Fusion entre les données ultrasonores et les images de radioscopie à haute résolution : application au contrôle de cordon de soudure

par Olivier Dupuis

Thèse de doctorat en Dispositifs de l'électronique intégrée

Sous la direction de Gilles Peix et de Yue Min Zhu.


  • Résumé

    Notre étude porte sur la fusion de données à haut niveau du contrôle ultrasonore (US) et du contrôle radioscopique (RX) en vue d'améliorer la fiabilité du contrôle automatique des défauts dans les joints soudés en acier. Le cadre mathématique que nous avons retenu est la théorie des croyances de Dempster-Shafer. L'étude des phénomènes physiques régissant la formation de l'image RX et du signal US nous a permis d'élaborer une méthode de traitement automatique spécifique pour détecter et recaler les défauts dans le même repère géométrique. Les techniques de traitements que nous avons retenues permettent de détecter des défauts de faible amplitude mais induisent par ailleurs de fausses détections. Nous avons alors mis au point une étape d'apprentissage afin de modéliser la confiance sur la présence du défaut : les paramètres d'un ensemble d'objets de référence (contraste-sur bruit, taille, élongation) sont comparés à l'analyse de l'expert humain. Ce travail fait apparaître des régions de l'espace des paramètres qui correspondent à des objets de même nature. Une méthode originale de calcul des parts de croyances permet de modéliser l'incertitude et l'imprécision du système automatique sur la nature de l'objet. Enfin, nous avons mis en place un protocole de fusion des données qui permet d'augmenter le degré de confiance sur la présence d'un défaut, de préciser sa nature, et d'améliorer la précision sur les dimensions du défaut.

  • Titre traduit

    = Data fusion between ultrasonic data and high resolution radioscopic


  • Résumé

    This thesis focuses on the development of radioscopic (XR) and ultrasonic (US) data fusion for the automatic inspection of steel welded joints in a way to enhance the reliability of defect detection. The mathematical model is the theory of evidence of Dempster-Shafer. The study of physical laws leading to the formation of XR image and US signal helped for the development of a specific processing for the detection and matching of defects. Unfortunately, the detection of low amplitude signal defects also yields false alarm detection. We therefore developed a training stage to attribute a confidence level to a detected object. During this stage, different features of reference defects were calculated (contrast-to-noise ratio, area, elongation…) and compared to the interpretation of human expert analysis. We distinguish different areas of the features space in which some types of objects are predominant. A novel method has been developed for attributing a degree of belief to an unknown object taking both uncertainty and imprecision into account. Eventually, the data fusion stage consists in combining confidence levels to increase the confidence in the presence of a defect, but also to precise its nature and dimensions.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 223 p.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. p.216-223

Où se trouve cette thèse ?

  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc'INSA.
  • Disponible pour le PEB
  • Cote : C.83(2550)
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.