來自精密醫療成像技術的靈感：汽車工業檢測新手段誕生

今天，絕大多數的汽車都是身披一層閃閃發光的“外衣”，用它的酷炫來吸引人們的眼球。實際上，你看到的這些閃耀的金屬光澤以及各種各樣的顏色都是由汽車油漆材料中所加入的微小金屬薄片的分布和特性所決定的。現在，一種基于醫學成像技術（光學相干斷層掃描OCT）的新方法為汽車工業提供了一種實用手段，來對這些金屬薄片進行自動分析，以提高汽車后處理的效率。而在以前，其他技術手段都難以對這種材料進行成像研究。

“這種新方法能夠定量，并且自動化測量工業應用汽車涂料中金屬薄片的尺寸、數量以及排列方向”，來自英國利物浦大學的同時作為該項目的首席研究員Yaochun Shen教授說道：“這種方法可能會對汽車制造程序中的質量控制過程非常有用”。

光學相干斷層掃描技術是一種以微米級分辨率獲取實時橫截面圖像、基于光學的先進成像技術。自1991年發明以來，該技術在醫學方面的應用迅速擴大，今天的醫生們經常會使用該技術來診斷眼科疾病等。另外，該技術正在不斷進入新的生物醫學應用領域，現在許多研究人員還在探索將其作為改善制造和工業流程的有效工具的可能性。

Yaochun Shen教授介紹說：“油漆噴涂步驟是汽車加工制造過程中的一個技術瓶頸所在。如果成品車的車身油漆不符合相關要求，則必須將其進行化學去除，并將車輛完全重新粉刷，這不僅要花費大量的時間和金錢，還可能會造成化學廢棄物和相關的環境問題”。

在著名光學期刊美國光學學會（OSA）的《Optics Express》上，Shen和他的同事報道稱，他們的方法可以自動識別直徑僅為10微米，厚度為1微米的金屬片，并對其進行精確的三維測量，可以成功應用在汽車涂料樣品上。并且隨著進一步研究，該技術有望對產品進行在線監測，這樣就可以實時檢測到油漆噴涂過程中所發生的問題。

“使用該技術監控在線工藝還可以幫助汽車制造商更好地了解整個涂層工藝。有了更好的了解，汽車行業才可能會開發出新的涂層工藝或新型涂層材料” Shen說道。

非接觸式涂料分析

汽車車身所用的油漆一般都具有復雜的四層結構，汽車行業目前通常使用超聲波成像技術在質量控制中對汽車油漆進行檢查。雖然超聲波檢測儀器使用方便，但該方法不能有效地對許多現代汽車涂料中使用的微小金屬薄片進行成像。并且超聲波測量儀器還要求設備與樣品進行接觸，這意味著超聲波技術無法在不干擾油漆噴涂工作的前提下進行在線監測。

“當汽車制造商聯系我們，希望開發出一種能夠分析汽車油漆材料中閃光金屬薄片的新技術時，我們覺得光學相干斷層掃描技術或許可以提供一個完美的解決方案。我們在眼科研究中經常使用到光學相干斷層掃描技術，因為它具有較高的成像分辨率，并且可以在不接觸樣品的情況下進行測量，因此非常適合汽車制造商生產過程中的分析要求”Shen說道。

研究人員設計了一種具有非常高的橫向空間分辨率的3D光學相干斷層掃描儀器來區分微小的薄片，該設備還具有高深度分辨率以查看每個薄片的位置和排列方向。由于單個三維光學相干斷層掃描圖像包含了數以千計的薄片——數量太多，導致無法手動測量——研究人員還開發了一種算法，以自動識別和表征樣品中的每個薄片。

（a）OCT系統結構示意圖；（b）USAF 1951分辨率板的OCT正面圖像；（c）汽車油漆樣品的深度剖面示意圖；（d）本工作中使用的汽車油漆板的照片，其中被測區域用九個紅色點突出顯示。

研究人員通過對五種油漆樣品進行技術測試后發現，光學相干斷層掃描系統對頂部兩層汽車涂料（包括具有金屬薄片的涂層）的成像分析運行良好。使用3D分析算法，可以有效確定涂料樣品中金屬薄片的數量、大小和排列方向。

4種汽車油漆樣品的OCT檢測結果（左）與B掃描顯微形貌（右）的比較

研究人員表示，目前的光學相干斷層掃描技術，無論是硬件還是軟件都已經能夠勝任工業環境中常用汽車油漆的分析檢測，他們接下來需要繼續研究加速測量的方法，以便更好的實現實時監測。

此外，研究人員也正在嘗試將光學相干斷層掃描技術應用于其他一些工業領域中，例如分析藥片的表面涂層等。藥片涂層的質量能夠有效控制藥物的釋放速率，該技術可以幫助人們定量分析這些涂層的厚度均勻性，并檢查其是否含有缺陷等。

Shen教授表示：光學相干斷層掃描技術在醫療方面的應用已經比較成熟，現在，該技術同樣可以在許多工業應用中大展拳腳！


轉載自：“無損檢測NDT”微信公眾號
來源：美國光學學會（OSA）
譯自：sciencedaily
譯者：Vince

參考文獻：

Jinke Zhang, Bryan M. Williams, Samuel Lawman, et al. Non-destructiv6eanalysis of flake properties in automotive paints with full-field opticalcoherence tomography and 3D segmentation. Optics Express, 2017; 25 (16): 18614 DOI: 10.1364/OE.25.018614

Jinke Zhang