Home » Soluções de detecção de rachaduras
A detecção de rachaduras em fixadores é fundamental para garantir a segurança e a confiabilidade em muitas aplicações. Existem várias tecnologias para esse fim, cada uma com seus próprios pontos fortes e limitações. A solução mais difundida consiste no uso de uma estação de NDT (Non-Destructive Testing, teste não destrutivo) com correntes parasitas.
Até o momento, essa tecnologia continua muito válida e, de fato, ainda é amplamente usada em máquinas de classificação; no entanto, novas ferramentas de inteligência artificial combinadas com câmeras especiais podem reconhecer a presença de trincas em condições específicas, que o sistema NDT sozinho não é capaz de detectar. A melhor solução deve ser avaliada com base nas necessidades de controle da produção (material e formato das peças, velocidade de controle etc.).
Uma sonda de corrente de Foucault gera um campo eletromagnético que induz correntes de Foucault em materiais condutores. Qualquer descontinuidade (como uma rachadura) produz uma anomalia nas correntes parasitas e pode ser detectada como um sinal elétrico por uma sonda receptora específica.
Essa estação de controle pode detectar rachaduras abertas (superfície) e fechadas (subsuperfície), como quando elas estão sob a pele do material e, portanto, invisíveis a todos os métodos ópticos.
A estação de controle Top HD Camera é equipada com câmeras de alta definição para capturar imagens em escala de cinza dos fixadores. Os algoritmos de IA analisam essas imagens para identificar defeitos, inclusive rachaduras que podem não ser visíveis a olho nu ou detectáveis por correntes parasitas.
A Câmera Linear captura as imagens de fixadores em rotação de 360°. A ferramenta de IA processa as imagens para identificar defeitos ao longo das superfícies laterais.
A estação de controle Multi-Camera combina imagens de várias câmeras para fornecer uma visão completa da superfície do fixador sem a necessidade de rotação.
Esse processo requer um tempo considerável de computação para as fases de treinamento e validação da IA. O processo de treinamento de IA exige uma estação de computação robusta, as licenças de software necessárias e habilidades específicas.
The sorting machine software includes an easy procedure to assist operators in acquiring sets of images of compliant and defective samples. From these sets, Dimac’s technicians build an effective and computationally efficient neural network.
A rede neural treinada (na prática, um arquivo) é carregada por controle remoto na máquina de classificação, para ser usada na classificação.
O cenário da detecção de trincas em fixadores está evoluindo, impulsionado pelos avanços em IA e tecnologias de imagem.
Embora os métodos tradicionais, como as correntes parasitas, continuem eficazes, as abordagens mais recentes baseadas em IA e os sistemas ópticos oferecem vantagens significativas em termos de velocidade, flexibilidade e recursos de detecção de defeitos.
A IA aumenta a eficiência e a precisão das inspeções, permitindo a identificação de padrões e defeitos além da capacidade humana.
O refinamento contínuo dos modelos e conjuntos de dados de IA é essencial para manter a eficácia e a precisão, e o conhecimento humano é mais uma vez crucial para interpretar os resultados e tomar decisões informadas.
