FR3105528A1 - Procédé de détection de défauts d’un élément en matériau composite - Google Patents
Procédé de détection de défauts d’un élément en matériau composite Download PDFInfo
- Publication number
- FR3105528A1 FR3105528A1 FR1915439A FR1915439A FR3105528A1 FR 3105528 A1 FR3105528 A1 FR 3105528A1 FR 1915439 A FR1915439 A FR 1915439A FR 1915439 A FR1915439 A FR 1915439A FR 3105528 A1 FR3105528 A1 FR 3105528A1
- Authority
- FR
- France
- Prior art keywords
- detecting
- image
- thermal
- images
- portions
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000007547 defect Effects 0.000 title claims abstract description 35
- 239000002131 composite material Substances 0.000 title abstract description 5
- 230000005284 excitation Effects 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000009877 rendering Methods 0.000 claims description 22
- 230000000284 resting effect Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 4
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
Procédé de détection de défauts d’un élément en matériau composite comprenant une étape de capture d’images comprenant la capture d’une pluralité d’images représentant chacune la réponse thermique de l’élément ; une étape d’excitation thermique de l’élément, l’étape d’excitation thermique comprenant l’excitation thermique successive d’une pluralité de portions d’élément adjacentes. Le procédé comprend également une étape de sélection de portions d’images comprenant la sélection d’un premier ensemble de portions d’images représentant chacune la réponse thermique de l’élément à un niveau d’excitation thermique donné ; une étape d’assemblage des portions d’images sélectionnées en au moins une image de rendu, telle que l’au moins une image de rendu comprend la réponse thermique de l’élément à un niveau d’excitation thermique donné ; et une étape de détection de défauts de l’élément à partir de l’au moins une image de rendu.
Description
Domaine de l’invention
La présente invention se rapporte à un procédé de détection de défauts d’un élément en matériau composite par étude de la réaction dudit matériau à une excitation thermique.
Art antérieur
De manière connue, le document WO2013050691 concerne un procédé permettant de contrôler de manière non destructive une pièce en CMO pouvant être utilisée notamment à l'intérieur d'un ensemble propulsif d'aéronef.
Un tel procédé consiste à effectuer un contrôle de cette pièce par spectroscopie infrarouge à transformée de Fourrier (FTIR), si cette étape est révélatrice d'un défaut, le procédé comprend des contrôles supplémentaires dudit matériau selon deux techniques à ultrasons complémentaires.
Lesdits contrôles supplémentaires comprennent un décapage préalable de la peinture de la pièce. Cette étape est nécessaire à la réalisation des contrôles.
Toutefois, ces solutions ne donnent pas une entière satisfaction.
En effet, bien que cette méthode soit non destructive, elle implique tout de même un décapage et donc une altération de la pièce. La présente invention a pour but de résoudre tout ou partie des inconvénients mentionnés ci-dessus.
A cet effet, la présente invention concerne un procédé de détection de défauts d’un élément comprenant les étapes suivantes:
- une étape de capture d’images comprenant la capture d’une pluralité d’images représentant chacune la réponse thermique de l’élément;
- une étape d’excitation thermique de l’élément, l’étape d’excitation thermique comprenant l’excitation thermique successive d’une pluralité de portions de l’élément adjacentes;
- une étape de sélection de portions d’images comprenant la sélection d’un premier ensemble de portions d’images représentant chacune la réponse thermique de l’élément à un niveau d’excitation thermique donné;
- une étape d’assemblage des portions d’images sélectionnées en au moins une image de rendu, telle que l’au moins une image de rendu comprend la réponse thermique de l’élément à un niveau d’excitation thermique donné; et
- une étape de détection de défauts de l’élément à partir de l’au moins une image de rendu.
Selon un mode de réalisation, une étape d’assemblage des portions d’images sélectionnées en au moins une image de rendu permet d’obtenir une image de rendu de l’élément ayant un même niveau d’excitation, en d’autres termes, un niveau d’excitation homogène. Une telle disposition permet de faciliter le traitement et ainsi de détecter avec précision les défauts de l’élément.
