Traitement d'interférogrammes shearographique par apprentissage automatique

Le Centre Spatial de Liège (CSL), et en particulier le laboratoire Laser et Contrôle Non Destructif (CND), développe des techniques de détection de défauts dans les composites aéronautiques.

La technique de CND émergente sur laquelle le CSL travaille est la shearographie (interférométrie de cisaillement) et qui permet d’observer les dérivées du champ de déplacement d’une pièce en composite lorsque celle-ci est soumise à une charge thermique brève (lampe flash), continue (lampe halogène, dépression) ou mécanique (vibratoire). La présence d’un défaut sous-jacent à la surface est observée par la déformation différente à petite échelle (signature du défaut) par rapport au reste de la pièce. Ces signatures ont une morphologie typique (« ailes de papillon » - cfr gauche de la figure) ce qui la rend aisée à détecter par des méthodes de traitement d’images classiques. Cette détection est rendue compliquée lorsque la pièce testée est complexe. Ainsi, par exemple, la présence de raidisseurs sous-jacents implique des discontinuités ou des artéfacts dans l’image (droite de la figure).



Le travail proposé consiste à étudier l’application de techniques d'apprentissage automatique (arbres de décision, réseaux neuronaux, …) à la détection des signatures des défauts, dans un premier temps sur des images simples, puis dans un second temps sur des images compliquées. L’immunité de la technique par rapport au bruit parfois élevé des images sera aussi étudiée.

L’étudiant devra se familiariser avec la technique expérimentale et la capture d’image. Cette partie sera réalisée au CSL où l’étudiant aura accès aux équipements et au support des scientifiques du laboratoire. En parallèle il étudiera la technique des réseaux neuronaux et l’appliquera aux images obtenues. Cette partie du travail sera effectuée à l’Institut Montefiore, sous la direction du Prof. Pierre Geurts.

Renseignements

Encadrement: Pierre Geurts (Institut Montefiore), Raphaël Marée, et Marc Georges (CSL)