FR3117597A1

FR3117597A1 - Non-destructive testing method for an aeronautical part

Info

Publication number: FR3117597A1
Application number: FR2013391A
Authority: FR
Inventors: Alexis Reynald Paul HUCK
Original assignee: Safran SA
Current assignee: Safran SA
Priority date: 2020-12-16
Filing date: 2020-12-16
Publication date: 2022-06-17
Anticipated expiration: 2040-12-16
Also published as: FR3117597B1

Abstract

Procédé de contrôle non destructif d’une pièce, par exemple une pièce aéronautique, système, produit programme d’ordinateur, pièce aéronautique et aéronef, le procédé comprenant une étape d’acquisition de plusieurs images de la pièce à différents instants d’acquisition respectifs, chaque image comprenant des pixels associés respectivement à des zones de la pièce, une valeur du pixel étant représentative d’une caractéristique de la zone, une étape d'association de chaque zone à un vecteur ayant des composantes comprenant les valeurs du pixel aux différents instants d’acquisition, une étape de détermination de paramètres de référence, associés à au moins une zone, par moyennage du vecteur de zones voisines de la zone d’une pièce de référence et une étape de comparaison du vecteur de la zone avec les paramètres de référence pour détecter une anomalie sur la zone. Figure pour l’abrégé : Fig. 1 Method for non-destructive testing of a part, for example an aeronautical part, system, computer program product, aeronautical part and aircraft, the method comprising a step of acquiring several images of the part at different respective acquisition times , each image comprising pixels associated respectively with zones of the part, a value of the pixel being representative of a characteristic of the zone, a step of associating each zone with a vector having components comprising the values of the pixel at the different instants of acquisition, a step of determining reference parameters, associated with at least one zone, by averaging the vector of zones neighboring the zone of a reference part and a step of comparing the vector of the zone with the parameters reference to detect an anomaly in the area. Figure for the abstract: Fig. 1

Description

Non-destructive testing method for an aeronautical part

Domaine technique général et art antérieurGeneral technical field and prior art

La présente invention concerne les procédés de détection d’anomalies dans des pièces industrielles. Ces procédés sont aussi connus sous l’expression de contrôle non-destructif (CND). L’invention peut être utilisée par exemple pour la détection d’anomalies dans des pièces industrielles de grande taille. Ces pièces industrielles peuvent être des pièces aéronautiques, comme par exemple des pièces de moteur d’aéronefs de type structures internes fixes (IFS pour Inner Fixed Structures en anglais).The present invention relates to methods for detecting anomalies in industrial parts. These processes are also known as non-destructive testing (NDT). The invention can be used for example for the detection of anomalies in large industrial parts. These industrial parts can be aeronautical parts, such as for example aircraft engine parts of the internal fixed structures (IFS) type.

Le contrôle non destructif permet de caractériser l’état d’intégrité et la qualité de structure d’une pièce sans avoir à dégrader cette pièce.Non-destructive testing makes it possible to characterize the state of integrity and the structural quality of a part without having to degrade this part.

Pour réaliser ce contrôle non destructif il est connu d’utiliser un procédé par imagerie active. Un procédé par imagerie active s’appuie sur une excitation contrôlée de la pièce à analyser, afin de faire évoluer une grandeur physique de la pièce, et sur l’observation, au moyen d’un dispositif d’acquisition, de l’évolution temporelle de la grandeur physique. Cette observation de la pièce à analyser est réalisée pendant puis après l’excitation. Elle peut aussi commencer avant l’excitation. L’analyse de l’évolution temporelle de la grandeur physique est alors utilisée pour détecter une éventuelle anomalie dans la pièce. On connait par exemple la thermographie infrarouge active par excitation flash ou par induction dans laquelle l’excitation provoque une augmentation instantanée et éphémère de plusieurs degrés de la température localisée, par exemple à la surface ou sous la surface, de la pièce et dans laquelle une caméra infrarouge permet de déterminer l’évolution de la température surfacique de la pièce à la suite de cette excitation initiale.To carry out this non-destructive testing, it is known to use an active imaging method. An active imaging process is based on controlled excitation of the part to be analyzed, in order to change a physical quantity of the part, and on the observation, by means of an acquisition device, of the temporal evolution physical size. This observation of the part to be analyzed is carried out during and after excitation. It can also start before the excitement. The analysis of the temporal evolution of the physical quantity is then used to detect a possible anomaly in the part. For example, active infrared thermography by flash excitation or by induction is known, in which the excitation causes an instantaneous and ephemeral increase of several degrees in the localized temperature, for example at the surface or under the surface, of the part and in which a infrared camera makes it possible to determine the evolution of the surface temperature of the part following this initial excitation.

Les procédés connus, en particulier dans une phase d’apprentissage statistique, ne sont généralement pas parallélisables ce qui rend pratiquement le processus d’apprentissage irrémédiablement lent. En effet, dans les procédés connus, les éléments de donnée, typiquement des pixels ou des patchs de pixels, alimentant l’apprentissage, statistique sont parcourus séquentiellement et la complexité calculatoire des procédés connus augmente au moins proportionnellement à la surface des pièces à contrôler.The known processes, in particular in a statistical learning phase, are generally not parallelizable which practically makes the learning process irreparably slow. Indeed, in the known methods, the data elements, typically pixels or patches of pixels, feeding the learning, statistics are traversed sequentially and the computational complexity of the known methods increases at least in proportion to the surface of the parts to be checked.

Il y a donc un besoin pour un procédé de contrôle non destructif qui permette la détection d’une indication sur la présence ou l’absence d’une anomalie dans une pièce, qui soit parallélisable et qui permette un passage à l’échelle.There is therefore a need for a non-destructive testing process which allows the detection of an indication of the presence or absence of an anomaly in a part, which is parallelizable and which allows scaling.

Présentation générale de l’inventionGeneral presentation of the invention

Dans ce cadre, au moyen de la présente invention, on propose de résoudre le problème de la détection d’anomalies dans des pièces industrielles.In this context, by means of the present invention, it is proposed to solve the problem of detecting anomalies in industrial parts.

Il est ainsi proposé selon un aspect de l’invention un procédé de contrôle non destructif d’une pièce, par exemple une pièce aéronautique, le procédé comprenant une étape d’acquisition de plusieurs images de la pièce à différents instants d’acquisition respectifs, chaque image comprenant des pixels associés respectivement à des zones de la pièce, une valeur du pixel étant représentative d’une caractéristique de la zone, une étape d'association de chaque zone à un vecteur ayant des composantes comprenant les valeurs du pixel aux différents instants d’acquisition, une étape de détermination de paramètres de référence, associés à au moins une zone, par moyennage du vecteur de zones voisines de la zone d’une pièce de référence et une étape de comparaison du vecteur de la zone avec les paramètres de référence pour détecter une anomalie sur la zone.There is thus proposed according to one aspect of the invention a method for non-destructive testing of a part, for example an aeronautical part, the method comprising a step of acquiring several images of the part at different respective acquisition times, each image comprising pixels associated respectively with zones of the part, a value of the pixel being representative of a characteristic of the zone, a step of associating each zone with a vector having components comprising the values of the pixel at different times acquisition, a step of determining reference parameters, associated with at least one zone, by averaging the vector of zones neighboring the zone of a reference part and a step of comparing the vector of the zone with the parameters of reference to detect an anomaly in the area.

Le procédé de contrôle non destructif présenté ci-dessus permet donc la détection automatique des anomalies dans une pièce et ne nécessite pas nécessairement l’intervention d’un opérateur humain pour analyser toutes les données et déterminer si une anomalie est présente. De plus le traitement réalisé pour une zone de la pièce est indépendant des traitements réalisés pour les autres zones, et le nombre de traitements à réaliser pour analyser une pièce augmente linéairement avec le nombre de zones et donc la surface de la pièce. Donc le procédé est parallélisable et permet un passage à l’échelle avec des calculateurs à architecturés pour le calcul parallèle, à la fois pour le procédé de détermination des statistiques de référence et pour le procédé de comparaison.The non-destructive testing process presented above therefore allows the automatic detection of anomalies in a part and does not necessarily require the intervention of a human operator to analyze all the data and determine if an anomaly is present. In addition, the processing carried out for one zone of the part is independent of the processing carried out for the other zones, and the number of treatments to be carried out to analyze a part increases linearly with the number of zones and therefore the surface of the part. So the process is parallelizable and allows scaling up with architectured computers for parallel computing, both for the process for determining the reference statistics and for the comparison process.

Le procédé peut aussi prendre en compte des informations en provenance d’un opérateur humain sur la pertinence des anomalies détectées. Sur la base de la pertinence des anomalies le procédé permet la mise à jour des paramètres statistiques de référence.The method can also take into account information from a human operator on the relevance of the anomalies detected. Based on the relevance of the anomalies, the method allows the updating of the reference statistical parameters.

