引言
紅外熱像（infrared thermography）是目前運(yùn)用非常廣泛的一種快速高效的無損檢測(cè)技術(shù)，通過外部施加的熱或冷激勵(lì)使被測(cè)物體內(nèi)的異性結(jié)構(gòu)以表面溫度場(chǎng)變化的差異形式表現(xiàn)出來，從而達(dá)到缺陷部位的定性和定量分析。其成像原理是利用紅外探測(cè)儀將接受到的被測(cè)物體的紅外輻射映射成灰度值，再轉(zhuǎn)化為可視溫度分布圖（紅外熱像圖）。最早在二戰(zhàn)末期應(yīng)用于軍事偵察領(lǐng)域，因其本身具有快速高效、無需停運(yùn)、無需取樣、可進(jìn)行無污染、非接觸、大面積檢測(cè)、以及其直觀成像等優(yōu)點(diǎn)，而被作為復(fù)合材料的無損檢測(cè)技術(shù)應(yīng)用于工業(yè)領(lǐng)域，如航空航天、機(jī)械、油氣、建筑等領(lǐng)域。
1 、紅外熱像技術(shù)的發(fā)展現(xiàn)狀
自20世紀(jì)以來，紅外熱像技術(shù)得到快速發(fā)展。20世紀(jì)90年代，美國(guó)無損檢測(cè)協(xié)會(huì)和材料試驗(yàn)協(xié)會(huì)針對(duì)紅外熱成像技術(shù)指定了相應(yīng)標(biāo)準(zhǔn)，并在無損檢測(cè)手冊(cè)紅外與熱檢測(cè)分冊(cè)中描述了基于紅外熱像的無損檢測(cè)技術(shù)在各個(gè)領(lǐng)域的運(yùn)用。目前美國(guó)、俄羅斯、法國(guó)、德國(guó)、加拿大、澳大利亞等國(guó)已將紅外熱像技術(shù)廣泛運(yùn)用于航空航天復(fù)合材料構(gòu)件內(nèi)部缺陷及膠接質(zhì)量的檢測(cè)、蒙皮鉚接質(zhì)量檢測(cè)等。近年來，紅外熱像技術(shù)與智能手機(jī)、無人機(jī)等設(shè)備充分結(jié)合，并在各個(gè)領(lǐng)域廣泛使用，如美國(guó)的Fluke和FLIR、德國(guó)Testo、國(guó)內(nèi)武漢高德、浙江大立等企業(yè)。
國(guó)內(nèi)的紅外熱像檢測(cè)技術(shù)比歐美、俄羅斯等發(fā)達(dá)國(guó)家起步較晚，但經(jīng)過十幾年的發(fā)展，目前也取得較為顯著的成果。中國(guó)特種設(shè)備研究院和武漢工程大學(xué)將紅外熱像技術(shù)運(yùn)用于壓力設(shè)備缺陷檢驗(yàn)，取得了一系列顯著的成果。西南交通大學(xué)、昆明物理研究所、北京航空材料研究院、北京理工大學(xué)、西北工業(yè)大學(xué)等將紅外熱像技術(shù)運(yùn)用于航空航天夾層結(jié)構(gòu)件的缺陷檢測(cè)，取得了有效進(jìn)展。在石油化工領(lǐng)域，各位學(xué)者將紅外熱像技術(shù)用于高溫高壓容器和管道的缺陷、保溫層破損、以及內(nèi)部液體流動(dòng)情況的檢測(cè)，也取得了許多成果。
2 、紅外圖像預(yù)處理
紅外技術(shù)應(yīng)用的核心工作在于圖像的處理及利用，不僅在無損檢測(cè)領(lǐng)域，在軍事監(jiān)測(cè)、人臉識(shí)別等領(lǐng)域的應(yīng)用更加重要。紅外圖像的處理主要分為圖像預(yù)處理和圖像識(shí)別，預(yù)處理是開展后續(xù)工作的基礎(chǔ)，其主要分為圖像的非均勻性校正和圖像增強(qiáng)兩個(gè)方面。
2.1 圖像的非均勻性校正
