FR3044131A1 - Dispositif et procede de calcul automatique de courbe tcg - Google Patents

Abstract

L'invention concerne un procédé de calcul automatique d'une courbe de correction amplitude - distance (DAC : Distance Amplitude Correction) pour système de contrôle non destructif par voie ultrasonore, le système comprenant un capteur ultrasonore (10) et une pièce de référence (11). Le procédé comporte des étapes suivantes : 101 acquisition d'un grand nombre de points de mesure uniformément distribués sur toute la surface de la pièce de référence (11), 102 : classification non supervisée (Unsupervised Learning) des points d'acquisitions (couples temps / amplitude).

Description

DOMAINE TECHNIQUE

La présente invention relève du domaine des procédés de contrôle qualité par traitement non destructif. Elle vise plus particulièrement un procédé de conditionnement et de traitement du signal, et notamment de calcul automatique de courbe TCG (Time Compensated Gain) dans le cas de contrôle qualité par technique ultrasonore.

ÉTAT DE LA TECHNIQUE

On connaît à ce jour de nombreuses techniques de contrôle qualité de pièces par traitement non destructif.

Parmi celles-ci, l’une des techniques consiste à envoyer, par un transducteur acoustique, un faisceau ultrasonore traverser une pièce, ladite pièce étant par exemple une plaque composée de plusieurs épaisseurs de matériaux composites ou de métal accolées, et à écouter le signal sonore en retour pour déterminer l’épaisseur lopièce de la pièce ou des discontinuités de sa composition.

En effet, lorsque les ultrasons émis par le transducteur et traversant la pièce, rencontrent une interface délimitant deux milieux ayant des impédances acoustiques (résistance de la matière au passage des ondes sonores) différentes au sein de la pièce analysée, une réflexion est générée. Les ultrasons réfléchis sont captés par un palpeur (qui peut être le même que l'émetteur). Il y a création d'un « écho ». De même, lorsque le signal atteint la surface inférieure de la pièce, il y a création d’un signal en retour.

Dans le cas d'une pièce comportant une surface supérieure sur laquelle est placée le transducteur et une surface inférieure, la détection de défaut se fait en comparant le temps mis pour faire un aller retour dans l'épaisseur de la pièce et le temps mis pour la réflexion sur un défaut (source : Wikipedia).

Dans ce cas, il est usuel de représenter le résultat de cette mesure par une courbe illustrant en ordonnée l’amplitude des pics d’entrée, de sortie et les pics caractéristiques de défauts détectés, en fonction du temps représenté en abscisse de la courbe. La distance entre le pic illustrant l’écho d’entrée et le pic illustrant l’écho de défaut permet alors de déterminer la profondeur de chaque défaut ou discontinuité dans la pièce.

En faisant parcourir à l’outil de diagnostic (un transducteur) une ligne sur la surface de la pièce à évaluer, il est également possible de générer une image en coupe de la pièce, mettant en évidence ses défauts éventuels, ou des lignes de séparation entre ses épaisseurs constitutives.

Il se produit naturellement une atténuation progressive du signal sonore lorsque celui-ci traverse la pièce, cette atténuation étant particulièrement notable lorsque l’épaisseur des pièces à analyser est importante. Cette atténuation est nuisible à une bonne interprétation du signal sonore récupéré en sortie, notamment lorsque les pics présentent une amplitude qui devient voisine d’un bruit de fond de mesure. Les défauts profonds dans une pièce deviennent alors en effet plus difficiles à détecter correctement.

Des techniques de correction de ce problème ont été développées. On désigne alors par le terme de compensation de gain pour le temps de vol (ou en anglais « Time Compensated Gain », acronyme TCG) un réglage appliqué durant un diagnostic par imagerie ultrasonore, pour tenir compte de l’atténuation du signal ultrasonore qui traverse la matière. Dans ce réglage, on augmente le gain appliqué au signal reçu de façon croissante avec la profondeur, de manière à venir compenser l’atténuation du signal. Ce réglage du gain en fonction du temps de vol est complexe.

Plus précisément, lorsque l’on doit effectuer l’inspection par ultrasons d’une pièce, on cherche, lors de la phase initiale de calibration du système de mesure, à obtenir la même réponse (c’est à dire la même amplitude de l’écho ultrasonore, typiquement 80 % de la dynamique de numérisation) pour un réflecteur identique, quelle que soit la profondeur considérée, afin de compenser l’atténuation intrinsèque du matériau.

