Procesamiento de imágenes infrarrojas para la detección de defectos en materiales Infrared Image Processing to Detect Defects in Materials H ERNÁN D ARÍo BENÍTEZ REsTREPO Ingeniero Electrónico de la Pontificia Universidad Javeriana y estudiante del Doctorado en Ingeniería de la Universidad del Valle (Colombia). Integrante del gmpo Percepción y Sistemas Inteligentes, Escuela de Ingeniería Eléctrica y Electrónica, Universidad del Valle. hbenitez@univalle .edu.co C LEMENTE I BARRA-CAsTANEDO Ph.D, Université Lava!. Investigador Posdoctoral de la Université Lava!. Département de génie électrique et de génie informatique Université Laval (Canadá). IbarraC@gel.ulaval.ca ABDEL H AKIM B ENDADA Doctor en Ciencias de la Université de Constantine (Francia). Profesor de la Université Laval, Département de génie électrique et de génie informatique Université Laval (Canadá) bendada@gel.ulaval.ca XAVIER MALDAGUE Ph.D, Université Lava!. Profesor Département de génie électrique et de génie infomlatique Université Laval (Canadá). maldagx@gel.ulaval.ca H UMBERTO L OAIZA Doctor en Robótica en l'Université d'Evry (France). Profesor e integrante del gmpo Percepción y Sistemas Inteligentes, Escuela de Ingeniería Eléctrica y Electrónica de la Universidad del Valle. hloaiza@univalle.edu.co E DUARDO C AICEDO Doctor en Infomlática Industrial de la Universidad Politécnica de Madrid. Profesor e integrante del gmpo Percepción y Sistemas Inteligentes, Escuela de Ingeniería Eléctrica y Electrónica de la Universidad del Valle (Colombia) ecaicedo@univalle.edu.co Clasificación del arlículo: investi gación Fecha de recepción 10 de sepliembre de 2006 Fecha de aceptación: 30 de abril de 2007 · . con-CienCias Palabras clave: tem10grafía infrarroja, ensayo no destructivo, procesamiento de imágenes, cuadrupolos ténnicos. Keywords: Infrared thennography, non destructive testing, image processing, thennal quadrupoles. RESUMEN ABSTRACT El Ensayo Tennográfico No Destructivo (ETND) es una técnica de evaluación de materiales, en la que la superficie de una muestra de material es estimulada ténnicamente para producir una diferencia de temperatura entre las áreas no defectuosas y las eventualmente defectuosas. Los cambios de temperatura son registrados mediante una cámara infrarroja; posterionnente, dada la distorsión generada por el ruido, se ejecutan etapas de procesamiento para detectar y/o caracterizar los defectos en el material. En este artículo se analizan y comparan experimentalmente varios de estos métodos de procesamiento y se profundiza en la técnica CAD (Contraste Absoluto Diferencial) modificada por cuadrupolos témücos. Thennographic Non Destructive Testing (TNDT) is anon destructive evaluation technique in which the surface of a material sample is thennally stimulated to produce a temperature difference between non defective areas and, eventually, defective areas. These temperature changes are registered with an infrared camera and processed in several stages, given the signal distortions generated by noise, in orderto detect and/or characterize defects inside the material. In this paper, several processing techniques are analyzed and compared using experimental data and the technique DAC (DifferentialAbsolute Contrast), modified with Thennal Cuadrupoles. *** 1. Introducción La Evaluación No Destructiva de Materiales (END) se puede llevarse a cabo mediante distintas técnicas. Si la muestra que se va a inspeccionar es sometida a una excitación específica, se trata de END activa. Se pueden emplear ultrasonidos, corrientes de Eddy o rayos X, entre otros. En [1] se menciona que estas técnicas penniten detectar anomalías, descubrir defectos ténnicamente no conductores como fisuras y delaminaciones, y detectar la presencia de objetos eA1raños sin afectar la integridad fisica del objeto bajo inspección ni su uso futuro. El Ensayo Tennográfico No Destructivo (ETND) es una técnica de END de materiales en la cual la superficie de una muestra de material es estimulada témúcamente para producir una diferencia de temperatura entre las áreas no defectuosas y defectuosas del material. Esta aproximación es llamada termografia activa y también se clasifica según el tipo de fuente de calor usada para estimular la muestra (pulsos, ondas periódicas, etc.). Cuando la estimulación ténnica es de corta duración o pulso se denomina termografia activa pulsada; esto último caso se estudiará en el presente artículo. La tennografía activa se ha convertido en un método poderoso para la detección de defectos en varios