由于材料、生產(chǎn)工藝等因素，紅外設(shè)備探測(cè)元存在響應(yīng)不一致的問題，因此導(dǎo)致紅外圖像的非均勻性，其嚴(yán)重影響了成像的質(zhì)量。目前非均勻性校正算法主要分為兩大類：一類基于標(biāo)定的校正算法，如兩點(diǎn)校正算法、多點(diǎn)校正算法、多項(xiàng)式擬合算法，具有算法簡(jiǎn)單、精度高等優(yōu)點(diǎn)，所以被廣泛使用。另一類基于場(chǎng)景的校正算法，如時(shí)域高通濾波算法、神經(jīng)網(wǎng)絡(luò)算法、統(tǒng)計(jì)恒定法在克服紅外焦平面器件響應(yīng)偏移誤差方面存在優(yōu)勢(shì)，但相關(guān)硬件要求較高，且算法復(fù)雜耗時(shí)。
兩點(diǎn)校正法是開展最早、且最為成熟的算法之一，其原理簡(jiǎn)單，計(jì)算量小，目前仍被廣泛使用。該校正算法是建立在兩個(gè)假設(shè)條件下：一是每個(gè)探測(cè)單元的響應(yīng)是線性的；二是探測(cè)單元的響應(yīng)具有時(shí)不變性，其原理如圖1所示。
圖1 兩點(diǎn)校正示意圖
但兩點(diǎn)校正法是假設(shè)探測(cè)單元的響應(yīng)是線性的，但實(shí)際情況卻更為復(fù)雜，因此在兩點(diǎn)校正法的基礎(chǔ)上提出了多點(diǎn)溫度校正算法。多點(diǎn)校正的實(shí)質(zhì)是在圖像上選取多個(gè)溫度點(diǎn)，就相鄰兩點(diǎn)之間進(jìn)行兩點(diǎn)校正，所適用的溫度范圍也就更廣。中國(guó)科學(xué)院沈陽自動(dòng)化研究所、中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所、中國(guó)科學(xué)院大學(xué)等驗(yàn)證了多點(diǎn)溫度校正法實(shí)時(shí)性的優(yōu)點(diǎn)，且有效提高非均勻性校正的精度。
隨著科技的發(fā)展，紅外熱像技術(shù)的運(yùn)用也更加廣泛，被測(cè)物體以及檢測(cè)環(huán)境的復(fù)雜程度也越來越高，基于標(biāo)定的校正方法已經(jīng)逐漸跟不上發(fā)展的需求了。而國(guó)內(nèi)外的學(xué)者也逐步投入更多精力在基于場(chǎng)景的非均勻校正方法的研究上，早在20世紀(jì)90年代，美國(guó)海軍研究實(shí)驗(yàn)室的D.A.Scribner等人提出了基于神經(jīng)網(wǎng)絡(luò)的場(chǎng)景非均勻校正算法。王嫻雅等人通過分析了傳統(tǒng)的周期性神經(jīng)網(wǎng)絡(luò)自適應(yīng)非均勻校正方法在采用局部領(lǐng)域數(shù)據(jù)估計(jì)輸出期望時(shí)其精度不夠，從而提出一種利用當(dāng)前像素領(lǐng)域和讀出通道估計(jì)輸出期望值的方法。該方法可有效抑制焦平面固定圖案噪音，提高被測(cè)目標(biāo)的分辨率。在優(yōu)化單層所使用的期望函數(shù)上，B.Chen等人提出雙層學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)算法，在不同的神經(jīng)網(wǎng)絡(luò)層使用不同的期望函數(shù)，雙層神經(jīng)網(wǎng)絡(luò)之間優(yōu)勢(shì)互補(bǔ)，同時(shí)具備非均勻性校正效果和改善圖像清晰度，獲得了更高質(zhì)量的紅外圖像，該算法與其他改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法比較結(jié)果如表1所示。
