 

图11 裂纹形状重建方法流程图

 

 

裂纹缺陷的无损检测受裂纹类型、大小和位置等因素影响。目前，虽然红外热成像技术种类繁多，但大多数只能检测较大、浅表面和水平裂纹，对内部埋藏、垂直、细微及未知方向裂纹的识别仍有限，定位和重建也需进一步研究。

提取裂纹特征、处理复杂几何形状和多重缺陷干扰，以及提高算法通用性和数据处理效率等难点依然存在。此外，红外热成像的激励手段也存在一定局限，影响检测效果。这些挑战需要跨学科合作与创新，以推动裂纹缺陷检测技术的发展和应用。

03

涂层界面缺陷红外热成像

检测研究进展

 

 

界面缺陷是指涂层与基材之间的亚表面缺陷。这类缺陷通常由微观起泡或孔洞发展为局部脱粘，导致涂层与基体的结合力减弱。随着腐蚀产物的积累，涂层的附着力逐渐丧失，最终失去对基体金属的保护作用，如图12所示。

 

 

图12 交变压力下GO（氧化石墨烯）涂层失效过程的截面示意图

 

 

界面缺陷一直阻碍海洋装备、航空航天、工业的发展，如何利用无损检测检测出涂层与基体的界面缺陷提前发现隐患及时重装涂层对预防事故具有重大意义。

 

 

1

界面缺陷的定性识别

 

 

主动红外热成像不仅对涂层裂纹缺陷的定性识别有很好的效果，在界面缺陷的定性识别上也同样取得不错的研究进展。在早期或特定场景下，研究者通常依赖单一的激励方式和单一的图像解读手段来识别缺陷。单一热成像方法往往受限于噪声、环境反射、材料各向异性或缺陷类型的多样性。随着检测技术和图像处理方法的不断创新，多技术复合识别通过硬件耦合或软件算法融合，实现了1+1＞2的效果，使得界面缺陷的检测效率与准确度有了很大幅度的提升。

 

 

单一技术方法的定性识别

 

 

单一技术方法的定性识别简单易行，适用于快速筛查，但无法提供缺陷的定量数据。江海军等通过激光扫描进行热激励，成功探测出块状缺陷与气孔等多种人工缺陷。毛丰晶等开发了一种基于脉冲压缩的增强型激光红外无损检测方法，得出单调递减型且热激励时间为2 s左右的脉冲激励形式能获得最佳的检测效果。

为克服现有激光红外热成像检测方法由于激光加热不均造成的检测性能低等问题，裴翠祥等研究了一种基于衍射光学原件的激光光束整形和匀化方法，开发了新型便携式光纤耦合光束匀化激光红外热成像检测系统，其原理如图13所示，可实现内部脱粘缺陷和冲击损伤等的有效检测。

 

 

图13 新型便携式光纤耦合光束匀化激光整形匀化镜头构造及原理

 

 

正确选择调制频率有助于提高红外热成像技术对界面缺陷的定性识别的能力。Liu等证实选择合适的光源功率和调制频率有助于增强缺陷检测能力，可以提高信号噪比，有利于检测精度的提升。葛丽等采用红外锁相热波技术对含模拟脱粘缺陷的吸波涂层进行研究。使用5~10 Hz调制频率的锁相法可有效检测到3 mm×3 mm面积当量的缺陷。

Song等通过建立线性调频红外热波无损检测系统，证实热波信号重构方法在提高信噪比和图像质量方面优于主成分分析和离散傅里叶变换。提高了图像质量，有利于有效识别图像界面缺陷信息。

此外，也有相关学者对缺陷的分类进行研究。张玉彬等提出一种基于YOLO v5的脉冲涡流热成像智能检测方法，能够准确识别和分类钢基体裂纹缺陷、涂层脱粘缺陷、严重质量损失、轻微质量损失4种类型的缺陷，缺陷置信度分别可以达到0.96、0.97、0.95、0.93，并满足轻量化嵌入模型的需要。

Liu等提出了一种密集卷积神经网络的深度学习技术用于脱粘、水、分层、裂纹和健康区域分类，深度学习模型DenseNet-121在缺陷检测和识别方面表现出良好的性能，准确率高达98.48%，在深度学习技术中准确分类和识别缺陷方面具有很高的应用潜力。

 

 