Pour ce faire, selon la technique actuelle, l’opérateur ajuste manuellement une courbe d’amplification variable en fonction du temps de numérisation (i.e. de la profondeur dans la pièce) appelée TCG (Time Compensated Gain) ou DAC (Distance Amplitude Correction). En utilisant la vitesse de propagation dans le matériau on passe de la distance au temps et one peut donc déduire chacune des deux courbes de l’autre.

Cette opération est coûteuse en temps et imprécise car l’opérateur effectue plusieurs itérations sur un ensemble limité de réflecteurs disponibles (exemple : pièce à gradin) et ajuste la courbe visuellement dans un logiciel d’acquisition.

Il existe une solution automatique (appelée méthode a dans la suite du document) de calcul des points d’une courbe de compensation de gain pour le temps de vol (TCG) qui consiste à : 1) Faire plusieurs acquisitions sur une pièce de référence qui contient des réflecteurs identiques à des profondeurs différentes sans courbe de compensation de gain pour le temps de vol (TCG) en enregistrant les amplitudes et temps de vol des échos ultrasonores généré par les réflecteurs, 2) Calculer l’atténuation pour chaque couple (temps, amplitude) et en déduire le gain de compensation en chaque point, 3) Interpoler si nécessaire entre les points.

La courbe TCG / DAC ainsi générée est limitée en précision par le nombre de réflecteurs de la pièce de référence et requiert plusieurs tirs (i.e. acquisitions) ultrasonores. Il s’agit d’une automatisation de la procédure manuelle évoquée plus haut.

Une autre solution (appelée méthode b dans la suite du document) utilise 1/ la courbe d’atténuation en fonction de la fréquence du signal dans le matériau, et 2/ le spectre, injecté dans la pièce par le capteur, pour prédire à chaque profondeur de la gamme de travail l’atténuation subie par le signal. Cette méthode requiert une forte connaissance à priori du signal injecté et des propriétés de la pièce inspectée et requiert la réalisation d’acquisitions préalables par l’opérateur sur un réflecteur type plaque de verre.

EXPOSÉ DE L’INVENTION

La présente invention a pour objectif de remédier à tout ou partie des inconvénients de l’art antérieur. L’objectif de la présente invention est notamment de fournir une solution automatisée qui réduit le temps de réglage et améliorer la précision (i.e. la qualité) des mesures ultrasonores.

Elle vise à cet effet en premier lieu un procédé de calcul automatique d’une courbe de correction amplitude - distance (DAC : Distance Amplitude Correction) pour système de contrôle non destructif par voie ultrasonore, le système comprenant un capteur ultrasonore et une pièce de référence. Le procédé comporte des étapes suivantes : 101 : acquisition d’un grand nombre de points de mesure distribués sur la surface de la pièce de référence, 102 : classification non supervisée (Unsupervised Learning) des points d’acquisitions (couples temps / amplitude).

Les inventeurs proposent ici une solution basée sur une approche par classification non supervisée (Unsupervised Learning) d’un grand nombre de points d’acquisitions (couples temps-amplitude) sur toute la surface de la pièce de référence mentionnée dans la « méthode a >> décrite plus haut.

Le préalable à cette méthode est donc l’acquisition d’un grand nombre de points de mesure uniformément distribués sur toute la surface de ladite pièce de référence.

Dans un mode particulier de mise en œuvre, les points de mesure sont uniformément distribués sur toute la surface de la pièce de référence.

Dans un mode particulier de mise en œuvre, l’étape 102 de classification non supervisée comprend un regroupement automatique des points d’acquisition par groupe « cohérent», au sens de l’algorithme de regroupement (clustering) de classification non supervisée choisi, chaque groupe correspondant à une épaisseur de la pièce de référence, le vecteur utilisé pour le regroupement (clustering) comprenant au moins une des grandeurs suivantes : - amplitude, - temps de vol, - une ou plusieurs coordonnées de positionnement.

Dans ce mode particulier de mise en œuvre, une ou plusieurs des coordonnées spatiales des points d’acquisition peuvent être utilisées pour le clustering afin de prendre en compte la proximité spatiale des points lors du regroupement.

