Page 34 - 《应用声学》2025年第1期
P. 34

30                                                                                   2025 年 1 月


             用基于时间反转原理的自适应聚焦技术进行成像。                            焦 [113] 。通过对复杂的传感器系统进行替换，也有
             在二维水平截面成像方面，基于单探头或相控阵的                            望形成成像精度更高、体型更为紧凑的检测声学成
             C扫和基于环绕阵列的超声 CT 均能获得水平截面                          像系统。
             的图像。超声 CT 按照基础理论可以分为透射层析                              (4) 与非线性超声检测技术进行结合。非线性
             和散射层析。透射层析通过采用高频近似假设，将                            超声检测技术利用基频超声波在传播介质中因接
             声波作为射线进行处理，其求解方法包括傅里叶变                            触声非线性或材料非线性效应所产生的高次谐波
             换重建法和 FBP 等直接反演方法以及代数重建法                          或零频波等非线性成分检测早期损伤                   [114] ，适合于
             和联合迭代重建法等间接反演方法。散射层析等同                            对材料性能退化或损伤萌生的早期阶段进行评价。
             于求解逆散射问题，按照对非线性的处理方式，同样                           鉴于传统的相控阵扫查和超声层析等声学成像方
             可以分为直接反演和间接反演两种类型。其中，直                            法的检测对象大多为宏观缺陷，若与非线性超声检
             接反演类型包括弱散射假设下的直接傅里叶逆变                             测技术进行结合        [62,115] ，则能够进一步提升方法的
             换和滤波反向传播等衍射层析技术以及远场假设                             成像精度、拓展其适用范围。
             下的线性抽样法，间接反演类型包括 Born 迭代法、
             变形 Born 迭代法和具有较高成像精度的全波形反
                                                                              参 考 文        献
             演法。在三维成像方面，按照检测所用传感器形式
             将成像技术划分为了机械扫查式线阵三维成像、二                              [1] Gan W S. 声学成像技术及工程应用 [M]. 李平, 译. 北京: 机
             维平面阵列三维成像和 RCA阵列三维成像这三类，                              械工业出版社 2014.
             分别对其进行了详细的介绍。                                       [2] 张德俊. 声成像的研究进展及应用前景 [J]. 科技导报, 1994,
                                                                   12(9): 15–18.
                 鉴于成像精度、执行效率和检测成本是检测声
                                                                   Zhang Dejun. Progress in the research of acoustic image
             学成像中重点关注的三种指标，随着技术的逐渐发                                and its prospects for application[J]. Science & Technology
             展，未来可以结合以下热门方向对现有的成像方法                                Review, 1994, 12(9): 15–18.
                                                                 [3] Hellier C J. Handbook of nondestructive evaluation[M].
             进行提升：
                                                                   3rd.McGraw-Hill Education, 2020.
                 (1) 与深度学习技术进行结合。深度学习通过                          [4] Wade G. Human uses of ultrasound: Ancient and mod-
             建立和训练深度神经网络模型，能够实现对数据所                                ern[J]. Ultrasonics, 2000, 38(1–8): 1–5.
                                                                 [5] 施克仁, 郭寓岷. 相控阵超声成像检测 [M]. 北京: 高等教育出
             含目标特征的直接获取。现有研究已表明                    [110] ，将
                                                                   版社, 2010.
             深度学习应用到声学成像方法中，可以有针对性地                              [6] 王悦民, 李衍, 陈和坤. 超声相控阵检测技术与应用 [M]. 北
             优化算法参数、抑制图像噪声、减少成像所需的数                                京: 国防工业出版社, 2014.
             据量，甚至可以跳过传统算法的处理流程，直接实现                             [7] Wu H T, Chen J, Wu S W, et al. A model-based regu-
                                                                   larized inverse method for ultrasonic B-scan image recon-
             由数据到图像的端到端成像。这对于提高成像方法                                struction[J]. Measurement Science and Technology, 2015,
             的准确性、实时性和经济性均有益处。                                     26(10): 105401.
                 (2) 与压缩感知理论进行结合。压缩感知理论                          [8] Hoseini M R, Zuo M J, Wang X D. Using ultrasonic pulse-
                                                                   echo B-scan signals for estimation of time of flight[J]. Mea-
             认为  [111] ，可以利用信号在某个变换域的稀疏性，设
                                                                   surement, 2013, 46(9): 3593–3599.
             计算法基于少量采样数据对原始信号进行重构和                               [9] Le M, Kim J, Kim S, et al. B-scan ultrasonic testing of
             还原。由于能够突破奈奎斯特采样定理的限制，因                                rivets in multilayer structures based on short-time Fourier
                                                                   transform analysis[J]. Measurement, 2018, 128: 495–503.
             此可以在保证成像精度的同时大幅降低采集所用
                                                                [10] 朱甜甜, 宋波, 毛捷, 等. 基于深度学习的焊缝 PAUT 数据
             的通道 (传感器) 数量和数据的存储量，从而有助于                             智能化分析方法 [J]. 北京航空航天大学学报 2022, 48(3):
             提升成像算法的执行效率、降低其检测成本。                                  504–513.
                 (3) 与声学超材料进行结合。声学超材料是在                            Zhu Tiantian, Song Bo, Mao Jie, et al. PAUT data in-
                                                                   telligent analysis method of welding seams based on deep
             亚波长尺度上设计而成的一种周期或非周期性的                                 learning[J]. Journal of Beijing University of Aeronautics
             人工结构，能够具备诸如负质量密度、负弹性模量和                               and Astronautics, 2022, 48(3): 504–513.
             负折射率等超常的物理特性             [112] 。采用超材料加工            [11] 胡宏伟, 王泽湘, 王向红, 等. 有限角度水浸超声检测空间复
                                                                   合成像 [J]. 仪器仪表学报, 2016, 37(5): 1118–1123.
             而成的声学透镜，不仅具有质量轻、体积小的特点，
                                                                   Hu Hongwei, Wang Zexiang, Wang Xianghong, et al. Lim-
             还能突破衍射极限、实现近场和远场的超分辨率聚                                ited–angle spatial compound imaging for immersion ultra-
   29   30   31   32   33   34   35   36   37   38   39