Le procédé présente également les avantages suivants :The process also has the following advantages:

It detects anomalies in large industrial parts.
It can detect arbitrarily small or large resolved anomalies.
It allows to detect anomalies in parts whose depth is heterogeneous.
It detects anomalies in radially heterogeneous parts.
It allows for an unsupervised approach. In fact, in the method described, there is no need to know the abnormal configurations exhaustively.

Le procédé de contrôle non destructif peut être mis en œuvre de la manière suivante.The non-destructive testing method can be implemented as follows.

Dans un mode de réalisation le procédé de contrôle non destructif comprend en outre une étape d’excitation de la pièce, produisant une perturbation de la caractéristique.In one embodiment, the non-destructive testing method further comprises a part excitation step, producing a disturbance of the characteristic.

Dans un mode de réalisation le procédé de contrôle non destructif comprend en outre, lorsque l’anomalie n’a pas été détectée sur la zone une étape d’estimation des paramètres statistiques unitaires de la zone et une étape de mise à jour des paramètres statistiques de référence de la zone à partir des paramètres statistiques unitaires de la zone, lorsque l’anomalie a été détectée sur la zone une étape de validation d’une présence de l’anomalie, lorsque la présence de l’anomalie n’est pas validée une étape d’estimation des paramètres statistiques unitaires de la zone et une étape de mise à jour des paramètres statistiques de référence de la zone à partir des paramètres statistiques unitaires de la zone.In one embodiment, the non-destructive testing method further comprises, when the anomaly has not been detected on the zone, a step of estimating the unitary statistical parameters of the zone and a step of updating the statistical parameters of the zone from the unit statistical parameters of the zone, when the anomaly has been detected on the zone a step for validating the presence of the anomaly, when the presence of the anomaly is not validated a step of estimating the unit statistical parameters of the zone and a step of updating the reference statistical parameters of the zone from the unit statistical parameters of the zone.

Ce mode de réalisation permet d’avoir un fonctionnement dynamique du procédé. En particulier il permet de mettre à jour les paramètres de référence qui seront utilisés pour le contrôle des pièces. Cela est rendu possible par l’aspect incrémental de la mise à jour des paramètres de référence.This embodiment makes it possible to have a dynamic operation of the method. In particular, it allows to update the reference parameters which will be used for the control of the parts. This is made possible by the incremental aspect of updating baseline parameters.

Dans un mode de réalisation l’étape de comparaison comprend la détermination d’un test statistique d’une conformité du vecteur de la zone avec une distribution paramétrée par les paramètres de référence, le procédé de contrôle non destructif comprenant en outre une étape d’émission d’un message indiquant la détection d’une anomalie lorsqu’une valeur du test statistique est supérieure à un seuil.In one embodiment, the comparison step comprises the determination of a statistical test of conformity of the vector of the zone with a distribution parameterized by the reference parameters, the non-destructive testing method further comprising a step of emission of a message indicating the detection of an anomaly when a value of the statistical test is greater than a threshold.

Dans un mode de réalisation la caractéristique est une température surfacique de la pièce à contrôler, l’étape d’excitation est réalisée par une lampe flash ou un générateur d’un champ magnétique pour provoquer une augmentation d’une température de la pièce et l’étape d’acquisition est réalisée par une caméra infrarouge et les composantes du vecteur de la zone représentent la température surfacique de la pièce.In one embodiment, the characteristic is a surface temperature of the part to be controlled, the excitation step is carried out by a flash lamp or a generator of a magnetic field to cause an increase in a temperature of the part and the The acquisition step is carried out by an infrared camera and the components of the zone vector represent the surface temperature of the part.

Dans un mode de réalisation le procédé de contrôle non destructif comprend en outre une étape de pré-traitement, l’étape de pré-traitement étant réalisée entre l’étape d’acquisition et l’étape de comparaison.In one embodiment, the non-destructive testing method further comprises a pre-processing step, the pre-processing step being carried out between the acquisition step and the comparison step.

Dans un mode de réalisation, les paramètres de référence comprennent une matrice de covariance de référence associée à la zone, et un vecteur moyen de référence, associé à la zone. On détermine la matrice de covariance de référence à partir d’une matrice de moments d’ordre 2 unitaire, la matrice de moments d’ordre 2 par récurrence à partir de paramètres statistiques unitaires, le vecteur moyen de référence par récurrence à partir des paramètres statistiques unitaires, les paramètres statistiques unitaires à partir du vecteur des zones voisines de la zone d’une pièce de référence, par convolution du vecteur des zones voisines de la zone d’une pièce de référence avec un noyau de convolution, la zone de la pièce de référence ne présentant pas d’anomalie.In one embodiment, the reference parameters include a reference covariance matrix associated with the zone, and a reference mean vector, associated with the zone. The reference covariance matrix is determined from a unit matrix of moments of order 2, the matrix of moments of order 2 by recurrence from unit statistical parameters, the average reference vector by recurrence from the parameters unit statistics, the unit statistical parameters from the vector of areas neighboring the area of a reference part, by convolution of the vector of areas neighboring the area of a reference part with a convolution kernel, the area of the reference part showing no anomaly.

Un autre aspect de l’invention concerne un procédé de détermination de paramètres de référence, le procédé comprenant les étapes suivantes réalisées pour une pluralité de pièces de référence et dont une zone ne comporte pas d’anomalie :Another aspect of the invention relates to a method for determining reference parameters, the method comprising the following steps carried out for a plurality of reference parts and one zone of which does not contain any anomaly:

- excitation de la pièce de référence, produisant une perturbation d’une caractéristique de la pièce de référence,- excitation of the reference part, producing a disturbance of a characteristic of the reference part,

- acquisition de plusieurs images de la pièce de référence à différents instants d’acquisition respectifs,- acquisition of several images of the reference part at different respective acquisition times,

chaque image comprenant des pixels associés respectivement à des zones de la pièce, une valeur du pixel étant représentative d’une caractéristique de la zone,each image comprising pixels associated respectively with areas of the part, a value of the pixel being representative of a characteristic of the area,

- association de chaque zone à un vecteur ayant des composantes comprenant les valeurs du pixel aux différents instants d’acquisition,- association of each zone with a vector having components comprising the values of the pixel at the different acquisition times,

- détermination, à partir des images, de paramètres statistiques unitaires de la zone et- determination, from the images, of unitary statistical parameters of the zone and

- détermination de paramètres de référence de la zone, obtenus par récurrence à partir des paramètres statistiques unitaires associés aux pièces de références.- determination of reference parameters of the zone, obtained by recurrence from the unit statistical parameters associated with the reference parts.

Ainsi la détermination des paramètres de référence est réalisée de manière incrémentale ce qui permet de limiter le temps de calcul nécessaire aux calculs des paramètres de référence.Thus the determination of the reference parameters is carried out incrementally, which makes it possible to limit the calculation time necessary for the calculations of the reference parameters.

Dans un mode de réalisation l’étape de détermination comprend le moyennage des paramètres statistiques unitaires associés aux pièces de références.In one embodiment, the determination step comprises the averaging of the unit statistical parameters associated with the reference parts.

Dans un mode de réalisation le procédé de détermination comprend en outre une étape de pré-traitement, l’étape de pré-traitement étant réalisée entre l’étape d’acquisition et l’étape de détermination.In one embodiment, the determination method further comprises a pre-processing step, the pre-processing step being carried out between the acquisition step and the determination step.

Un autre aspect de cette invention concerne un système de contrôle non destructif d’une pièce, par exemple une pièce aéronautique. Le système de contrôle comprend un dispositif d’excitation, apte à perturber une caractéristique physique de la pièce, un dispositif d’acquisition d’une pluralité d’images de la pièce et une unité de traitement apte à la mise en œuvre du procédé de contrôle non destructif et/ou la mise en œuvre du procédé de détermination de paramètres de référence.Another aspect of this invention relates to a system for non-destructive testing of a part, for example an aeronautical part. The control system comprises an excitation device capable of disturbing a physical characteristic of the part, a device for acquiring a plurality of images of the part and a processing unit capable of implementing the method of non-destructive testing and/or the implementation of the process for determining reference parameters.

Un autre aspect de cette invention concerne un produit programme d'ordinateur comportant des instructions logicielles qui, lorsqu’elles sont mises en œuvre par un équipement informatique, mettent en œuvre le procédé de contrôle non destructif et/ou le procédé de détermination de paramètres de référence.Another aspect of this invention relates to a computer program product comprising software instructions which, when implemented by computer equipment, implement the non-destructive testing method and/or the method for determining reference.

Un autre aspect de cette invention concerne une pièce aéronautique qui a été contrôlée par le procédé de contrôle non destructif.Another aspect of this invention relates to an aeronautical part which has been checked by the non-destructive testing method.

