FR3141245A1 - Procédé d’analyse tomographique - Google Patents
Procédé d’analyse tomographique Download PDFInfo
- Publication number
- FR3141245A1 FR3141245A1 FR2210787A FR2210787A FR3141245A1 FR 3141245 A1 FR3141245 A1 FR 3141245A1 FR 2210787 A FR2210787 A FR 2210787A FR 2210787 A FR2210787 A FR 2210787A FR 3141245 A1 FR3141245 A1 FR 3141245A1
- Authority
- FR
- France
- Prior art keywords
- image
- conformity
- sub
- digital processing
- parameter
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 238000003325 tomography Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 239000000835 fiber Substances 0.000 description 14
- 239000002131 composite material Substances 0.000 description 11
- 239000000463 material Substances 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000009941 weaving Methods 0.000 description 7
- 239000011347 resin Substances 0.000 description 5
- 229920005989 resin Polymers 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 229920000271 Kevlar® Polymers 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 239000004761 kevlar Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 229920000620 organic polymer Polymers 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 239000011295 pitch Substances 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/615—Specific applications or type of materials composite materials, multilayer laminates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/63—Specific applications or type of materials turbine blades
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
-
- 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
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Procédé d’analyse tomographique d’une pièce, le procédé comprenant les étapes suivantes : - acquisition d’au moins une image tomographique au moyen d’un dispositif de tomographie, - division de l’image tomographique en sous-parties élémentaires et obtention d’une pluralité d’images (32) bidimensionnelles pour chaque sous-partie, - description des images (32) par application d’au moins un outil de traitement numérique sur chaque image de la sous-partie et obtention d’une valeur d’au moins un paramètre représentatif, - détermination de variations spatiales dans chaque sous-partie, selon trois directions (X, Y, Z), des valeurs de chaque paramètre et détection de valeurs hors de plages de conformité, - calcul d’un score de conformité de chaque sous-partie, et - comparaison du score de conformité de chaque sous-partie à un seuil de conformité prédéterminé pour déterminer une conformité de la sous-partie. Figure à publier avec l’abrégé : 5
Description
L’invention concerne un procédé d’analyse tomographique d’une pièce mécanique. La pièce fait par exemple partie d’un aéronef, et plus précisément d’une turbomachine, comme une partie d’un carter de soufflante, une aube de soufflante, ou une partie d’une structure d’aubages fixes.
Il est connu d’inspecter les pièces mécaniques structurelles par des méthodes de tomographie, par exemple radiographique ou acoustique, afin de détecter la présence d’éventuels défauts en surface et à l’intérieur de la pièce.
Ces méthodes sont fiables, non-invasives et permettent d’inspecter l’intérieur des pièces, ce qui permet de statuer rapidement sur l’état de la pièce et décider de sa potentielle remise en fonctionnement ou son remplacement.
Une mesure tomographique consiste en un balayage d’un objet observé, ici une pièce mécanique, au moyen d’un faisceaux d’ondes, et en une mesure du faisceau transmis dans toutes les directions afin de reconstituer une image tridimensionnelle de l’objet.
La illustre un dispositif de tomographie 1 pendant l’inspection d’une pièce mécanique 20.
Le dispositif de tomographie 1 comprend au moins un dispositif d’émission 3, configuré pour émettre un faisceau incident 5 d’impulsions d’ondes en direction de la pièce 20, par exemple des ondes radiofréquence, des rayons X ou encore des ondes acoustiques, et un moins un récepteur 7 aptes à capter un faisceau transmis 9 d’ondes, agencés de part et d’autre de la pièce 20.
La pièce 20 est généralement montée sur un support 11 rotatif autour d’un axe A, afin d’être observée sous toutes les directions pendant la mesure tomographique. Il peut exister un montage inverse, où la pièce est fixe et le couple dispositif d’émission / récepteur tournent autour de celle-ci.
La pièce 20 observée par tomographie peut être constituée d’un matériau composite, tel que représenté en détail sur la .
Un tel matériau composite peut présenter un tissage dit bidimensionnel, qui comprend des fibres de trames généralement orientées selon une direction de trame X et des fibres de chaines généralement orientées selon une direction de chaine Y, tissées les unes avec les autres sur un plan de tissage P, ou plusieurs plans de tissage P superposés selon une direction d’épaisseur Z.
