Dwuetapowy algorytm wyznaczania głębokości defektów z zastosowaniem aktywnej termografii dynamicznej

W pracy zaprezentowano dwuetapowy algorytm wyznaczania głębokości defektów materiałowych. W celu oszacowania głębokości defektu zastosowano dwie sztuczne sieci neuronowe uczone z użyciem danych uzyskanych za pomocą termografii aktywnej. W pierwszym etapie algorytmu przeprowadzana jest detekcja (lokalizacja) defektów za pomocą sieci klasyfikacyjnej. W etapie drugim sieć regresyjna wyznacza głębokość defektu zlokalizowanego w etapie pierwszym. W pracy zaprezentowano wyniki symulacji algorytmu a także zaproponowano kryteria oceny dokładności wyznaczania głębokości.

In the paper a two-stage neural algorithm for defect detection and characterization is presented. In order to estimate the defect depth, two neural networks trained on data obtained using active thermography were employed. The first stage of the algorithm is developed to detect the defect and uses a classification neural network. Then the defect depth is estimated using a regressive neural network. In this work the results of experimental investigations using the infrared time resolved radiometry method are described. The sequences of thermograms of the investigated sample were recorded for three phases of the heat process i.e. heating, cooling and both. The experiments were conducted using a test sample made of material with a low thermal diffusivity. In the paper the results of simulations are presented as well. The 10-fold cross-validation procedure was applied to testing data. The simulations were performed using the PCA routine for the data obtained from the three above-mentioned heat process phases occurred in the investigated material sample.