Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
I. INTRODUCCION
adquisición (electrónico); calentamiento no uniforme debido a grabado antes de la aplicación del impulso de calor en la
imperfecciones de la fuente de energía (térmico); diferencias superficie (ver figura 2c). Cabe mencionar que el FPN
de emisividad e irregularidades en la superficie de la pieza depende del tipo de configuración utilizada para conformar la
inspeccionada (estructural); reflexiones provenientes de otros matriz de detectores. En general, las cámaras a base de CMOS
objetos; atenuación atmosférica, etc. Así, una vez que las (Complementary Metal-Oxide Semiconductor) contienen
imágenes han sido adquiridas, diferentes técnicas de niveles de ruido más altos que sus contrapartes construidas
tratamiento q pueden ser utilizadas para realzar el contraste, con CCDs (Charge-Coupled Devices).
detectar la presencia de defectos y caracterizarlos. La primera
C. Corrección del viñeteo (vignetting)
etapa consiste entonces en preprocesar las secuencias tal y
como se explica a continuación. El viñeteo (vignetting) es sin duda uno de los problemas
más complejos en Termografía. El viñeteo consiste en un
III. PREPROCESADO obscurecimiento de las esquinas de los termogramas respecto
al centro de los mismos debido a una exposición limitada en
A. Regeneración de píxeles defectuosos (badpixels) esas áreas [2] (ver figura 2b). El procedimiento de corrección
La primer etapa de preprocesado consiste a regenerar los de viñeteo requiere una etapa de calibración que involucra la
píxeles defectuosos (badpixels o píxeles muertos), esto es, toma de termogramas de cuerpo negro a diferentes
píxeles que presentan niveles anormales de intensidad sean temperaturas (en el rango de operación) [2].
muy bajos o muy altos y que no proporcionan ninguna D. Calibración en temperatura
información de utilidad. Afortunadamente, éstos pueden ser
Las secuencias de datos obtenidos por la cámara consisten
detectados fácilmente con un algoritmo de detección, por
en matrices tridimensionales donde cada punto posee dos
ejemplo haciendo pasar un filtro de detección (kernel) o
coordenadas espaciales y una de intensidad arbitraria que
simplemente por detección visual por un operador, para
necesita de una etapa de calibrado para poder ser transformada
después ser remplazados por el valor promedio de su
en temperatura. Al igual que en el caso de la corrección de
vecindad. El termograma no corregido de la figura 2a
viñeteo, la calibración en temperatura requiere la obtención de
corresponde a una placa de acero con tres defectos (con
varias imágenes de intensidad a diferentes temperaturas. Es
diferentes formas pero ocupando la misma área) 348 ms
por ello que, estas dos etapas de tratamiento se realizan
1200
6500 simultáneamente. El resultado es un polinomio (de 3er o 4to
1000
6000
grado) obtenido por regresión de los datos de temperatura con
8000
5500
respecto a los niveles de gris dados por la cámara. La figura
2c muestra el termograma de la figura 2a corregido en píxeles
5000
6000 4500
4000
defectuosos, FPN, viñeteo, y transformado en temperatura.
4000
2000
3500
E. Filtrado de señales
(a) (b) La señal puede ser ahora tratada por algoritmos de
27
detección de defectos, segmentación, etc. Para casos en que la
0
26
señal corregida posee aún altos niveles de ruido, una etapa
25
adicional de filtrado es necesaria. Existe un gran número de
técnicas de filtrado que pueden aplicarse a imágenes
24 -0.5
22 -1
21
ha sido empleado en la figura 5 para mejorar
(c) (d)
considerablemente el resultado de segmentación. Más detalles
Fig. 2. Termogramas a t=348 ms: (a) no corregido; (b) tras restauración de en el párrafo V.
pixeles defectuosos; (c) corrección de viñeteo y del FPN; y (d) fasegrama a
f=1.58 Hz.
IV. PROCESADO
después de haber sido sometida a un impulso de calor de 5 ms
Una vez que la señal infrarroja ha sido preprocesada y
y 6.4 J. La figura 2b muestra el resultado después de restaurar
transformada en temperatura, es posible realizar ahora un
los píxeles defectuosos. El viñeteo y el ruido fijo son ahora
tratamiento de imágenes bien sea para fines de detección de
más evidentes en esta imagen.