Les fibres peuvent être des fibres de carbone, de verre ou un mélange des deux. Elles sont noyées dans une matrice 23 comprenant par exemple un ou plusieurs polymères et/ou résines, qui se solidifient pour former la pièce 20 définitive.
Alternativement, comme c’est le cas dans l’exemple de la , le tissage des fibres 21 peut être tridimensionnel, avec des fibres 21 s’étendant selon les trois directions de l’espace X, Y, Z.
Les amplitudes des ondes transmises sous les différents angles d’observations sont traduites en niveaux de gris dans un dispositif de traitement 13, et une analyse numérique permet de reconstituer une image tridimensionnelle en niveaux de gris du volume de la pièce 20. Le dispositif de traitement 13 comprend un ordinateur.
L’analyse par tomographie permet alors d’obtenir un visuel sur l’extérieur et l’intérieur de la pièce. Ce type de contrôle présente l’avantage majeur de permettre la visualisation dans l’épaisseur du matériau et de la pièce étudiée, tout en étant non-destructif et fiable.
Un opérateur humain peut alors évaluer la qualité de la pièce, en recherchant dans l’image tridimensionnelle la présence ou l’absence d’une anomalie ou d’un dégât, et en évaluant la conformité du matériau aux normes applicables. Par exemple, dans le cas d’une pièce en composite tissé, l’anisotropie du tissage, la continuité des fibres et celle de la matrice sont des paramètres pertinents évalués visuellement par l’opérateur.
Cependant, l’analyse par un inspecteur qualifié d’une pièce comme une aube de soufflante est chronophage, cette opération « manuelle » et fastidieuse, une grande partie de ce temps consistant à faire défiler les images de tomographie. L’opération génère également une fatigue visuelle importante qui peut réduire la vigilance et la qualité d’analyse de l’inspecteur après un certain temps.
De plus, d’un point de vue technique, la mise en œuvre d’une telle analyse par des êtres humains peut engendrer des biais d’appréciation et in fine potentiellement une grande variabilité de résultat.
L’invention vise à remédier à ces inconvénients, en fournissant un procédé d’analyse permettant une évaluation rapide et systématique de l’état d’une pièce mécanique sans nécessiter l’intervention d’un inspecteur humain. Cela permet de rendre l’inspection plus rapide et réduit les risques d’erreur.
A cet effet, l’invention a pour objet un procédé d’analyse tomographique d’une pièce, le procédé comprenant les étapes suivantes :
- acquisition d’au moins une image tomographique de la pièce au moyen d’un dispositif de tomographie,
- division de l’image tomographique en sous-parties élémentaires et obtention d’une pluralité d’images bidimensionnelles pour chaque sous-partie, chaque image comprenant une pluralité de pixels, chaque pixel présentant un niveau de gris respectif,
- application d’au moins un outil de traitement numérique sur chaque image de la sous-partie et obtention, pour chaque outil appliqué, d’une valeur d’au moins un paramètre représentatif pour chaque image,
- détermination de variations spatiales dans chaque sous-partie, selon trois directions caractéristiques, des valeurs de chaque paramètre et détection de valeurs des paramètres hors de plages de conformité prédéterminées,
- calcul d’un score de conformité de chaque sous-partie, à partir des valeurs des paramètres hors des plages de conformité, et
- comparaison du score de conformité de chaque sous-partie à un seuil de conformité prédéterminé pour déterminer une conformité de la sous-partie.
Un tel procédé permet une analyse de la totalité d’une pièce mécanique, la détection de non-conformités, et la formulation d’un diagnostic global de l’état de la pièce sans nécessiter la présence d’un inspecteur humain.
Le procédé peut comprendre une étape de traitement des images bidimensionnelles, mise en œuvre avant l’étape d’application d’au moins un outil de traitement numérique, au cours de laquelle chaque pixel dont le niveau de gris est hors d’une plage médiane prédéterminée est remplacé par un pixel corrigé présentant un niveau de gris compris dans ladite plage médiane.
Une telle étape permet d’éliminer les pixels dont les niveaux de gris présentent des valeurs extrêmes, et qui pourraient générer de forts gradients et fausser les calculs suivants, en étant considérés comme des singularités par les outils numériques.