tipos de materiales, desde compuestos hasta metales [2]. En [3] el ETND se compara con otras técnicas tradicionalmente usadas, como rayos X o ultrasonidos, y se le atribuyen ventajas como la inspección rápida y sin contacto fisico; esto contrasta con el caso de los ultrasonidos, que requieren de contacto y, en general, de tiempos largos de inspección. Además, la ETND es segura debido a que no utiliza las radiaciones dañinas propias de los rayos X. Como desventaja vale señalar que las lámparas fotográficas de alta potencia usadas comúnmente como fuentes de calor hacen necesario el uso de protección visual durante el experimento; asimismo, el ETND tiene limitaciones como es la dificultad para lograr un calentamiento unifonne en un periodo corto de tiempo sobre un área grande por inspeccionar, las pérdidas ténnicas por convección o radiación, la capacidad para detectar sólo defectos que resulten Procesamiento de imágenes infrarrojas para la detección de defectos en materiales HERNÁN DARío BE NíTEZ RE STREPO / CLEMENTE I BARRA-CASTANEDO / ABDEL HAKIM BENDADA / XAVIER MALDAGUE / H UMBERTO L OA IZA / EDUARDO CAICEDO 41 · . con-CienCias de un cambio medible de las propiedades ténnicas del material inspeccionado, y la degradación de la imagen debido a la presencia de ruido multiplicativo y aditivo, como se estudia en [4-6]. A pesar de las limitaciones citadas, en los últimos años se han desarrollado distintas técnicas para procesar y analizar imágenes infrarrojas que pennitan la detección y caracterización de defectos en materiales . El propósito de este artículo es analizar varias de estas técnicas y comparar sus resultados en términos de la detección de defectos. En los apartados 2 y 3 se describen una configuración típica para la adquisición de datos en termografía activa pulsada y las técnicas por analizar, a saber: termografia de fase pulsada, reconstrucción de señales tennográficas, termografia de componentes principales, redes neuronales y contraste térmico. En el apartado 4 cada una de estas técnicas se aplica a la inspección de una muestra de Plástico Reforzado de Fibra de Carbono (PRFC), y se analizan y se discuten los resultados experimentales obtenidos. imágenes infrarrojas que luego son usadas para el análisis. TransmISIÓn Reflexión Figura 1. Configuración experimental para la termografia activa pulsada Las imágenes adquiridas pasan a la etapa de preprocesamiento en la que se eliminan fenómenos como píxeles defectuosos, patrones fijos de ruido y efecto de viñeteo. Este último consiste en una reducción de la intensidad en los bordes de la imagen que es causada por una apertura limitada de los lentes de la cámara; en esta etapa también se convierten los niveles de gris de los píxeles en valores de temperatura. En este artículo se asume que la etapa de preprocesamiento -explicada en [7] y [8] ya ha sido ejecutada- y se procede al procesamiento. 2. Adquisición de datos La configuración experimental necesaria para inspeccionar con termografia activa se muestra en la figura l. La estimulación térmica, puede llevarse a cabo en modo reflexión (cuando la cámara infrarroja y la fuente de calor se encuentran en la misma cara de la muestra) o por transmisión (cuando la cámara infrarroja y la fuente de calor están en caras opuestas de la muestra). El modo de reflexión se usa para la detección y caracterización de defectos relativamente cercanos a la superficie y el modo transmisión para defectos más profundos. Cuando la muestra ha sido estimulada témlÍcamente, el calor se propaga a través de ella; luego, cuando el frente de calor encuentra un defecto, la tasa de difusión del calor se modifica de tal fomla que cuando se observa la temperatura sobre la superficie surge un diferencial térmico entre el defecto y el área que lo rodea. La cámara infrarroja registra el enfrianlÍento de la superficie de la muestra; esta información es almacenada en un conjunto de 42 Tecnura l año 101No. 20 1primer semestre de 2007 3. Técnicas de procesamiento de imágenes infrarrojas 3.1 Termografía de fase pulsada La idea fundamental del procesamiento de imágenes infrarrojas mediante la Termografia de Fase Pulsada (PPT, del inglésPulsedPhase Thermography) es extraer y analizar en el dominio de frecuencia la respuesta térmica de la muestra inspeccionada, según se explica en [9]. La extracción de las frecuencias es llevada a cabo con una transformada de Fourier unidimensional sobre cada píxel de la secuencia de termogramas (figura 2): N -l F 11 = J2m M'V L.J T(kM)e- 'k/ N . = Re + 1m 11 (1) ti