defectos internos o bien para su caracterización
B. Corrección de Patrones Fijos de Ruido (FPN) (determinación de propiedades térmicas, talla y profundidad).
El siguiente paso es la corrección del patrón de ruido fijo Existen diferentes técnicas que han sido adaptadas
(FPN-Fixed Pattern Noise) causado por diferencias en la especialmente para la Termografía. Los métodos térmicos,
responsividad de los detectores [2]. La figura 2b muestra el descritos a continuación, se encuentran entre los más
FPN (líneas verticales) en el termograma. Para los casos en populares.
que la escena es fija, este problema puede corregirse con la A. Métodos de contraste térmico
sustracción de una imagen ‘fría’, esto es, el termograma
El contraste térmico en su modo más simple puede definirse
> REPLACE THIS LINE WITH YOUR PAPER IDENTIFICATION NUMBER (DOUBLE-CLICK HERE TO EDIT) < 3
como la diferencia entre la temperatura en una zona libre de temporal al espectro frecuencial con la ayuda de la
defectos o sana Ts, y una región defectuosa Td [2]: Transformada de Fourier discreta (TFD) [7]:
∆ T (t ) = T d (t ) − T S a (t ) (1) N −1
F n = ∆ t ∑ T (k ∆ t )e − j 2π nk N
= Re n + Im n (4)
La Ec. (1) es el llamado contraste absoluto de temperatura y k =0
se ilustra en la figura 3. En ocasiones es conveniente utilizar donde n corresponde a los incrementos de frecuencia
variaciones de esta definición [2]. Sin embargo, todas estas (n=0,1,…N); ∆t es el intervalo de tiempo entre adquisiciones;
definiciones sufren de un problema común, esto es, la Ren y Imn son las partes real e imaginaria de la TFD, que
necesidad de localizar una zona sana en la pieza en cuestión. pueden combinarse para extraer la amplitud An, y la fase φn:
⎛ Im n ⎞
44
.01 .1 1 6.3
An = Re 2n + Im 2n , φ n = tan −1 ⎜ ⎟ (5)
∆T -1.5 ⎜ Re ⎟
⎝ n ⎠
40 -1.25 La fase es particularmente interesante en END ya que es
menos afectada por los problemas típicos de la termografía
36
-1 activa como son: reflexiones del entorno, variaciones de
T [ C]
-0.75
32 superficie y por su orientación [12]. La figura 2d muestra una
-0.5 imagen de fase, o fasegrama, obtenida al aplicar la PPT a la
28 secuencia corregida como en la figura 2c. Como puede
-0.25
T observarse, se logra una mejora considerable del contraste
Sa
24
entre zonas sanas y defectuosas gracias a la utilización de la
.01 .1 1 6.3
t [s] fase.
Fig. 3 Curvas de evolución de temperatura para una zona sana (―), de
temperatura para una región defectuosa (--), y de contraste térmico (-·-).
C. Reconstrucción de Señales Termográficas (TSR)
La reconstrucción de imágenes a partir de un polinomio
En la práctica esto no es siempre posible. Alternativamente, el
constituye una de las técnicas más interesantes y útiles [9]. La
método de Contraste Absoluto Diferencial (DAC) [4] ha sido
idea es, partiendo de la ecuación de difusión de Fourier - Ec
desarrollado para solucionar este problema. El método DAC
(2) -, que las zonas sanas siguen un comportamiento lineal con
está basado en la solución 1D de la ecuación de difusión de
una pendiente de ½ en una escala logarítmica, es decir:
Fourier asumiendo que la superficie de la pieza ha sido
⎛Q⎞ 1
sometida a un impulso de Dirac, esto es [3]: ln (∆ T ) = ln ⎜ ⎟ − ln (π t ) (4)
Qo ⎝e⎠ 2
T (t ) = T 0 + (2)
La evolución de temperatura de un píxel puede ser entonces
e πt
modelada por un polinomio de la forma:
Combinando las Ec. (1) y (2), se llega a la siguiente
expresión [4]: ln (∆ T ) = a 0 + a1 ln (t ) + a 2 ln 2 (t ) + ... + a N ln N (t ) (5)
t′ donde N es el grado del polinomio (en general un polinomio
∆ T dac = T d − ⋅ T (t ′ ) (3)
de grado entre 4 y 7 es adecuado dependiendo del nivel de
t
ruido de la señal). La TSR constituye una herramienta muy
donde t es el tiempo actual y t’ es definido como el instante en
útil para el filtrado de señales térmicas pero también en la
el cual el frente térmico llega a la superficie y que se sabe que
se encuentra entre el tiempo de envío del impulso t0 y el
tiempo de aparición del primer defecto t1. Más detalles en [4].