Plus particulièrement, dans ce cas, le regroupement automatique des points d’acquisition par groupe met en œuvre un algorithme de type K-Means, avec ou sans heuristique pour déterminer le nombre de clusters.

Il existe ici plusieurs alternatives pour le choix de l’algorithme : K-Means, MeanShift, etc.

Dans le cas particulier de l’utilisation de la méthode K-Means pour le clustering, le nombre de clusters peut, soit être entré directement par l’opérateur, soit calculé par une des heuristiques suivantes (liste non exhaustive) : silhouette score, gap statistic, elbow method, pham et al, ...

Dans un autre mode de réalisation, on peut comparer le nombre de clusters entré par l’opérateur au nombre de cluster optimal proposé par l’heuristique, afin de détecter d’éventuels problèmes d’acquisition (si l’opérateur ne scanne pas uniformément la pièce par exemple et oublie une épaisseur).

Dans un mode particulier de mise en œuvre, le procédé comprend en outre : - une étape 103 dans laquelle, pour chaque groupe, on détermine un couple générique (temps de vol, amplitude), et - une étape 104 de construction de la courbe de correction amplitude -distance (DAC) en calculant le gain nécessaire pour que la valeur de l’amplitude de chaque groupe soit égale à une valeur cible prédéterminée.

La méthode mathématique de détermination de la position de chaque couple générique choisie fait partie de la liste non limitative suivante : - Position du « centroid » issu de la classification, - Maximum d’occurrence de l’histogramme, - Gaussian Kernel Density Estimation (KDE), - Fit d’un kernel Gaussien, - Valeur moyenne, - Valeur médiane.

Dans un mode particulier de mise en œuvre, dans l’étape 103, il est réalisé pour chaque groupe une estimation de la dispersion des couples du groupe suivant les deux dimensions temps de vol et amplitude.

Dans un mode particulier de mise en œuvre, dans l’étape 104, les valeurs d’amplitude et de temps de vol sont reconverties en unités physiques si ces dernières ont été normalisées préalablement à l’étape de classification.

Dans un mode particulier de mise en œuvre le procédé est itératif et comprends une étape 105 qui utilise, durant la phase d’acquisition de l’itération de rang N, la DAC calculée à l’itération N-1, le critère de fin d’itération se faisant sur le nombre de clusters (i.e. Groupes) trouvés et/ou le nombre d’itérations effectuées.

Alternativement, il est réalisé une itération en diminuant ou augmentant le gain de chaque point de DAC à chaque itération jusqu’à obtenir une variation de l’amplitude des points de DAC entre deux itérations successives suffisamment faible selon un critère de convergence préalablement choisi.

Dans un mode particulier de mise en œuvre, dans le cas d’une sonde multiéléments et/ou d’une configuration multi-tirs, on combine les résultats de tous les tirs afin d’obtenir une seule courbe de correction amplitude - distance appliquée à tous les tirs.

Dans un mode particulier de mise en œuvre, dans le cas d’une sonde multiéléments et/ou d’une configuration multi-tirs, on calcule une courbe de DAC indépendante pour chaque tir.

On comprend que, dans un premier temps, la classification non supervisée permet de regrouper automatiquement les points d’acquisition par groupe, chaque groupe correspondant à une épaisseur de la pièce de référence.

Dans un second temps, pour chaque groupe, un traitement statistique (lequel peut comporter mais non limitativement : valeur moyenne, fit d’un kernel gaussien, histogramme, kernel density estimation...) permet de déterminer la valeur du gain et du temps qui donnent la correction désirée.

Une évaluation de la dispersion des données de chaque groupe permet aussi de renseigner l’opérateur sur l’uniformité de la réponse de la pièce de référence.

PRÉSENTATION DES FIGURES

Les caractéristiques et avantages de l’invention seront mieux appréciés grâce à la description qui suit, description qui expose les caractéristiques de l’invention au travers d’un exemple non limitatif d’application.