Selon un mode de réalisation, le procédé de détection de défauts est adapté à la détection de défauts d’un élément en matériau composite telle qu’une pale, plus spécifiquement une pale d’éolienne, une nacelle d’éolienne, un bâtiment en béton ou une structure en béton par exemple.
Selon un mode de réalisation, le procédé est adapté pour détecter les défauts d’une pale d’éolienne lorsque celle-ci est à l’arrêt.
Selon un mode de réalisation, l’étape de capture commence avant l’étape d’excitation thermique et se termine après ladite étape d’excitation thermique. Une telle disposition permet de capturer l’image de l’évolution de l’élément avant, pendant et après l’étape d’excitation thermique.
Selon un mode de réalisation, l’étape de capture d’images est réalisée à l’aide d’une unité de capture d’images telle qu’une caméra infrarouge.
Selon un mode de réalisation, les images capturées au cours de l’étape de capture d’images sont des images infrarouges. Des images infrarouges sont dans un spectre de longueur d’ondes allant 800 à 20 000 nm.
Selon un mode de réalisation, les images capturées au cours de l’étape de capture d’images sont dans un spectre de longueur d’ondes allant 8-14µm.
Selon un mode de réalisation, l’étape d’excitation thermique est réalisée à l’aide d’une unité d’émission de faisceaux laser. Une telle disposition permet d’exciter thermiquement l’élément à distance.
Selon un mode de réalisation, l’étape d’excitation thermique de l’élément est réalisée par photo thermie.
Au sens de la présente invention, la photo thermie est un procédé tel que lorsqu’un faisceau laser éclaire l’élément, une partie de l’énergie est partiellement absorbée. Cette énergie est absorbée sous forme de chaleur.
Selon un mode de réalisation, l’unité d’émission de faisceaux laser comprend une lentille génératrice de ligne telle qu’une lentille Powell ou une lentille cylindrique par exemple. Une telle disposition permet d’obtenir une raie et ainsi exciter thermiquement l’élément avec précision.
Selon un mode de réalisation, l’étape d’excitation thermique est réalisée par balayage de l’élément par la ligne. Une telle disposition permet d’obtenir une excitation thermique plus précise.
Selon un mode de réalisation, le balayage est réalisé à l’aide d’une unité d’entrainement configurée pour entrainer l’unité émettrice de faisceaux laser sur un rail. Une telle disposition permet ainsi de conserver la distance entre l’unité émettrice de faisceaux laser et l’élément et donc d’exciter thermiquement l’élément avec précision.
Selon un mode de réalisation, l’unité émettrice de faisceaux laser est disposée sur un aéronef sans pilote de manière à réaliser le balayage. Une telle disposition permet de détecter des défauts d’un élément difficile d’accès et permet de conserver la distance entre l’unité émettrice de faisceaux laser et l’élément et donc d’exciter thermiquement l’élément avec précision.
Selon un mode de réalisation, l’unité émettrice de faisceaux laser est disposée sur un véhicule terrestre sans pilote de manière à réaliser le balayage. Une telle disposition permet de détecter des défauts d’un élément difficile d’accès et permet de conserver la distance entre l’unité émettrice de faisceaux laser et l’élément et donc d’exciter thermiquement l’élément avec précision.
Selon un mode de réalisation, l’étape d’assemblage des portions d’images sélectionnées comprend l’assemblage des portions d’images sélectionnées en une pluralité d’images de rendu, telle que chacune des images de rendu comprend la réponse thermique de l’élément à un niveau d’excitation thermique donné.
Une telle disposition permet d’obtenir une pluralité d’images de rendu de l’élément ayant un même niveau d’excitation, en d’autres termes, un niveau d’excitation homogène. Une telle disposition permet de comparer les différentes images de rendu et ainsi de détecter avec précision les défauts de l’élément.