En realidad, la evolución de la temperatura en la superficie es
un fenómeno 3D complejo, la Ec. (2) es sólo una
aproximación del verdadero comportamiento de la 26.2 26.4 26.6 26.8 27 27.2 27.4 -8 -6 -4 -2 0 2 4 6 8
-5
(a) (b)
un proceso iterativo. Sin embargo, la Ec.(3) ha demostrado ser
muy útil para la inspección de materiales homogéneos no sólo
como alternativa a los métodos de contraste térmico, que
necesitan de la definición de una zona sana, sino también para
reducir los efectos de calentamiento no uniforme en la -0.075 -0.07 -0.065 -0.06 -0.055 -0.05 -0.045 -0.04 -0.035 -0.03 -0.025 0.015 0.02 0.025 0.03 0.035 0.04 0.045 0.05 0.055 0.06 0.065
Por ejemplo, la figura 4b presenta una imagen de los Existe un gran número de métodos de segmentación propios
coeficientes a1 en la Ec. (5), en la que puede constatarse una de procesado de imágenes en el espectro visible que pueden
mejora de contraste. perfectamente ser adaptados para el infrarrojo. Por ejemplo, la
Otro punto interesante es que la TSR permite fácilmente la Fig. 6 muestra el resultado de una segmentación basada en el
reconstrucción de la primera y segunda derivadas temporales. método de Canny para la detección de bordes. Para la
En general, las imágenes de derivadas temporales presentan segmentación en la figura 6a se utilizó un fasegrama no
un mejor contraste y son menos afectadas por el calentamiento filtrado (ver perfil 1D a través de la línea punteada horizontal
no uniforme como puede verse en las figuras 4c y d. Además, arriba del fasegrama). El resultado de segmentación es mucho
puede alcanzarse una mejora de contraste aún más notable al mejor en la figura 6b donde un filtro gaussiano con varianza
utilizar el algoritmo PPT con datos sintéticos de entrada en σ=2 ha sido utilizado.
vez de datos brutos.
C. Determinación del tamaño y la forma de un defecto
V. ANÁLISIS Es igualmente posible estimar la forma y el tamaño de un
defecto al examinar un termograma o fasegrama, tras la
A. Modelos térmicos aplicación de un algoritmo de extracción de bordes, p.ej.
La utilización de modelos térmicos permite tener una idea
sobre la influencia de ciertos parámetros en la detección de
defectos sin necesidad de realizar ninguna prueba. Esto ayuda
en la planificación de experiencias. Por ejemplo, en la
columna izquierda de la figura 5 se muestran termogramas
modelados a tres instantes diferentes para analizar el efecto de
la difusión sobre defectos de diversas geometrías pero a la
misma profundidad (1 mm) y que ocupan el mismo área (25
mm2). A los termogramas reales, en la columna derecha, se les
ha substraído una imagen fría para reducir los niveles de
(a) (b)
Fig. 6. Resultados de segmentación (a) fasegrama no filtrado; y (b) fasegrama
filtrado con un filtro gaussiano de varianza σ=2.
la frecuencia límite fb [12]: Moore ed., 3rd edition, Columbus, Ohio, ASNT Press, 2001, 718 p.
[2] Maldague X. P. “Theory and Practice of Infrared Technology for
α (7) Nondestructive Testing,” John Wiley & Sons, N. Y., 2001.
z = C1 ⋅
π ⋅ fb [3] Carslaw H. S., Jaeger J. C. Conduction of Heat in Solids, 2nd edition,
Clarendon Press, Oxford, 1986.
donde la constante de regresión C1 toma un valor igual a la [4] Pilla M., Klein M., Maldague X., Salerno A. “New Absolute Contrast for
unidad cuando se trabaja con imágenes de amplitud, y un Pulsed Thermography,” Proc.QIRT, Eurotherm Seminar 64, 2002.e.
[5] González D. A., Ibarra-Castanedo C. Pilla M., Klein M., J. M. López-
valor de aproximadamente 1.8 en el caso de la fase, una razón Higuera and Maldague X. “Automatic Interpolated Differentiated
más para optar por la fase en análisis cuantitativos. Absolute Contrast Algorithm for the Analysis of Pulsed Thermographic
Por ejemplo, la figura 7 presenta los perfiles de fase para Sequence,” Proc. QIRT 7, 2004.
[6] Maldague X. P. and Marinetti S. “Pulse Phase Infrared Thermography,” J.
los tres defectos marcados como A, B, y C. Los tres defectos
Appl. Phys., vol. 79, no. 5, 1996, p. 2694-2698.
se encuentran a la misma profundidad (1 mm) y poseen la [7] Bracewell R. The Fourier Transform and its Applications, USA,
misma área. Debido a que la difusión de calor es una función McGraw-Hill, 1965.