Un autre aspect de cette invention concerne un aéronef comprenant la pièce aéronautique.Another aspect of this invention relates to an aircraft comprising the aeronautical part.

D’autres caractéristiques et avantages de l’invention ressortiront encore de la description qui suit, laquelle est purement illustrative et non limitative, et doit être lue en regard des figures annexées :Other characteristics and advantages of the invention will emerge from the following description, which is purely illustrative and not limiting, and must be read in conjunction with the appended figures:

représente un système de contrôle non destructif selon un aspect de l’invention, represents a non-destructive testing system according to one aspect of the invention,

et représentent de deux autres manières le système de contrôle non destructif selon un aspect de l’invention, And represent in two other ways the non-destructive testing system according to one aspect of the invention,

représente un procédé de contrôle non destructif selon un aspect de l’invention, represents a non-destructive testing method according to one aspect of the invention,

représente un procédé de détermination de paramètres statistiques de référence selon un aspect invention, represents a method for determining reference statistical parameters according to one aspect of the invention,

représente un noyau gaussien utilisable pour le calcul des paramètres statistiques de cette invention. represents a Gaussian kernel usable for the calculation of the statistical parameters of this invention.

Description d’un ou plusieurs modes de réalisationDescription of one or more embodiments

La représente un système S de contrôle non destructif d’une pièce P à contrôler, par exemple une pièce industrielle de type pièce aéronautique. Le système S comprend un dispositif d’imagerie active 101. Ce dispositif d’imagerie active 101 comprend un dispositif d’excitation 101-a et un dispositif d’acquisition 101-b. Le dispositif d’excitation 101-a est apte à modifier une caractéristique physique de la pièce P. Le dispositif d’acquisition 101-b est apte à mesurer une caractéristique physique de la pièce P en différentes zones, à la suite de cette excitation.There represents a system S for non-destructive testing of a part P to be tested, for example an industrial part of the aeronautical part type. System S includes an active imaging device 101. This active imaging device 101 includes an excitation device 101-a and an acquisition device 101-b. The excitation device 101-a is able to modify a physical characteristic of the part P. The acquisition device 101-b is able to measure a physical characteristic of the part P in different zones, following this excitation.

Le dispositif d’excitation 101-a est, par exemple, une lampe flash provoquant une perturbation éphémère de l’état thermique de la pièce P. Ainsi l’état thermique de la pièce est perturbé de manière transitoire, ce qui a pour effet de rendre le contrôle de la pièce non destructif. Le dispositif d’acquisition 101-b est, par exemple, une caméra infrarouge permettant de déterminer l’évolution de la température à la surface de la pièce. Lorsque la source d’excitation 101-a est une lampe flash et le dispositif d’acquisition 101-b est une caméra infrarouge, on parle alors de thermographie infrarouge active par excitation flash.The excitation device 101-a is, for example, a flash lamp causing an ephemeral disturbance of the thermal state of the part P. Thus the thermal state of the part is disturbed transiently, which has the effect of make room testing non-destructive. The acquisition device 101-b is, for example, an infrared camera making it possible to determine the evolution of the temperature on the surface of the part. When the excitation source 101-a is a flash lamp and the acquisition device 101-b is an infrared camera, we then speak of active infrared thermography by flash excitation.

La lampe flash est utilisée avantageusement avec des pièces en matériaux composites ou du moins non-métallique et permet pratiquement de contrôler la pièce à une profondeur supérieure à celle possible avec d’autres types de dispositifs d’excitation 101-a.The flash lamp is advantageously used with parts made of composite or at least non-metallic materials and practically allows the part to be checked at a depth greater than that possible with other types of 101-a excitation devices.

On peut aussi utiliser la thermographie par excitation induction qui est avantageusement choisie pour le contrôle de pièces en matériaux métalliques pour détecter des défauts dans la matière à la surface ou proche de la surface de la pièce. Dans ce cas le dispositif d’excitation 101-a permet la génération d’un champ magnétique qui provoque par induction une modification d’état de la pièce, à savoir un réchauffement, en une zone située sous la surface de la pièce. Le dispositif d’acquisition 101-b est une caméra qui mesure la variation thermique en surface de la pièce.It is also possible to use induction excitation thermography which is advantageously chosen for the inspection of parts made of metallic materials to detect defects in the material on the surface or close to the surface of the part. In this case the excitation device 101-a allows the generation of a magnetic field which causes by induction a modification of the state of the part, namely a heating, in a zone located under the surface of the part. The acquisition device 101-b is a camera which measures the thermal variation on the surface of the part.

On peut aussi utiliser la radiographie. Dans ce cas le dispositif d’excitation 101-a comprend une source de rayons X et le dispositif d’acquisition 101-b comprend un écran-capteur. Les rayons X sont atténués par la quantité de matière traversée, comme dans le cas d’une radiographie médicale.Radiography can also be used. In this case, the excitation device 101-a comprises an X-ray source and the acquisition device 101-b comprises a screen-sensor. X-rays are attenuated by the amount of material passed through, as in the case of a medical x-ray.

Le dispositif d’acquisition 101-b fournit une séquence temporelle d’images numériques. Les images numériques comprennent un ensemble de pixels. Chaque pixel est représenté par une valeur. Chaque zone est associée à un pixel. La valeur de chaque pixel de chaque image est représentative de la caractéristique physique en une zone de la pièce et en l’instant d’acquisition de l’image.The acquisition device 101-b provides a temporal sequence of digital images. Digital images include a collection of pixels. Each pixel is represented by a value. Each zone is associated with a pixel. The value of each pixel of each image is representative of the physical characteristic in a zone of the part and at the moment of acquisition of the image.

On associe à chaque zone un vecteur. Les composantes de ce vecteur comprennent les valeurs, dans les différentes images, du pixel associé à la zone.A vector is associated with each zone. The components of this vector include the values, in the different images, of the pixel associated with the zone.

Dans le cas d’une image unique à valeurs scalaires, on peut appliquer des filtres texturels qui permettent d’obtenir des images d’indicateurs texturels. On peut associer un vecteur à chaque zone, les composantes du vecteur étant les valeurs du pixel associé à la zone pour les différentes images-textures obtenues par les différents filtrages.In the case of a single image with scalar values, one can apply texture filters which make it possible to obtain images of texture indicators. A vector can be associated with each zone, the components of the vector being the values of the pixel associated with the zone for the different texture-images obtained by the different filterings.

Dans le cas d’une vidéo, la dimension du vecteur correspond typiquement au temps échantillonné. Ainsi les composantes du vecteur d’une zone sont les valeurs des pixels des différentes images de la vidéo.In the case of a video, the dimension of the vector typically corresponds to the sampled time. Thus the components of the vector of an area are the values of the pixels of the different images of the video.

Dans la suite par vecteur d’un pixel ou d’une zone on comprend le vecteur dont les composantes sont les valeurs prises par le pixel sur les différentes images acquises ou pre-traitées.In the following, by vector of a pixel or an area, we understand the vector whose components are the values taken by the pixel on the various acquired or pre-processed images.

Ainsi les images numériques représentent l’évolution temporelle de la caractéristique physique en différentes zones de la pièce. Dans le cas où le dispositif d’acquisition est une caméra infrarouge, chaque image numérique peut être une image codée en niveau de gris. Le niveau de gris de chaque pixel est représentatif de la température de la surface de la pièce en la zone associée au pixel à un instant déterminé de la trame.Thus the digital images represent the temporal evolution of the physical characteristic in different areas of the part. In the case where the acquisition device is an infrared camera, each digital image can be a gray level coded image. The level of gray of each pixel is representative of the temperature of the surface of the part in the zone associated with the pixel at a determined instant of the frame.

Il est préférable que la pièce et le dispositif d’acquisition 101-b soient fixes l’un par rapport à l’autre au moment de l’acquisition de la pluralité des images. Ainsi un pixel représentera la caractéristique physique d’une même zone de la pièce évoluant dans le temps. Il est aussi possible que la position relative de la pièce P et du dispositif d’acquisition 101-b varie de manière connue durant l’acquisition des images. Dans ce cas une étape de recalage des images est nécessaire, afin qu’un même pixel de différentes images représente la même zone de la pièce.It is preferable that the part and the acquisition device 101-b be fixed with respect to each other at the time of the acquisition of the plurality of images. Thus a pixel will represent the physical characteristic of the same area of the part evolving over time. It is also possible that the relative position of the part P and of the acquisition device 101-b varies in a known manner during the acquisition of the images. In this case, an image registration step is necessary, so that the same pixel of different images represents the same area of the part.

Généralement l’enregistrement réalisé par le dispositif d’acquisition 101-b débute un peu avant l’instant de début de l’excitation et continue durant un temps approprié, permettant, si l’acquisition est suffisamment longue, le retour de la zone de la pièce excitée à l’état préalable à l’excitation.Generally, the recording made by the acquisition device 101-b begins a little before the moment of the start of the excitation and continues for an appropriate time, allowing, if the acquisition is long enough, the return of the zone of the excited part to the state prior to excitation.