Selon un mode de réalisation, l’étape de détection de défauts de l’élément à partir de l’au moins une image de rendu comprend une étape de filtrage de l’au moins une image de rendu par un filtre de Gauss.
Une telle disposition permet de modifier l’au moins une image de rendu par une convolution avec une fonction gaussienne. Une telle disposition permet de détecter avec précision les défauts de l’élément.
Selon un mode de réalisation, l’étape de détection de défauts de l’élément à partir de l’au moins une image de rendu comprend l’utilisation d’un réseau neuronal.
Selon un mode de réalisation, une telle disposition permet de détecter des défauts de l’élément sur la base de caractéristiques bas niveau. Les caractéristiques bas niveau peuvent être les contours ou les attributs des pixels des images de rendu par exemple.
Selon un mode de réalisation, le réseau neuronal est un auto-encodeur.
Selon un mode de réalisation, un auto-encodeur permet d’apprendre une représentation(encodage) d’un ensemble de données, et permet de réduire la dimension de cet ensemble afin de détecter les défauts avec précision.
Selon un mode de réalisation, l’auto-encodeur permet l’apprentissage non supervisé de caractéristiques discriminantes.
Selon un mode de réalisation, l’étape de détection de défauts de l’élément à partir de l’au moins une image de rendu comprend l’application de l’analyse en composantes principales.
Selon un mode de réalisation, l’analyse en composantes principales consiste à transformer des variables liées entre elles en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées «composantes principales», ou axes principaux. Une telle disposition permet de réduire le nombre de variables et de rendre l'information moins redondante et ainsi de détecter les défauts avec précision.
Selon un mode de réalisation, l’étape de détection de défauts de l’élément à partir de l’au moins une image de rendu comprend l’application d’une méthode de classification non supervisée.
Selon un mode de réalisation, une méthode de classification non supervisée permet de trouver des structures sous-jacentes à partir de données non étiquetées, en d’autres termes, cela permet de détecter les défauts de l’élément de manière automatique.
Selon un mode de réalisation, la méthode de classification non supervisée est une méthode de partitionnement des données de l’au moins une image de rendu.
Selon un mode de réalisation, la sous-étape de partitionnement(ou clustering) des données de l’au moins une image de rendu consiste à diviser un ensemble de données de l’au moins une image de rendu en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets. Une telle disposition permet de faire émerger des sous-ensembles et sous-concepts éventuellement impossibles à distinguer naturellement et donc de faire émerger les défauts de l’élément impossibles à distinguer naturellement.
Selon un mode de réalisation, l’étape de détection de défauts de l’élément à partir de l’au moins une image de rendu comprend l’application d’une méthode d’égalisation d’histogramme.
Selon un mode de réalisation, une telle disposition permet d’obtenir un meilleur contraste sur l’au moins une image de rendu.
Selon un mode de réalisation, l’étape de capture d’images est réalisée sur une période de temps allant d’avant l’étape d’excitation thermique jusqu’à après l’étape d’excitation thermique de manière à capturer l’évolution de la signature thermique de l’élément depuis un niveau de repos, puis à un niveau culminant jusqu’à son retour au niveau de repos.
Une telle disposition permet d’obtenir un enregistrement long et ainsi une évolution de la réponse thermique comprenant plus d’informations
Les différents aspects définis ci-dessus non incompatibles peuvent être combinés.
Brève description des figures
L’invention sera encore mieux comprise à l’aide de la description détaillée qui est exposée ci-dessous en regard des dessins annexés dans lesquels:
- [Fig. 1] représente les étapes d’un procédé de détection de défaut d’un élément conformément à la présente invention;
- [Fig. 2] représente les sous-étapes de détection de défaut d’un élément conformément à la présente invention;
- [Fig. 3] représente la réalisation de certaines étapes d’un procédé de détection de défaut d’un élément conformément à la présente invention.