k- O En (1), n representa los incrementos de frecuencia (n= O, l , ... N); !::..t es el intervalo de tiempo entre . . COn-CienCiaS adquisiciones; Re n y 1mn son las partes real e imaginaria de la transformada de Fourier, que pueden combinarse para extraer la amplitud An' y la fase t: An = ~Re~+ Im~ , ifln tan-Ir ~::) = (2) imágenes de amplitud, y aproximadamente igual a 1,8 en el caso de la fase. Una de las desventajas de la PPT es que para obtener una inspección cualitativa o cuantitativa se debe enfrentar un compromiso entre la tasa de muestreo, la longitud de la ventana de truncan1iento y la capacidad computacional disponible. Adicionalmente, el operador debe definir un área no defectuosa en forma a priori y subjetiva, con el fin de encontrar la 1;,. Esta intervención humana impide que esta técnica pueda ser completamente automatizada. Secuencia de Imágelles Infnll'roj8s En la actualidad, se adelantan investigaciones orientadas a determinar el grosor del defecto a través de la termografia de fase pulsada. • • • PI'U'ft rada pixel (1 , j): Tnmsfonnada de Fomiel" CÁJ('ulo de Re.. , 1m.. CfiJculo de fase y Amplitud Figul'a 2. Tennografia de fase pulsada (PPT) La ventaja principal de la termografía de fase pulsada consiste en que es menos afectada que otras técnicas por el calentamiento no uniforme, las variaciones de emisividad y la geometria de la superficie inspeccionada (ver por ejemplo la figura 5b). Adicionalmente, la PPT ha sido probada en una amplia variedad de materiales con geometrías complejas como compuestos: aluminio, Kevlar y Plexiglas [11]. La PPT también cuenta con propiedades cuantitativas [10] , lo que pennite estimar la profundidad z de un defecto mediante la frecuencia límite 1;" que es la frecuencia en la cual el contraste de fase es lo suficientemente alto para que un defecto sea detectado. La profundidad z y la frecuencia límite 1;, se relacionan mediante la siguiente expresión: z = el' ~1t a. fb (3) 3.2 Reconstrucción de señales termográficas La reconstrucción de señales termográficas (TSR del inglés Thermographic Signal Reconstruction) es una técnica de procesamiento de imágenes termográficas basada en la ecuación unidimensional de difusión de calor que describe la evolución de temperatura sobre la superficie de una placa semiinfinita, después de haber recibido un estímulo térmico tipo Delta de Dirac: (4) En (4): t es el tiempo, e la efusividad tém1ica del material y Q la densidad de energía sobre la superficie. Esta relación puede ser escrita en forma logarítmica, de tal manera que la evolución temporal de tem peratura de cada píxel pueda ser aproximada con un polinomio de la siguiente manera: In[T(t)] = ao + a¡ ln(t) + a2 In 2 (t) + .. . + a" In" (t) (5) En (5), n + 1 es el grado del polinomio. Las principales ventajas de la TSR son: • En (3), a es la difusividad térmica y el es la constante de regresión, igual a uno cuando se trabaja con La entrega de buenos resultados cualitativos (ver por ejemplo las figuras 5e y 5f) que permiten la detección de defectos. Procesamiento de imágenes infrarrojas para la detección de defectos en materiales HERNÁN DARío BENíTEZ RESTREPO I CLEMENTE 1BARRA-CASTANEDO I ABDEL HAKIM BENDADA I XAVIER MALDAGUE I HUMBERTO LOA IZA I EDUARDO CAICEDO 43 . . con-CienCias • El filtrado de ruido de alta frecuencia. 3.3 Termografía de componentes principales • La reducción de datos por procesar, ya que la secuencia entera de imágenes tennográficas puede ser reconstruida a partir de los coeficientes del polinomio usado para la regresión, el cual, por lo general, es de orden bajo (4 a 7, dependiendo del contenido de ruido de la señal). Así, una secuencia de 800 imágenes puede ser comprimida a cinco, si se aplica la TSR con un polinomio de grado 4. La TSR también puede usarse para detenninar la profundidad a la que se encuentra un defecto, ya que los comportamientos logarítmicos de los píxeles que corresponden a un área defectuosa se alejan del comportamiento lineal (con pendiente -0,5) en un instante de tiempo detenninado correlacionado con la profundidad del defecto (gráfica 1). La tennografia de componentes principales (PCT, del inglés Principal Components Thermography) ha sido usada para procesar secuencias de imágenes IR, extraer caracteristicas y reducir la redundancia de datos descomponiendo la temperatura que varía en el tiempo (descomposición en valores propios) y proyectándola en funciones más apropiadas que las oscilatorias empleadas en la PPT, que se ajustan mejor a la naturaleza monotónicamente