La description s’appuie sur les figures annexées qui représentent : - Figure 1 : une représentation schématique des divers éléments d’un système mettant en oeuvre un procédé selon l’invention ; - Figure 2 : un organigramme des étapes du procédé selon un premier mode de mise en oeuvre de l'invention ; - Figure 3 : un graphique illustrant un exemple de classification automatique en une dimension (temps de vol), avec un algorithme K-Means, - Figure 4 : un graphique illustrant le résultat du calcul de la position (amplitude, temps) pour chaque groupe, ici Gaussian Kernel Density Estimation. - Figure 5 : un graphique illustrant la réponse normalisée du premier écho (de la première épaisseur) après application de la DAC par classification (matériau composite, sonde multiéléments) - Figure 6 : un graphique illustrant la réponse normalisée du second écho (de la seconde épaisseur) après application de la DAC par classification (matériau composite, sonde multiéléments), - Figure 7 : un organigramme des étapes du procédé selon un second mode de mise en oeuvre de l'invention.

DESCRIPTION DÉTAILLÉE D’UN MODE DE RÉALISATION DE L’INVENTION

Comme on le voit sur la figure 1. le système met en oeuvre en premier lieu un capteur ultrasonore 10. Le capteur 10 est ici mais non limitativement de type multiéléments (« phased-array >>) avec une roue. Dans le présent exemple, il s’agit d’une roue contenant un capteur multiélément de trente deux éléments.

Le capteur ultrasonore 10 peut alternativement être de type monoéléments. Le capteur 10 est manipulé à la main ou avec un bras mécanique encodé ou avec tout dispositif d’encodage (celui-ci peut aussi être électromagnétique). Un tel capteur 10 est de type supposé connu en soi.

Le système met en oeuvre en second lieu une pièce de référence 11.

Celle-ci est une pièce dont la géométrie et notamment l’épaisseur est parfaitement connue en tous points d’une zone de mesure.

Cette pièce de référence 11 est ici de type sensiblement plane (une dimension est faible par rapport aux deux autres) dont l’une des surfaces est plane, et qui présente en regard de cette surface plane plusieurs zones d’épaisseurs différentes, parallèles les unes aux autres, disposées en escalier. Dans le présent exemple, la pièce de référence 11 présente trois épaisseurs e1, e2, e3 étagées de cinq millimètres en cinq millimètres. La pièce de référence 11 est ainsi une plaque de dimension d’environ quinze centimètres de largeur (direction selon laquelle l’épaisseur est fixe) et quarante centimètres de longueur (direction selon laquelle l’épaisseur varie en escalier), comportant trois zones. Dans le présent exemple, la pièce de référence 11 est réalisée en matériau métallique.

Le système met en œuvre en troisième lieu une carte d’acquisition de mesures 12, elle-même reliée à des moyens de mémorisation de données et de calcul 13, ici de type ordinateur PC, adaptés à exécuter un procédé sous forme logicielle sur les données recueillies par le capteur et des entrées d’un utilisateur. Ces moyens de calcul 13 sont associés ici à un écran d’affichage 14.

MODE DE FONCTIONNEMENT

La figure 2 représente un organigramme des étapes du procédé selon l'invention, dans un premier mode de réalisation nullement limitatif. Comme on le voit sur cette figure, le procédé comporte plusieurs étapes.

La première étape 101 consiste à acquérir un ensemble de couples amplitude / temps de vol de l’écho de fond pour un ensemble de points en déplaçant le capteur ultrasonore 10 sur la pièce de référence. Dans le présent exemple de réalisation, ces points sont uniformément répartis sur toute la surface de la pièce de référence 11. On entend par là que ces points de mesure ne sont pas principalement concentrés sur une zone de surface faible au regard de la surface totale de la pièce, mais comprennent des points de mesure équitablement répartis dans chacune des zones d’épaisseur différente de la pièce. Ils sont ici acquis en déplaçant longitudinalement le capteur le long de la pièce selon plusieurs trajets espacés latéralement. Dans le cas présent, plusieurs dizaines de trajets sont réalisés, correspondant à plusieurs centaines de points d’acquisitions de mesures.

La seconde étape 102 consiste à exécuter sur l’ensemble des données d’amplitude / temps de vol (temps de parcours aller-retour de l’onde sonore) acquises pour les différents points de mesure, un algorithme de classification non supervisée (par exemple mais non limitativement de type KMeans, Affinity Propagation...) afin de séparer les différentes populations (i.e. groupes) de points de mesures correspondant aux différentes épaisseurs e1, e2, e3 de la pièce de référence 11.

