Detecção Automática de Defeitos na Fabricação de Compósitos

A Colocação de Fibra Automatizada (AFP) é um jeito de fazer peças fortes e leves com materiais compósitos. Esses materiais são muito usados em setores como aeroespacial e automotivo. Apesar de a AFP ter várias vantagens, também pode causar defeitos, como Lacunas e sobreposições. Esses problemas podem afetar a resistência e qualidade do produto final. Pra evitar essas paradas, é fundamental achar e corrigir esses defeitos de forma rápida e eficiente.

Tradicionalmente, as pessoas procuravam por lacunas e sobreposições inspecionando manualmente as partes compósitas. Mas esse processo não é só demorado, como também pode ser menos preciso. Por causa disso, tem uma crescente interesse em usar sistemas automatizados que conseguem detectar esses problemas de forma mais eficaz.

#Importância da Inspeção de Qualidade na AFP

A inspeção de qualidade é uma parte vital do processo de AFP. Lacunas rolam quando duas faixas de fibra vizinhas não estão alinhadas direitinho, deixando um espaço entre elas. As sobreposições acontecem quando duas faixas cobrem parcialmente uma à outra. Esses problemas podem resultar em questão de espessura irregular e áreas fracas que podem não aguentar pressão.

Usar AFP sem uma inspeção adequada pode trazer uma variedade de problemas. Por exemplo, defeitos sistemáticos podem reduzir a resistência mecânica da peça. Portanto, ter um jeito confiável de encontrar defeitos é crucial pra garantir que os produtos finais atendam aos padrões de qualidade.

#A Necessidade de Automação

As inspeções manuais podem ser muito demoradas. Em algumas situações, essas inspeções levam mais tempo que o próprio processo de AFP. Por causa dessa ineficiência, os pesquisadores estão focando em criar sistemas automatizados que consigam detectar defeitos rapidamente. Usando tecnologia, pode ser possível identificar lacunas e sobreposições de forma mais precisa e em menos tempo.

Existem vários métodos para examinar estruturas compósitas. Alguns usam câmeras ópticas, imagens térmicas ou escaneamento a laser. Um método específico que está sendo explorado é a Tomografia de Coerência Óptica (OCT), que fornece escaneamentos detalhados da superfície compósita. Esse método tem mostrado potencial e pode ser adaptado para uso com AFP.

#O Método Proposto

Esse novo jeito usa um sensor OCT pra produzir escaneamentos de materiais compósitos. Ao analisar esses escaneamentos, podemos identificar lacunas e sobreposições. O processo começa coletando imagens que representam a superfície do material. Cada pixel na imagem indica a altura do material naquele ponto, ajudando a criar uma visão tridimensional da estrutura compósita.

O próximo passo é aplicar técnicas de Processamento de Imagem pra limpar as imagens. Essas técnicas ajudam a remover ruídos-artifícios indesejados que podem confundir o processo de detecção. Por exemplo, um filtro mediano pode ser aplicado pra suavizar a imagem e remover pontos pretos e brancos aleatórios.

Depois que as imagens estão limpas, técnicas de detecção de bordas são aplicadas. O objetivo é encontrar os limites das faixas de fibra (tows) na superfície. Focando nas transições bruscas de brilho, o algoritmo pode determinar as bordas dos tows, que é chave pra identificar defeitos.

#Detectando Bordas

As bordas têm um papel fundamental na identificação de lacunas e sobreposições. Pra detecção, uma técnica específica chamada detecção de bordas Canny é usada pra localizar as bordas superiores e inferiores dos tows. Embora as bordas desse processo possam incluir um pouco de ruído extra, técnicas de filtragem adicionais podem ajudar a refinar os resultados.

Usar uma operação morfológica ajuda a focar nas bordas horizontais que correspondem aos limites dos tows. Ao descartar bordas indesejadas, o algoritmo pode se concentrar nas informações necessárias pra uma detecção precisa de defeitos.

Depois de isolar as bordas horizontais, o próximo desafio é classificar essas bordas em duas categorias: bordas superiores e bordas inferiores. Essa classificação é complicada porque as bordas podem estar bem próximas uma da outra. Usando uma abordagem matemática baseada em gradientes de imagem, o algoritmo consegue distinguir entre bordas superiores e inferiores de forma eficaz.

#Fundindo Bordas

Uma vez que as bordas são classificadas, o próximo passo é fundi-las pra criar limites contínuos pra cada tow. O algoritmo usa rotulagem de componentes conectados pra identificar diferentes segmentos das bordas.

Pra fundir bordas que pertencem ao mesmo tow, uma função de distância é aplicada. Essa função considera tanto distâncias horizontais quanto verticais, permitindo que o algoritmo conecte bordas de forma inteligente com base na proximidade. A fusão das bordas cria uma representação mais suave dos limites entre os diferentes tows.

#Segmentando Lacunas e Sobreposições

Com as bordas fundidas, o algoritmo pode agora procurar lacunas e sobreposições. A relação entre as bordas superiores e inferiores ajuda a determinar se há uma lacuna ou Sobreposição. Se a borda superior de um tow é mais alta que a borda inferior de outro, isso indica uma sobreposição. Por outro lado, se a borda superior é mais baixa, uma lacuna está presente.

Essa segmentação permite ao algoritmo classificar pixels em três categorias: neutro, lacuna ou sobreposição. No entanto, é importante notar que nem todas as áreas identificadas serão consideradas defeitos. Uma análise adicional é necessária pra determinar se lacunas e sobreposições estão dentro dos níveis de tolerância aceitáveis.

#Avaliando Desempenho

Pra medir o sucesso do algoritmo de detecção de defeitos, o desempenho é avaliado em relação a dados de verdade básica. Dados de verdade básica vêm de operadores especialistas que rotularam manualmente imagens pra indicar onde lacunas e sobreposições existem. Ao comparar os resultados do algoritmo com esses rótulos, é possível avaliar a precisão.

Uma métrica chamada Interseção sobre União (IoU) é tipicamente usada pra quantificar o desempenho em relação a lacunas e sobreposições. Valores altos de IoU indicam que o algoritmo está identificando efetivamente os defeitos nos materiais compósitos.

#Resultados e Descobertas

O desempenho do método proposto mostrou resultados promissores. A aplicação de várias técnicas de processamento de imagem melhorou a precisão e reduziu o ruído. A parte de segmentação do algoritmo identificou efetivamente lacunas e sobreposições, mesmo na presença de desafios como ruído e tows próximos.

Os resultados demonstram que o algoritmo pode fornecer uma segmentação precisa de lacunas e sobreposições, que é o objetivo principal. Diferentes parâmetros usados no algoritmo também foram avaliados pra entender seu impacto no desempenho.

#Conclusão

A implementação de um sistema automatizado pra detectar lacunas e sobreposições em estruturas compósitas AFP representa um avanço significativo na inspeção de qualidade. Usando escaneamentos OCT e técnicas sofisticadas de processamento de imagem, esse método oferece um jeito confiável de identificar defeitos rapidamente.

No futuro, as bordas detectadas por esse sistema poderiam servir como base pra encontrar outros tipos de defeitos que podem ocorrer durante o processo de AFP. Além disso, ao analisar as características das lacunas e sobreposições, é possível desenvolver um sistema totalmente automatizado que classifica essas áreas como defeitos ou não, aumentando a confiabilidade geral do processo AFP.

A abordagem discutida também pode ser adaptada pra inspeção de qualidade em outras aplicações, como soldagem ou colagem. A melhoria contínua em tecnologia e métodos só vai aumentar a capacidade de garantir altos padrões de produção em diferentes indústrias.