Description en référence aux figures
Tel qu’illustré à la figure 1, le procédé de détection de défauts d’un élément 2 comprend tout d’abord une étape de capture d’images22 comprenant la capture d’une pluralité d’images représentant chacune la réponse thermique de l’élément2. L’étape de capture d’images est réalisée à l’aide d’une unité de capture d’images telle qu’une caméra infrarouge 4 par exemple, tel qu’il est possible de le voir à la figure 3. Bien qu’il soit possible de réaliser l’étape de capture d’images 22 dans un spectre de longueur d’ondes allant 800 à 20 000 nm, il est préférable de la réaliser dans un spectre de longueur d’ondes allant 8-14µm, et cela afin d’obtenir une image plus révélatrice de la réponse thermique de l’élément 2.
Le procédé de détection comprend également une étape d’excitation thermique24 de l’élément 2, l’étape d’excitation thermique comprenant l’excitation thermique successive d’une pluralité de portions de l’élément2 adjacentes. L’étape d’excitation thermique 24 est réalisée à l’aide d’une unité d’émission de faisceaux laser 6. Une telle disposition permet d’exciter thermiquement l’élément à distance. En d’autres termes, l’étape d’excitation thermique de l’élément est réalisée par photo thermie, soit un faisceau laser 8 éclaire l’élément 2, une partie de l’énergie est partiellement absorbée par ledit élément 2. Cette énergie est absorbée sous forme de chaleur.
L’unité d’émission de faisceaux laser 6 comprend une lentille génératrice de ligne telle qu’une lentille Powell ou une lentille cylindrique par exemple. Une telle disposition permet d’obtenir une raie et ainsi exciter thermiquement l’élément 2 avec précision. L’étape d’excitation thermique 24 est réalisée par balayage de l’élément 2 par la ligne. Une telle disposition permet d’obtenir une excitation thermique plus précise.
Un avantage de l’invention est que le balayage peut tout à fait être réalisé sur tout type de support tel que:
- à l’aide d’une unité d’entrainement configurée pour entrainer l’unité émettrice de faisceaux laser 6 sur un rail, une telle disposition permet ainsi de conserver la distance entre l’unité émettrice de faisceaux laser 6 et l’élément 2 et donc d’exciter thermiquement l’élément 2 avec précision;
- sur un aéronef sans pilote, une telle disposition permet de détecter des défauts d’un élément difficile d’accès et permet de conserver la distance entre l’unité émettrice de faisceaux laser 6 et l’élément 2 et donc d’exciter thermiquement l’élément 2 avec précision;
- sur un véhicule terrestre sans pilote, une telle disposition permet de détecter des défauts d’un élément difficile d’accès et permet de conserver la distance entre l’unité émettrice de faisceaux laser 6 et l’élément 2 et donc d’exciter thermiquement l’élément 2 avec précision.
Selon un mode de réalisation, l’étape de capture d’images 22 commence avant l’étape d’excitation thermique 24 et se termine après ladite étape d’excitation thermique 24. Une telle disposition permet de capturer l’image de l’évolution de l’élément avant, pendant et après l’étape d’excitation thermique 24. En d’autres termes, l’étape de capture d’images22 est réalisée sur une période de temps allant d’avant l’étape d’excitation thermique24 jusqu’à après l’étape d’excitation thermique24 de manière à capturer l’évolution de la signature thermique de l’élément depuis un niveau de repos, puis à un niveau culminant jusqu’à son retour au niveau de repos. Une telle disposition permet d’obtenir un enregistrement long et ainsi une évolution de la réponse thermique comprenant plus d’informations. Une réponse thermique comprenant plus d’informations permet d’obtenir une détection de défaut plus précise, avec moins d’erreur et plus en profondeur dans l’élément.
