La tecnología de IA mejora la detección de microdefectos en acero inoxidable

Según el sitio web de la Sociedad Nuclear Americana, investigadores del Laboratorio Nacional Argonne (ANL) en Estados Unidos han desarrollado una nueva tecnología que combina inteligencia artificial (IA) con termografía infrarroja pulsada (PIT) para detectar con precisión microdefectos en componentes de acero inoxidable impresos en 3D. Estos defectos, como los poros, suelen tener diámetros inferiores a 100 micrómetros y son difíciles de detectar con los métodos tradicionales. Sin embargo, pueden debilitar significativamente la resistencia del material, especialmente en entornos extremos como los reactores nucleares, donde pueden causar problemas graves. Los resultados de la investigación se han publicado en un número reciente de Scientific Reports .

Componentes de acero inoxidable impresos en 3D

El empoderamiento de la IA mejora la detección

La tecnología PIT utiliza lámparas de destello óptico para calentar rápidamente la superficie metálica, mientras que una cámara infrarroja de alta velocidad registra las imágenes térmicas formadas durante la difusión y atenuación del calor. La presencia de defectos internos, como poros llenos de aire, altera el comportamiento físico del material, dificultando el paso fluido del calor. Los algoritmos de IA procesan las imágenes PIT, filtrando el ruido y mejorando la visibilidad de los defectos, identificando así con precisión defectos diminutos de hasta 100 micrómetros de diámetro. Los investigadores descubrieron que este nuevo método puede detectar estos defectos minúsculos que antes eran indetectables con las técnicas convencionales. Esto representa un avance emocionante para garantizar la integridad estructural de los materiales utilizados en aplicaciones nucleares.

El principio de "AI + PIT" para detectar defectos internos y reconstruir imágenes de defectos internos

Nuevo avance

La fabricación aditiva, combinada con la tecnología de impresión 3D, se utiliza cada vez más para producir piezas para entornos extremos, como el interior de reactores nucleares, donde los metales deben soportar altas temperaturas y radiación. La resistencia y fiabilidad a largo plazo de estos componentes dependen de la detección y prevención de defectos. Las técnicas tradicionales de ensayos no destructivos, como la radiografía y los ultrasonidos, tienen dificultades para identificar pequeños defectos subsuperficiales en estructuras impresas en 3D de formas complejas. Por el contrario, la tecnología PIT mejorada con IA ofrece una solución sin contacto que se puede escalar a componentes de cualquier forma y tamaño. Esto permite a los fabricantes inspeccionar la integridad de las piezas metálicas impresas en 3D durante el proceso de prueba sin dañarlas. Esta tecnología es especialmente adecuada para industrias como la energía nuclear y la aeroespacial, donde los requisitos de rendimiento de los materiales son extremadamente altos, lo que permite la detección temprana de defectos, la prevención de fallos y la prolongación de la vida útil de los componentes.

Perspectivas de aplicación

Los investigadores trabajan para mejorar la tecnología, con el objetivo de aumentar la sensibilidad de la PIT y optimizar los algoritmos de IA para detectar defectos aún más pequeños. También planean extender la tecnología a otros materiales y procesos de fabricación. Este avance demuestra el potencial de la IA para abordar desafíos complejos en la evaluación no destructiva y la ciencia de los materiales. Al combinar la tecnología avanzada de imágenes con el aprendizaje automático, surgen nuevas posibilidades para garantizar la seguridad y la calidad de los materiales utilizados en los entornos más exigentes.

Este avance no solo mejora el control de calidad de los componentes fabricados aditivamente, sino que también resalta el inmenso potencial de la IA en la evaluación no destructiva y la ciencia de los materiales. En el futuro, los investigadores planean mejorar aún más la sensibilidad de detección y extender la tecnología a más materiales y procesos de fabricación, ofreciendo así mayores garantías de seguridad de los materiales en entornos extremos.