表1 非均勻性校正評(píng)價(jià)
但在使用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行圖像的非均勻校正時(shí)，收斂速度和重影是一對(duì)矛盾的存在。一般說來，如果想更好地抑制重影，神經(jīng)網(wǎng)絡(luò)算法的收斂速度就越慢。因此Li Yiyang等人針對(duì)該問題提出了一種自適應(yīng)門限邊緣檢測(cè)與時(shí)域門限相結(jié)合的學(xué)習(xí)速率規(guī)則。該算法在保證快速收斂的同時(shí)，能很好地抑制重影偽影。通過實(shí)驗(yàn)結(jié)果表明該方法的消影能力強(qiáng)于其他基于神經(jīng)網(wǎng)絡(luò)的非均勻性校正算法。
2.2 圖像增強(qiáng)處理
由于紅外信號(hào)波動(dòng)范圍很大，再加上硬件設(shè)備本身存在的缺陷和環(huán)境因素的影響，在將其轉(zhuǎn)換為適于人眼觀看的可見光圖像時(shí)，易造成圖像的模糊、細(xì)節(jié)丟失、對(duì)比度低下等問題。因此，獲取成像清晰且對(duì)比度高的圖像，是紅外圖像處理中的一項(xiàng)重要技術(shù)。傳統(tǒng)的紅外圖像增強(qiáng)技術(shù)主要分為空域圖像增強(qiáng)和頻域圖像增強(qiáng)兩類，具體分類如圖2所示?？沼蚴侵冈搱D像的所有像素集合，是通過對(duì)圖像中像素灰度值進(jìn)行處理來達(dá)到增強(qiáng)效果的，如灰度值變換、直方圖均衡技術(shù)、圖像平滑和銳化處理、偽彩色處理等技術(shù)。頻域圖像增強(qiáng)是對(duì)圖像經(jīng)傅里葉變換后的頻譜成分進(jìn)行操作，然后逆傅里葉變換獲得結(jié)果，包括低通濾波技術(shù)、高通濾波技術(shù)、同態(tài)濾波技術(shù)等。一般情況下，某一類算法只能解決圖像中出現(xiàn)的一種問題。因此，針對(duì)現(xiàn)實(shí)中紅外圖像出現(xiàn)的復(fù)雜問題，為了提升圖像處理效果，往往需要多種算法結(jié)合使用。目前，在國(guó)內(nèi)外學(xué)者不斷研究與改進(jìn)下，給出了更多性能較為完善的算法。
圖2 圖像增強(qiáng)方法分類
視網(wǎng)膜皮層（Retinex）圖像增強(qiáng)理論是根據(jù)人類視覺特征來展開研究的理論，其原理是通過去除圖像照射分量部分保留反射分量部分，從而獲得圖像本質(zhì)特征，最早是在20世紀(jì)60年代，由學(xué)者Land等人提出。在其原有的基礎(chǔ)理論上，經(jīng)過半世紀(jì)的發(fā)展，改進(jìn)的Retinex算法被廣泛的運(yùn)用于各領(lǐng)域。針對(duì)Retinex算法在處理圖像存在失真和耗時(shí)長(zhǎng)等問題，Wang W.、LiB.等人提出了一種快速多尺度Retinex算法，以解決基于多尺度Retinex算法的圖像增強(qiáng)過程中顏色失真的問題，并改進(jìn)了一種耗時(shí)較慢的圖像增強(qiáng)算法的缺點(diǎn)。但此算法在細(xì)節(jié)處的處理仍需完善，而Hanumantharaju等人提出了一種基于改進(jìn)的multiscale Retinex（MSR）算法的新的彩色圖像增強(qiáng)技術(shù)，并使用小波能量來評(píng)估增強(qiáng)圖像的視覺質(zhì)量。實(shí)驗(yàn)結(jié)果證實(shí)了基于小波能量的MSR算法有效地表征了增強(qiáng)圖像的局部和全局細(xì)節(jié)。而針對(duì)Retinex算法在降噪方面的不足，又有學(xué)者提出基于Retinex和三維塊匹配（block matching 3D）的圖像增強(qiáng)方法。實(shí)驗(yàn)結(jié)果證明，此算法既能很好地表征圖像中的細(xì)節(jié)，又有效地降低了圖像的噪聲，其結(jié)果與多種算法對(duì)比如表2所示。