Le procédé de détection de défaut comprend également une étape de sélection26 de portions d’images comprenant la sélection d’un premier ensemble de portions d’images représentant chacune la réponse thermique de l’élément2 à un niveau d’excitation thermique donné et une étape d’assemblage28 des portions d’images sélectionnées en au moins une image de rendu, telle que l’au moins une image de rendu comprend la réponse thermique de l’élément2 à un niveau d’excitation thermique donné. L’étape d’assemblage 28 des portions d’images sélectionnées en au moins une image de rendu permet d’obtenir une image de rendu de l’élément ayant un même niveau d’excitation, en d’autres termes, un niveau d’excitation homogène. Une telle disposition permet de faciliter le traitement et ainsi de détecter avec précision les défauts de l’élément lors d’une étape de détection de défaut 30 à partir de l’au moins une image de rendu.
L’étape d’assemblage28 des portions d’images sélectionnées comprend l’assemblage des portions d’images sélectionnées en une pluralité d’images de rendu, telle que chacune des images de rendu comprend la réponse thermique de l’élément2 à un niveau d’excitation thermique donné. Une telle disposition permet d’obtenir une pluralité d’images de rendu de l’élément ayant un même niveau d’excitation, en d’autres termes, un niveau d’excitation homogène. Une telle disposition permet de comparer les différentes images de rendu et ainsi de détecter avec précision les défauts de l’élément lors de l’étape de détection de défauts 30.
Tel qu’illustré à la figure 3, l’étape de détection de défauts 30 peut être découpée en plusieurs sous-étapes. Certaines de ces étapes ne sont pas obligatoires. Certaines de ces sous-étapes peuvent être réalisées à n’importe quel moment au cours de l’étape de détection de défauts 30.
En effet, l’étape de détection de défauts30 de l’élément2 à partir de l’au moins une image de rendu comprend une étape de filtrage302 de l’au moins une image de rendu par un filtre de Gauss. Une telle disposition permet de modifier l’au moins une image de rendu par une convolution avec une fonction gaussienne. Une telle disposition permet de détecter avec précision les défauts de l’élément 2.
L’étape de détection de défauts30 de l’élément à partir de l’au moins une image de rendu comprend l’utilisation d’un réseau neuronal304. Selon un mode de réalisation, une telle disposition permet de détecter des défauts de l’élément 2 sur la base de caractéristiques bas niveau. Les caractéristiques bas niveau peuvent être les contours ou les attributs des pixels des images de rendu par exemple. Le réseau neuronal utilisé est un auto-encodeur, en effet, un auto-encodeur permet d’apprendre une représentation(encodage) d’un ensemble de données, et permet de réduire la dimension de cet ensemble afin de détecter les défauts avec précision. L’auto-encodeur permet donc également l’apprentissage non supervisé de caractéristiques discriminantes.
L’étape de détection de défauts30 de l’élément à partir de l’au moins une image de rendu comprend l’application de l’analyse en composantes principales306. L’analyse en composantes principales consiste à transformer des variables liées entre elles en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées «composantes principales», ou axes principaux. Une telle disposition permet de réduire le nombre de variables et de rendre l'information moins redondante et ainsi de détecter les défauts avec précision.
L’étape de détection de défauts30 de l’élément2 à partir de l’au moins une image de rendu comprend l’application d’une méthode de classification non supervisée308. Une méthode de classification non supervisée permet de trouver des structures sous-jacentes à partir de données non étiquetées, en d’autres termes, cela permet de détecter les défauts de l’élément 2 de manière automatique. La méthode de classification non supervisée308 utilisée est une méthode de partitionnement des données de l’au moins une image de rendu. La sous-étape de partitionnement(ou clustering) des données de l’au moins une image de rendu consiste à diviser un ensemble de données de l’au moins une image de rendu en différents « paquets » homogènes, en ce sens que les données de chaque sous-ensemble partagent des caractéristiques communes, qui correspondent le plus souvent à des critères de proximité (similarité informatique) que l'on définit en introduisant des mesures et classes de distance entre objets. Une telle disposition permet de faire émerger des sous-ensembles et sous-concepts éventuellement impossibles à distinguer naturellement et donc de faire émerger les défauts de l’élément 2 impossibles à distinguer naturellement.
