적외선 열화상을 이용한 부품소재 결함의 정량적 평가 방법

1. 서 론

적외선 열화상(IRT; InfraRed Thermography) 기술은 물체에서 방출되는 적외선 또는 열을 검출하여 물체의 온도변화 또는 온도분포를 통하여 물체의 이상 유무에 대해 재료의 파단이나 파괴가 없이 열화상을 이용하여 판단하는 기술이다^[1]. 이러한 기술의 특징은 비접촉, 원거리 검사가 가능한 장점으로 국내외에서 전력설비 열화진단, 건축구조물 단열평가 등 상태감시에 활발히 활용되고 있다.

최근에는 검사 대상체에 따라 검출능 향상을 위한 가진기법(광, 초음파, 와전류 등) 연구^[3-5]와 기존 적외선 열화상기법의 결함 검출능을 향상시키기 위해 외부 열원을 변조하여 대상체에 입사하고 위상 잠금(lock-in), 펄스(pulse) 등의 신호처리 기술 개발에 중점을 두고 연구^[6,7]를 하고 있으며, 이를 이용하여 금속재료 부식결함 검사, 표면 미세결함검사, 복합재 박리검사 등 다양한 분야에 적용하고 있다^[8,9].

제품의 품질과 신뢰성 향상을 위해 검사기술의 전문성 및 추적성이 요구되는 기술로서 적용규격, 검사방법, 활용장비 및 기술인력 등에 대한 요건이 표준화되고 객관적으로 검중되어야만 그 결과가 인정되는 기술적 특성을 가지며, 관련된 기술의 개발뿐만 아니라 수요산업에 적용하는 검사방법, 활용장비 및 인력 등에 대한 인증시편의 개발을 통한 신뢰성 제고로부터 정량화된 표준화, 국제화가 필요한 기술이다. 현재 적외선 열화상검사는 특정 소재에 있어서 소재로부터 방사되는 열복사에너지에 대한 적외선 열화상의 정보만을 이용하여 동일소재의 참조시편과의 비교 분석으로 정량화 하거나, 실험적 연구로서 현장에 적용하거나 정량적인 평가는 아직 미흡한 단계이며, 손상 현상 등을 가시화 하는데 국한되고 있으며, 대부분 정성적인 평가방법으로 활용되고 있다. 그렇지만, 적외선 열화상검사기법은 경제적 및 시·공간적으로 타 검사기법보다 유리하기 때문에 정량화는 반드시 필요하다.

그러나 실제 산업설비 및 구조물들은 다양한 금속 및 소재가 여러 형상으로 사용되고 있어, 이들의 상태감시 및 안전진단과 함께 다양한 소재에 따른 실제 결함의 형상, 크기, 위치, 방향 등의 정보에 대한 정확한 기초자료가 구축되어있지 않아 정량적인 평가 및 표준화가 어렵다. 따라서 현장의 적외선열화상을 이용하여 용이하게 정량적으로 평가할 수 있는 비교 데이터 및 정량화 방법의 개발이 절실하다.

따라서 본 연구에서는 열화상검사에 있어서 정량화된 표준화 구축을 위한 선행연구 단계로서 적외선열화상 기법과 영상처리를 이용한 정량적인 결함 평가 방법으로서 열화상에 대한 검사 중에 발생될 수 있는 영상 오차에 대한 최소화가 중요하다. 이와 같이 영상오차를 최소화하는 과정으로 취득한 영상의 기울기에 대한 오차의 보정을 주안점으로 판단하였으며, 이러한 주안점을 해결하기 위하여 적외선 열화상의 수직 및 수평축에 대한 각각의 기울기 보정을 수행하고, 이를 최종적으로 통합함으로서 영상의 오차에 대한 최소화하는 과정으로 실시하였다.