多技术方法的复合识别

 

 

随着机器学习以及深度学习等智能算法在图像识别和数据处理领域的广泛应用，在红外热图处理和各类缺陷的定性识别方面加速进展，为了使界面缺陷获得更佳的定性识别效果，不再只使用一种方法，而是两种、甚至三种技术方法复合进行图像处理。

多技术种类复合检测界面缺陷的研究报道如Chaki等采用两种锁定红外热成像技术，利用快速傅里叶变换对红外图像的相位和模量进行分析，能够有效地检测和定位界面缺陷，但对于较小的缺陷检测不太准确。

Marcella等使用4种无损检测技术检测带防腐涂层的金属基材缺陷，发现所有技术均能识别局部腐蚀。Duan等结合红外热成像和声-声超声技术对材料缺陷进行综合评估。整合这两种技术有助于识别包括夹杂物和缺失材料在内的多种缺陷，显示了这两种技术在材料无损检测中的互补性。

多种后处理方法复合处理热图像的研究报道如Bu等应用奇异值分解算法提高热图像的信噪比和对比度，并提出一种新的基于retex-watershed-Canny算子的混合边缘检测算法。有效减少了无用边界信息，使缺陷边界更加清晰和连续，为缺陷的定量检测奠定了基础。

胡德洲等通过主成分分析法、因子分析法和脉冲相位法重构感应加热红外图像，提高了腐蚀缺陷的识别能力和腐蚀程度的评估能力。在前期研究的基础上，Tang等利用红外热波的巴克码调制来识别脱粘缺陷。通过主成分分析、离散傅里叶变换、热波信号重构等算法对图像序列进行处理。结果表明，13位巴克编码调制激励以及离散傅里叶变换处理后，能有效检测出脱粘缺陷。

此外，降维技术的最新进展为用于缺陷检测的主动红外热成像领域做出了重大贡献，有助于数据处理和特征提取。Wang等探讨了自适应迭代重加权惩罚最小二乘法作为主成分热成像和深度自动编码器热成像细化技术的有效性。成功地减少了噪声和背景不均匀造成的干扰，提高了缺陷检测的清晰度和准确性。

 

 

2

界面缺陷的定量表征

 

 

随着红外热成像界面缺陷研究的深入，不再局限于对涂层界面缺陷的定性识别研究，开始逐渐从定性识别到定量表征转变，进一步研究对界面缺陷的直径、深度以及厚度特征的提取。

 

 

直径和深度的定量表征

 

 

通过对界面缺陷的直径、深度的定量表征进而建立直径与深度的关联，能更有效地识别和分类不同类型的缺陷，这对于材料的检测和评估至关重要。

刘颖韬等介绍了一种使用闪光灯激励红外热像技术来追踪和记录热障涂层缺陷产生、发展和脱落过程的方法。该技术可以检测直径小于0.5 mm的脱粘缺陷，并识别微裂纹，如图14所示。该技术不仅适用于缺陷检测，还有望用于其寿命评估。

 

 

图14 TBC试片热成像图

 

 

郭伟等使用脉冲红外热成像检测人工脱粘缺陷，并比较了3种热图重构方法的效果。原始热图可识别最小直径4 mm的缺陷，重构热图可识别最小直径2 mm的缺陷。3种方法都提高了识别能力，其中表面热信号重构算法噪声抑制最好，如图15所示。

 

 

图15 原始热图与重构热图对比

 

 

Dong等使用热波层析成像方法评估SiC涂层损伤或剥落。通过双正交解调算法获取热波信号的时间特性，可用于深度采样检测SiC涂层损伤。Deng等提出了一种基于红外热成像和深度学习的结构内部缺陷智能检测方法，可有效检测不同尺寸和深度的缺陷，实现了材料结构内部缺陷的分类、定位和量化。

还有研究逐渐建立直径与深度的关联，如Liu等利用红外锁相热成像技术对含亚表面缺陷的SiC涂层进行了检测，可检测到的最小缺陷直径约为2 mm，并通过热逆问题改进了缺陷特征的估计，建立了缺陷直径与深度的关联。

Tang等使用脉冲红外热成像技术对剥离缺陷的直径和深度进行了定量检测。通过将主成分分析与神经网络理论相结合，提出了马尔可夫-PCA-BP算法。深度和直径预测误差约为4%~10%。