L’étape de détection de défauts30 de l’élément2 à partir de l’au moins une image de rendu comprend l’application d’une méthode d’égalisation d’histogramme310. Une telle disposition permet d’obtenir un meilleur contraste sur l’au moins une image de rendu.
Le procédé de détection de défaut est particulièrement adapté à la détection de défauts d’un élément en matériau composite telle qu’une pale d’éolienne, plus spécifiquement une pale d’éolienne à l’arrêt, une nacelle d’éolienne, un bâtiment en béton ou une structure en béton par exemple.
Bien entendu, l’invention n’est pas limitée aux modes de réalisation représentés et décrits ci-avant, mais en couvre au contraire toutes les variantes.
Claims (10)
- Procédé de détection de défauts d’un élément(2) comprenant les étapes suivantes:
- une étape de capture d’images(22) comprenant la capture d’une pluralité d’images représentant chacune la réponse thermique de l’élément(2);
- une étape d’excitation thermique(24) de l’élément(2), l’étape d’excitation thermique comprenant l’excitation thermique successive d’une pluralité de portions de l’élément(2) adjacentes;
- une étape de sélection(26) de portions d’images comprenant la sélection d’un premier ensemble de portions d’images représentant chacune la réponse thermique de l’élément(2) à un niveau d’excitation thermique donné;
- une étape d’assemblage(28) des portions d’images sélectionnées en au moins une image de rendu, telle que l’au moins une image de rendu comprend la réponse thermique de l’élément(2) à un niveau d’excitation thermique donné; et
- une étape de détection de défauts(30) de l’élément(2) à partir de l’au moins une image de rendu.
- Procédé de détection de défaut d’un élément(2) selon la revendication 1 dans lequel, l’étape d’assemblage(28) des portions d’images sélectionnées comprend l’assemblage des portions d’images sélectionnées en une pluralité d’images de rendu, telle que chacune des images de rendu comprend la réponse thermique de l’élément(2) à un niveau d’excitation thermique donné.
- Procédé de détection de défaut d’un élément(2) selon l’une quelconque des revendications 1 ou 2 dans lequel, l’étape de détection de défauts(30) de l’élément(2) à partir de l’au moins une image de rendu comprend une étape de filtrage(302) de l’au moins une image de rendu par un filtre de Gauss.
- Procédé de détection de défaut d’un élément(2) selon l’une quelconque des revendications 1 à 3 dans lequel, l’étape de détection de défauts(30) de l’élément à partir de l’au moins une image de rendu comprend l’utilisation d’un réseau neuronal(304).
- Procédé de détection de défaut d’un élément(2) selon la revendication 4 dans lequel, le réseau neuronal est un auto-encodeur.
- Procédé de détection de défaut d’un élément(2) selon l’une quelconque des revendications 1 à 5 dans lequel, l’étape de détection de défauts(30) de l’élément à partir de l’au moins une image de rendu comprend l’application de l’analyse en composantes principales(306).
- Procédé de détection de défaut d’un élément(2) selon l’une quelconque des revendications 1 à 6 dans lequel, l’étape de détection de défauts(30) de l’élément(2) à partir de l’au moins une image de rendu comprend l’application d’une méthode de classification non supervisée(308).
- Procédé de détection de défaut d’un élément(2) selon la revendication 7 dans lequel, la méthode de classification non supervisée(308) est une méthode de partitionnement des données de l’au moins une image de rendu.
- Procédé de détection de défaut d’un élément(2) selon l’une quelconque des revendications 1 à 8 dans lequel, l’étape de détection de défauts(30) de l’élément(2) à partir de l’au moins une image de rendu comprend l’application d’une méthode d’égalisation d’histogramme(310).