Le système comprend une unité de traitement 102 comprenant une entrée 102-a pour recevoir des images du dispositif d’acquisition 101-b et une sortie 102-b pour indiquer la détection anomalies. L’unité de traitement 102 est configurée pour la mise en œuvre d’un procédé de contrôle non destructif détaillé ci-après. L’unité de traitement 102 est également configurée pour la mise en œuvre d’un procédé de détermination de paramètres statistiques de référence détaillé ci-après. Ces paramètres statistiques de référence sont aussi appelés plus simplement paramètres de référence. Les paramètres statistiques de référence sont des paramètres d’un modèle de l’évolution temporelle de la caractéristique physique en une zone ne présentant pas d’anomalie.The system comprises a processing unit 102 comprising an input 102-a to receive images from the acquisition device 101-b and an output 102-b to indicate the detection of anomalies. The processing unit 102 is configured for the implementation of a non-destructive testing method detailed below. The processing unit 102 is also configured for the implementation of a method for determining reference statistical parameters detailed below. These reference statistical parameters are also more simply called reference parameters. The reference statistical parameters are parameters of a model of the temporal evolution of the physical characteristic in a zone presenting no anomaly.

Les figures 2-a et 2-b, représentent deux modes de réalisation du système S de contrôle non destructif d’une pièce P. Sur ces figures le système utilise la thermographie infrarouge active par excitation flash. La figure 2-a comprend également un dispositif de synchronisation SYNC permettant la synchronisation de l’excitation avec la synchronisation de l’acquisition.Figures 2-a and 2-b represent two embodiments of the system S for non-destructive testing of a part P. In these figures the system uses active infrared thermography by flash excitation. Figure 2-a also includes a synchronization device SYNC allowing the synchronization of the excitation with the synchronization of the acquisition.

La représente le procédé de contrôle non destructif de la pièce P. Ce procédé est mis en œuvre par l’unité de traitement 102 et permet la détection automatique d’anomalie dans la pièce P. Cette détection est réalisée en utilisant les images fournies par le dispositif d’acquisition 101-b.There represents the non-destructive testing method of the part P. This method is implemented by the processing unit 102 and allows the automatic detection of anomaly in the part P. This detection is carried out using the images provided by the device acquisition 101-b.

Le procédé de détection d’une anomalie de la comporte :The method of detecting an anomaly of the includes:

- une étape d’excitation 301 de la pièce P, permettant une perturbation éphémère de la caractéristique physique de la pièce,- an excitation step 301 of the part P, allowing an ephemeral disturbance of the physical characteristic of the part,

- une étape d’acquisition 302 d’une pluralité d’images de la pièce P, les images étant acquises à une pluralité d’instants temporels, les images étant constituées d’un ensemble de pixels, les pixels étant associés respectivement à des zones de la pièce, on associe à chaque zone un vecteur dont les composantes représentent l’évolution temporelle de la caractéristique physique de la pièce en la zone associée,- a step 302 for acquiring a plurality of images of the part P, the images being acquired at a plurality of instants in time, the images being made up of a set of pixels, the pixels being respectively associated with areas of the part, a vector is associated with each zone whose components represent the temporal evolution of the physical characteristic of the part in the associated zone,

- une étape de comparaison 304 des vecteurs associés aux zones avec des paramètres statistiques de référence pour détecter une anomalie sur la zone.- a comparison step 304 of the vectors associated with the zones with reference statistical parameters to detect an anomaly in the zone.

Dans un mode de réalisation l’étape d’excitation 301 est réalisée par une lampe flash ou un générateur d’un champ magnétique pour provoquer une augmentation d’une température, par exemple une température surfacique ou sub-surfacique de la pièce P et l’étape d’acquisition 302 est réalisée par une caméra infrarouge et les composantes du vecteur de la zone représentent la température surfacique de la pièce P.In one embodiment, the excitation step 301 is carried out by a flash lamp or a generator of a magnetic field to cause an increase in a temperature, for example a surface or sub-surface temperature of the part P and l The acquisition step 302 is performed by an infrared camera and the components of the area vector represent the surface temperature of the part P.

Ce procédé peut fonctionner dans deux modes : un mode statique et un mode dynamique. Le mode statique est celui dans lequel les paramètres statistiques de référence n’évoluent pas lors de l’analyse des pièces. Le mode dynamique est un mode, décrit en détail par la suite, dans lequel les paramètres statistiques de référence sont mis à jour au fur et à mesure que les pièces sont analysées.This method can operate in two modes: a static mode and a dynamic mode. The static mode is the one in which the reference statistical parameters do not change during the analysis of the parts. The dynamic mode is a mode, described in detail later, in which the reference statistical parameters are updated as the parts are analyzed.

Les paramètres statistiques de référence comprennent, pour chaque zone, un vecteur moyen de référence, notée dans la suite m_ipour la zone i. Ce vecteur moyen de référence est la moyenne locale des vecteurs des zones voisines au de la zone i, sans anomalie, estimée sur un ensemble de pièces équivalentes. Les paramètres statistiques de référence comprennent également, pour chaque zone, une matrice de covariance de référence, notée dans la suite Γ_ipour la zone i. Ces paramètres statistiques de référence sont déterminés en utilisant un ensemble de pièces de référence équivalentes à la pièce à contrôler et sur lesquelles les zones ne comportant pas d’anomalie sont connues. Un tel procédé de détermination des paramètres statistiques de référence est présenté ultérieurement.The reference statistical parameters comprise, for each zone, an average reference vector, denoted below by m _i for zone i. This mean reference vector is the local mean of the vectors of the zones neighboring the zone i, without anomaly, estimated on a set of equivalent parts. The reference statistical parameters also include, for each zone, a reference covariance matrix, denoted below Γ _i for zone i. These reference statistical parameters are determined using a set of reference parts equivalent to the part to be inspected and on which the zones not comprising any anomaly are known. Such a method for determining the reference statistical parameters is presented later.

L’étape de comparaison 304 se base sur la conformité entre le vecteur x_ide la zone i et la distribution gaussienne attendue par ce vecteur, représentée par les paramètres statistiques de référence, lorsque la zone ne comprend pas d’anomalie. Pour déterminer cette conformité on peut utiliser la distance entre le vecteur x_id’une zone i et une distribution associée à ce vecteur, par exemple gaussienne, paramétrée par les paramètres statistiques de référence. Cette distance est déterminée au moyen de la distance de Mahalanobis calculée à partir du vecteur x_i, du vecteur moyen de référence de la zone i et de la matrice de covariance de référence de la zone i. L’étape de comparaison 304 comprend, pour chaque zone i, la détermination d’une distance de Mahalanobis (notée dm(x_i)) entre le vecteur de cette zone et la distribution gaussienne attendue et caractérisée par les paramètres statistiques de référence. Cette distance de Mahalanobis permet d’estimer si les données reçues suivent un modèle gaussien paramétré par le vecteur moyen de référence et la matrice de covariance de référence. Cette distance prend en compte la variabilité locale et inter-pièces via la matrice de covariance de référence. Elle est calulée en utilisant la formule suivante :The comparison step 304 is based on the conformity between the vector x _i of the zone i and the Gaussian distribution expected by this vector, represented by the reference statistical parameters, when the zone does not include any anomaly. To determine this conformity, it is possible to use the distance between the vector x _i of an area i and a distribution associated with this vector, for example Gaussian, parameterized by the statistical reference parameters. This distance is determined by means of the Mahalanobis distance calculated from the vector x _i , the mean reference vector of zone i and the reference covariance matrix of zone i. The comparison step 304 comprises, for each zone i, the determination of a Mahalanobis distance (denoted dm(x _i )) between the vector of this zone and the expected Gaussian distribution characterized by the reference statistical parameters. This Mahalanobis distance makes it possible to estimate whether the received data follow a Gaussian model parameterized by the mean reference vector and the reference covariance matrix. This distance takes into account local and inter-room variability via the reference covariance matrix. It is calculated using the following formula:

Où, m_iest le vecteur moyen de référence et Γ_iest la matrice de covariance de référence.Where, m _i is the reference mean vector and Γ _i is the reference covariance matrix.

La distance de Mahalanobis est comprise en 0 et ∞ et est un indicateur d’anormalité.The Mahalanobis distance is between 0 and ∞ and is an indicator of abnormality.

Dans un mode de réalisation, pour chaque zone la distance de Mahalanobis est comparée à un seuil prédéterminé. Si cette distance dépasse le seuil prédéterminé, une anomalie est détectée sur la zone.In one embodiment, for each zone the Mahalanobis distance is compared to a predetermined threshold. If this distance exceeds the predetermined threshold, an anomaly is detected in the area.