表2 圖像質(zhì)量評(píng)價(jià)指標(biāo)統(tǒng)計(jì)數(shù)據(jù)
Contourlet變換是一種具有多方向性、多尺度性的多維函數(shù)表示方法，不僅具有小波變換的多分辨率和時(shí)頻局部化特性，還具有很好的方向性和各向異性，將它應(yīng)用于圖像增強(qiáng)，能更好地保留圖像邊緣和紋理信息。Peng Z.等人提出了一種基于Contourlet變換與模糊理論相結(jié)合的紅外圖像增強(qiáng)算法，該算法更能有效地抑制噪聲，增強(qiáng)圖像的對(duì)比度，突出圖像的邊緣與細(xì)節(jié)紋理信息。ZhangXiaojie等人提出了一種基于Contourlet變換和混沌粒子群優(yōu)化（particles warm optimization）的紅外圖像增強(qiáng)方法，該方法提高了圖像的整體對(duì)比度和改善了弱細(xì)節(jié)的局部對(duì)比度。但是Contourlet變換不具備平移特性，易存在頻譜混疊現(xiàn)象，因此XieYi等人提出了一種非子采樣輪廓波變換（nonsubsampled contourlet transform，NSCT）的圖像增強(qiáng)方案，通過實(shí)驗(yàn)證實(shí)了，該方案在增強(qiáng)圖像細(xì)節(jié)的同時(shí)，也增強(qiáng)了圖像的對(duì)比度。
數(shù)字細(xì)節(jié)增強(qiáng)技術(shù)（digital detail enhancement）由美國(guó)FLIR公司提出，是一種能夠保留高動(dòng)態(tài)范圍圖像細(xì)節(jié)的非線性圖像處理方法，有利于人們對(duì)物體關(guān)鍵信息的獲得。該方法是目前對(duì)紅外圖像進(jìn)行增強(qiáng)處理最有效的方法之一，但其具體算法并未公布，因此眾多學(xué)者也基于此方法的思想進(jìn)行深入的研究。董靜等人提出了基于DDE思想的紅外圖像動(dòng)態(tài)范圍壓縮細(xì)節(jié)增強(qiáng)算法，該算法在全面增強(qiáng)圖像細(xì)節(jié)的同時(shí)能夠抑制圖像背景中的雜波，增強(qiáng)弱小目標(biāo)，滿足圖像顯示視覺效果的同時(shí)，有利于在圖像上進(jìn)行目標(biāo)提取，該算法與其他算法對(duì)比結(jié)果如圖3所示?？梢詮膶?duì)比圖像明顯的觀測(cè)出采用DDE技術(shù)在圖像的紋理、輪廓等細(xì)節(jié)部位顯示效果突出，且色彩對(duì)比度清晰，成像質(zhì)量高于其他算法。
圖3 算法結(jié)果