Cette classification pourra se faire soit sur une variable (le temps de vol) soit sur les deux variables (temps de vol et amplitude), soit sur les deux variables temps de vol et amplitude et une ou plusieurs variables de positionnement. On note que le travail sur deux variables temps et amplitude permet d’utiliser directement le centroids k-means pour la courbe de DAC. Le fait d’utiliser en plus les positions (x, y,...) permet de favoriser le regroupement des points proches dans l’espace.

La figure 3 donne un exemple de classification utilisant un algorithme de type K-Means pour une pièce de référence 11 présentant trois épaisseurs, en utilisant le temps de vol uniquement. L’algorithme K-Means est un algorithme de partitionnement de données en sous groupes, de manière à minimiser un critère prédéterminé.

La figure 3 montre un ensemble de points répartis sur deux dimensions dont la dimension horizontale représente l’amplitude, et la dimension verticale représente le temps de vol, lié directement à l’épaisseur de la pièce. L’amplitude du signal reçu varie selon les points, et l’amplitude maximale varie selon les groupes de points. On constate que plus le temps de vol est court (points situés vers le bas de la figure), plus l’amplitude est forte (points situés plus vers la droite de la figure).

Comme on le voit sur cette figure, les points 30 se regroupent intuitivement en trois groupes 31,32, 33 principaux selon le temps de vol. L’algorithme K-Means utilisé dans le présent exemple de mise en oeuvre du procédé aboutit à cette partition en trois groupes. L’algorithme-K- means produit des centroids, On peut ensuite séparer tout point de l’espace en l’affectant au centroid duquel il est le plus proche. C’est ce qui permet de tracer les lignes de séparation visibles sur la figure 3. Les lignes représentent les frontières entre deux groupes (clusters).

Ces trois groupes de points permettent donc de déterminer que la pièce présente trois épaisseurs de matériaux.

Dans une étape 103, pour chaque groupe, on détermine un couple (temps de vol, amplitude) générique 41, 42, 43 (voir figure 4) dont la position est déterminée par une méthode mathématique faisant par exemple partie de la liste non limitative suivante : - Position du « centroid » issu de la classification, - Maximum d’occurrence de ('histogramme, - Gaussian Kernel Density Estimation (KDE), - Fit d’un kernel Gaussien, - Valeur moyenne, - Valeur médiane.

La figure 4 illustre cette étape, dans le cas particulier mais non limitatif de l’utilisation de la méthode KDE (Kernel Density Estimation) et un noyau (kernel) de type gaussien. Ces méthodes sont supposées connues de la personne de l’art, et ne sont donc pas discutées en détails ici. De façon très simplifiée, on suppose, dans le présent exemple de mise en œuvre, que les points successifs qui ont été acquis, pour un groupe de points (31 par exemple), sont représentatifs d’une distribution gaussienne, et on détermine par exemple le couple (41 ici) correspondant au sommet de la fonction gaussienne.

Dans le présent exemple de mise en œuvre du procédé, dans cette même étape 103, il est réalisé pour chaque groupe une estimation de la dispersion des couples du groupe suivant les deux dimensions temps de vol et amplitude. Cette estimation permet de produire un indicateur de la qualité de la courbe de correction amplitude - distance (DAC : Distance Amplitude Correction) obtenue par la suite (et de l’hétérogénéité de la réponse de la pièce de référence 11). Cette étape complémentaire d’estimation de dispersion est optionnelle. On calcule par exemple la déviation standard au sein de chaque cluster et on lève une alerte pour l’opérateur si cette dernière n’est pas inférieure à un seuil fixé.

La dernière étape 104 consiste à construire une courbe de correction amplitude - distance (DAC) en calculant le gain nécessaire pour que la valeur de l’amplitude de chaque groupe 31, 32, 33, notée amplitude_du_groupe soit égale à une valeur cible prédéterminée notée amplitude_cible. Il est à noter que les valeurs d’amplitude et de temps de vol sont reconverties en unités physiques si ces dernières ont été standardisées préalablement à l’étape de classification. Pour le temps de vol, on utilise le temps de vol associé au groupe, ce temps de vol étant noté temps_du_groupe.