decreciente de las señales producidas a partir del ETND [13]. Evolucion de la temperatura en el dominio logarftmico Antes de aplicar la descomposición a la matriz 3D, que representa la secuencia de imágenes IR, se debe transfonnar en una matriz 2D. De esta fonna, la SVD (Singular Values Decomposition) de la matriz A de MxN elementos (M>N), en donde N es el número de imágenes y M es el número de píxeles por cada imagen, está dada por la relación: A =U·R·Vr (6) Inserciones de Teflon co n: En (6), R es una matriz diagonal de dimensiones NxN (valores singulares de A presentes en la diagonal), U es una matriz MxN (características espaciales) y P es la traspuesta de la matriz de NxN elementos (característica temporal). Tamaiio:10x10 ml11 Profundidad: 0.4 2.5 Inserciones de Teflon ~ 1.5 defectuosa (pendiente - 0.5 -lJ .5) 1.5 Gráfica 1. 2.5 3 3.5 In(t) 4.5 5.5 Evolución de temperatura en el dominio logatitmico en una muestra de compuesto (PRFC) con inserciones de Tefton® a diferentes profundidade s y con diferentes tatllatlos Aunque la TSR genera datos experimentales filtrados es valioso anotar que la primera y segunda derivada de los datos filtrados mejoran el contraste entre las áreas defectuosas y no defectuosas, siendo menos sensibles a los efectos del calentamiento no unifonne (figuras 5e y 5f); además, son útiles para cuantificar la profundidad de defectos [12]. Entre las limitaciones de TSR se tiene que se debe optimizar el grado del polinomio por usar para el ajuste. Además, si el ajuste no es adecuado se puede inducir ruido en las imágenes procesadas. 44 Tecnura 1año 101No. 20 1primer semestre de 2007 Las columnas de U representan el conjunto de modos ortogonales estadísticos conocidos como funciones ortogonales empíricas (del inglés Empirical Orthogonal Functions) , que describen las variaciones espaciales. Por otra parte, los componentes principales PC (del inglés Principal Components) representan las variaciones temporales que se encuentran distribuidas en el sentido de las columnas de la matriz P. La principal ventaja de la TCP consiste en su capacidad para mejorar el contraste de los defectos (ver figura 5d) y estimar su profundidad. Además, con un único proceso computacional se produce una imagen que contiene contrastes espaciales relacionados con la estructura subyacente de los defectos y una evolución temporal que provee una base para estimar la profundidad de defectos. La desventaja de la TCP radica en que es un proceso costoso desde el punto de vista com- . . COn-CienCiaS putacional y requiere más esfuerzo computacional que otras técnicas. 3.4. • Redes neuronales artificiales Las Redes Neuronales Artificiales (RNA) son conocidas por su capacidad para realizar mapeos entre conjuntos de variables, su baja sensibilidad al ruido y sus capacidades de aprendizaje y generalización. En los últimos años han sido empleadas como detectores de defectos y estimadores de parámetros de defectos en el ETND. En [14-16] se emplearon arquitecturas PerceptrónMulticapa y Kohonen que se utilizaron como entradas para estas redes: • Curvas de evolución del contraste térmico con respecto al tiempo. • Curvas de temperatura. • El valor de las derivadas de las curvas de temperatura. • Máximo del contraste térmico e instante de tiempo en que éste se presenta para cada píxel. • Curvas de fase y amplitud extraídas a partir de la PPT. Recientemente, en [17] se usaron coeficientes extraídos a partir de la TSR. La desventaja del uso de las RNA en el ETND es que una vez la red neuronal ha sido entrenada para un tipo de material y sistema de adquisición, ésta sólo puede ser empleada para el mismo tipo de material y sistema. Además, se necesita al menos una muestra con un conjunto conocido de defectos para extraer la información necesaria para el entrenamiento. La figura 3a corresponde a una configuración detector de defectos; en su salida existe una neurona que decide si el píxel analizado es o no defectuoso, dependiendo de un umbral. Por su parte, la figura 3b corresponde a una configuración estimadora de profundidad; en ella la red es usada para mapear entre el espacio de entrada (definido por alguno de los tipos de datos antes mencionados) y la profundidad de los defectos encontrados. Si se encuentra una zona no defectuosa ésta se codifica como profundidad cero. En general, estas dos configuraciones se usan en conjunto; inicialmente, todos los píxeles son analizados por la configuración detector; luego, a la configuración estimadora sólo se presentan aquellos píxeles clasificados como defectuosos por parte del detector. a) b) en Defectuoso I No en Defe chlOSO en- l 1 -. en-l ek D¡ Profuuilúlad de tlefettos ek el el ea Co Figura 3. Configuraciones: a) detectora; b) estimadora de defectos, con RNA Procesamiento de imágenes infrarrojas para la detección de defectos en materiales H ERNÁN D ARío BENíTEZ RESTREPO / CLEMENTE I SARRA-CASTANEDO / ASDEL HAKIM BENDADA / XAVIER MALDAGUE / HUMSERTO LOAIZA / EDUARDO C AICEDO 45 · . con-CienCias 3.5 Métodos de procesamiento con contraste térmico dado que no se conoce con anterioridad dónde están ubicados los defectos, si ellos existen . 