- Procédé de détection de défaut d’un élément(2) selon l’une quelconque des revendications 1 à 9 dans lequel, l’étape de capture d’images(22) est réalisée sur une période de temps allant d’avant l’étape d’excitation thermique(24) jusqu’à après l’étape d’excitation thermique(24) de manière à capturer l’évolution de la signature thermique de l’élément depuis un niveau de repos, puis à un niveau culminant jusqu’à son retour au niveau de repos.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1915439A FR3105528B1 (fr) | 2019-12-23 | 2019-12-23 | Procédé de détection de défauts d’un élément en matériau composite |
| PCT/FR2020/052617 WO2021130458A1 (fr) | 2019-12-23 | 2020-12-23 | Procédé de détection de défauts d'un élément en matériau composite |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1915439 | 2019-12-23 | ||
| FR1915439A FR3105528B1 (fr) | 2019-12-23 | 2019-12-23 | Procédé de détection de défauts d’un élément en matériau composite |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3105528A1 true FR3105528A1 (fr) | 2021-06-25 |
| FR3105528B1 FR3105528B1 (fr) | 2022-05-20 |
Family
ID=70154593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1915439A Active FR3105528B1 (fr) | 2019-12-23 | 2019-12-23 | Procédé de détection de défauts d’un élément en matériau composite |
Country Status (2)
| Country | Link |
|---|---|
| FR (1) | FR3105528B1 (fr) |
| WO (1) | WO2021130458A1 (fr) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002048720A2 (fr) * | 2000-12-11 | 2002-06-20 | Art Advanced Research Technologies, Inc / Art Recherches Et Technologies Avancées, Inc. | Procede et dispositif de detection de defauts par apport local d'energie thermique d'impulsions laser fines |
| WO2013050691A1 (fr) | 2011-10-05 | 2013-04-11 | Aircelle | Procédé de contrôle non destructif d'un matériau composite à matrice organique |
| CN109813439A (zh) * | 2019-02-02 | 2019-05-28 | 湖南大学 | 一种主动式红外热成像热像图序列处理方法 |
-
2019
- 2019-12-23 FR FR1915439A patent/FR3105528B1/fr active Active
-
2020
- 2020-12-23 WO PCT/FR2020/052617 patent/WO2021130458A1/fr active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002048720A2 (fr) * | 2000-12-11 | 2002-06-20 | Art Advanced Research Technologies, Inc / Art Recherches Et Technologies Avancées, Inc. | Procede et dispositif de detection de defauts par apport local d'energie thermique d'impulsions laser fines |
| WO2013050691A1 (fr) | 2011-10-05 | 2013-04-11 | Aircelle | Procédé de contrôle non destructif d'un matériau composite à matrice organique |
| CN109813439A (zh) * | 2019-02-02 | 2019-05-28 | 湖南大学 | 一种主动式红外热成像热像图序列处理方法 |
Non-Patent Citations (4)
| Title |
|---|
| GABRIEL A LEIVA VALENZUELA: "ASSESSMENT OF EXTERNAL AND INTERNAL QUALITY OF BLUEBERRIES USING IMAGES", THESIS, 7 August 2013 (2013-08-07), PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE, XP055555398, Retrieved from the Internet <URL:https://repositorio.uc.cl/bitstream/handle/11534/2881/616521.pdf?sequence=1&isAllowed=y> [retrieved on 20190212] * |
| LI T ET AL: "Crack imaging by scanning laser-line thermography and laser-spot thermography;Crack imaging by scanning LTT and LST", MEASUREMENT SCIENCE AND TECHNOLOGY, IOP, BRISTOL, GB, vol. 22, no. 3, 1 February 2011 (2011-02-01), pages 35701, XP020191583, ISSN: 0957-0233, DOI: 10.1088/0957-0233/22/3/035701 * |
| PHILIPP MYRACH ET AL: "Influence of the acquisition parameters on the performance of laser-thermography for crack detection in metallic components", AIP CONFERENCE PROCEEDINGS, 1 January 2014 (2014-01-01), NEW YORK, US, pages 1624 - 1630, XP055730113, ISSN: 0094-243X, DOI: 10.1063/1.4865018 * |