On a donc :

Gain = 20*Log (amplitude_cible / amplitude_du_groupe)

Temps = temps_du_groupe

La courbe de DAC ainsi créée est une courbe formée de segments de droite reliant les couple (temps, gain) correspondant à chaque groupe.

Les figures 5 et 6 illustrent l’utilisation d’une courbe de DAC ainsi obtenues et la normalisation en amplitude du signal. La figure 5 comporte en axe horizontal le temps de vol, et en axe vertical l’amplitude. Elle illustre le signal sonore reçu en sortie du capteur en un point de mesure, après correction (par multiplication) par une courbe de correction amplitude distance 54. La courbe de correction amplitude - distance 54 ici illustrée a été créée comme décrit plus haut. La figure 5 montre la réponse normalisée du premier écho (de la première épaisseur) après application de la DAC par classification, ici dans le cas de matériau composite, sonde multiéléments. La figure 6 montre de même la réponse normalisée du second écho (de la seconde épaisseur) après application de la DAC par classification.

Comme on le voit sur ces figures, la courbe de signal 51 ainsi corrigée présente deux pics nettement visibles (52, 53 sur la figure 5, 62, 63 sur la figure 6), correspondant aux échos respectifs de la face supérieure et de la face inférieure de la pièce de référence 11. Conformément à l’objectif, les amplitudes observées pour les pics 53, 63 sont équivalentes, et égales à 80%, ici choisie comme amplitude cible.

On note que, par construction, les temps de vol des points de DAC ainsi générés coïncident avec les temps de vol des pics 52, 53, 62, 63. Cela valide que l’on a bien aligné les points de DAC avec les échos réfléchis sur chacune des épaisseurs et « rassure » l’opérateur qui avait auparavant l’habitude de tout régler manuellement : il peut alors appréhender visuellement ce que l’algorithme a fait.

Une version alternative de l’algorithme (voir figure 7) propose d’itérer en répétant la phase d’acquisition à l’itération N en utilisant la DAC calculée à l’itération N-1 avec un critère d’arrêt sur le nombre de cluster (i.e. Groupes) trouvés et/ou le nombre d’itérations.

Cela est particulièrement utile dans le cas d’une pièce de référence multi-épaisseurs pour laquelle les dernières épaisseurs (les plus fortes) sont si épaisses que le signal utile ne franchit pas le seuil de détection de la porte lors de la première itération. En utilisant une méthode itérative et en supposant que le gain de la dernière épaisseur détectée à l’itération N-1 est propagée jusqu’à la fin du signal acquis à l’itération N par un segment de DAC constant, on va ainsi, de proche en proche, faire émerger du bruit le signal des épaisseurs les plus fortes.

Une autre version alternative de l’algorithme propose d’itérer en diminuant ou augmentant le gain de chaque point de DAC à chaque itération jusqu’à obtenir une variation de l’amplitude des points de DAC suffisamment faible entre deux itérations successives (critère de convergence). Cette méthode permettra notamment de piloter les systèmes dont le contrôleur de gain est inexact (fort écart entre consigne et valeur observée).

Dans le cas d’une sonde multiéléments et/ou d’une configuration multi-tirs, on peut au choix combiner les résultats de tous les tirs afin d’obtenir une seule courbe de DAC appliquée à tous les tirs ou bien effectuer le traitement par tir afin d’obtenir une courbe de DAC par tir. Dans le cas d’une sonde multiéléments, on peut avoir plusieurs tirs en même temps ou successifs, correspondant à un sous ensemble actif des éléments. Un tir peut ainsi être vu comme un point de mesure 30 sur la pièce.

AVANTAGES

Ce procédé présente les avantages suivants :

Il est très facile à mettre en œuvre et complètement automatique

Il est plus précis que la « méthode a >> car il utilise un grand nombre de points pour chaque épaisseur du réflecteur de référence. Il permet d’évaluer l’uniformité du réflecteur de référence et de détecter d’éventuelles anomalies.

Il est plus robuste que la méthode « a >> car entièrement automatisé, ce qui permet de limiter les approximations liées au facteur humain. On pourra ainsi aisément détecter une saturation du signal ou une mauvaise distribution des points sur la pièce en analysant respectivement l’amplitude maximale des signaux enregistrés et la distribution des données codeurs, si ces dernières sont disponibles.