3.5.1 Contraste térmico clásico 3.5.2 Contraste absoluto diferencial (CAD) En el ETND el contraste témúco se usa para evaluar la visibilidad de un defecto, mejorar la calidad de la imagen y detenninar la profundidad, grosor y tamaño de los defectos de un material. En su modo más simple éste último puede definirse como la diferencia entre la temperatura en una zona no defectuosa T,'O_def' y una región defectuosa Tdef En [19] el CAD desarrollado se propone para calcular la temperatura de un área no defectuosa a través de la solución unidimensional de la ecuación de Fourier para materiales homogéneos y semi-infinitos estimulados con un impulso ténnico Delta de Dirac, expresada en la siguiente ecuación: (8) Este tipo de contraste es llamado de tipo absoluto. En la gráfica 5 se observan las curvas de temperatura para un punto sin defecto y otro con defecto, y su contraste ténnico absoluto. En (8), Toes la temperatura inicial de la placa, Q es la energía por unidad de área depositada sobre la placa y b es la efusividad ténnica del material. Combinando (7) y (8) se llega a la siguiente expresión: (9) 25 20L---J---~--~----~--~--~--~ o 2 3 4 Tieml'J (s) 2: f- En (9): t ' es el tiempo transcurrido entre el instante en el cual el impulso Dirac de calor llega a la muestra y el instante en que se observa por primera vez un defecto en el experimento. En [20] se propone un método que automatiza la búsqueda de t '. 1 <1 0.5 Tieml'J (s) Gráfica 2. Curvas de temperatura y contraste tél1l1 ico entre un área defectuosa y un área no defectuosa En [18] se describen otros tipos de contraste: relativo, normalizado y estándar; todos ellos requieren del uso de la temperatura de un área sobre la muestra del material definida como no defectuosa. La definición de esta área es un asunto critico; en un sentido amplio, su localización no se define con precisión, 46 Tecnura l año 101No. 20 Iprimer semestre de 2007 Dado que el método CAD está basado en un modelo ID para placa semi-infinita, es decir, no se tiene en cuenta el espesor de la placa, el error en los resultados obtenidos aumenta para tiempos largos (al final de la secuencia), cuando el frente de calor alcanza el lado opuesto de la placa. Este efecto puede apreciarse en la gráfica 3 que muestra las curvas de contraste correspondientes a cinco insertos cuadrados de Teftón® de 15 mm de lado, entre 0,2 y 1,0 mm de profundidad; en lugar de decrecer gradualmente, el contraste aumenta en tiempos largos. . . COn-CienCiaS La figura 4 muestra una placa de material compuesto con espesor L (m) que es sometida a un impulso de calor Delta de Dirac Q (J/m 2) depositado sobre su cara superior (x = O), mientras su cara inferior (x = L) pemlanece térmicamente aislada. 0.8 .. 0.8 mm,0;15 mm .. ·OA mm,0;15 mm x 0.2 mm,D::;;15 mm O 0.6 mm,0;15 mm O 1.0 mm,0;15 mm 07 0.6 - - Areasana Cara superior Q8(t) Impulso de calor Delta de Dirac 111 11111 111 1 01 : L °0&----L---~--~3----~ 4 ----~---L--~ 11 ......_ __ Tiempo (8) Cara inferior G l'áfica 3. Curvas de CAD clás ico de los defectos de 15 mm de diámetro en la muestra PRFC006 Figum 4. 5.5.3 CAD modificado por cuadrupolos térmicos El CAD modificado por cuadrupolos térmicos es un nuevo tipo de contraste cuyo modelo de área no defectuosa es más apropiado que el usado en el CAD clásico. Esta nueva técnica está basada en cuadrupolos térmicos, que están definidos como un método empleado para resolver problemas de transferencia de calor con base en la transformada de Laplace [21]. El método transforma las ecuaciones diferenciales desde el dominio espacio-tiempo hasta el dominio de Laplace, en el que se puede tener una representación simple y explícita del problema tratado. Después de aplicar esta transformada, el problema puede ser resuelto en el dominio de Laplace y luego ser transformado de vuelta al espacio original portrallsfonnada inversa, mediante el algoritmo reportado en [22] . Este método es usado para la