Cuantificación y predicción de mecanismos de desgaste en imágenes de superficies degradadas

Abstract

El desgaste es la principal causa de fallos en muchos sistemas mecánicos debido a las interacciones a las que se expone la superficie del sistema, las cuales se manifiestan como pérdidas de masa. Por lo tanto, la supervisión y análisis del desgaste es fundamental para evitar pérdidas de energía y de tiempo, permitiendo realizar una selección de materiales mas resistentes. Este análisis puede ser llevado usando evaluaciones especiales de laboratorio, que requieren montajes especiales o evaluaciones en condiciones reales, con resultados pocas veces reproducibles. Siendo cualquiera de estos análisis un proceso tedioso y subjetivo para los expertos. Este trabajo introduce un conjunto de herramientas computacionales para la cuantificación y predicción de mecanismos de desgaste en superficies. En primera instancia se propuso un esquema de clasificación automática entre dos regímenes de desgaste, utilizando descriptores de gradiente sobre un conjunto de imágenes de microscopia de barrido electrónico. Los descriptores evaluados resultaron ser suficientes para realizar una apropiada caracterización de las imágenes evaluadas. Luego, en una segunda fase se analizaron mecanismos de desgaste, así como grados de severidad. Para este análisis se propuso una estrategia computacional que codifica parches independientes de las imágenes como características de aprendizaje profundo, capturadas en capas convolucionales de redes pre-entrenadas. Esta codificación es mapeada a una estrategia de aprendizaje de máquina para predecir el mecanismo de desgaste o el grado de severidad asociado a una región en particular. De esta forma fue posible generar mapas de desgaste para ser usados como una herramienta observacional durante el análisis de superficies desgastadas en condiciones de laboratorio o industriales.