Localização de Defeitos com Método Baseado em Deep Learning em Ensaios Não Destrutivos por Ultrassom
Abstract
Existem vários métodos aplicáveis à análise de sinais ultrassônicos que possibilitam a caracterização e localização de defeitos em objetos. Dentre tais métodos, destacam-se os que usam reconstrução de imagens, pois facilitam a visualização dos resultados. Nesse contexto, diversos algoritmos, com abordagens diferentes, objetivam melhorar a qualidade das imagens reconstruídas . Uma abordagem proposta em muitas aplicações e que começou a ser introduzida na reconstrução de imagens de ultrassom é a de aprendizagem profunda (deep learning). Este artigo apresenta um método de estimação das coordenadas para a localização geométrica de defeitos dentro de uma região de interesse, a partir de uma imagem reconstruída por meio de uma rede neural profunda (Deep Neural Network - DNN). Para tanto, dados simulados com refletores acústicos infinitesimais (representando pequenos defeitos) foram usados para treinar e validar uma rede neural do tipo autoencoder convolucional. Os resultados demonstram que o método faz estimativas das coordenadas geométricas dos refletores com erros da ordem de 0,3167 mm para o eixo x, e 7,9720 μm para o eixo z, sendo também robusto ao ruído presente nos sinais de ultrassom.