Le niveau de gris corrigé peut être déterminé aléatoirement à partir d’une distribution des niveaux de gris des pixels de l’image dont le niveau de gris est dans la plage médiane.
Une telle caractéristique permet de fondre les pixels corrigés dans le reste de l’image, avec une distribution de type « bruit blanc ».
L’au moins un outil de traitement numérique peut comprendre un calcul d’autocorrélation, comprenant la génération d’une image d’autocorrélation à partir de l’image, la détection d’un pic central de l’image d’autocorrélation et la détermination d’un rapport d’isotropie du pic central, le rapport d’isotropie étant choisi comme valeur de paramètre représentatif.
Un tel outil permet de qualifier l’anisotropie d’une image, et par exemple de détecter les directions de tissage préférentielles d’une pièce composite.
L’au moins un outil de traitement numérique peut comprendre un calcul de filtrage, comprenant l’application à l’image d’au moins un filtre de Gabor et l’obtention d’une image filtrée, la détermination, pour chaque pixel de l’image d’une somme des valeurs correspondantes des images filtrées avec chacun des filtres de Gabor, le maximum sur l’image des sommes étant choisi comme valeur de paramètre représentatif.
Un tel outil permet de détecter des anomalies d’entrelacement locales.
Plusieurs filtres de Gabor peuvent être appliqués, avec des bases respectives obtenues à partir des directions caractéristiques de l’image par rotation.
Dans un mode de réalisation quatre filtres de Gabor peuvent être appliqués, avec des bases respectives obtenues à partir des directions caractéristiques de l’image par rotation par exemple d’un angle respectivement de 0°, 45°, 90° et 135° pour une structure tissée à 0° et 90 °. Une telle caractéristique permet de traiter toutes les orientations de l’image.
L’au moins un outil de traitement numérique peut comprendre un calcul d’un écart-type des niveaux de gris sur l’ensemble des pixels de l’image, le dit écart-type étant choisi comme valeur de paramètre représentatif. Un tel outil permet de détecter une surreprésentation locale d’une phase du matériau, par exemple un amas de résine dans le cas d’une pièce en composite tissé.
Trois outils de traitement numériques différents peuvent être appliqués sur chaque image, l’étape de calcul du score de conformité comprenant le calcul d’un score partiel pour chaque outil de traitement numérique et pour chaque direction, à partir de la quantité de valeurs des paramètres hors des plages de conformité obtenue pour ledit outil de traitement numérique et ladite direction, le score de conformité étant la somme des scores partiels.
Une telle caractéristique permet d’observer plusieurs facteurs différents en vue d’établir un diagnostic plus précis quant à l’état de la pièce.
Les plages de conformité pour les paramètres sont prédéterminées à partir d’éprouvette saines, chaque plage de conformité comprenant les 99 centiles inférieurs des valeurs du paramètre associé mesurée sur lesdites éprouvettes saines.
Une telle caractéristique permet de détecter de manière fiable des valeurs non-conformes afin d’améliorer la précision de l’analyse.
L’invention concerne également un produit programme d’ordinateur comprenant des instructions permettant, lorsqu’il est exécuté sur un ordinateur pilotant un dispositif d’analyse tomographique, la mise en œuvre du procédé comme plus haut.
Un procédé d’analyse tomographique selon l’invention va maintenant être décrit. Ce procédé met en œuvre le dispositif d’analyse 1 décrit précédemment, et vise à détecter la présence d’anomalies dans une pièce 20, réalisée par exemple en matériau composite.
La pièce est ici une partie d’une pale d’aubage, par exemple d’une aube de soufflante. Ladite aube de soufflante présente une direction d’élongation principale choisie comme direction Z de l’espace, la direction X étant choisie sensiblement tangente à la surface externe de l’aube et la direction Y étant la direction d’épaisseur de l’aube.
Une épaisseur de la pièce 20, mesurée selon la direction Y, est par exemple compris entre 5 et 25 mm, notamment proche de 10 mm.
Le procédé comprend une première étape d’acquisition d’au moins une image tridimensionnelle de la pièce 20 au moyen du dispositif de tomographie 1.
Un faisceau incident 5 d’impulsions d’ondes est émis par le dispositif d’émission 3, en direction de la pièce 20. Le faisceau incident 5 est par exemple un faisceau d’ondes radiofréquences.