Dans un mode de réalisation le seuil est déterminé de manière empirique. Ce seuil empirique est un compromis entre le nombre de fausses alarmes et la probabilité de détection effective.In one embodiment the threshold is determined empirically. This empirical threshold is a compromise between the number of false alarms and the effective detection probability.

Dans un mode de réalisation on utilise une approche quantitative avec le calcul de la fonction de survie et la possibilité de fixer un seuil qui correspond explicitement à la probabilité théorique acceptable de fausses alarmes.In one embodiment, a quantitative approach is used with the calculation of the survival function and the possibility of setting a threshold which corresponds explicitly to the acceptable theoretical probability of false alarms.

Enfin, dans un mode de réalisation on peut présenter à l’opérateur humain une carte de distances de Mahalanobis puis l’opérateur décide d’investiguer sur telle ou telle zone qui semble anormale car trop claire, dans ce cas il n’y a pas de comparaison avec le seuil prédéterminé.Finally, in one embodiment, the human operator can be presented with a map of Mahalanobis distances, then the operator decides to investigate this or that zone which seems abnormal because it is too clear, in this case there is no comparison with the predetermined threshold.

De plus le procédé peut comprendre une étape d’émission d’un message indiquant la détection d’une anomalie si la distance de Mahalanobis est supérieure au seuil prédéterminé.In addition, the method may comprise a step of transmitting a message indicating the detection of an anomaly if the Mahalanobis distance is greater than the predetermined threshold.

Optionnellement le procédé peut comporter une étape de prétraitement 303. Cette étape de prétraitement 303 est réalisée après l’étape d’acquisition 302 et avant l’étape de comparaison 304.Optionally, the method may include a preprocessing step 303. This preprocessing step 303 is carried out after the acquisition step 302 and before the comparison step 304.

Cette étape de prétraitement 303 comprend deux sous-étapes. Une première sous-étape de filtrage des images acquises en utilisant une pluralité de filtres permettant d’obtenir pour chaque image acquise une pluralité d’images filtrées. Chaque image filtrée ayant typiquement la même dimension spatiale que l’image acquise initiale. Une deuxième sous-étape de concaténation des valeurs des pixels des différentes images filtrées. Cela augmente la dimension du vecteur de la zone et, en particulier, si l’image d’entrée est à valeurs scalaires (en particulier si ce n’est pas une vidéo), on peut ainsi obtenir pour chaque zone un vecteur associé.This pre-processing step 303 comprises two sub-steps. A first sub-step of filtering the images acquired by using a plurality of filters making it possible to obtain for each image acquired a plurality of filtered images. Each filtered image typically having the same spatial dimension as the initial acquired image. A second sub-step of concatenation of the pixel values of the different filtered images. This increases the vector dimension of the area and, in particular, if the input image is scalar-valued (especially if it is not a video), one can thus obtain for each area an associated vector.

Cette étape de prétraitement 303 peut aussi comprendre la transformation des images acquises selon un échantillonnage temporel d’acquisition et une durée d’acquisition fixée en des images dont les vecteurs des pixels sont les dérivées du logarithmique du vecteur des pixels par rapport au logarithme du temps passé depuis l’excitation, grandeur dite « dérivée logarithmique », évaluée selon un échantillonnage temporel dit « échantillonnage d’estimation ». Cette transformation est décrite dans la demande de brevet FR3071611A1.This pre-processing step 303 can also include the transformation of the images acquired according to a temporal acquisition sampling and a fixed acquisition duration into images whose vectors of the pixels are the derivatives of the logarithmic of the vector of the pixels with respect to the logarithm of the time passed since the excitation, quantity called “logarithmic derivative”, evaluated according to a temporal sampling called “estimate sampling”. This transformation is described in patent application FR3071611A1.

Cette étape de prétraitement 303 peut aussi comprendre le filtrage des images acquises en utilisant des filtres texturaux à vecteurs mono ou multidimensionnels. À la suite de ceci les images filtrées sont concaténées pour former une image à vecteurs qui constitue l’image prétraitée.This pre-processing step 303 can also include the filtering of the acquired images by using mono- or multi-dimensional vector textural filters. Following this the filtered images are concatenated to form a vector image which constitutes the pre-processed image.

Enfin, cette étape de prétraitement 303 peut aussi comprendre, dans le cas où la pièce comprend une absence de matière (trou), un filtre de détection des trous, afin d’obtenir une carte des trous, et ainsi une détermination des zones pour lesquelles la détection d’une anomalie n’est pas pertinente.Finally, this preprocessing step 303 can also include, in the case where the part includes an absence of material (hole), a hole detection filter, in order to obtain a map of the holes, and thus a determination of the zones for which the detection of an anomaly is not relevant.

La distance de Mahalanobis peut donc être considérée comme un score de détection et on peut optionnellement afficher à l’utilisateur pour chaque zone la valeur de cette distance. Cet affichage est connu sous l’expression de carte de scores ou carte de détection.The Mahalanobis distance can therefore be considered as a detection score and the value of this distance can optionally be displayed to the user for each zone. This display is known as a scorecard or detection card.

Le procédé peut aussi comprendre une étape de post-traitement 306 qui prend en entrée la valeur des distances de Mahalanobis des zones calculées par l’étape de comparaison 304. Cette étape de post-traitement 306 réalise une régularisation de ces valeurs à partir d’informations de type métier, afin d’améliorer la détection des anomalies. Quelques exemples de post-traitements :The method can also include a post-processing step 306 which takes as input the value of the Mahalanobis distances of the zones calculated by the comparison step 304. This post-processing step 306 performs a regularization of these values from business type information, to improve anomaly detection. Some examples of post-processing:

- morphologie mathématique (érosion ou ouverture) afin de supprimer les anomalies inférieures à une certaine taille,- mathematical morphology (erosion or opening) in order to remove anomalies below a certain size,

- changement de dynamique,- change of dynamics,

- application d’un seuil de décision sur chaque zone pour obtenir un masque binaire de détection,- application of a decision threshold on each zone to obtain a binary detection mask,

- visualisation, affichage, mosaïquage, juxtaposition, projection des cartes et masques de détection par projection sur une pièce simulée numériquement (par exemple une modélisation 3D de la pièce).- visualization, display, mosaicking, juxtaposition, projection of maps and detection masks by projection on a digitally simulated part (for example a 3D modeling of the part).

La représente un procédé de détermination de paramètres statistiques de référence pour une zone ne comportant pas d’anomalie.There represents a method for determining reference statistical parameters for an area not comprising any anomaly.

Ce procédé utilise une pluralité de pièces de référence équivalentes à la pièce à contrôler pour lesquelles les zones ne comportant pas d’anomalie sont connues. Ces pièces de référence sont par exemple obtenues en analysant les zones des pièces et en déterminant si ces zones présentent ou non une anomalie. Ensuite seules les zones qui ne présentent pas d’anomalie sont utilisées pour déterminer les paramètres statistiques de référence. Les zones qui présentent une anomalie ne sont pas utilisées pour déterminer les paramètres statistiques de référence.This process uses a plurality of reference parts equivalent to the part to be inspected for which the zones not comprising any anomaly are known. These reference parts are for example obtained by analyzing the zones of the parts and by determining whether or not these zones present an anomaly. Then only the zones which do not present any anomaly are used to determine the statistical reference parameters. Areas with an anomaly are not used to determine baseline statistical parameters.

Ce procédé comprend pour chaque pièce de référence :This process includes for each reference part:

- l’excitation 301’ de la pièce de référence, permettant une perturbation éphémère de la caractéristique physique de la pièce de référence,- the 301' excitation of the reference part, allowing an ephemeral disturbance of the physical characteristic of the reference part,

- l’acquisition 302’ d’une pluralité d’images de la pièce de référence et- the acquisition 302' of a plurality of images of the reference part and

- l’estimation 401, à partir des images, de paramètres statistiques unitaires du vecteur associé à la zone ne comportant pas d’anomalie.- estimation 401, from the images, of unit statistical parameters of the vector associated with the zone not comprising any anomaly.

À la suite de l’obtention des paramètres statistiques unitaires pour l’ensemble des pièces de référence, le procédé de détermination de paramètres statistiques de référence comprend une étape de détermination ou mise à jour 402 des paramètres statistiques de référence. Cette étape de détermination 402 est réalisée par moyennage des paramètres statistiques unitaires. Ce moyennage permet d’obtenir un vecteur moyen de référence et une matrice de moments statistiques d’ordre 2 de référence, associées au vecteur de chaque zone.Following the obtaining of the unitary statistical parameters for all the reference parts, the method for determining reference statistical parameters comprises a step of determining or updating 402 the reference statistical parameters. This determination step 402 is carried out by averaging unitary statistical parameters. This averaging makes it possible to obtain an average reference vector and a matrix of second-order statistical reference moments, associated with the vector of each zone.

