Darbe termografisinde gelişmiş kusur analizleri için çok-temsilî termal özellikler

Sıcaklıkla Gizli Kusurları Görmek

Modern uçaklar, otomobiller ve köprüler, içleri açılmadan incelenmesi gereken karmaşık malzemelerden üretilir. Kızılötesi kameralar mühendislerin yüzeyin altındaki gizli kusurları açığa çıkaran ısıl desenleri “görmesini” zaten sağlar. Bu makale, bu termal parmak izlerini daha akıllıca okuyup küçük kusurları daha güvenilir şekilde bulmayı ve yüzey altındaki derinliklerini şaşırtıcı bir doğrulukla tahmin etmeyi sağlayan PT-Fusion adlı bir yöntemi tanıtıyor.

Isı Gözü Görmeyeni Nasıl Ortaya Çıkarır

Darbe termografisi basit bir fikir: kısa, yoğun bir ışık flaşı parçanın yüzeyini kısa süreliğine ısıtır ve bir kızılötesi kamera ısının zaman içinde nasıl yayıldığını ve söndüğünü kaydeder. Malzeme sağlamsa ısı düzgün akar. Yüzeyin altında boşluk veya çatlak varsa ısı sıkışır ya da yön değiştirir ve yüzeyde ince bir sıcaklık bozukluğu oluşur. Bu sıcaklık değişimlerinin kısa bir filmini analiz ederek, müfettişler bileşeni delmeden, kesmeden veya zarar vermeden sorunları tespit edebilirler.

Mevcut Termal Haritaların Kaçırdığı Bilgi

Ham termal filmler büyük ve gürültülüdür; bu yüzden mühendisler bunları yapay zekaya vermeden önce daha kompakt görüntülere özetlemek için matematiksel yöntemler kullanır. En popüler özetlerden ikisi, kusurların görsel kontrastını keskinleştiren Temel Bileşen Termografisi (PCT) ve her pikselin sıcaklığının zaman içindeki evrimini vurgulayan Termografik Sinyal Yeniden Yapımı (TSR)dir. Çoğu mevcut muayene sistemi bunlardan birini seçer ya da basitçe fazladan kanallar olarak üst üste koyar. Bu yaklaşım israf çıkıyor: her görünüm kusurların nerede olduğu ve ne kadar derinde bulunduğu konusunda farklı, tamamlayıcı ipuçları içerir, ancak geleneksel sinir ağları bunları akıllıca birleştirmeyi öğrenmeye yönlendirilmez.

Termal İpuçlarını Daha Akıllıca Harmanlamak

PT-Fusion sistemi bu farklı termal görünümleri özel olarak birleştirmek üzere tasarlanmıştır. Bir dalı PCT görüntülerine, diğer dalı TSR görüntülerine adanmış iki paralel işlem şubesi kullanır; her biri kendi görünümünde özellikle belirgin olan desenleri çıkarır. Kilit aşamalarda özel füzyon modülleri devreye girer. Adaptif Ağırlıklandırma Füzyon Kapısı, piksel bazında hangi dalın ne kadar güvenilir olduğunu belirlerken; Kapı Destekli Geliştirilmiş Kod Çözme Bloğu, füzyonlanmış bilgiyi son tahminleri üreten yeniden yapılandırma katmanlarına nazikçe enjekte eder. Veri akışlarını körü körüne birleştirmek yerine ağ, hangi temsilin hangi bölgede daha bilgilendirici olduğunu öğrenir ve bunları dengeler.

Sınırlı Test Verisinden En İyi Şekilde Yararlanmak

Yüksek kaliteli termografi deneyleri pahalı ve zaman alıcıdır; bu yüzden büyük etiketli veri kümeleri nadirdir. Bunu aşmak için yazarlar termal filmlere uyarlanmış uzaysal-zamansal veri arttırma stratejisi geliştirir. Yalnızca görüntüleri döndürmek veya kaydırmak yerine, her dizideki kareleri rastgele örnekleyerek farklı ısıtma ve soğuma geçmişlerini taklit ederler ve gerçek kamera artefaktlarını benzetmek için kontrollü gürültü eklerler. Bu değiştirilmiş dizilerden yeni PCT ve TSR görüntüleri hesaplanır; böylece altta yatan ısı difüzyonu fiziğini korurken çeşitlilik büyük ölçüde artar. Bu daha zengin eğitim verisi PT-Fusion’un küçük bir örnek setini ezberlemek yerine sağlam desenleri öğrenmesine yardımcı olur.

Daha Keskin Haritalar ve Daha Güvenilir Derinlikler

Araştırmacılar PT-Fusion’u bilinen derinliklerde yapay yüzeyaltı delikler içeren plastik numunelerden oluşan halka açık bir veri kümesinde test ederler. İki görev değerlendirirler: her pikseli bir derinlik sınıfına atamak ve hem kusur/ kusur yok etiketlemesi hem de sürekli derinlik tahmini yapmayı aynı anda gerçekleştirmek. PT-Fusion, U-Net ve 3D-CNN gibi klasik konvolüsyonel ağlardan daha doğru şekilde kusurları segmentlemenin yanı sıra, çok daha az parametre kullanırken daha ağır dönüştürücü (transformer) tabanlı modellerle rekabet eder ve daha hızlı çalışır. Tahmin edilen derinlikleri gerçek değerleri yakından takip eder; ortalama hatalar çok küçüktür. Önemli olarak, bir kusur şekli (örneğin kareler) ile eğitilip başka bir şekil (daireler) üzerinde test edildiğinde dahi sistem iyi performans gösterir; bu da yalnızca konturları ezberlemek yerine ısı akışı fiziğini öğrendiğini gösterir.

Daha Güvenli Yapılar İçin Ne Anlama Geliyor

Uzman olmayanlar için ana mesaj şudur: PT-Fusion termal görüntülemeyi kritik yapıları korumada daha güçlü ve güvenilir bir araç haline getirir. İki farklı ısıl bakış açısını akıllıca birleştirip fizik-bilinçli veri arttırma ile kıt veriyi zenginleştirerek, yöntem kusurları daha net tespit edebilir ve yüzey altındaki derinliklerini daha doğru değerlendirebilir. Bu tür ilerlemeler, uçak parçaları, boru hatları ve diğer hayati bileşenleri sessizce izleyebilecek hızlı, otomatik muayene hatlarına bizi yaklaştırır—gizli sorunları erken yakalayarak parçaları parçalamaya gerek kalmadan müdahale etmeyi mümkün kılar.

Atıf: Salah, M., Werghi, N., Svetinovic, D. et al. Multi-representation thermal features for enhanced defect analysis in pulse thermography. Sci Rep 16, 12926 (2026). https://doi.org/10.1038/s41598-026-42031-y

Anahtar kelimeler: kızılötesi termografi, yıkımsız muayene, derin öğrenme muayenesi, yüzeyaltı kusur tespiti, darbe termografisi