Les ondes traversent la pièce 20, et un faisceau transmis 9 issu de la pièce 20 est capté par le récepteur 7. La distribution d’intensité du faisceau transmis 9 obtenue est convertie en une image bidimensionnelle en niveaux de gris de la pièce 20 par le dispositif de traitement 13.
La pièce 20 est mise en rotation au moyen du support 11, et des images bidimensionnelles de la pièce 20 sont acquise sous toutes les directions.
Une image tridimensionnelle 30 de la pièce 20 en niveaux de gris, ou image tomographique, est alors reconstituée par traitement d’image au moyen du dispositif de traitement 13.
De manière non limitative, la pièce 20 est une pièce en matériau composite à tissage tridimensionnel, telle que représentée sur la .
Le matériau composite comprend des fibres 21 selon les trois directions X, Y et Z de l’espace, noyées dans une matrice 23. L’écart moyen entre deux fibres 21 voisines et de même direction est de l’ordre de 2 mm.
Les fibres 21 peuvent être de matériaux identiques ou différents (verre, kevlar ou carbone par exemple).
La matrice 23 comprend au moins un polymère organique et/ou au moins une résine.
Les fibres de différents types et la matrice sont désignées sous le terme de phases du matériau composite composant la pièce 20.
L’image tridimensionnelle 30 comprend donc une pluralité de voxels présentant chacun un niveau de gris respectif représentatif notamment de la densité de la phase du matériau correspondant dans la pièce 20.
Le procédé d’analyse tomographique comprend alors une étape de division de l’image tridimensionnelle 30 tomographique en sous-parties 31 élémentaires, comme représenté sur la .
Ces sous-parties 31 ont des dimensions, selon trois directions de l’espace X, Y, Z, calculées à partir des caractéristiques du matériau de la pièce 20. Les sous-parties 31 sont par exemple de forme parallélépipédique.
Ces dimensions des sous-parties 31 peuvent varier en fonction de la localisation de la sous-partie dans la pièce 20, comme représenté sur la qui est une coupe plane d’une cartographie des sous-parties 31 dans un plan XZ de la pièce 20.
Les dimensions des sous-parties 31 sont par exemple choisies comme suit.
Selon la direction Y, la dimension de chaque sous-partie 31 est choisie égale à l’épaisseur de la pièce 20 selon cette direction Y.
Selon la direction Z, la dimension de chaque sous-partie 31 est choisie égale à un nombre entier n d’espacements entre colonnes de tissage (également désigné par le termepick spacingen anglais, PS), c’est-à-dire un nombre entier de pas entre fibres 21 voisines espacées selon la direction Z. Le nombre entier n est choisi à partir de résultats expérimentaux et de modélisation obtenus avec le matériau, et correspond par exemple à une longueur totale comprise entre 15 mm et 25 mm.
Selon la direction X, la dimension de chaque sous-partie 31 est choisie afin que la sous-partie 31 constitue un volume élémentaire représentatif (VER).
Les dimensions de sous-parties 31 selon les directions X et Z sont par exemple voisines l’une de l’autre (par exemple comprise entre la moitié et le double l’une de l’autre).
Le procédé selon l’invention ayant pour objectif de simuler une analyse par un inspecteur, une pluralité d’images 32 bidimensionnelles est ensuite obtenue pour chaque sous-partie 31, simulant des coupes du volume de la sous-partie 31.
Les images 32 sont des coupes planes en niveau de gris, et chaque image comprend ainsi une pluralité de pixels, chaque pixel présentant un niveau de gris respectif.
Ces images peuvent être des coupes de l’image tomographique dans des plans perpendiculaires aux directions X, Y et Z de l’espace, ou dans des plans obliques (c’est-à-dire non orthogonaux aux directions X, Y et Z).
Le nombre d’images 32 obtenues pour chaque sous-partie 31 est prédéterminé de manière empirique, selon le nombre de coupes pertinentes pour l’analyse de la conformité de la sous-partie 31.
L’ensemble de ces images 32 constituent les données brutes à traiter, représentatives du matériau et de la pièce 20 à analyser, par exemple pour la mise en évidence des anomalies d’entrelacement des fibres 21.
Le procédé comprend avantageusement une étape de traitement des images 32, représentée sur la , pour retirer les niveaux de gris parasites susceptible des fausser le traitement numérique postérieur.