L’étape excitation 301’ et l’étape d’acquisition 302’ du procédé de détermination des paramètres statistiques de référence sont réalisées de la même manière que l’étape excitation 301 et l’étape d’acquisition 302 du procédé de contrôle non destructif.The excitation step 301' and the acquisition step 302' of the method for determining the reference statistical parameters are carried out in the same way as the excitation step 301 and the acquisition step 302 of the non-destructive testing method. .

Les paramètres statistiques unitaires comprennent un vecteur moyen unitaire, notée dans la suite m_ipour la zone i. Ce vecteur moyen unitaire est la moyenne des vecteurs des zones voisines d’une zone i sans anomalie. Les paramètres statistiques unitaires comprennent également une matrice des moments d’ordre 2 unitaire (notée dans la suiteThe unit statistical parameters comprise a unit average vector, denoted below by m _i for zone i. This unit mean vector is the mean of the vectors of the zones neighboring a zone i without anomaly. The unitary statistical parameters also include a unitary matrix of moments of order 2 (denoted in the sequel

) des vecteurs des zones voisines de la zone i sans anomalie.) of the vectors of the neighboring zones of the zone i without anomaly.

Ainsi l’étape d’estimation 401 comprend l’estimation du vecteur moyen unitaire, pour chaque zone, des vecteurs des zones voisines de cette zone. Ce vecteur moyen unitaire est estimé pour chaque zone sans anomalie.Thus the estimation step 401 includes the estimation of the unit mean vector, for each zone, of the vectors of the zones neighboring this zone. This unit average vector is estimated for each zone without anomaly.

On peut utiliser la formule suivante pour réaliser l’estimation de cette moyenne unitaire :The following formula can be used to estimate this unit average:

oùOr

est le vecteur moyen unitaire de la zone i pour la pièce d,is the unit mean vector of area i for room d,

J représente l’ensemble de décalage d’indice pour obtenir les zones voisines de la zone i, pour la pièce d,J represents the index shift set to obtain the neighboring areas of area i, for part d,

x_d[j-i] représente le vecteur de la zone d’indice j-i, pour la pièce d,x _d [ji] represents the vector of the area with index ji, for part d,

k[j] représente un facteur de pondération de la zone voisine j. Ce facteur de pondération peut être 1/N, où N est le nombre de zones voisines de la zone i.k[j] represents a weighting factor of the neighboring zone j. This weighting factor can be 1/N, where N is the number of zones neighboring zone i.

L’étape d’estimation 401 des paramètres statistiques unitaires comprend aussi l’estimation de la matrice des moments d’ordre 2 du vecteur des zones voisines de la zone i. Cette matrice des moments d’ordre 2 est estimée pour chaque zone sans anomalie. On peut utiliser la formule suivante pour réaliser l’estimation de cette matrice de covarianceThe step 401 of estimating the unit statistical parameters also includes the estimation of the matrix of moments of order 2 of the vector of the zones neighboring the zone i. This matrix of moments of order 2 is estimated for each zone without anomaly. We can use the following formula to estimate this covariance matrix

de la zone i pour la pièce d:of area i for room d:

oùOr

est une variable intermédiaire unitaire, dite matrice des moments statistiques d’ordre 2.is a unitary intermediate variable, called the matrix of statistical moments of order 2.

Avantageusement, on calcule pour chaque nouvelle pièce de référence seulementAdvantageously, we calculate for each new reference part only

etAnd

, puis la matrice de covariance, then the covariance matrix

est calculée à la fin des récurrences.is calculated at the end of the recurrences.

L’étape d’estimation 402 des paramètres statistiques de référence comprend le moyennage des vecteurs moyens unitaires associés à la zone i obtenus pour l’ensemble des pièces de référence. Cette moyenne est obtenue en utilisant la formule suivante :The step 402 of estimating the reference statistical parameters comprises the averaging of the mean unit vectors associated with the zone i obtained for all the reference parts. This average is obtained using the following formula:

OùOr

D est le nombre de pièces de référence,D is the number of reference pieces,

m _i est le vecteur moyen de référence pour la zone i. m _i is the mean reference vector for zone i.

Le calcul des vecteurs moyens unitaires se fait par un produit de convolution spatial entre les vecteurs de la zone de la pièce de référence et un noyau de convolution. Avantageusement, ce noyau de convolution est une imagette à valeurs scalaires dont les valeurs sont les facteurs de pondérations k[The calculation of the unit average vectors is done by a spatial convolution product between the vectors of the zone of the reference piece and a convolution kernel. Advantageously, this convolution kernel is an image with scalar values whose values are the weighting factors k[

] associés aux zones voisines.] associated with neighboring areas.

Avantageusement le noyau de convolution k représente une fonction positive, normée, centrée, compacte et symétrique. Ce qui veut dire que:Advantageously, the convolution kernel k represents a positive, normalized, centered, compact and symmetric function. Which means that:

Positive: ∀i,k[Positive: ∀i,k[

]≥0]≥0

Normée : ∑_i1,i2 k[Normalized: ∑_i1,i2 k[

]=1]=1

Centrée, compacte : il existe deux entiers positifs J1 et J2 tels que ∀j vérifiant |j1|>J1 et |j2|>J2, k[j1,j2]=0Centered, compact: there exist two positive integers J1 and J2 such that ∀j satisfying |j1|>J1 and |j2|>J2, k[j1,j2]=0

Symétrique : k[j1,j2]=k[-j1,-j2]Symmetric: k[j1,j2]=k[-j1,-j2]

Pour alléger l’écriture, on utilise une notation 1D qui se généralise naturellement à la 2D : le pixel d’indice i a pour coordonnéesTo simplify the writing, we use a 1D notation which naturally generalizes to 2D: the pixel with index i has coordinates

; il peut être déterminé par son indice ou par ses coordonnées et en ce sens, k[; it can be determined by its index or by its coordinates and in this sense, k[

] s’écrit de manière équivalente k[i].] is equivalently written k[i].

De même, l’étape d’estimation 402 des paramètres statistiques de référence comprend le moyennage des variables intermédiaires unitairesSimilarly, the step 402 for estimating the reference statistical parameters comprises the averaging of the unitary intermediate variables

associées à la zone i et obtenues pour l’ensemble des pièces de référence. Cette moyenne est obtenue en utilisant la formule suivanteassociated with zone i and obtained for all the reference parts. This average is obtained using the following formula

D est le nombre de pièces de référence,D is the number of reference pieces,

q_iest une variable intermédiaire unitaire de référence pour la zone i.q _i is a reference unit intermediate variable for zone i.

Ensuite la matrice de covariance de référenceThen the reference covariance matrix

est obtenue en utilisant la formule :is obtained using the formula:

L’étape d’estimation 402 a l’effet technique de pouvoir prendre en compte la variabilité dans la production des pièces, par le moyennage des paramètres statistiques sur plusieurs pièces connues comme ne présentant pas d’anomalie.The estimation step 402 has the technical effect of being able to take into account the variability in the production of the parts, by averaging the statistical parameters over several parts known to not present any anomaly.

On peut aussi réaliser le moyennage des paramètres statistiques estimés, pour obtenir les paramètres statistiques de référence, en utilisant les formules de récurrence suivantes :It is also possible to average the estimated statistical parameters, to obtain the reference statistical parameters, using the following recurrence formulas:

EtAnd

OùOr

est le vecteur moyen de référence pour la zone i calculé en utilisant les D premières pièces,is the average reference vector for area i calculated using the first D pieces,

est le vecteur moyen de référence pour la zone i calculé en utilisant les D-1 premières pièces,is the average reference vector for area i calculated using the first D-1 pieces,

est le vecteur moyen de la zone i pour la pièce D,is the mean vector of area i for room D,

est la variable intermédiaire de référence pour la zone i calculée en utilisant les D premières pièces,is the reference intermediate variable for area i calculated using the first D pieces,

est la variable intermédiaire de référence pour la zone i calculée en utilisant les D-1 premières pièces,is the reference intermediate variable for zone i calculated using the first D-1 pieces,

est la variable intermédiaire unitaire de la zone i pour la pièce D.is the unitary intermediate variable of area i for room D.

A la suite de la mise à jour de la variable intermédiaire de référence, la matrice de covariance de référence pour la zone i calculée en utilisant D+1 pièces est déterminée en utilisant la formule :Following the update of the reference intermediate variable, the reference covariance matrix for zone i calculated using D+1 parts is determined using the formula:

Avantageusement, cette dernière formule, qui n’est pas une formule de récurrence, n’est appliquée que lorsque toutes les pièces de références sont passées dans le processus de récurrence. On calcule alors la matrice de covarianceAdvantageously, this last formula, which is not a recurrence formula, is only applied when all the reference parts have passed through the recurrence process. We then calculate the covariance matrix

et son inverse. C’est son inverse qui sera utilisée pour la détection d’anomalies dans de nouvelles images, dans la formule de la distance de Mahalanobis.and its inverse. It is its inverse that will be used for the detection of anomalies in new images, in the Mahalanobis distance formula.

