Détection automatisée de défauts dans les matériaux composites par shearographie

Détection automatisée de défauts dans les matériaux composites par shearographie

Centre Spatial de Liège, Université de Liège, Avenue du Pré Aily, B-4031 Angleur, Belgium

1. Introduction

Les matériaux composites sont de plus en plus utilisés dans l’industrie aéronautique. Un des enjeux majeurs est la détection des défauts dans ces derniers. En effet, ils produisent de nouveaux types de défauts à détecter à l’issue de la fabrication ou pendant leur maintenance (délaminage sous impact, défaut de collage, etc.). Ceci engendre un besoin d’outils et de procédures de détection de défauts spécifiques aux composites. En outre, la multiplication de ces structures en composite imposera à ces outils d’être peu onéreux, robustes, polyvalents et surtout d’usage aisé, sur site, par des non spécialistes. Parmi les techniques d’analyse actuelles la shearographie semble particulièrement appropriée à répondre aux exigences énoncées ci-avant [1,2]. Elle possède en effet l’efficacité propre aux techniques holographiques sans présenter une sensibilité contraignante aux conditions d’utilisation. Le coût moindre de ses composants la rend également la moins onéreuse des techniques holographiques.

Cependant, l’interprétation des résultats reste une tâche délicate nécessitant des connaissances particulières. Dans le but de faciliter l’interprétation des images de phase obtenue par shearographie, nous avons développé une méthode mettant en évidence de manière automatique les défauts dans une pièce de façon à rendre l’interprétation des résultats abordable facilement par une personne non spécialisée.

2. Développement d’une méthode de détection automatique des défauts

Pour le développement de la méthode, nous avons simulé des images shearographiques, avant de l'éprouver sur des images réelles. Une caractéristique commune à la plupart des défauts vus par interférométrie, et en particulier en shearographie, est d’induire localement une densité plus élevée de franges. Afin de simuler cela, une déformation locale est ajoutée à une déformation globale, et de l'ensemble est calculée une carte de phase modulo 2π, à laquelle on ajoute du bruit (cf. Figure 1). La méthode que nous avons développée consiste à déterminer la pente du déphasage en calculant la moyenne géométrique des gradients selon les axes horizontal et vertical de l’image de déphasage (cf. Figure 2). Ce gradient contient la somme des contributions globales et locales. Afin de ne conserver que ces dernières (correspondant aux défauts), nous soustrayons du gradient son ajustement polynomial (cf. Figure 3). Nous pouvons à présent aisément constater que les défauts présents dans l’image de déphasage apparaissent clairement comme les zones où le gradient est le plus élevé. Le moyen le plus simple d’automatiser la détection de ces défauts est de définir une valeur seuil, appelée Gd, au-delà de laquelle un défaut est considéré comme présent. En utilisant cette méthode, un

algorithme a été développé. Les défauts détectés sont automatiquement marqués au moyen d’un rectangle rouge (cf. Figure 4).

Session 15 : Déphasa numérique écha Image du été retirée La m images sim induit des grand nom est parfois éliminer le Mesure d échanti Me : Caractérisa F age obtenu a e d’une mes antillon prés F gradient do e au moyen d méthode a é mulées. En déformatio mbre de faux s élevé, cré es défauts ré F de déphasag illon en mat therm esures et Te ation des Ma Figure 1 au moyen d sure par she

sentant qua Figure 3 ont la comp d’un ajustem été ensuite t effet, la str ons locales x-positifs (c éant égalem éels en comb Figure 5 ge par shea tériau comp miquement. echniques O atériaux et Ap ’une simula earographie tre défauts. osante glob ment polyno testée sur de ructure fibr en surface cf. Figure 5 ment des fa binant plusi arographie d posite sollic Optiques pou pplications 1 ation e d’un bale a omial. Id es images r reuse du ma qui perturb et Figure 6 aux positifs ieurs étapes d’un cité ur l’Industr 1 Gradient Image fourn défaut, où le mo réelles. Cell atériau com bent les ima 6). À cela s s. Nous avo s. Les rectang l’algorithm rie – Orléan Figu t calculé à p Figu nie par l’alg es défauts d oyen de recta les-ci sont p mposites (p.e ages de pha ’ajoute le b ons été cap Figu gles blancs me détecte d ns 2013 ure 2 partir de la ure 4 gorithme de détectés son tangles roug plus compl ex. en fibre ase produis bruit dans le pables de l ure 6 montrent le des défauts / 2 / Figure 1. détection d t montrés au ges. iquées que es de carbo ant parfois es mesures es filtrer sa es zones où potentiels. de u les ne) un qui ans