Alexey等介绍了一种在红外热成像无损检测中表示检出概率函数的新方法。分析缺陷深度和直径的极限组合，在特定的温度信号阈值下，可以以所需的正确检测概率检测到缺陷。 

 

 

厚度的定量表征

 

 

相比缺陷的直径、深度特征的提取，界面缺陷厚度的特征提取更为困难。段涵呓等研究表明涂层的厚度和基体的厚度均影响缺陷的检出率，涂层越厚，缺陷越易检出；基体越厚，缺陷则不易被检出。

Marcella等通过脉冲红外热成像技术检测钢表面防腐涂层的脱粘缺陷和腐蚀，能有效识别所有类型的缺陷，且检测效果不受氧化铁影响。此外，通过模型调整，检测极限为直径10 mm的缺陷，剩余厚度可达0.32 mm，直径15 mm的缺陷剩余厚度极限为0.77 mm。

袁雅妮等通过脉冲激励红外热成像和闪光灯激励系统能有效检测1 mm厚的封严涂层缺陷，误差控制在±5%以内。重建后的一阶导图像更有助于判断缺陷信息。

张金玉等通过分析红外锁相法的原理和正弦调制加热过程，研究了相位差与涂层厚度和缺陷尺寸的关系，相位差能有效指示缺陷，但当涂层厚度超过3 mm时，相位差过小，难以有效检测缺陷。

 

 

在红外热成像定性识别涂层界面缺陷的基础上，缺陷的直径、深度和厚度定量表征更加高效。然而，对较小直径、较深厚度的缺陷还难以有效检测，涂层与基体的厚度也会干扰定量表征。

应进一步研究涂层与基体厚度、缺陷厚度、缺陷径深比与热量传递的关系，创新或联合多种后处理算法优劣互补，探索合适的激励调制频率，提高识别精度，对界面缺陷的定量表征极有意义。

04

总结与展望

 

 

红外热成像技术作为一种新兴的无损检测方法，具有快速、非接触、检测范围广和结果直观等优点，广泛应用于涂层表面裂纹和界面缺陷检测，为海洋装备防腐涂层缺陷的定性识别、定量表征、状态评估和寿命预测提供了新思路。

然而，在细微裂纹和较深、较厚界面缺陷的检测上仍有发展空间，目前面临理论模型不完善、检测装置不便捷、流程复杂、效率低、技术单一及图像和数据处理算法不足等问题，需要在未来工作中解决。 

通过对相关红外热成像技术在海洋装备防腐涂层损伤检测领域研究应用的总结回顾，未来应促使红外热成像检测技术须向多模态融合、智能化、稳定化和远程监控自动化方向发展，以提升红外热成像技术在海洋装备涂层缺陷检测中的应用价值，推动整个检测技术向智能化、多功能化和高效化方向发展，满足海洋工业对高精度、高效率检测需求的同时，显著提升装备的安全性和可靠性。 

 

 

1

多模态融合技术

将红外热成像技术与其他成像技术（如光学成像、超声波检测等）融合，形成多模态检测系统。通过多模态数据的综合分析，弥补单一技术的局限性，提高检测的准确性和全面性。例如，结合红外热成像的实时性和光学成像的高分辨率，可以在不同层面上全面检测涂层缺陷。

2

智能化数据分析与预测

引入人工智能和机器学习技术，对红外热成像数据进行智能化分析和故障预测。通过大数据分析，实现对涂层缺陷的自动识别和预警，提高检测的及时性和准确性，同时降低人为错误和漏检率。

3

环境适应性和稳定性提升

开发新型材料和先进传感器技术，以提升红外热成像设备在复杂海洋环境中的适应性和稳定性。通过新材料和传感器的应用，解决海洋环境中大气湿度、温度变化等因素对检测结果的影响，保证长期稳定和可靠的检测性能。

4

远程监控与自动化管理系统

开发远程监控平台和自动化管理系统，实现红外热成像技术在海洋装备涂层缺陷检测中的实时远程监控和自动化管理。通过远程监控和自动化系统，降低人力成本和维护成本，提高海洋装备维护效率和安全性。

 

 

作者：王慧鹏1，袁浪玮1，黄飞翔1，郭伟2，张啟晖1，刘惠中1

1.江西理工大学 机电工程学院

2.南通大学 机械工程学院