Dans cette section, vous trouverez des informations sur des applications spécifiques du logiciel Dragonfly, illustrées par des exemples susceptibles de correspondre à votre domaine d’intérêt. Actuellement, nos notes d’application sont uniquement disponibles en anglais.
Si vous ne trouvez pas votre application ici, n’hésitez pas à nous contacter afin que nous puissions vous montrer ce que Dragonfly peut accomplir dans votre domaine. Chaque note d’application est accompagnée d’une courte vidéo explicative sur YouTube pour vous guider dans une utilisation optimale du logiciel.
Pharmaceutique
Étude de cas : une capsule de vitamine C
L’imagerie aux rayons X par tomographie (CT) permet d’évaluer la qualité des produits pharmaceutiques. Certaines mesures spécifiques peuvent être d’intérêt, par exemple la distribution de l’épaisseur de la capsule, la distribution de la taille des particules d’ingrédients ou l’homogénéité des composants. Il peut également être important de vérifier la présence de défauts inattendus, tels que des fissures ou des inclusions/contaminations. Dans cette note d’application, nous présentons les capacités de segmentation et d’analyse des capsules pharmaceutiques à l’aide du logiciel Dragonfly 3D World. La segmentation basée sur l’apprentissage profond est particulièrement utile dans ce contexte.
Analyse de porosité/vides
Analyse rapide de la porosité des pièces de fonderie
La tomographie (CT) aux rayons X permet une évaluation détaillée de la qualité des pièces de fonderie. La porosité, sa distribution et son étendue en trois dimensions présentent un intérêt particulier. Comme cette analyse est souvent réalisée de manière ponctuelle dans les fonderies, un débit élevé est nécessaire, ce qui rend essentiel l’emploi d’une méthode de traitement d’images 3D simple et rapide. Dans cette note d’application, nous présentons trois méthodes simples (et rapides!) offertes dans Dragonfly 3D World, qui peuvent toutes être automatisées à l’aide de macros. Elles sont démontrées sur trois pièces de fonderie différentes, représentatives de cas typiques, présentant divers niveaux de porosité. Le temps d’analyse par macro est indiqué dans chaque cas. Cette méthode peut également être appliquée de façon identique à tout autre type d’échantillon présentant une porosité fermée (interne).
Analyse automatisée de la porosité avec Dragonfly Basic pour les pièces fabriquées par fabrication additive
Cette note d’application présente quelques cas simples où l’analyse de la porosité est possible grâce aux outils de segmentation automatisée dans Dragonfly 3D World. En particulier, ces trois exemples utilisent tous la méthode de porosité automatisée – Otsu avancée. Cette méthode s’applique aux cas de scans CT simples à matériau unique : le seuil est alors déterminé automatiquement selon la méthode d’Otsu, en se basant sur toutes les valeurs de gris de la pièce et des pores internes, tout en excluant l’espace aérien externe. Cela permet souvent une segmentation simple et précise de la plupart des types de porosité, y compris celle observée en fabrication additive. La segmentation est ensuite utilisée pour calculer la taille des pores et bien plus encore.
Analyse de l’épaisseur des parois
Analyse locale de l’épaisseur des parois sur un seul montant de treillis fabriqué par fabrication additive
Cette note d’application utilise l’exemple d’un scan CT aux rayons X haute résolution d’un seul montant de treillis pour démontrer l’analyse locale de l’épaisseur des parois à l’aide de deux méthodes différentes dans Dragonfly 3D World. L’analyse de l’épaisseur des parois est utile pour comprendre l’épaisseur locale des pièces fabriquées en général. Cependant, les pièces issues de la fabrication additive comportent souvent des particules attachées à la surface, ce qui peut masquer l’épaisseur réelle en produisant de petites valeurs locales d’épaisseur correspondant aux particules. Cette note d’application présente les deux méthodes et explique comment elles peuvent être appliquées afin d’obtenir différents types d’informations.
Écart par rapport à la conception
Analyse des écarts pour les pièces fabriquées par fabrication additive avec Dragonfly 3D World
Cette note d’application porte sur l’analyse des écarts — également connue sous le nom de comparaison nominale-réelle, analyse des écarts pièce à pièce ou comparaison 3D. Elle permet de visualiser les écarts entre deux pièces bien alignées dans l’espace 3D, en utilisant un code couleur pour mettre en évidence l’ampleur de l’écart. Dans Dragonfly 3D World, cette analyse est réalisée à l’aide d’une fonction appelée « carte des écarts signés » et s’applique aux représentations maillées des ensembles de données « avant » et « après ». Deux exemples sont utilisés pour illustrer cette approche : un échantillon de structure en treillis frappé plusieurs fois avec un marteau afin d’induire des dommages (comparaison pièce à pièce); un support déformé lors de la fabrication, comparé à son intention de conception (comparaison pièce à conception).
Mesure dimensionnelle et inspection
Inspection des batteries pour les distances de surplomb à l’aide de l’apprentissage profond
L’inspection aux rayons X par tomographie (CT) permet d’évaluer la qualité des batteries et s’avère particulièrement utile pour les batteries au lithium-ion. La CT facilite la vérification des vides, fissures, délaminations et distances de surplomb entre les composants anode et cathode. Dans cette note d’application, nous présentons les capacités d’inspection des batteries par CT à l’aide du logiciel Dragonfly. En particulier, un modèle d’apprentissage profond est entraîné pour segmenter automatiquement les surplombs.
Inspection of printed circuit boards (PCBs)
X-ray inspection by computed tomography (CT) allows for the quality evaluation of printed circuit boards (PCBs). This is a routine method to inspect and quantify the presence of voids, cracks, broken connections, bridges, and typical PCB flaws. In this application note, we showcase the electronics inspection capabilities of CT using Dragonfly software.