[8] Wu D. and Busse G. “Lock-in Thermography for NonDestructive
A Evaluation of Materials,” Rev. Gén. Therm., vol. 37, 1998, p. 693-703.
0.3 B [9] Shepard S. M. 2001, “Advances in Pulsed Thermography”, Proc. SPIE,
C Thermosense XXIII, 4360: 511-515.
0.25 [10] Meola C. and Carlomagno G. M. “Recent Advances in the Use of Infrared
B
Thermography”, Meas. Sci. Technol., vol. 15, 2004, p.27–58.
C
0.2 A [11] Ibarra-Castanedo C. and Maldague X. “Pulsed Phase Thermographic
∆φ [rad]
0.05
Clemente Ibarra-Castanedo (M’02) se graduó
0 como Ingeniero Mecánico Electricista en la Universidad
0 2 4 6 8 10 12 14 16 19.5 Regiomontana de Monterrey (Nuevo León) México.
f [Hz] Obtuvo el título de Maestría en Ingeniería Mecánica en
Fig. 1. Curvas de evolución de fase para una zona sana (−−), de fase para una la Universidad Laval de Quebec, Canadá, en donde
región defectuosa (―), y de contraste de fase (−·−). actualmente es candidato al grado de Doctor en
Ingeniería Eléctrica. Como miembro del Laboratorio de
de la geometría de los defectos (ver figura 5), la intensidad de Vision y Sistemas Digitales de dicha institución ha
la fase es diferente para los tres defectos. Sin embargo, la colaborado en la redacción de más de 25 publicaciones en el área de
frecuencia límite fb, es la misma para los tres defectos, lo que Termografía Infrarroja. Es miembro del ASME, IEEE y SPIE.
permite realizar una cuantificación a través de la Ec. (7). Daniel A. González obtuvo el título de Ingeniero
Técnico de Sistemas de Telecomunicación y el título de
VI. CONCLUSIONES Ingeniero de Telecomunicación ambos por la
Universidad de Cantabria en Santander, España, en 1996
La Termografía Infrarroja es una herramienta de gran y 1999 respectivamente. Actualmente trabaja para la
utilidad para la Evaluación No Destructiva de materiales y obtención del doctorado en el Grupo de Ingeniería
Fotónica de la misma universidad. Sus áreas de interés
sistemas. Los avances de los últimos años en materia de incluyen la Termografía Infrarroja y la medida de
métodos de tratamiento de señales y análisis de imágenes, han temperatura mediante sensores ópticos, donde es co-autor de más de 15
contribuido a aumentar el interés en la TI. En general, una publicaciones.
secuencia de termogramas requiere de una etapa de
Abdelhakim Bendada obtuvo su diploma de
preprocesado (para corregir los píxeles muertos, el viñeteo y doctorado por el Instituto Nacional Politécnico de Lorena,
el FPN, y una transformación en temperatura). Diferentes Francia, en 1995. En 2005, se integró al cuerpo profesoral
técnicas de análisis de imágenes existen. En esta del Departamento de Ingeniería Eléctrica de la
Universidad Laval, Quebec, Canadá. Sus intereses se
comunicación se han presentado algunas de las más centran principalmente en la Evaluación No Destructiva
representativas en un intento de dar a conocer la Termografía por Termografía Infrarroja y el Procesado de Imágenes.
Infrarroja a la comunidad científica especializada en el Es autor o co-autor de más de 60 publicaciones en la
materia. Es miembro del SPIE y el OSA.
procesado de señales y en el análisis de imágenes.
Xavier Maldague ha sido profesor en el
AGRADECIMIENTOS Departamento de Ingeniería Eléctrica de la Universidad
Laval desde 1989 (y Director del Departamento desde el
Los autores agradecen la ayuda brindada por Hernán 2003). Sus intereses de investigación se centran en la
Benitez de la Universidad del Valle de Colombia durante la Termografía Infrarroja, la Evaluación No Destructiva y
redacción de este artículo. en el desarrollo de técnicas de visión y sistemas digitales
para la Inspección Industrial. Es autor y co-autor de más
de 130 artículos, tres libros y una patente en estos temas.
REFERENCIAS Es miembro de CINDE, ASNT, IEEE y coeditor de la Can. Journal of
Electrical and Computing Engineering.
[1] American Society For Nondestructive Testing - ASNT, “Infrared and
Thermal Testing”, Nondestructive Handbook on Infrared Technology,
Volume 3, ASNT Handbook Series, X. Maldague technical ed., P. O.