劉婷婷等人在DDE數(shù)字細(xì)節(jié)增強(qiáng)技術(shù)研究的基礎(chǔ)上，提出了一種新的基于圖像分層處理的紅外圖像細(xì)節(jié)增強(qiáng)算法。該算法根據(jù)灰度分布特點(diǎn)將圖像分為基圖部分和細(xì)節(jié)圖部分，對(duì)于基圖部分采用兩端截取式的灰度線性映射方法，針對(duì)細(xì)節(jié)圖，作者提出了S曲線灰度變換方法。經(jīng)實(shí)驗(yàn)證明該算法在視覺效果上得到改善，細(xì)節(jié)信息得到有效增強(qiáng)。國(guó)防科技大學(xué)、北京理工大學(xué)、重慶大學(xué)、電子科技大學(xué)等高校圍繞DDE技術(shù)在紅外圖像細(xì)節(jié)增強(qiáng)算法方面進(jìn)行了大量的實(shí)驗(yàn)研究，獲得了質(zhì)量更高的紅外圖像。
3 紅外圖像的識(shí)別
3.1 常用紅外圖像識(shí)別方法簡(jiǎn)介
紅外圖像的預(yù)處理往往只是將被測(cè)缺陷以適合人眼觀察的狀態(tài)從復(fù)雜的背景圖中顯現(xiàn)出來，但這只能解決部分問題。圖像進(jìn)一步的處理，則需要針對(duì)性更強(qiáng)的方法，如在無損檢測(cè)中，目前應(yīng)用最為廣泛的圖像分割方法有：邊緣檢測(cè)和區(qū)域生長(zhǎng)法。邊緣檢測(cè)的目的是檢測(cè)出圖像中亮度變化較大的點(diǎn)，主要是物體的邊緣和背景處。其通常分為兩類，一是通過圖像一階導(dǎo)數(shù)的最值來檢測(cè)邊緣，如Sobel、Canny算子；二是通過圖像二階導(dǎo)數(shù)的零值來獲取邊緣，如Laplace算子。這些算子都是圖像處理中常用算子，故不作過多解釋；區(qū)域生長(zhǎng)法的實(shí)質(zhì)是從一個(gè)小區(qū)域或像素點(diǎn)開始，將周圍與其特征相近的像素點(diǎn)融合，從而形成更大的區(qū)域。由于初始種子的選擇，該方法容易出現(xiàn)過生長(zhǎng)或者欠生長(zhǎng)等問題。因此，區(qū)域生長(zhǎng)法的改進(jìn)也一直是研究人員的工作重點(diǎn)。
在無損檢測(cè)領(lǐng)域中，常用的圖像缺陷特征提取的方法有：主成分分析（principal component analysis）、獨(dú)立成分分析（independentcomponent analysis）、脈沖相位法（pulse phase infrared thermography）、溫度信號(hào)重構(gòu)法（thermal signal reconstruction）等方法。主成分分析法是一種將多指標(biāo)化為少量綜合指標(biāo)的方法。圖像的本質(zhì)是像素矩陣，通過線性變換降低維度，要求得到的綜合變量要盡可能多的包含原始圖像信息，且各不相關(guān)。雖然該方法降低了信息的復(fù)雜度，但也丟失了一部分原始圖像的特征；獨(dú)立成分分析法是在主成分分析法上進(jìn)一步發(fā)展而來，其目的是將獲得的數(shù)據(jù)進(jìn)行某種線性解分，使其分解為統(tǒng)計(jì)獨(dú)立的成分。該方法解決了主成分分析法難以消除非高斯信號(hào)之間關(guān)聯(lián)性的問題，但這也是使用獨(dú)立成分分析法的一個(gè)前提；脈沖相位法是將獲得的每個(gè)像素值對(duì)應(yīng)的溫度信號(hào)做傅里葉變換，進(jìn)而作頻譜分析。其依據(jù)不同頻率的熱輻射在不同深度和大小的缺陷中傳播和反射的結(jié)果不同，由此獲得材料中的缺陷信息，但是該方法受環(huán)境影響因素較大。溫度信號(hào)重構(gòu)法主要是利用表面溫度在物體和空間上的變化信息，對(duì)紅外圖像每個(gè)像素值的時(shí)間信息進(jìn)行處理，將對(duì)應(yīng)點(diǎn)溫度響應(yīng)曲線從時(shí)域轉(zhuǎn)換到對(duì)數(shù)域，從而增強(qiáng)圖像信息。