Il est plus simple de mise en œuvre que la « méthode b >> car il ne requiert aucune connaissance (et donc aucune expérimentation et/ou mesure) à priori des propriétés matériaux de la pièce inspectée ou du contenu fréquentiel du capteur.

Il est applicable directement en post-traitement d’acquisitions existantes réalisées avant la mise au point du procédé.

Claims (12)

1. REVENDICATIONS

   1. Procédé de calcul automatique d’une courbe de correction amplitude - distance (DAC : Distance Amplitude Correction) pour un système de contrôle non destructif par voie ultrasonore, le système comprenant un capteur ultrasonore (10) et une pièce de référence (11 ), caractérisé en ce que le procédé comporte des étapes suivantes : 101 : acquisition d’un grand nombre de points de mesure distribués sur la surface de la pièce de référence (11), 102 : classification non supervisée (Unsupervised Learning) des points d’acquisitions (couples temps / amplitude).
2. 2. Procédé selon la revendication 1, dans lequel les points de mesure sont uniformément distribués sur toute la surface de la pièce de référence (11).
3. 3. Procédé selon l’une quelconque des revendications 1 ou 2, dans lequel l’étape 102 de classification non supervisée comprend un regroupement automatique des points d’acquisition par groupe, chaque groupe correspondant à une épaisseur de la pièce de référence (11), le vecteur utilisé pour le regroupement (clustering) comprenant au moins une des grandeurs suivantes : - amplitude, - temps de vol, - une ou plusieurs coordonnées de positionnement.
4. 4. Procédé selon la revendication 3, dans lequel le regroupement automatique des points d’acquisition par groupe met en œuvre un algorithme de type K-Means.
5. 5. Procédé selon l’une quelconque des revendications 3 à 4, comprenant en outre : - une étape 103 dans laquelle, pour chaque groupe, on détermine un couple générique (temps de vol, amplitude) (41,42, 43), et - une étape 104 de construction de la courbe de correction amplitude -distance (DAC) en calculant le gain nécessaire pour que la valeur de l’amplitude de chaque groupe (31, 32, 33) soit égale à une valeur cible prédéterminée.
6. 6. Procédé selon la revendication 5, dans lequel la méthode mathématique de détermination de la position de chaque couple générique choisie fait partie de la liste non limitative suivante : - Position du « centroid >> issu de la classification, - Maximum d’occurrence de l’histogramme, - Gaussian Kernel Density Estimation (KDE), - Fit d’un kernel Gaussien, - Valeur moyenne, - Valeur médiane.
7. 7. Procédé selon l’une quelconque des revendications 5 ou 6, dans lequel, dans l’étape 103, il est réalisé pour chaque groupe une estimation de la dispersion des couples du groupe suivant les deux dimensions temps de vol et amplitude.
8. 8. Procédé selon l’une quelconque des revendications 5 à 7, dans lequel, dans l’étape 104, les valeurs d’amplitude et de temps de vol sont reconverties en unités physiques si ces dernières ont été normalisées préalablement à l’étape de classification.
9. 9. Procédé selon l’une quelconque des revendications 5 à 8, comprenant en outre une étape 105 dans laquelle il est réalisé une itération qui utilise, durant la phase d’acquisition de l’itération de rang N, la DAC calculée à l’itération N-1, le critère de fin d’itération se faisant sur le nombre de clusters (i.e. Groupes) trouvés et/ou le nombre d’itérations effectuées.
10. 10. Procédé selon l’une quelconque des revendications 5 à 8, comprenant en outre une étape 105 dans laquelle il est réalisé une itération en diminuant ou augmentant le gain de chaque point de DAC à chaque itération jusqu’à obtenir une variation de l’amplitude des points de DAC suffisamment faible entre deux itérations successives selon un critère de convergence préalablement choisi.
11. 11. Procédé selon l’une quelconque des revendications 5 à 10, dans lequel, dans le cas d’une sonde multiéléments et/ou d’une configuration multi-tirs, on combine les résultats de tous les tirs afin d’obtenir une seule courbe de correction amplitude - distance appliquée à tous les tirs.
12. 12. Procédé selon l’une quelconque des revendications 5 à 10, dans lequel, dans le cas d’une sonde multiéléments et/ou d’une configuration multi-tirs, on calcule une courbe de DAC indépendante pour chaque tir.