Fusion d uns des au les d Prem matériau, u de défaut, que les fau d’accentue contour, no zone ident (cf. Figure Évaluatio d Final plus faible défauts en positifs pe défauts à p dans l’ima le résultat f Aprè optimales échantillon stimulation Optrion et Les premie F des rectangle utres et supp dimensions s mièrement, n un défaut ét notée Lmin. ux-positifs er la différe oté Gc et in ifiée où se 9). on de la tai discriminer lement, les (cf. Figure contact ou euvent être partir des im age de dépha final à la Fi ès avoir fait afin de ma ns représen n thermique le CSL dan ers résultat Grad Figure 7 es en contac pression des sont inférie nous pouvon tant nécessa Il est poss présentent ence de tail nférieur à G trouve les d

lle d’un pot plus facilem défauts pe 6 au centre à proximit éliminés de mages de s asage à la F igure 8. t varier les v aximiser la ntatifs de l’ e. L'instrum ns le cadre d s obtenus s Gd Gc dient ct ou proch s rectangles ures à Lmin. ns avec con airement pl sible d’amél des pentes lle entre un Gd, pour mes défauts réel tentiel défau ment les fau

uvent se re e de l’image té les uns d e manière e shearograph Figure 5 est valeurs de G détection d ’industrie a ment shearo du projet Dé sont encour faux-positif he les s dont D nfiance retir lus grand. P liorer encor de gradien n défaut et surer la tail ls tout en au Figure 9 ut sur base ux-positif su etrouver fra e). Pour rec des autres. A

efficace, no hie sur des t détecté av Gd, Gc, et L des défauts aéronautiqu ographique é-Composit rageants. De f Défauts fina d

rer les zones Pour cela, n re ce filtrag nt très impo les faux-po lle de la zon ugmentant 9 d’un seuil d ur base de la actionnés en composer le Au final, ap us permetta matériaux c ec succès e Lmin, nous av s. Nous avo ue inspectés a été déve t et est basé es exemple défa Figu alement ide déphasage à s de taille in ous définiss ge. En effet rtantes sur ositifs, nous ne. Cela a p de façon trè de contour G a taille de la n un ensem défaut com rès ces étap ant de détec composites. t sans faux-vons dégagé ons appliqu s par shear eloppé conj

sur une con s montrant aut ure 8 entifiés dans à la Figure 5 nférieure à sions une ta t, nous pouv une faible s définisson pour effet d rès faible le Gc, permetta a zone détec mble de défa mplet, nous pes success cter automa . Ainsi, le -positif com é un ensem ué cette mé rographie e jointement nfiguration la détectio s l’image de 5. la structure aille minim vons consta étendue. A ns un seuil d’augmenter s faux-posi ant de mieu ctée. auts d’étend fusionnons ives, les fau atiquement défaut prés mme le mon mble de vale éthode sur d en utilisant par la soci de Michels on entièrem e du male ater Afin de r la tifs ux due les ux-les sent ntre eurs des t la iété on. ment

Session 15 : automatisé présentés à (a)(b) Ima soumis 3. Conc Nous défaut dan élevées de visible dan paramètres une métho méthode p non spécia 4. Rem Ce tr (DG06), da 5. Bibli 1. W S Me : Caractérisa ée de défau à la Figure 1 age de déph à une charg clusion s avons pré ns les matér franges dan ns les ima s optimaux odologie ex ourrait à l’a alistes. merciements ravail a été ans le cadre iographie W. STEINC Shearing », S esures et Te ation des Ma uts sur deu 10. (a) (c) hasage obse ge thermiqu ésenté une m riaux comp ns l’image. ages de dép déterminés xpérimental avenir perm s effectué da e du program HEN, « Dig SPIE-Intern echniques O atériaux et Ap ux de ces

ervé par she ue. (c)(d) D

génératio

méthode no posites à de Elle est cap phasage. Le s de façon e le permetta mettre l’inve ans le cadre mme CWali gital Shearo national Soc Optiques pou pplications 1 échantillon Figure 1 earographie éfauts détec on de rectan ouvelle perm estination d pable de fon es premier empirique d ant d’obten estigation ra du projet D ity, et par la ography: Th ciety for Op ur l’Industr 1 ns, observé 0 e de deux éc ctés automa ngles rouges mettant la d de l’industri nctionner su s résultats donne des r ir des ima apide de piè DéComposi a société Op heory and A ptical Engine rie – Orléan és en cond (b (d chantillons atiquement m s. détection en ie. La méth ur des pièce obtenus, u résultats pro ges de dép ces en comp t, cofinancé ptrion S.A. Application o eers, 2003 ns 2013 ditions indu (b) (d) en matériau mis en évide ntièrement a hode localis s présentan utilisant un ometteurs. phasage op mposites par é par la Rég of Digital S / 4 / ustrielles, s ux composit ence par la automatisée se les densi nt une structu ensemble En parallèl ptimales, ce des personn gion Wallon Speckle Patt ont tes de ités ure de e à ette nes nne tern

2. M. Kalms, W. Osten, « Mobile shearography system for the inspection of aircraft and automotive components », Optical Engineering 42, pp. 1188–1196, 2003

3. A. FANTIN, D. WILLEMANN, M. VIOTTI, A. ALBERTAZZI, « A computational tool to highlight anomalies on shearographic images in optical flaw detection, Proc. SPIE 8788, pp. 8788-20, 2013