solución de los problemas directo (cálculo de la respuesta térmica de un sistema) e inverso (determinación de parámetros del sistema con base en la respuesta térmica). Sin embargo, su base analítica lo restringe a problemas lineales con geometrías simples. Si se aprovechan estas características se hace un estudio de una placa finita que recibe un impulso de calor Delta de Dirac; se quiere conocer la temperatura sobre la cara que recibe este impulso . Placa finita de material compuesto sometida a un impulso témlÍco delta de Dirac Mediante la técnica de cuadrupolos térmicos descrita en [23] es posible encontrar la temperatura de la cara superior de este sistema en el dominio de Laplace: (lO) En (10), 8 sup (p) es la temperatura en el dominio de Laplace en la cara superior de la placa, p es la variable del dominio de Laplace, Q es la densidad total de energía entregada por el impulso de Dirac, L es el espesor de la muestra, ex es la difusividad ténnica del material y b es la efusividad térmica del material. En [24] y [25] se propone que las distribuciones de temperatura en la cara superior para los tiempos t y t ' se pueden expresar de la siguiente manera: Procesamiento de imágenes infrarrojas para la detección de defectos en materiales HERN ÁN DARlo BENITEZ RESTREPO / CLEMENTE IBARRA-C ASTAN EDO / ABOEL H AKIM BENDADA / XAVIER MALDAGUE / H UMBERTO LOA IZA / EDUARDO CAl CEDO 47 . . con-ciencias Combinando (11) Y (12) se obtiene la siguiente expresión para el CAD modificado: El PRFC es usado amplian1ente en aeronáutica, especialmente en la constmcción de alas y fuselaje de aviones [26]. La configuración de esta muestra es descrita en la gráfica 5. (13) T,Hlraiio lateral , D= . S mm o 7 mm O 10mm 111 Es importante observar que esta última ecuación incluye explícitamente el espesor L de la muestra. f- 30 cm - - - - - ! 3 mm 15mm I I 30 z= liI 0 .8 -+- O.8 mm,D",,15 mm . . . . . 0.4 mm,O=15 mm 0.7 O O 0.2 mm,D=15 mm O.6 mm,O=15 mm ' .0 mm,D=1 5 mm Gráfica 5. 0,6 O '" CJTl 1 1,Omm I!I O 111 En la gráfica 4 se observan las curvas del CAD modificado para los mismos defectos analizados en el apartado 3.5.2. En este caso su desempeño se mantiene para tiempos largos, es decir, que para el final de la secuencia el contraste desciende casi a cero. Esto representa una mejora significativa con respecto al método anterior, al constituir un modelo más apropiado para representar la difusión de calor a través de la muestra. A-A O 111 IJ ID 0.2 T 004 5cm '" 11 1. O 0,8 5 10 capas Configuración de muestra plana de PRFC (PRFC006) con inserciones de Teflon'" Para la toma de las imágenes se empleó una cámara infrarroja Santa Barbara Focal Plane SBF 125 con lma frecuencia de muestreo de 157,8 Hz y un tiempo de adquisición de 6,23 s. Para este experimento se usó como fuente de calor un flash Balcar FX 60, que entrega una potencia de 6,2 KJ en 5 ms. -Area Sana 0 .1 Tiempo (s) Gráfica 4. 4. Curvas de CAD modificado de los defectos de 15 mm de diámetro en la muestra PRFC006 Resultados experimentales comparativos y análisis Con el fin de observar los resultados de aplicación de las técnicas antes citadas se efectuó un experimento con una muestra de material compuesto PRFC (Plástico Reforzado con Fibra de Carbono) que contiene varias inserciones de Teflon®de distintos tamaños y profundidades; este último es usado para simular delaminaciones en la muestra. 48 I Tecnura 1 año 10 1No. 20 primer semestre de 2007 En la figura 5 se resumen los resultados obtenidos. En 5a se muestra el tem10grama tomado a los 1,8s del experimento; allí se hacen visibles varios de los defectos afectados por una fuerte influencia del calentamiento no uniforme, la cual es provocada por usar un solo flash como fuente de estimulación tém1Íca. En 5b se muestra el fasegran1a correspondiente a la frecuencia 0,47 Hz, haciéndose evidente la mayor parte de los defectos, excepto el más profundo y de menor diámetro ubicado en la parte superior izquierda; el calentamiento no uniforme no afecta de manera considerable los resultados de este tipo de procesamiento. En 5c y 5d se representan las dos primeras funciones ortogonales empíricas (EOF del inglés Empirical Orthogonal Functions) que fueron obtenidas a partir de la termografia de componentes principales. En la EOFl dejan de observarse varios defectos y la función es afectada por el calentamiento no . . COn-CienCiaS a) Im agen sin procesar t = l.8 s b) Imagen de fase f = OA7 Hz c) EOF 1 • • • • • 11 • d) EOF 2 . • • .,!. . '1< .. ._' -. ., ~ .;..ij • g) Detección red neuron al e) Primer derivada con TRS t = l.8 s 1) Segunda derivada con TRS t = 1. 