Les pixels de l’image 32 dont le niveau de gris est hors d’une plage médiane prédéterminée sont remplacés par des pixels dont le niveau de gris est compris dans cette plage médiane.
La plage médiane s’étend par exemple entre 10% et 90% de la pleine échelle de niveaux de gris du dispositif d’acquisition. Les pixels présentant un niveau de gris compris entre 0 et 10% et entre 90% et 100% du maximum de l’échelle (0 correspondant généralement au noir et 100% correspondant généralement au blanc) sont donc considérés comme parasite et remplacés.
Ces valeurs de 10% et 90% sont données à titre indicatif et peuvent varier selon les cas, en fonction de la nature du matériau et de la sensibilité des capteurs du dispositif d’acquisition 1, par exemple.
Dans l’exemple représenté , les pixels noirs de l’image 32 non traitée, à gauche, qui correspondent à un vide, sont considérés comme présentant des niveaux de gris extrêmes.
La valeur de niveau de gris de remplacement est avantageusement déterminée en fonction de la distribution de niveau de gris de l’image 32, par exemple choisie égale à la médiane de niveaux de gris des pixels de l’image.
Plus avantageusement, le niveau de gris de chaque pixel remplacé de l’image 32 est déterminé aléatoirement sur la base de la distribution de niveaux de gris des pixels de l’image 32 situés dans la plage médiane. Ainsi, les pixels remplacés forment un bruit blanc dans l’image et ne modifient pas les étapes de traitement suivantes.
Un tel remplacement par une valeur aléatoire de niveau de gris est représenté sur la , où l’image 32 de gauche a vu ses pixels extrêmes remplacés par un « bruit blanc » déterminé à partir de la distribution des niveaux de gris non-extrêmes de l’image 32 initiale.
Le procédé comprend ensuite une étape de description des images 32 par application d’au moins un outil de traitement numérique sur chaque image 32 de la sous-partie 31 et obtention, pour chaque outil appliqué, d’une valeur d’au moins un paramètre représentatif pour chaque image 31.
Avantageusement, au moins trois tels outils de traitement numériques sont appliqués sur chaque image 32, de manière indépendante, et l’obtention d’au moins une valeur d’un paramètre pour chacun de ces outils. Par exemple, le procédé comprend un calcul d’autocorrélation et la détermination d’un rapport d’anisotropie pour chaque image 32, une application d’au moins un filtre de Gabor et la détermination d’une somme des maximas des images filtrées pour chaque image 32, et un calcul d’écart-type des niveaux de gris et l’obtention d’une valeur d’écart type pour chaque image 32.
Le calcul d’autocorrélation est une méthode utilisée dans la littérature afin de rendre compte de l’anisotropie, de la texture ou de la périodicité d’une image.
Un tel calcul est représenté sur la . Une image d’autocorrélation 33 est générée pour chacune des images 32, comprenant un pic central 34.
Un seuil est calculé à partir des valeurs des maximas locaux de l’image d’autocorrélation 33 en excluant le pic central 34, et le pic central 34 est isolé grâce à ce seuil, pour obtenir une image d’isolation 35 comprenant uniquement le pic central 34.
L’anisotropie de l’image 32 peut alors être caractérisée par le calcul des valeurs propres et des vecteurs propres de la matrice d’inertie de l’image d’isolation 35 du pic central 34.
Un rapport d’anisotropie est calculé comme rapport des longueurs des vecteurs propres, et caractérise la présence d’une direction préférentielle de l’image 32. Des valeurs proches de 1 du rapport d’anisotropie caractérisent des images 32 où les deux directions principales ont des poids similaires, alors que des valeurs éloignées de 1 dénotent une anisotropie.
C’est cette orientation préférentielle de l’image 32 qui est mesurée car impactée dans le cas de présence d’anomalie d’entrelacement de fibres 21.
Un filtre de Gabor est un filtre linéaire dont la réponse impulsionnelle est une sinusoïde modulée par une fonction gaussienne.
La fréquence de la sinusoïde pourrait par exemple être choisie égale à 0,05 (en pixel-1), et l’écart-type σ1de la gaussienne est calculé selon l’équation : .
Avantageusement, quatre filtres de Gabor sont appliqués successivement à l’image 32, avec des bases respectives obtenus par des rotations depuis les directions principales de l’image 32 d’angles qui pourrait être par exemple égaux à 0°, 45°, 90° et 135°.