| SELIM ELHADJ ET AL: "Combined Infrared Thermal Imaging and Laser Heating for the Study of Materials Thermophysical and Processing Properties at High Temperatures", CRITICAL REVIEWS IN SOLID STATE AND MATERIALS SCIENCES, vol. 39, no. 3, 28 March 2014 (2014-03-28), US, pages 175 - 196, XP055419384, ISSN: 1040-8436, DOI: 10.1080/10408436.2013.789962 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021130458A1 (fr) | 2021-07-01 |
| FR3105528B1 (fr) | 2022-05-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0359660B1 (fr) | Contrôle optique de microperçages d'aubes de turbine | |
| EP1281161B1 (fr) | Methode d'identification d'un objet | |
| CA2748013C (fr) | Procede de controle non destructif d'une piece mecanique | |
| EP2225608A1 (fr) | Dispositif d'evaluation de la surface d'un pneumatique | |
| EP3963283B1 (fr) | Procede d'entrainement d'un systeme de detection automatique de defaut d'une aube d'une turbomachine | |
| FR3036800A1 (fr) | Procede d’observation d’un echantillon | |
| FR2909202A1 (fr) | Procede d'analyse de la disposition de produits dans un lineaire de magasin. | |
| EP4189635A1 (fr) | Procede et dispositif d'imagerie sous-marine | |
| EP0605317A1 (fr) | Procédé et dispositif optiques de classification automatique de pastilles cylindriques de combustible nucléaire | |
| WO2023006627A1 (fr) | Procede pour la detection automatique de defauts sur des composants d'une carte electronique | |
| EP1327156B1 (fr) | Procede d'individualisation d'un element de circuit integre | |
| FR3105528A1 (fr) | Procédé de détection de défauts d’un élément en matériau composite | |
| FR2982364A1 (fr) | Procede et dispositif d'estimation d'un taux de porosite d'un echantillon de materiau a partir d'au moins une image codee en niveaux de gris | |
| WO2004017020A1 (fr) | Dispositif pour mesurer des variations dans le relief d'un objet | |
| FR3099249A1 (fr) | Procédé et dispositif d’analyse de carotte de forage | |
| FR2489535A1 (fr) | Dispositif de reconnaissance du profil d'un objet et application a la selection automatique de profils de cles | |
| EP3541626B1 (fr) | Procédé et système de contrôle d'usinage pli à pli de matériau multicouche | |
| FR3100331A1 (fr) | Procede et systeme de test pour l’evaluation de la qualite d'une unite de projection micro-optique et/ou de projection optique sub-longueur d’onde a canaux multiples | |
| WO2022084618A1 (fr) | Procédé de classification d'une image d'entrée représentant une particule dans un échantillon | |
| FR2722573A1 (fr) | Procede et dispositif de reconnaissance de particularites geometriques de pieces parallelepipediques de section polygonale | |
| FR3051559B1 (fr) | Procede d'optimisation de la detection de cibles marines et radar mettant en oeuvre un tel procede | |
| EP4232946A1 (fr) | Procédé de classification d'une séquence d'images d'entrée représentant une particule dans un échantillon au cours du temps | |
| FR3116902A1 (fr) | Procede pour detecter d’eventuels enfoncements sur une surface apte a reflechir la lumiere | |
| EP2508870A1 (fr) | Dispositif d'inspection de bande en défilement | |
| EP0025760A1 (fr) | Procédé d'identification d'objets situés sur une surface et de détermination de paramètres desdits objets |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20210625 |
|
| PLFP | Fee payment |
Year of fee payment: 3 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |