La technologie de l'IA améliore la détection des micro-défauts dans l'acier inoxydable

Selon le site web de l'American Nuclear Society, des chercheurs de l'Argonne National Laboratory (ANL), aux États-Unis, ont développé une nouvelle technologie combinant intelligence artificielle (IA) et thermographie infrarouge pulsée (PIT) pour détecter avec précision les micro-défauts dans les composants en acier inoxydable imprimés en 3D. Ces défauts, tels que les pores, ont généralement un diamètre inférieur à 100 micromètres et sont difficiles à détecter par les méthodes traditionnelles. Cependant, ils peuvent affaiblir considérablement la résistance du matériau, notamment dans des environnements extrêmes comme les réacteurs nucléaires, où ils peuvent entraîner de graves problèmes. Les résultats de ces recherches ont été publiés dans un récent numéro de Scientific Reports .

Composants en acier inoxydable imprimés en 3D

L'autonomisation de l'IA améliore la détection

La technologie PIT utilise des lampes à flash optique pour chauffer rapidement la surface métallique, tandis qu'une caméra infrarouge haute vitesse enregistre les images thermiques formées lors de la diffusion et de l'atténuation de la chaleur. La présence de défauts internes, tels que des pores remplis d'air, altère le comportement physique du matériau, rendant le passage de la chaleur difficile. Des algorithmes d'IA traitent les images PIT, filtrent le bruit et améliorent la visibilité des défauts, permettant ainsi d'identifier avec précision des défauts minuscules, jusqu'à 100 micromètres de diamètre. Les chercheurs ont découvert que cette nouvelle méthode permet de détecter ces minuscules défauts, auparavant indétectables avec les techniques conventionnelles. Il s'agit d'une avancée majeure pour garantir l'intégrité structurelle des matériaux utilisés dans les applications nucléaires.

Le principe de « IA + PIT » pour détecter les défauts internes et reconstruire des images de défauts internes

Nouvelle percée

La fabrication additive, combinée à l'impression 3D, est de plus en plus utilisée pour produire des pièces destinées à des environnements extrêmes, comme l'intérieur des réacteurs nucléaires, où les métaux doivent résister à des températures et des radiations élevées. La résistance et la fiabilité à long terme de ces composants dépendent de la détection et de la prévention des défauts. Les techniques traditionnelles de contrôle non destructif, telles que l'imagerie par rayons X et les ultrasons, peinent à identifier les minuscules défauts sous la surface des structures complexes imprimées en 3D. En revanche, le PIT, optimisé par l'IA, offre une solution sans contact adaptable à toutes les formes et tailles de composants. Les fabricants peuvent ainsi inspecter l'intégrité des pièces métalliques imprimées en 3D pendant le processus de test, sans les endommager. Cette technologie est particulièrement adaptée aux secteurs tels que l'énergie nucléaire et l'aérospatiale, où les exigences de performance des matériaux sont extrêmement élevées. Elle permet une détection précoce des défauts, la prévention des défaillances et la prolongation de la durée de vie des composants.

Perspectives de candidature

Les chercheurs travaillent à l'amélioration de cette technologie, visant à accroître la sensibilité du PIT et à optimiser les algorithmes d'IA pour détecter des défauts encore plus petits. Ils prévoient également d'étendre cette technologie à d'autres matériaux et procédés de fabrication. Cette avancée démontre le potentiel de l'IA pour relever les défis complexes de l'évaluation non destructive et de la science des matériaux. En combinant une technologie d'imagerie avancée avec l'apprentissage automatique, de nouvelles possibilités émergent pour garantir la sécurité et la qualité des matériaux utilisés dans les environnements les plus exigeants.

Cette avancée améliore non seulement le contrôle qualité des composants fabriqués de manière additive, mais met également en évidence l'immense potentiel de l'IA en évaluation non destructive et en science des matériaux. À l'avenir, les chercheurs prévoient d'améliorer encore la sensibilité de détection et d'étendre la technologie à davantage de matériaux et de procédés de fabrication, offrant ainsi de meilleures garanties de sécurité des matériaux dans des environnements extrêmes.