Алгоритм определения границ монослоев композиционного материала на основе данных компьютерной томографии

Авторы

Пантелеев А. В.^*, Турбин Н. В.^**, Тучков Н. А., Талья Р. Л., Ахмедов И. А.

Московский авиационный институт (национальный исследовательский университет), 125993, г. Москва, Волоколамское шоссе, д. 4

*e-mail: avpanteleev@inbox.ru
**e-mail: turbinnv@mai.ru

Аннотация

В работе предложен алгоритм и описано программное обеспечение для автоматического определения границ монослоев в слоистых композитных материалах на основе последовательности томографических изображений. Актуальность задачи обусловлена необходимостью анализа микроструктуры композитов для оценки их механических свойств и долговечности с помощью расчетных моделей, поскольку границы монослоев затруднительно выявить традиционными методами неразрушающего контроля. Разработанный алгоритм включает шесть основных этапов: извлечение данных о включениях из каждого изображения с применением фильтров и морфологических операций, выделение надежных сегментов границ с использованием фильтра Собеля, добавление информации о трещинах и обработка данных для каждого изображения индивидуально, усреднение информации всего пакета изображений,                 построение границ монослоев с применением геометрических и эмпирических методов и финальное уточнение границ путем дополнительного цикла построения границ по всей собранной информации о монослоях. Программное обеспечение принимает на вход последовательность томографических изображений микроструктуры композита и возвращает множество векторов, описывающих координаты границ монослоев. Результаты работы представлены в виде визуализированных границ на выходных изображениях. Предложенный подход позволяет автоматизировать процесс анализа внутренней структуры композитных материалов и использовать полученные данные в расчетных моделях.

Ключевые слова:

композитный материал, монослой, компьютерная томография, фильтрация, бинаризация, морфологические преобразования

Список источников

1. Hsien J. Computed tomography: principles, design, artifacts and recent advances.- SPIE Press, 2009. 387 p.
2. Banhart J. Advanced tomographic methods in materials research and engineering.- Oxford University Press, 2008. 462 p.
3. Maire E., Withers P. Quantitative X-ray tomography. International Materials Reviews, 2014.  Vol. 59. No. 1.  P. 1-43.
4. Georgantzinos S.K. Characterization and Modelling of Composites, 1st ed.; MDPI: Basel, Switzerland, 2022.
5. Brandon D., Kaplan W.D. Microstructural characterization of materials.- John Wiley ans Sons Ltd, 2013. 560 p.
6.  Naresh K., Khan K.A. ,  Umer R., Cantwell W.J.  The use of X-ray computed tomography for design and process modeling of aerospace composites: a review. Materials & Design, 2020. Vol. 190. No. 2. p.108553. https://doi.org/10.1016/j.matdes.2020.108553
7.Yu B. et al. A comparison of different approaches for imaging cracks in composites by X-ray microtomography. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 2016. Vol. 374. No. 2071. p. 20160037.
8.  Heinzl C.,  Amirkhanov A., Kastner J.  Processing, analysis and visualization of CT data. Industrial X-Ray Computed Tomography. 2018.  P. 99–142.
9. Chen C-T., Gu G. Machine learning for composite materials. MRS Communications. 2019. V. 9. No. 2. P. 1–11.  DOI:10.1557/mrc.2019.32
10. Шапиро Л., Стокман Дж. Компьютерное зрение: Пер. с англ. – 3-е изд. – М.: БИНОМ. Лаборатория знаний, 2015. – 763 с.
11. Гонсалес Р., Вудс Р. Цифровая обработка изображений: Пер. с англ. – 3-е изд. – М.:  Техносфера, 2024. – 1104 с.
12. Suzuki S., K. Abe. Topological structural analysis of digitized binary images by border following. Computer Vision, Graphics, and Image Processing. 1985. V.30. No.1. P. 32–46.
13. Крупенин А. М. Новый метод построения кинетической диаграммы по испытаниям на скорость роста трещины усталости // Труды МАИ, 2024, №136, http://mai.ru//upload/iblock/7b3/opvl5vr4421hcpqa9g5s7yj5pgurbsyr/04_Krupenin.pdf
14. Хомяков О.О., Панищев В.С., Титов В.С., Ватутин Э.И. Математическая модель и параллельный алгоритм обработки изображений, содержащих символьную информацию // Труды МАИ. 2024. № 137. URL: https://trudymai.ru/published.php?ID=181884
15. Трусфус М.В., Абдуллин И.Н. Алгоритм обнаружения маркерных изображений для вертикальной посадки беспилотного летательного аппарата // Труды МАИ. Выпуск № 116. http://trudymai.ru/ УДК 004.932 DOI: 10.34759/trd-2021-116-13
16. Пантелеев А.В., Турбин Н.В., Тучков Н.А., Талья Р.Л., Ахмедов И.А. Методика количественной оценки степени растрескивания слоистого композита по данным компьютерной томографии // Труды МАИ. 2025. №143. URL: https://trudymai.ru/eng/ published. php?ID=185657 
17. NumPy documentation URL: https://numpy.org/doc/ (дата обращения: 19.07.2025)
18. OpenCV: OpenCV modules URL: https://docs.opencv.org/4.x/ (дата обращения: 20.07.2025)
19. Shapely // Shapely 2.1.1 documentation URL: https://shapely.readthedocs.io/en/stable/ (дата обращения: 24.07.2025).
20. SciPy // SciPy documentation URL: https://docs.scipy.org/doc/scipy/ (дата обращения: 29.07.2025).
21. Szeliski R. Computer Vision: Algorithms and Applications, 2nd ed. 2022, Springer: New York. 925 p. https://doi.org/10.1007/978-3-030-34372-9

Скачать статью