8 s h) Imagen de máximo contraste de CAD (i) Imagen de máximo contraste de CAD '. ' 1• Figura 10. Resultados de distintas técnicas de procesamiento apli cadas a la muestra de PRFC unifoml e; en la EOF2 se observan la mayor parte de los defectos y la función no es afectada por el calentamiento no unifonne; sólo se analizan estas dos primeras funcion es, dado que las otras son fuertemente afectadas por el ruido. Las figuras 5e y 5f provienen de aplicar la TSR y de obtener imágenes de primera y segunda derivada en el tiempo 1,8 s con un polinomio de grado 6. En la imagen de primera derivada los defectos más profimdos (primera fila de defectos) no son visibles, mientras que en la de segunda derivada se observan prácticamente todos los defectos, exceptuando el más profundo y de menor diámetro y aquellos con 0,4 mm de profwldidad de 3 y 5 mm de diámetro. En la figura 5g se observa el resultado de aplicar una RNA con 60 neuronas en su capa oculta, la cual es entrenada con aprendizaje bayesiano y con coeficientes polinomiales como datos de entrada, extraídos a partir de la aplicación de la TSR Se observa que existen varias falsas detecciones, especialmente alrededor de los defectos de mayor profimdidad (Imm y 0,8 mm), menor tamaí'ío (3 mm de diámetro), que están localizados en la zonaderecha o de calentamiento no unifomle. Por último, las figuras 5h y 5i representan las imágenes de máximo contraste obtenidas después de aplicar el CAD y el CAD modificado. Mediante el CAD clásico sólo se detectan los defectos menos profundos (0,2 mm), Procesamiento de imágenes infrarrojas para la detección de defectos en materiales H ERNÁN DARío BENíTEZ R ESTREPO I C LEMENTE I BARRA-C ASTANEDO I ABDEL HAKIM BENDADA I XAVIER MALDAGUE I HUMBERTO L OA IZA I E DUARDO CAICEDO 49 · . con-ciencias m ientras que con el CAD modifi cado la mayor parte de los defectos se hacen visibles, excepto aquellos de menor diámetro (7 mm, 5 mm y 3 mm) y mayor profundidad (lmm). 5. Conclusiones En este artículo se describieron y se compararon experimentalmente varias de las principales técnicas usadas para el procesamiento de datos en el ETND ; éstas mejoran los alcances del ETND, al incrementar la visibilidad de los posibles defectos presentes en una muestra. Cada técnica se basa en transformaciones que buscan llevar los datos que se encuentran en el dominio espacio-tiempo hacia otros dominios como el frecuencial (PPT) , Laplaciano (CAD modificado), logaritmico (TSR), funciones ortononnales (PCI) o espacio de parámetros (RNA), en los cuales los efectos del ruido y del calentamiento no uniforme no sean tan fuertes que afecten la visibilidad de los defectos. Las mejoras en las capacidades de adquisición de las cámaras infrarrojas, sumadas a una mayor capacidad de procesamiento de los computadores, permiten que estas técnicas puedan ser implementadas y que los alcances del ETND sean llevados a nuevos límites . Ag radecimientos Los autores reconocen la ayuda financiera prestada por Colciencias (Colombia) a HemánBelútez para la realización de tma pasantía de investigación en la Universidad Laval en Canadá. Referencias bibliográficas [1] Shull, P. (2002). Nondestructive Evaluation: Theory, Techniques and Applications. USA , Marcel Dekker. [2] Krapez, J C. (2001). "Therrnal Contrasts in Pulsed Infrared Thennography" . Nondestructive Testing Handbook, Vol. 3, Infrared and Therrnal Testing X. Maldague & Patrick O. Moore Ed. American Society for Nondestructive Testing, pp. 411-439. [3] Maldague, X. (2002). "Introduction to NDT by Active Infrared Thennography". Materials Evaluation, Vol. 6 (9), pp. 1060-1073. [4] Vavilov, V , Bison, P.G, Bressan, C. , Grinzato, E. , Marinetti, S. (August 17-20 1993). " Informative Parameters and Noise in Transient Themlal NDT" . P roceedings on Advances in Signa l Processing far Nondestructive Eva lua tion ofMaterials, Québec City, Québec, Canada, pp. 193-209. [5] [6] Grinzato, E. G., Vavilov, V P, Bison, P. G. , Marinetti, S. , Bressan, C. (1995). "Methodology ofProcessing Experimental Data in Transient Thennal Nondestructive Te ting (NDT)". Prac SPIE, Vol. 2473 , Therrnosense XVII, SharonA. Semanovich; Ed. , pp 167-178. Za1ameda, 1 N. , Rajic, N , Genest, M. (2006). " Signa1 to Noise Studies on Thennographic Data with Fabricated Defects 1'or De1'ense Structures". Proc. SPIE, Vol. 6205 , Theml0sense XXVIII; Jonathan 1 Miles, G . Raymond Peacock, Kathryn M. Knettel; Eds. [7] Marinneti , S. , Ma1dague, X. , Pri