在復(fù)雜的工程環(huán)境下，任何單一方法都無法滿足實(shí)際需求，因此，多種方法的結(jié)合和完善才是研究的重點(diǎn)。
3.2 部分學(xué)者研究成果
在基于紅外熱像的復(fù)合材料無損檢測(cè)識(shí)別研究過程中，梁濤等人在研究復(fù)合材料受沖擊損傷后缺陷的特性時(shí)，沒有發(fā)現(xiàn)分層缺陷引起的“暗區(qū)”，且整體的纖維結(jié)構(gòu)分布較均勻，給直接評(píng)估缺陷帶來困難。針對(duì)該問題，作者提出結(jié)合PCA和小波變換法來進(jìn)行缺陷的特征提取，新的算法具備了時(shí)域-空域-頻域等多維度的特征提取能力，再通過閾值分割對(duì)圖像進(jìn)行二值化處理消除背景，使缺陷信息更加明顯。
另外作者針對(duì)復(fù)合材料出現(xiàn)的脫粘缺陷采用了不同的圖像序列算法進(jìn)行實(shí)驗(yàn)對(duì)比，包括溫度信號(hào)重構(gòu)、脈沖相位法、主成分分析、獨(dú)立成分分析，最終證明TSR和PCA在缺陷特征提取方面效果更好，如表3。再采用區(qū)域生長(zhǎng)法對(duì)TSR獲得的特征圖進(jìn)行分割和K最鄰近（K-nearestneighbor，KNN）分類算法進(jìn)行分類識(shí)別，最終成功檢測(cè)出金屬結(jié)構(gòu)材料的全部缺陷（最小直徑2mm）和蜂窩芯結(jié)構(gòu)材料大于3mm的缺陷。
表3 不同算法檢測(cè)效果評(píng)估
注：TP表示被檢測(cè)出且實(shí)際存在的缺陷；FP表示被檢測(cè)出卻不是實(shí)際存在的缺陷；FN表示實(shí)際存在卻沒有被檢測(cè)出的缺陷；TN表示不存在也沒有檢測(cè)出來的缺陷；P表示缺陷檢測(cè)準(zhǔn)確率；R為召回率；F表示P和R的加權(quán)調(diào)和平均。
在進(jìn)行圖像分割時(shí)，考慮到傳統(tǒng)的區(qū)域生長(zhǎng)法會(huì)引入人為的主觀因素，馮琪智等人提出了一種用于分割的自動(dòng)區(qū)域生長(zhǎng)算法，即自適應(yīng)尋找預(yù)處理對(duì)象、種子點(diǎn)和閾值。通過實(shí)驗(yàn)后，采用F-score值進(jìn)行評(píng)價(jià)。在檢測(cè)薄板時(shí)，各種方法差異不大；但是在檢測(cè)厚板時(shí)，差異效果明顯，且采用自動(dòng)區(qū)域生長(zhǎng)法進(jìn)行處理之后，缺陷檢出率有所提升，部分檢出結(jié)果對(duì)比如表4所示。
表4 不同算法的F-score
針對(duì)傳統(tǒng)區(qū)域生長(zhǎng)法初始種子難以選擇的問題，陳躍偉提出一種改進(jìn)的區(qū)域生長(zhǎng)法，即利用最小二乘法擬合出紅外圖像中亮度和溫度之間的線性關(guān)系，建立基于像素溫度場(chǎng)，從而根據(jù)設(shè)定溫度范圍來確定種子的位置。該學(xué)者將此區(qū)域生長(zhǎng)法和BP神經(jīng)網(wǎng)絡(luò)結(jié)合用于巡檢機(jī)器人電站設(shè)備的檢測(cè)。經(jīng)過實(shí)驗(yàn)證明，在400幅設(shè)備紅外圖像中，圖像的正確識(shí)別率92.74%，錯(cuò)誤率5.78%，未識(shí)別率1.48%。