이와 같은 처리과정에서 영상에 섞여있는 잡음들은 정량적 평가과정에 있어서 불합리한 팩터로서 영향을 미친다. 이런 잡음을 제거하기 위해서는 영상에 대한 필터링을 필요로 하게 된다. 이를 위해서 미디언 필터를 적용함으로서 잡음을 제거할 수 있었다. 이러한 처리 과정으로 2진화 영상으로부터 결함 크기를 측정이하는 것이 가능하였고, 기울기의 왜곡에 대한 보정을 실시함으로서 초기 영상 취득 시 기울어진 왜곡된 영상에 대해서 정량적 결함 평가를 수행함으로서 보정전의 평가와 비교하여 개선된 정량적인 결함 평가 결과를 얻을 수 있었다.

2. 본 론

2.1 적외선

어떤 물체가 흡열하게 되면 외부로 열을 방출하게 되는데 이것을 복사(radiation)라고 한다^[3]. 또한 고체로부터 방출되어진 복사열을 조사해보면 다양한 파장 혹은 진동의 빛으로 구성되어 있는 것을 알 수 있다. 어떤 물체 표면에 입사되는 복사열 중에서 일부는 흡수되고 그 외는 반사하게 된다. 이때 표면에 입사하는 모든 복사열을 흡수하는 물체를 흑체(black body)라 하며, 흑체와 온도와의 관계는 Fig. 1과 같다. 흑체는 완전한 흡수체와 방사체로서 복사열을 방출하며, 이를 흑체방사(black body radiation)라고 한다^[4].

Fig. 1

Black body radiation

흑체방사에 있어 단위 표면적·시간당 방사되는 파장 λ부터 λ + dλ까지의 영역에서 방사선 에너지 밀도 E는 식 (1)로 주어진다.

$\[ dE=\frac{8\pi hc}{{\lambda }^5}•\frac{d\lambda }{C^{ch/\lambda kT}-1} \]$

(1)

• h : Planck's constant (6.626×10^-34 J·s)
• c : Speed of light (3×10⁸ m/s)
• k : Boltzmann's constant (1.38064×10^-23 J/K)

이 식의 관계는 흑체온도 T(K)가 높아지면 방사파의 피크파장 λ_m이 단파장 쪽으로 옮겨 가는 것으로 이해된다.

이것을 Wien의 변위 법칙이라 하고, λ_mT = 상수의 관계가 있다. 흑체 표면의 단위면적으로부터 단위시간에 방출되는 전 파장의 복사에너지의 양(흑체의 전 복사도) E_t는 λ = 0에서 λ = ∞까지 적분하면 식 (2)가 얻어지며, Stefan-Boltzmann Law라고 한다.

$\[ E_t=\sigma T^4 \]$

(2)

적외선은 파장이 주로 780 nm ~ 1 mm(수백 μm) 정도인 전자기파로서 가시광선보다 파장이 길고 마이크로 광선보다는 파장이 짧은 보통 대역의 전자기파를 말하며, ISO 20473은 Fig. 2와 같은 형태로 정의하고 있다.

Fig. 2

Wavelength of infrared

3. 실 험

3.1 실험장치 및 시험편

본 연구에서는 대표적인 복합소재인 CFRP (carbon-fiber reinforced plastics)를 이용하여 제작된 시험편을 Fig. 3에 나타내었다. 결함에 대한 다양한 측정 결과를 얻기 위하여 성형하여 제작한 400×400×6.25 mm시험편에 40×40, 20×20, 10×10, 8×8 및 6×6 (mm)크기의 정방형 결함과 φ14, φ10, φ8, φ5 및 φ3 (mm)크기의 원형 결함으로 구성하였으며, 결함 시험편의 표면은 방사율 0.97의 방사페인트(Krylon 4290 Ultra Flat Black)를 얇게 뿌려 건조 후 테스트에 사용하였다.

Fig. 3

Defects specimens

적외선 열화상을 이용한 복합재료의 결함 검출을 위하여 적외선 열화상 카메라(FLIR SC620)를 사용하였으며, 실험장치의 구성을 다음의 Fig. 4에 나타내었다.