Pour chaque pixel de l’image 32, la somme des valeurs obtenues avec les quatre filtres de Gabor est calculée, et la somme la plus élevés parmi les pixels de l’image est choisie comme valeur de paramètre représentatif de l’application de l’outil sur l’image 32.
Cette valeur maximale peut être comparée à des valeurs issues d’une base de données, et prend des valeurs très importantes dans le cas de présence d’anomalie d’entrelacement à signature linéaire ou non linéaire.
Le calcul de l’écart type de la distribution de niveaux de gris pour chaque image 32 est calculé, et la valeur d’écart-type est la valeur de paramètre représentatif. Cette valeur est caractéristique d’un amas non négligeable d’une des phases du matériau, par exemple un amas de résine, linéaire ou non. En effet, le nombre de pixels à niveau de gris faible (correspondant à la phase résine) va avoir pour conséquence une augmentation de l’écart type des niveaux de gris dans l’image 32.
Le procédé comprend alors une étape de détermination de variations spatiales dans chaque sous-partie 31, selon les trois directions X, Y, Z, des valeurs de chaque paramètre. Une telle représentation des variations spatiales permet de simuler l’inspection d’une sous-partie 3A par défilement des coupes par un inspecteur.
La dynamique des images 32 joue un rôle important dans la détection des anomalies d’entrelacement.
Ainsi, pour chacun des paramètres caractéristiques des outils numériques précédemment appliqués, et pour chacune des directions d’analyse X, Y et Z, une courbe d’évolution des valeurs du paramètres est tracée en fonction des positions des images dans la sous partie 31 selon la direction.
Le procédé comprend ensuite la détection de valeurs non-conformes de ces paramètres, qui se situent hors de plages de conformité prédéterminées.
Les plages de conformité sont obtenues, pour chaque paramètre, à partir d’éprouvette saines sorties de production, chaque plage de conformité comprenant par exemple les 99 centiles inférieurs des valeurs du paramètre associé mesurée sur lesdites éprouvettes saines.
Cette étape permet de détecter et quantifier les valeurs dites « non conformes » pour chaque paramètre et selon chaque direction de l’espace, et de déterminer un score partiel de conformité correspondant à la quantité de non-conformités détectées.
Les scores partiels de conformité sont par exemple classés dans une matrice à trois lignes et trois colonnes, pour chacun des trois outils de traitement numérique et chacune des trois directions.
Un score de conformité global de la sous-partie 31 est obtenu en sommant les scores partiels (par exemple les neufs scores partiels dans le cas d’une matrice à trois lignes et trois colonnes), et permet de caractériser l’état de conformité de la sous-partie 31, notamment du tissage des fibres 21.
Ce score de conformité est comparé à une valeur de seuil de conformité prédéterminée, qui dépend du niveau d’exigences relatif à la pièce 20, afin de décider si la pièce 20 présente une ou plusieurs potentielles anomalies.
Le procédé décrit, exécuté entièrement par un ordinateur connecté au système de mesure tomographique, permet d’obtenir un diagnostic en un temps rapide, diminué d’un facteur 5, et sans nécessiter une intervention d’un inspecteur qualifié.
Si nécessaire, l’inspecteur peut ensuite réexaminer la pièce. Dans ce cas, les scores de conformité de chaque sous-partie 31 et les courbes d’évolution des paramètres caractéristiques permettent de localiser rapidement les régions pertinentes de la pièce 20 à inspecter, et facilitent cette observation supplémentaire.