Ces formules de récurrence ont pour effet technique de pouvoir mettre à jour les vecteurs moyens de référence et les matrices de covariance sur la base des vecteurs moyens de référence et des matrices des moments d’ordre 2 de référence estimées précédemment et sur la base des vecteurs moyens unitaires et des matrices de moments d’ordre 2 unitaires estimées sur la dernière pièce analysée. Elles offrent donc l’effet technique de ne pas avoir à sauvegarder l’ensemble des images associées à l’ensemble des pièces de référence et de ne pas avoir à reparcourir toutes les données si l’on souhaite mettre à jour les paramètres de référence avec de nouvelles données ce qui peut représenter un gain calculatoire conséquent. En effet il est nécessaire de ne sauvegarder que les derniers paramètres statistiques de référence, le nombre D d’appels de la formule de récurrence ayant servi à les déterminer et les images associées à la dernière pièce. Ainsi les procédés de détermination des paramètres statistiques de référence et de mise à jour de ces paramètres sont incrémentaux.These recurrence formulas have the technical effect of being able to update the mean reference vectors and the covariance matrices on the basis of the mean reference vectors and the reference moment matrices of order 2 estimated previously and on the basis of the vectors unit means and unit second order moment matrices estimated on the last part analyzed. They therefore offer the technical effect of not having to save all the images associated with all the reference parts and of not having to go through all the data again if you want to update the reference parameters with new data which can represent a significant computational gain. Indeed, it is necessary to save only the last reference statistical parameters, the number D of calls of the recurrence formula having been used to determine them and the images associated with the last part. Thus the methods for determining the reference statistical parameters and for updating these parameters are incremental.

Les formules de récurrence précédentes affectent à chaque acquisition d’images le même poids, ce qui est avantageux dans le cas d’utilisation où la seule variabilité provient de la production et du processus d’acquisition.The previous recurrence formulas assign to each image acquisition the same weight, which is advantageous in the use case where the only variability comes from the production and the acquisition process.

On peut prendre en compte un vieillissement progressif du système d’acquisition, en modifiant les formules de récurrence précédentes pour oublier progressivement les contributions passées afin de choisir une distribution de poids non-uniforme privilégiant les observations récentes. Cette propriété est atteinte en considérant les moyennes mobiles exponentielles des statistiques instantanées :We can take into account a progressive aging of the acquisition system, by modifying the previous recurrence formulas to gradually forget past contributions in order to choose a non-uniform weight distribution favoring recent observations. This property is achieved by considering the exponential moving averages of the instantaneous statistics:

Où τ représente une constante de temps comprise entre 0 et 1 permettant de régler l’importance relative d’une nouvelle donnée dans la mise à jour et donc la capacité d’évaluer progressivement la contribution des données passées. Si l’on considère que les N dernières pièces apportent une information significative, on prend typiquement τ=2/(N+1).Where τ represents a time constant between 0 and 1 to adjust the relative importance of new data in the update and therefore the ability to gradually assess the contribution of past data. If we consider that the last N pieces provide significant information, we typically take τ=2/(N+1).

Ainsi le procédé de détermination de paramètres statistiques de référence permet d’obtenir pour chaque zone i un vecteur moyen de référence mi et une matrice des moments statistiques d’ordre 2 de référence qi. Cette matrice qi représente une matrice de paramètres intermédiaire utilisée pour le calcul de la matrice de covariance Γi. et est un paramètre de la distribution supposée gaussienne de la zone. L’estimation des paramètres de référence mi et qi associés à la zone i est réalisée au moyen d’un moyennage local calculé au moyen d’un produit de convolution de l’image. Le produit de convolution est caractérisé par un noyau de convolution à plusieurs dimensions (autant que le nombre de dimensions spatiales de l’image, à savoir 2 dans notre cas). Le noyau de convolution peut avantageusement être un noyau gaussien centré de paramètre σ, exprimé en fonction de la taille du voisinage, qui est typiquement le maximum entre l’incertitude de position δ et la taille du voisinage d’une zone dans lequel la caractéristique physique est homogène. Un tel noyau gaussien est illustré en . Un tel produit de convolution est connu de l’homme du métier. Dans le cas plus général d’un noyau issu d’une famille non-gaussienne, le paramètre σ représente le vecteur de paramètres définissant le noyau à partir de sa famille d’appartenance. Il est avantageux de choisir un noyau positif, normé à support compact (typiquement dans le cas d’une image à deux dimensions :Thus, the method for determining reference statistical parameters makes it possible to obtain, for each zone i, an average reference vector mi and a matrix of reference statistical moments of order 2 qi. This matrix qi represents an intermediate parameter matrix used for calculating the covariance matrix Γi. and is a parameter of the assumed Gaussian distribution of the area. The estimation of the reference parameters mi and qi associated with the zone i is carried out by means of local averaging calculated by means of a convolution product of the image. The convolution product is characterized by a convolution kernel with several dimensions (as many as the number of spatial dimensions of the image, namely 2 in our case). The convolution kernel can advantageously be a centered Gaussian kernel with parameter σ, expressed as a function of the size of the neighborhood, which is typically the maximum between the position uncertainty δ and the size of the neighborhood of an area in which the physical characteristic is homogeneous. Such a Gaussian kernel is illustrated in . Such a convolution product is known to those skilled in the art. In the more general case of a kernel resulting from a non-Gaussian family, the parameter σ represents the vector of parameters defining the kernel from its family of membership. It is advantageous to choose a positive nucleus, normalized with compact support (typically in the case of a two-dimensional image:

définit la taille du voisinage et vaut entre quelques zones et quelques dizaines de zones).defines the size of the neighborhood and is between a few zones and a few tens of zones).

Le procédé de contrôle non destructif représenté peut aussi comporter optionnellement des étapes visant à la mise à jour des paramètres statistiques de référence à partir de nouvelles données contrôlées par le procédé. Dans ce cas le procédé de contrôle non destructif comprend pour chaque zone :The non-destructive testing process represented can also optionally include steps aimed at updating the reference statistical parameters from new data controlled by the method. In this case, the non-destructive testing process includes for each zone:

- si le vecteur de la zone est statistiquement anormal (distance de Mahalanobis supérieure à un seuil), une étape de validation 305 pour confirmer ou infirmer le label d’anomalie statistique; typiquement, si l’anomalie statistique correspond bien à un défaut elle est confirmée, sinon, elle est infirmée.- if the vector of the zone is statistically abnormal (Mahalanobis distance greater than a threshold), a validation step 305 to confirm or invalidate the statistical anomaly label; typically, if the statistical anomaly corresponds to a defect it is confirmed, otherwise it is invalidated.

- et si la détection de l’anomalie est infirmée une étape de mise à jour 306 des paramètres statistiques de référence, en utilisant le vecteur de la zone.- and if the detection of the anomaly is invalidated, a step 306 for updating the reference statistical parameters, using the vector of the zone.

L’étape de validation 305 est réalisée par un opérateur humain. Celui-ci utilise son expertise pour déterminer si la zone qui a été détectée comme comportant une anomalie présente réellement une anomalie. Typiquement, l’opérateur humain analyse le signal brut ou prétraité par l’étape 303 ou prétraitée de manière spécifique à la visualisation : il examine qualitativement ou quantitativement l’allure (dimension, contraste local, signature spécifique…) du signal dans la zone suspecte en appliquant une procédure prévue à cet effet.The validation step 305 is performed by a human operator. The latter uses his expertise to determine whether the area that has been detected as having an anomaly actually presents an anomaly. Typically, the human operator analyzes the raw or preprocessed signal by step 303 or preprocessed in a manner specific to visualization: he qualitatively or quantitatively examines the appearance (dimension, local contrast, specific signature, etc.) of the signal in the suspect zone by applying a procedure provided for this purpose.

Si la détection de l’anomalie n’est pas correcte, il est avantageux d’utiliser le vecteur de cette zone pour mettre à jour le vecteur moyen de référence et la matrice de covariance de référence, car c’est une zone qui n’est pas caractérisée correctement par les paramètres statistiques de référence.If the detection of the anomaly is not correct, it is advantageous to use the vector of this zone to update the reference mean vector and the reference covariance matrix, because it is a zone which does not is not correctly characterized by the reference statistical parameters.

Il est aussi possible de ne pas réaliser l’étape de validation 305 si l’on a la certitude qu’aucune anomalie ne se trouve dans les données. Dans ce cas l’étape de mise à jour 306 est réalisée pour l’ensemble des zones.It is also possible not to carry out the validation step 305 if it is certain that no anomaly is found in the data. In this case, the updating step 306 is carried out for all the zones.