Fig. 4

Experimental apparatus

3.2 실험방법

광 적외선 열화상 검사 장치는 가열장치인 할로겐램프와 적외선 열화상 카메라로 구성되었으며, 시험 중 외부 열원과의 열 교환을 최소화하기 위하여 암막 내부에 실험 장치를 구성하였다. 광원 램프는 좌우 하나씩 출력 2.5 kW로 거리 1.2 m 위치에 설치하였다. 두 개의 할로겐램프 사이에 적외선 열화상 카메라를 설치한 후 맞은편에는 인공결함시험편을 지그에 고정하여 배치하였으며, Fig. 5에 실험을 위한 배치도를 개략도를 나타내었다. 광원과 열화상 카메라의 높이를 맞은편의 인공결함 시험편과 맞춘 뒤 7.5 MHz로 총 30초의 측정시간(measuring time)동안 10초의 가열시간(heating time)과 20초의 냉각시간(cooling time)을 주어 시험편의 방사열을 촬영하여 적외선 열화상 이미지를 취득하였다.

Fig. 5

IRT Experimental method

3.3 결과 및 고찰

본 연구에서는 영상처리를 이용한 왜곡 보상에 의한 실험을 위해서 사용된 결함 시험편에 대한 영상의 왜곡 정도를 확인하기 위하여 취득된 적외선 열화상을 대상으로 수직 및 수평 방향에 대한 영상의 기울기를 확인한 결과를 Fig. 6에 나타내었다.

Fig. 6

The slope on infrared thermal image

본 연구의 목적인 영상처리를 이용한 왜곡 보상에 의한 실험을 통하여 확인된 개선 결과를 Fig. 7에 나타내었다.

Fig. 7(a)는 열화상카메라로 취득한 오리지널 영상이고, (b)는 수직 및 수평방향 기울기에 대한 왜곡에 대한 보상을 실시한 영상이다. (c) 및 (d)는 최종적으로 왜곡 보상을 완료하는 과정 중에서 수직 및 수평 방향 기울기 보상에 대한 중간 결과이다. 이러한 과정을 통해 영상의 기울기 왜곡에 대한 보상 결과가 확인되었다.

Fig. 7

Distortion correction results on infrared thermal image

기울기 왜곡보상에 영상에 대해서 보다 더 좋은 영상처리 결과를 얻기 위하여 영상에 존재하는 잡음의 제거하고자 미디언 필터를 적용한 결과를 다음 Fig. 8에 나타내었으며 (a)는 왜곡보정 영상이고 (b)가 미디언 필터적용 영상으로 잡음이 확연하게 줄어든 것을 알 수 있다.

Fig. 8

Median filtering results on infrared thermal image

Fig. 9는 2진영상의 취득을 위한 문턱값(threshold)의 설정 결과이며, (b)의 경우 미디언 필터를 적용함으로서 보다 더 잡음이 개선되었음을 알 수 있다.

Fig. 9

Threshold results on infrared thermal image

지금까지 기술하였던 일련의 영상처리 과정을 통하여 도출된 결과를 정리하여 다음의 Fig. 10에 나타내었다.

Fig. 10

Distortion correction process on infrared thermal image

Fig. 10에서 대표적인 왜곡보정의 결과로서 원 영상 (a)에서는 우측 상단부의 결함이 잡음에 의하여 가려졌으나, 기울기 왜곡 보정 결과인 (b)영상에서는 결함의 형태가 나타났으며, 결함의 크기에 대하여 정량적인 평가가 가능하였다.

아래쪽 및 위쪽 라인의 결함에 대하여 각각 수평방향과 수직방향으로 결함의 크기를 정량적으로 평가하였으며, 결함 크기는 직경 14 mm 이미지에서 각 화소당 길이를 설정하고, 그 화소를 기준으로 모든 결함의 크기에 대해 정량적인 평가를 실시하기 위한 과정을 Fig. 11에서 나타내었다. 결함크기가 가장 작은 직경 3 mm의 경우 화상처리 과정에서 해상도 문제로 결함의 평가가 어려움을 알 수 있었으며, Fig. 12, 13은 결함크기 평가의 기준이 되는 가장 큰 원 및 사각 결함에 대해서 결함크기를 평가하는 과정의 결함크기에 대한 정량적 평가결과를 나타내었다.