Claims (10)
- Procédé d’analyse tomographique d’une pièce (20), le procédé comprenant les étapes suivantes :
- acquisition d’au moins une image tomographique (30) de la pièce (20) au moyen d’un dispositif de tomographie (1),
- division de l’image tomographique (30) en sous-parties (31) élémentaires et obtention d’une pluralité d’images (32) bidimensionnelles pour chaque sous-partie (31), chaque image (32) comprenant une pluralité de pixels, chaque pixel présentant un niveau de gris respectif,
- description des images (32) par application d’au moins un outil de traitement numérique sur chaque image (31) de la sous-partie (31) et obtention, pour chaque outil appliqué, d’une valeur d’au moins un paramètre représentatif pour chaque image (32),
- détermination de variations spatiales dans chaque sous-partie (31), selon trois directions (X, Y, Z) caractéristiques, des valeurs de chaque paramètre et détection de valeurs des paramètres hors de plages de conformité prédéterminées,
- calcul d’un score de conformité de chaque sous-partie (31), à partir des valeurs des paramètres hors des plages de conformité, et
- comparaison du score de conformité de chaque sous-partie (31) à un seuil de conformité prédéterminé pour déterminer une conformité de la sous-partie (31). - Procédé selon la revendication précédente, dans lequel le procédé comprend une étape de traitement des images (31) bidimensionnelles, mise en œuvre avant l’étape d’application d’au moins un outil de traitement numérique, au cours de laquelle chaque pixel dont le niveau de gris est hors d’une plage médiane prédéterminée est remplacé par un pixel corrigé présentant un niveau de gris compris dans ladite plage médiane.
- Procédé selon la revendication précédente, dans lequel le niveau de gris corrigé est déterminé aléatoirement à partir d’une distribution des niveaux de gris des pixels de l’image (31) dont le niveau de gris est dans la plage médiane.
- Procédé selon l’une des revendications précédentes, dans lequel l’au moins un outil de traitement numérique comprend un calcul d’autocorrélation, comprenant la génération d’une image d’autocorrélation (33) à partir de l’image (31), la détection d’un pic central (34) de l’image d’autocorrélation (33) et la détermination d’un rapport d’isotropie du pic central (34), le rapport d’isotropie étant choisi comme valeur de paramètre représentatif.
- Procédé selon l’une des revendications précédentes, dans lequel l’au moins un outil de traitement numérique comprend un calcul de filtrage, comprenant l’application à l’image (31) d’au moins un filtre de Gabor et l’obtention d’une image filtrée, la détermination, pour chaque pixel de l’image (31) d’une somme des valeurs correspondantes des images filtrées avec chacun des filtres de Gabor, le maximum sur l’image (31) des sommes étant choisi comme valeur de paramètre représentatif.
- Procédé selon la revendication précédente, dans lequel quatre filtres de Gabor sont appliqués, avec des bases respectives obtenues à partir des directions (X, Y, Z) caractéristiques de l’image (31).
- Procédé selon l’une des revendications précédentes, dans lequel l’au moins un outil de traitement numérique comprend un calcul d’un écart-type des niveaux de gris sur l’ensemble des pixels de l’image (31), ledit écart-type étant choisi comme valeur de paramètre représentatif.
- Procédé selon l’une des revendications précédentes, dans lequel trois outils de traitement numériques sont appliqués sur chaque image (31), l’étape de calcul du score de conformité comprenant le calcul d’un score partiel pour chaque outil de traitement numérique et pour chaque direction (X, Y, Z), à partir de la quantité de valeurs des paramètres hors des plages de conformité obtenue pour ledit outil de traitement numérique et ladite direction, le score de conformité étant la somme des scores partiels.
- Procédé selon l’une des revendications précédentes, dans lequel les plages de conformité des paramètres sont prédéterminées à partir d’éprouvette saines, chaque plage de conformité comprenant les 99 centiles inférieurs des valeurs du paramètre associé mesurée sur lesdites éprouvettes saines.