stay, M. (1997). " Technica1 Paper: Calibration Procedure 1'or Focal Plane Array Cameras and Noise Equivalent Material 50 Tecnura l año 10 1No. 20 primer semestre de 2007 I Loss 1'or Quantitative Therrnographic NDT". Materials Evaluation, pp 407-412. [8] Ibarra-Castanedo, C., González, D. , Klein, M. , Pilla, M. , Vallerand, S., Maldague X. (2004). "Infrared Image Processing and Data Analysis". Infrared Physics and Technology, VoL 46 (1-2), pp 7583. [9] Maldague, X. and Marinetti, S. (1996). "Pulse Phase Infrared Thennography" . Joumal ofApplied Physics, Vol. 79 (5), pp. 2694-2698. [10] Ibarra-Castanedo C. , Maldague, X. (2004). "Pul sed Phase ThemlOgraphy Reviewed". Joumal ofQuantitative Infrared Themwgraphy, Vol. 1 (1), pp 47 -70. [11 ] Ibarra-Castanedo, C , Avdelidis, N. P, Grinzato, E. G, Bison, P. G, Marinetti, S. , Liu C , Genest M . and Maldague, X. (2006 ). " Quantitative Inspection of Non-Planar Composite Specimens by Pul sed Phase Therrnography". QIRT Joumal, Vol. 3 (1), pp. 2540. [12] Shepard, S. , Hou, Y , Ahmed, T , Lhota, J (2006). "Reference-1'ree Analysis 01' Flash Thennography Data". Thenl10sense XXVIII Proc. SPIE, VoL 6205, 352-358; Editor Miles J, Peacock.R, Knettel K. [13] Rajic, N. (2002). "Principal Component Therrnography for Flaw Contrast Enhancement and Flaw Depth Characterization in Composite Structmes". Composites and Structures, Vol. 58, pp. 521-528. [14] Trétout, H., David, D ., Marin, 1 Y , Dissenter, M ., Court, M., Avenas-Payan. (1995). "An Evaluation of Artificial Neural Networks Applied to In1'rared . . COn-CienCiaS Thermograph Inspection of Composite Aerospace Structures". Review ofProgress in Quantitative Nondestructive Evaluation, Vol. 14A, Editor D.O Thompson and D.E Chimenti, pp. 827-834. [15] Vallerand, S. , Maldague, X. (2000). "Defect Characterization in Pulsed Thermography: a Statistical Method Compared with Kohonen and Perceptron Neural Networks" . NDT & E International , Vol. 33, pp. 307-315. [1 6] Darabi,A and Maldague, X. (2002). "Neural Network Based Defect Detection and Depth Estimation in TNDE". NDT&E International, Vol. 35 (3), pp. 165-175. [17] Benítez, H., Ibarra-Castanedo , C., Loaiza, H., Caicedo, E., Bendada,A, Maldague, X. (2006). "Defect Quantification with Thermographic Signal Reconstruction and Artificial Neural Networks". Proc of 8'h Conf on Quantitative Irifrared Thermography,Padova,Italy. [18] Maldague, X. (2001). Theory and Practice oflnfrared Technology for Nondestru.ctive Testing. New York, Wiley Interscience, pp. 406-415. [19] Pilla, M., Klein, M., Maldague, X. and Salemo A (2002). "New Absolute Contrast for Pulsed Thermography". Proceedings of6'h Conference on Quantitative lnfrared Thenllography. [20] González, D. A, Ibarra-Castanedo, C., Pilla, M, Klein, M. , López-Higuera, J M YMaldague, X. (2004). "Automatic Interpolated DifferentiatedAbsolute Contrast AIgorithm for the Analysis of Pulsed Thermographic Sequence" . Proceedings. 7'h Conference on Quantita- tive Infrared Thel71lography, Eds. D. Balageas, G. Busse, G.M. Carlomagno, and J.-M. Buchlin, von Karman Institute, Rhode Saint Genese, Belgium, pp. H.16.l-H.16.6. [21] Maillet, D,A. S., Batsale,J. C., Degiovanni,A. Moyne. (2000). Thel71lal Quadrupoles:Solving the HeatEquation through Integral Transfol71ls. John Wiley and Sons, West Sussex England. [22] H. Stehfest (1970). Remarks on algorithm 368: Numerical inversion ofLaplace transforms. Com Association ofComputingMachinery. 13. [23] Maillet, D. , Batsale J C., Bendada, A. and Degiovanni, A (1996). "Integral Methods and Non Destructive Testing Through Stimulated Infrared Thermography". International Joumal ofThennal Sciences, 35 pp. 1427. [24] Benítez, H., Ibarra-Castanedo, C., Bendada,A, Maldague, X. y Loaiza, H. (2006). "Modified Differential Absolute Contrast Using Thermal Quadrupoles for the Nondestructive Testing ofFinite Thickness Specimens by Infrared Thermography". Proceedings CCECE 2006. [25] Ibarra- Castanedo, C. , González, D. A , Benítez, H. D. , Bendada,A, Maldague, X. (Septiembre 13-15 de 2006). Estado del arte en el procesado de señales e imágenes por tel71lografia pulsada, XI Simposio de Tratamiento de Señales, Imágenes y Visión Artificial, [disponible en CD], Bogotá. [26] Guizzo, E. (2006). "Carbon Takeoff'. IEEE Spectrum, Vol. 43 (1), pp. 24-28. Procesamiento de imágenes infrarrojas para la detección de defectos en materiales HERNÁN DARío BENíTEZ RESTREPO / CLEMENTE IBARRA-CASTANEDO / ABDEL HAKIM BENDADA / XAVIER MALDAGUE / HU MBERTO LOA IZA / EDUARDO CAICEDO 51