Solutions d’Deep Learning
Solution IA de Dragonfly pour l’analyse de la microporosité en fabrication additive
Dans cette note d’application, l’accent est mis sur la microporosité en fabrication additive et sur les défis liés à sa détection dans les images CT. Les scans CT ne sont souvent pas parfaits, ce qui entraîne des zones claires et foncées variables dans le matériau. Cela complique, voire empêche, la segmentation correcte des petites porosités avec les méthodes traditionnelles de segmentation d’images. Ici, nous présentons deux exemples montrant comment la segmentation par IA peut résoudre ce problème.
Tout ce que vous avez toujours voulu savoir sur l’apprentissage profond de Dragonfly sans jamais oser le demander
Cette note d’application explore en profondeur les capacités d’apprentissage profond de Dragonfly, en abordant trois idées reçues courantes sur la technologie et en couvrant les applications les plus fréquentes des données d’imagerie par tomographie (CT) : la segmentation d’images, l’amélioration d’images et la super-résolution. La note d’application répond également à certaines questions fréquemment posées sur la technologie et inclut un glossaire de termes utiles pour référence future.
Analyse des mousses et matériaux cellulaires
Caractérisation d’une structure en treillis fabriquée par fabrication additive avec Dragonfly 3D World
Dans cette note d’application, une analyse complète et détaillée d’une structure en treillis fabriquée par fabrication additive est présentée. Cela inclut des mesures de base des fractions volume matériau/air ainsi que des mesures avancées telles que l’épaisseur des montants, la microporosité du matériau, les sphères maximales de macroporosité, l’analyse statistique et plus encore.
CND industriel (Industrial NDT)
Inspection industrielle des pièces de fonderie
Cette note d’application illustre les applications les plus courantes pour l’inspection industrielle des pièces métalliques de fonderie, des pièces moulées par injection, du béton ou de toute pièce manufacturée nécessitant un contrôle de qualité.
Segmentation des aubes de turbine à l’aide de l’apprentissage profond
L’inspection industrielle des aubes de turbine joue un rôle essentiel dans les secteurs de la production d’énergie et de l’aérospatiale, que ce soit pour le contrôle de qualité en fabrication ou pour l’évaluation de l’usure au fil du temps. La défaillance d’une aube de turbine en cours de fonctionnement peut entraîner des dommages considérables et un risque pour la vie humaine, ce qui rend leur inspection d’une importance capitale. Cependant, les aubes de turbine posent un défi pour l’inspection basée sur la tomographie (CT) en raison de leur densité et de leur géométrie, qui peuvent provoquer des artéfacts d’image et rendre l’évaluation quantitative difficile avec les outils traditionnels d’analyse d’images.
Détection et évaluation des fissures
La détection des fissures à l’aide de la tomographie (CT) aux rayons X non destructive est l’une des principales capacités qui rendent cette technique utile pour les applications industrielles. La présence de fissures ou de défauts plans, comme les délaminations dans des composants d’ingénierie, constitue un problème majeur pour la performance continue des systèmes critiques dans les secteurs de l’énergie, de l’aérospatiale et d’autres industries. Les fissures dans des composants structurels peuvent entraîner des défaillances de systèmes, des arrêts de production, des coûts de réparation élevés et même des pertes de vies humaines. De nombreux outils de CND sont disponibles pour la détection des fissures, et la CT est de plus en plus utilisée à cette fin en raison de sa grande sensibilité. Elle fonctionne sur tous les types de matériaux et permet une caractérisation complète de l’emplacement et de l’étendue de la fissure dans l’échantillon, offrant un contexte spatial et des informations quantitatives.
Fabrication additive (Additive Manufacturing)
Contrôle de qualité d’une pièce de fabrication additive
La fabrication additive (FA) transforme la manière dont les composants destinés à divers secteurs, notamment l’aérospatiale et le médical, sont produits. Avec ces nouvelles technologies apparaissent de nouveaux défis d’inspection, et la CT est souvent utilisée pour cette application en raison de sa grande sensibilité à détecter les défauts et imperfections typiques de la FA. Dans cette note d’application, nous présentons une pièce test en métal issue de la fabrication additive contenant certains des défauts typiques recherchés lors de telles inspections : fissures, poudres piégées et porosités.
Caractérisation des poudres pour la Additive Manufacturing
La Additive Manufacturing utilisant de la poudre métallique comme matière première est la méthode la plus couramment utilisée dans l’industrie. Il est désormais largement reconnu que la qualité de la poudre est essentielle pour assurer une fabrication de haute qualité. Il existe de nombreuses façons de tester et de caractériser les poudres — chacune comportant certaines limites et hypothèses. La tomographie (CT) aux rayons X est de plus en plus utilisée en raison de sa capacité à fournir une information morphologique 3D complète, en plus de l’identification simple de contaminations ou d’irrégularités excessives qui peuvent être manquées par d’autres méthodes. Cette note d’application présente certaines des capacités de Dragonfly pour ce type d’échantillon.
Écart CAO d’un support en Additive Manufacturing
L’Additive Manufacturing (AM) permet de produire des géométries complexes uniques, mais celles-ci ne suivent pas toujours parfaitement l’intention de conception. Ces écarts peuvent être dus à une déformation causée par les hautes températures et les contraintes résiduelles induites dans le matériau, à des erreurs dimensionnelles liées au parcours d’outil ou au matériel de balayage AM, ou encore à des erreurs de découpage du modèle CAO. D’autres erreurs imprévues peuvent également survenir, ce qui rend nécessaire l’évaluation de la géométrie par rapport à l’intention de conception — une approche couramment appelée CAD deviation, comparaison nominale-réelle ou cartes d’écarts 3D.