Detection and recognition of damage in composite materials with Deep Learning
Détection et reconnaissance d’endommagements dans les matériaux composites par Deep Learning
Résumé
This work proposes a methodology based on deep learning to detect crackswithin composite materials. Microscopies are taken under loading during tensile tests of T700/M21 laminates. The free edge of the sample is swept by the microscope thanks to a 3 axetable. Then, adeep learning network architecture is chosen and adapted to our case. A set of microscopies is expertized, meaning that cracks are highlighted by user, for different load levels. Microscopies used for expertise are x5 zooms. Learning is realized from the expertise. Finally, the result of learning is applied to different sets of images. Preliminary results are satisfying and will lead to more quantitative analysis
Ces travaux proposentune méthodologie basée sur l’apprentissage pour la détection de fissuresdans les matériaux composites. Des microscopies sous charge sont réalisées lors d’essais de traction sur des stratifiés de T700/M21. Le chant de l’échantillon est balayé par le microscope à l’aided’une table micrométrique 3 axes. Ensuite, un algorithme de DeepLearningest sélectionné et adapté pour le traitement de microscopies optiques. Une série de microscopies est alors expertisée, c’est à dire que les fissures sont repérées manuellement, pour les différents paliers de chargement réalisés lors de l’essai. Les microscopies utilisées pour l’expertise sont des zooms x5. L’apprentissage est réalisé à partirde l’expertise pour tous les niveaux de charge. Une fois l’apprentissage réaliséon l’applique à d’autres séries d’images. Les résultats de cette première étude sont assez satisfaisants et donneront suite à une analyse plus quantitative.
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...