Cette étape de mise à jour 306 comprend la détermination de paramètres statistiques unitaires du vecteur de la zone. Cette détermination est réalisée de manière identique à l’étape 401 de détermination de paramètres de statistiques unitaires du procédé de détermination de paramètres statistiques de référence de la . Ceci permet l’estimation d’un vecteur moyen unitaire, associée à la zone. Ce vecteur moyen est estimé pour chaque zone.This updating step 306 comprises the determination of unitary statistical parameters of the vector of the zone. This determination is performed identically to step 401 for determining unit statistics parameters of the method for determining reference statistical parameters of the . This allows the estimation of a unit mean vector, associated with the area. This average vector is estimated for each zone.

On peut utiliser la formule suivante pour réaliser l’estimation de ce vecteur moyen unitaire :The following formula can be used to estimate this unit mean vector:

oùOr

est le vecteur moyen unitaire associé à la zone i,is the unit mean vector associated with area i,

J représente les décalages d’indice pour obtenir l’ensemble des zones voisines de la zone iJ represents the index shifts to obtain the set of neighboring zones of zone i

x[j-i] représente le vecteur de la zone d’indice j-ix[j-i] represents the vector of the zone of index j-i

k[j] représente un facteur de pondération, qui peut de manière avantageuse être 1/N où N est le nombre de zones voisines de la zone i.k[j] represents a weighting factor, which can advantageously be 1/N where N is the number of zones neighboring zone i.

L’étape de mise à jour 306 des paramètres statistiques de référence comprend l’estimation d’une matrice de moments d’ordre 2 unitaireThe step 306 for updating the reference statistical parameters comprises estimating a matrix of moments of unitary order 2

associée à la distribution des vecteurs des zones voisines:associated with the vector distribution of neighboring areas:

On peut utiliser la formule suivante pour réaliser l’estimation de la matrice de covarianceWe can use the following formula to estimate the covariance matrix

::

Cependant et avantageusement,However and advantageously,

n’est pas calculée si l’on souhaite ne mettre à jour la matrice de covariance qu’après le passage de plusieurs pièces, les seules statistiques unitaires calculées sontis not calculated if one wishes to update the covariance matrix only after the passage of several parts, the only unit statistics calculated are

etAnd

..

Ensuite l’étape de mise à jour 306 des paramètres statistiques de référence utilise les formules de récurrence décrites précédemment afin de mettre à jour les paramètres statistiques de référence. Ces formules de récurrences sont :Next, the step 306 for updating the reference statistical parameters uses the recurrence formulas described above in order to update the reference statistical parameters. These recurrence formulas are:

EtAnd

OùOr

est le vecteur moyen de référence pour la zone i calculée en utilisant D premières pièces,is the reference average vector for area i calculated using D first pieces,

est le vecteur moyen de référence pour la zone i calculée en utilisant D-1 premières pièces,is the reference average vector for area i calculated using D-1 first pieces,

est la matrice des moments statistiques d’ordre 2 de référence pour la zone i calculée en utilisant D premières pièces,is the matrix of reference statistical moments of order 2 for zone i calculated using D first parts,

est la matrice des moments statistiques d’ordre 2 de référence pour la zone i calculée en utilisant D-1 premières pièces etis the matrix of reference statistical moments of order 2 for zone i calculated using D-1 first parts and

est la matrice des moments statistiques d’ordre 2 unitaire de la zone i pour la pièce D.is the unitary second-order statistical moment matrix of zone i for part D.

A la suite de la mise à jour de la variable intermédiaire de référence, la matrice de covariance de référence pour la zone i est calculée en utilisant la formule suivante :Following the update of the reference intermediate variable, the reference covariance matrix for zone i is calculated using the following formula:

On peut aussi utiliser les formules de récurrence suivantes :You can also use the following recurrence formulas:

Où τ représente une constante de temps comprise entre 0 et 1 permettant de régler l’importance relative d’une nouvelle donnée dans la mise à jour et donc la capacité d’évaluer progressivement la contribution des données passées.Where τ represents a time constant between 0 and 1 to adjust the relative importance of new data in the update and therefore the ability to gradually assess the contribution of past data.

Cette mise à jour permet d’ajuster le procédé de contrôle non destructif à des changements locaux dans les pièces sur lesquelles le contrôle est réalisé.This update makes it possible to adjust the non-destructive testing process to local changes in the parts on which the testing is carried out.

Claims

Method for non-destructive testing of a part (P), for example an aeronautical part, the method comprising:
- an acquisition step (302) of several images of the part (P) at different respective acquisition times,
each image comprising pixels associated respectively with zones of the part, a value of the pixel being representative of a characteristic of the zone,
- a step of associating each zone with a vector having components comprising the values of the pixel at the different acquisition times,
- a step of determining (402) reference parameters, associated with at least one zone, by averaging the vector of zones neighboring the zone of a reference part and
- a comparison step (304) of the vector of the zone with the reference parameters to detect an anomaly in the zone.

Non-destructive testing method according to claim 1 further comprising:
- an excitation step (301) of the part (P), producing a disturbance of the characteristic.

Non-destructive testing method according to claim 1 or 2, further comprising,
when the anomaly has not been detected on the zone:
- a step of estimating (401) unit statistical parameters of the zone and
- a step of updating (306) the reference parameters of the zone from the unit statistical parameters of the zone,
when the anomaly has been detected on the zone:
- a validation step (305) of the presence of the anomaly,
and when the presence of the anomaly is not validated:
- a step of estimating (401) the unit statistical parameters of the zone and
- a step of updating (306) the reference parameters of the zone from the unit statistical parameters of the zone.

Non-destructive testing method, according to one of the preceding claims, in which:
- the comparison step (304) comprises the determination of a value of a statistical test representative of a conformity of the vector of the zone with a distribution parameterized by the reference parameters,
the non-destructive testing method further comprising:
- a step of sending a message indicating the detection of an anomaly when the value of the statistical test is greater than a threshold.

Non-destructive testing method, according to one of the preceding claims, in which:
- the characteristic is a surface temperature of the part (P),
- the excitation step (301) is carried out by a flash lamp or a generator of a magnetic field to cause an increase in a temperature of the part (P) and
- the acquisition step (302) is carried out by an infrared camera and the components of the vector of the zone represent the surface temperature of the part (P).

Non-destructive testing method, according to one of the preceding claims, further comprising a pre-processing step (303), the pre-processing step (303) being carried out between the acquisition step (302) and the comparing step (304).

Non-destructive testing method, according to one of the preceding claims, the reference parameters comprising:
- a reference covariance matrix associated with the zone, and
- an average reference vector, associated with the zone,
we determine:
- the reference covariance matrix from a matrix of moments of order 2,
- the matrix of moments of order 2 by recurrence from unitary statistical parameters,
- the average reference vector by recurrence from unit statistical parameters and
- unit statistical parameters from the vector of areas neighboring the area of a reference part, by convolution of the vector of areas neighboring the area of the reference part with a convolution kernel, the area of the reference part showing no abnormality.

Method for determining reference parameters used in the non-destructive testing method of a part (P) of claim 1, the method comprising the following steps, carried out for a plurality of reference parts and of which an area does not include 'anomaly :
- excitation (301') of the reference part, producing a disturbance of a characteristic of the reference part,
- acquisition (302') of several images of the reference part at different respective acquisition times,
each image comprising pixels associated respectively with zones of the part, a value of the pixel being representative of a characteristic of the zone,
- association of each zone with a vector having components comprising the values of the pixel at the different acquisition times,
- determination (401), from the images, of unitary statistical parameters of the area and
- determination (402) of reference parameters of the zone, obtained by recurrence from unit statistical parameters associated with the reference parts.

Method for determining reference parameters, according to claim 8, the determining step (402) comprises the averaging of the unitary statistical parameters associated with the reference parts.

Method for determining reference parameters, according to claim 8 or 9, further comprising a pre-processing step (303), the pre-processing step (303) being carried out between the acquisition step (302' ) and the determination step (401).

System (S) for non-destructive testing of a part (P), for example an aeronautical part, the non-destructive testing system (S) comprising:
- an excitation device (101-a), capable of modifying a physical characteristic of the part (P),
- an acquisition device (101-b) of a plurality of images of the part (P) and
- a processing unit (102) capable of implementing the non-destructive testing method according to one of claims 1 to 7 and/or implementing the method for determining reference parameters according to one of the claims 8 to 10.

Computer program product comprising software instructions which, when they are implemented by computer equipment, implement the non-destructive testing method according to one of Claims 1 to 7 and/or the method for determining parameters reference according to one of claims 8 to 10.

Aeronautical part which has been checked by the non-destructive testing method according to one of Claims 1 to 7.

Aircraft comprising the aeronautical part according to claim 13.