- Produit programme d’ordinateur comprenant des instructions permettant, lorsqu’il est exécuté sur un ordinateur pilotant un dispositif d’analyse tomographique (1), la mise en œuvre du procédé selon l’une des revendications précédentes.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2210787A FR3141245A1 (fr) | 2022-10-19 | 2022-10-19 | Procédé d’analyse tomographique |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2210787A FR3141245A1 (fr) | 2022-10-19 | 2022-10-19 | Procédé d’analyse tomographique |
FR2210787 | 2022-10-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3141245A1 true FR3141245A1 (fr) | 2024-04-26 |
Family
ID=84569196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR2210787A Pending FR3141245A1 (fr) | 2022-10-19 | 2022-10-19 | Procédé d’analyse tomographique |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3141245A1 (fr) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4803639A (en) * | 1986-02-25 | 1989-02-07 | General Electric Company | X-ray inspection system |
FR3050826A1 (fr) * | 2016-05-02 | 2017-11-03 | Safran | Procede de controle non-destructif par apprentissage |
-
2022
- 2022-10-19 FR FR2210787A patent/FR3141245A1/fr active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4803639A (en) * | 1986-02-25 | 1989-02-07 | General Electric Company | X-ray inspection system |
FR3050826A1 (fr) * | 2016-05-02 | 2017-11-03 | Safran | Procede de controle non-destructif par apprentissage |
Non-Patent Citations (3)
Title |
---|
YAHAGHI EFFAT ET AL: "Contrast Enhancement of Industrial Radiography Images by Gabor Filtering with Automatic Noise Thresholding", RUSSIAN JOURNAL OF NONDESTRUCTIVE TESTING, CONSULTANTS BUREAU. NEW YORK, US, vol. 55, no. 1, 26 April 2019 (2019-04-26), pages 73 - 79, XP036769032, ISSN: 1061-8309, [retrieved on 20190426], DOI: 10.1134/S1061830919010121 * |
YANG XIAOYU ET AL: "Ultrasonic reconstruction of the fiber architecture of composite laminates", 7 October 2021 (2021-10-07), pages 1 - 9, XP093035240, Retrieved from the Internet <URL:https://www.ndt.net/article/ndtp2021/papers/Ultrasonic_Reconstruction_of_the_Fiber_Architecture_of_Composite_Laminates.pdf> * |
YU BO: "DAMAGE CHARACTERISATION OF 3D WOVEN GLASS-FIBRE REINFORCED COMPOSITES UNDER FATIGUE LOADING USING X- RAY COMPUTED TOMOGRAPHY", 1 January 2015 (2015-01-01), pages 1 - 186, XP055921235, Retrieved from the Internet <URL:https://www.research.manchester.ac.uk/portal/files/54576961/FULL_TEXT.PDF> [retrieved on 20220516] * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2912809C (fr) | Procede d'inspection par transmission d'ultrasons ameliore | |
EP3042185A1 (fr) | Procede de caracterisation d'une piece en materiau composite tisse | |
US8675990B2 (en) | Composite evaluation | |
EP1580524B1 (fr) | Procédé et dispositif de caractérisation d'un endommagement de structure faisant appel au moiré d'ombre | |
CA2968487C (fr) | Procede de detection et de caracterisation par ultrasons de defauts dans un materiau heterogene | |
WO2010072920A1 (fr) | Procede de controle non destructif d'une piece mecanique | |
US9924920B2 (en) | Phantom intended for use in quality control of tomographic images | |
EP3724646B1 (fr) | Procédé, dispositif et programme de traitement d'images de diffraction d'un matériau cristallin | |
EP3009836B1 (fr) | Procédé et ensemble de vérification de la calibration d'un système de contrôle non destructif de pièces | |
EP4200604A1 (fr) | Procédé de caractérisation d'une pièce par contrôle non destructif | |
FR3141245A1 (fr) | Procédé d’analyse tomographique | |
FR3105527A1 (fr) | PROCEDE DE surveillance d’UNe structure par traitement d’imageS | |
FR3042869A1 (fr) | Procede de caracterisation d'un objet en materiau composite | |
EP3517940B1 (fr) | Procede et système de determination de la variation d'intensite diffractee par un reseau bidimensionnel organise le long d'une direction donnee | |
WO2023099846A1 (fr) | Procédé d'analyse tomographique | |
FR3133473A1 (fr) | Procédé d’analyse tomographique par reconnaissance automatique de phases | |
WO2023152454A1 (fr) | Procédé d'analyse tomographique | |
Zöcke et al. | Reconstruction of the defect shape from lock-in thermography phase images | |
FR3133694A1 (fr) | Procédé d’analyse tomographique | |
Sukowski et al. | Automated 3D Defect Detection based on Simulated Reference | |
EP4128152A1 (fr) | Procédé et système de squelettisation des torons d'une pièce en matériau composite dans une image 3d | |
Nakini et al. | Distortion correction in 3d-modeling of roots for plant phenotyping | |
Nakini et al. | Distortion correction in 3d-modeling of root systems for plant phenotyping | |
FR3146004A1 (fr) | Procédé de contrôle non-destructif de pièces en matériau composite | |
FR3135524A1 (fr) | Procédé, système et programme d’ordinateur de contrôle d’une pièce par radiographie aux rayons X |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20240426 |