Fig. 11

Quantitative evaluation process

Fig. 12

Quantitative evaluation results of defect φ14

Fig. 13

Quantitative evaluation results of defect 40×40

적외선 열화상에 대한 정량적인 평가의 결과를 다음의 Table 1과 Table 2에 정리하여 나타내었다. 전반적으로 80%를 상회하는 정확도를 도출하고, 영상처리를 통한 영상의 기울기에 대한 왜곡을 보정하여 수행한 정량적인 평가의 효율성을 확인할 수 있었다. 여기서 작은 크기의 결함에서 정확도가 낮은 이유는 화소의 수에 대한 영향으로 확인되었다.

Table 1

Quantitative evaluation results of square defects

Table 2

Quantitative evaluation results of circle defects

이와 같이 시험편의 인공결함에 대해서 적외선 열화상을 이용한 부품소재의 결함을 정량적인 결함 평가하는 과정을 거쳐 결함에 대한 정량적인 평가가 가능하도록 하였으며, 평가 알고리즘을 정리하면 Fig. 14 같이 요약하여 나타낼 수 있다.

Fig. 14

Quantitative detection algorithm

4. 결 론

본 연구를 통하여 적외선 열화상 검사를 수행하는 과정에서 결함의 정량적인 평가를 위해서는 열화상 검사의 과정에서 발생할 수 있는 영상오차의 최소화를 위한 과정으로서 영상의 기울기 오차에 대한 보정이 필요하게 되는 이유를 제시하였다. 미디언 필터를 적용하여 영상의 잡음을 제거한 2진화 영상에서 결함의 크기에 대한 측정이 가능하였으며, 기울기에 대한 왜곡의 보정에 대하여 정량적인 결함 평가를 수행한 결과 보정 전의 평가와 비교할 때 확연하게 개선된 정량적인 결함 평가의 결과를 확인할 수 있었다.

References

• Park, I. G., Jang, G. Y., Cho, Y. H., (2017), Nondestructive Evaluation Engineering, Hakyeonsa, Korea.
• Rafael, C. G., Richard, E. W., Steven, L. E., (2011), Digital Image Processing Using MATLAB, Mc Graw Hill, Singapore.
• Kwon, K. A., Choi, M. Y., Park, H. S., (2015), Quantitative Defects Detection in Wind Turbine Blade Using Optical Infrared Thermography, Journal of the Korean Society for Nondestructive Testing, 35(1), p597-609. [https://doi.org/10.7779/jksnt.2015.35.1.25]
• Hong, D. P., Kim, W. T., (2014), Quantitative NDE Thermography for Fault Diagnosis of Ball Bearings with Micro-Foreign Substances, Journal of the Korean Society for Nondestructive Testing, 34(4), p305-310. [https://doi.org/10.7779/jksnt.2014.34.4.305]
• Park, J. H., Choi, M. Y., Kim, W. T., (2010), Shearing Phase Lock-in Infrared Thermography for Defects Evaluation of Metallic Materials Specimen, Journal of the Korean Society for Nondestructive Testing, 30(2), p91-97.
• Yoon, S. T., Choi, M. Y., Park, H. S., (2016), Radiant Energy Filtering to Enhance High Temperature Measurement by a Thermography System, Journal of the Korean Society for Nondestructive Testing, 36(6), p466-473. [https://doi.org/10.7779/jksnt.2016.36.6.466]
• Lee, S. M., Cho, Y. J., Jung, H. S., (2016), Measurement Uncertainty on Subsurface Defects Detection Using Active Infrared Thermographic Technique, Journal of the Korean Society for Aeronautical and Space Sciences, 44(7), p545-551.
• Clemente, I. C., González, D., Klein, M., (2004), Infrared Image Processing and Data Analysis, Infrared Physics & Technology, 46(1-2), p75-83.
• Wysocka-Fotek, O., Maj, M., Oliferuk, W., (2015), Use of pulsed IR thermpgraphy for determination of size and depth of subsurface defect taking into account the shape of its cross-section area, <https://doi.org/10.1515/amm-2015-0181>.