劉鑫等人利用基于閾值改進(jìn)的形態(tài)學(xué)邊緣檢測(cè)算法，檢測(cè)積水管道的紅外圖像，并與中值濾波、維納濾波、傳統(tǒng)形態(tài)學(xué)等方法處理的圖像作對(duì)比，峰值信噪比（peak signal to noise ratio）情況如表5所示。而該方法的圖像分割能力比傳統(tǒng)的Canny、Sobel、Roberts等算子處理效果更好。
JiangHongquan等人提出一種基于紋理特征和主成分分析的焊縫缺陷特征提取與分類的方法。實(shí)驗(yàn)結(jié)果表明，此方法可有效提取缺陷類型的一般特征，分類準(zhǔn)確率達(dá)90.4%。
表5 不同算法PSNR值
注：PSNR為峰值信噪比，值越大表示處理效果越好
ZhouJianmin等人在研究孔洞類型的缺陷時(shí)提出了PCA和概率神經(jīng)網(wǎng)絡(luò)（probability neural network）結(jié)合的算法。實(shí)驗(yàn)結(jié)果表明正常區(qū)域和異常區(qū)域識(shí)別率分別可達(dá)95%和85%。同時(shí)，該學(xué)者又提出了一種基于遺傳算法和序列紅外圖像熱像加權(quán)疊加的檢測(cè)方法，經(jīng)此方法處理后，缺陷與正常區(qū)域的灰度比分別提高到8.5%和31.0%，缺陷特征明顯增強(qiáng)。
4 結(jié)束語
紅外熱像技術(shù)因其非接觸、無污染、高效率，在航空航天、機(jī)械、建筑、油氣等領(lǐng)域得到廣泛的應(yīng)用。隨著科技的發(fā)展，該技術(shù)逐步從工業(yè)領(lǐng)域走向群眾的生活領(lǐng)域是必然的趨勢(shì)，如FLIR紅外設(shè)備與手機(jī)的結(jié)合，智能手機(jī)所帶的紅外識(shí)別等。為了使該技術(shù)給社會(huì)帶來更大的便捷，其未來的發(fā)展方向應(yīng)有以下幾點(diǎn)：
1）技術(shù)的標(biāo)準(zhǔn)化和統(tǒng)一化
由于紅外熱像技術(shù)應(yīng)用領(lǐng)域較為廣泛，各行業(yè)之間因術(shù)語不規(guī)范和定義不明確，造成交流不便。如大家都在濫用術(shù)語“缺陷”，而拒絕使用術(shù)語“缺欠”、“不連續(xù)”等。但是，它們之間的定義是有很大差別的。
2）檢測(cè)向智能識(shí)別方向發(fā)展
現(xiàn)階段在進(jìn)行缺陷判別時(shí)，大多數(shù)時(shí)候還是靠人工判斷，其準(zhǔn)確率易受檢測(cè)人員的主觀因素影響。但隨著工業(yè)4.0和“中國(guó)制造2025”的要求，檢測(cè)方法的智能化、無人化是未來的發(fā)展趨勢(shì)。
3）定性檢測(cè)向定量檢測(cè)發(fā)展
目前的檢測(cè)技術(shù)主要還是用于物體損傷的定性判別，在定量檢測(cè)方面誤差較大。但隨著硬件設(shè)備和紅外圖像處理技術(shù)的發(fā)展，實(shí)現(xiàn)對(duì)缺陷深度、面積和位置等信息的快速反演是必然的趨勢(shì)。
4）多種檢測(cè)手段結(jié)合使用
目前無損檢測(cè)很大一部分是用于在線檢測(cè)，由于考慮到時(shí)效的問題，檢測(cè)手段比較單一，特別是在圖像處理的過程采用的算法也較少和較為簡(jiǎn)單，這樣檢測(cè)效果難免會(huì)有不足之處。但是隨著該技術(shù)的發(fā)展，將紅外技術(shù)與其他技術(shù)結(jié)合，如超聲檢測(cè)技術(shù)、渦流檢測(cè)技術(shù)等，以及優(yōu)化后的多種圖像處理算法結(jié)合，則可實(shí)現(xiàn)更快速、更高效的檢測(cè)，節(jié)省大量的人力物力。
