Detección de defectología asociada al recubrimiento por laser cladding mediante visión artificial

Abstract

Disponer de un sistema de control de calidad para la detección de defectos es imprescindible en cualquier aplicación industrial para corregir a tiempo cualquier desviación detectada. Se ha identificado que los ensayos no destructivos, tales como la inspección visual o por líquidos penetrantes, son una herramienta muy útil para obtener un control de la producción, pero suponen un proceso completamente manual y que requiere de una gran experiencia por parte del operario. En el presente documento se evalúa la posibilidad de desarrollar un sistema de detección de defectos asociados al recubrimiento de piezas por laser cladding mediante visión artificial y Deep Learning. A través de este sistema, se lograría automatizar la detección de defectos con la consiguiente mejora en tiempo y coste. En primer lugar, se realiza un estudio de los temas relevantes del proyecto: el proceso de recubrimiento por laser cladding, las distintas técnicas de ensayos no destructivos y los campos de visión artificial y Deep Learning. Posteriormente, se proponen y desarrollan dos vías distintas para solventar esta problemática: realizar la detección y evaluación de los defectos a través de la previa aplicación del ensayo por líquidos penetrantes, lo que permite obtener el volumen de los defectos o prescindir del ensayo y aplicar directamente el algoritmo en las piezas a inspeccionar, obteniendo así sus dimensiones. Se plantean distintas alternativas para cada una de las propuestas, evaluando los resultados más relevantes.

Having a quality control system for defect detection is essential in any industrial application to correct any detected deviations in a timely manner. Non-destructive testing, such as visual or dye penetrant inspection, has been identified as a very useful tool for production control, but it is a completely manual process and requires a great deal of experience on the part of the operator. This paper evaluates the possibility of developing a system for detecting defects associated with the coating of parts by laser cladding using computer vision and Deep Learning. Through this system, the detection of defects could be automated with the consequent improvement in time and cost. Firstly, a study is carried out on the relevant topics of the project: the laser cladding process, the different non-destructive testing techniques and the fields of computer vision and Deep Learning. Subsequently, two different ways to solve this problem are proposed and developed: to carry out the detection and evaluation of the defects through the prior application of the dye penetrant test, which allows the volume of the defects to be obtained or to avoid the test and apply the algorithm directly to the parts to be inspected, thus obtaining their dimensions. Different alternatives are presented for each of the proposals, evaluating the most relevant results.