Detección de defectos mecánicos internos láminas de CFRP basada en un clasificador tipo RNA y el algoritmo de contraste CTFF

Abstract

Las técnicas de ensayo no destructivo en la industria están en constante evolución, ya que permiten examinar los materiales sin alterar de forma permanente las propiedades físicas, químicas o mecánicas. Adicionalmente, las técnicas de ensayo termográfico no destructivo, permiten estimar la calidad de manera rápida, sencilla y sin contacto. Desde este enfoque, se plantea detectar los defectos en láminas de plástico reforzado con fibra de carbono (CFRP) aplicando Redes Neuronales Artificiales como clasificador de una secuencia de imágenes IR usando características de contraste obtenidas a través de la técnica de compensación térmica de fondo mediante filtrado (CTFF). Los resultados obtenidos en este estudio demuestran que la técnica CTFF resultó ser más efectiva en la clasificación de defectos en las láminas CFRP usando una arquitectura feedforward con algoritmo de entrenamiento de entropía cruzada con softmax. Con una topología de 17 neuronas en la capa oculta, para la secuencia de 157Hz se obtuvo un porcentaje de clasificación 96.4% y una sensibilidad de 96.16%; mientras que con 12 neuronas en la capa oculta, para la secuencia de 90Hz se obtuvo un porcentaje de clasificación de 98.6% y una sensibilidad de 98.13%.