Detección mediante visión computacional del grado de orientación de fibra en material compuesto
Barra lateral del artículo
Contenido principal del artículo
Resumen
En la actualidad, el conocimiento preciso de las propiedades mecánicas de los materiales permite que estos sean utilizados de manera más eficiente, con la consecuente reducción de recursos durante su fabricación y del peso final de los componentes. En materiales compuestos reforzados con fibra larga, la capacidad para predecir y corregir desviaciones en la alineación de la fibra durante las etapas de fabricación del material resulta especialmente conveniente en el contexto de la industria 4.0.
En este trabajo se muestran los avances en la monitorización y detección de la orientación de la fibra en compuestos termoplásticos y termoestables reforzados con fibra larga. Se describe una metodología que permite analizar la distribución de la orientación de la fibra en una región extensa del material. El empleo de visión artificial y algoritmos de procesado de imágenes permiten monitorizar el grado de orientación de la fibra de un determinado tejido, en las distintas etapas del proceso de fabricación. De forma previa a la fabricación, pueden detectarse regiones con orientaciones inadecuadas, con el objetivo de corregirlas. Tras la fabricación, la metodología permite estimar las propiedades mecánicas finales que tendrá un laminado con una determinada distribución de orientaciones.
Los resultados han mostrado una elevada capacidad de detección en los materiales analizados. Ha permitido señalar aquellas hebras o fibras con desalineaciones superiores a un cierto umbral y evaluar los resultados de forma estadística, permitiendo comparar el grado de orientación de distintos materiales. Su potencial aplicación en la industria permitirá reducir la subjetividad de las operaciones manuales con el consecuente aumento del rendimiento de los materiales fabricados.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
CC BY-NC-SA 4.0)
El lector puede compartir, copiar y redistribuir el material en cualquier medio o formato, siempre y cuando cumpla con las siguientes condiciones:
-
Atribución (BY): Debe dar crédito adecuado al autor original, proporcionando un enlace a la licencia y señalando si se han realizado cambios.
-
No Comercial (NC): No puede utilizar el material con fines comerciales. Esto significa que no puede venderlo ni obtener ganancias directas de su uso.
-
Compartir Igual (SA): Si adapta, transforma o construye sobre el material, debe distribuir sus contribuciones bajo la misma licencia que el original.
Recuerda que esta licencia no afecta los derechos legales del autor, como el derecho moral o las excepciones de uso justo.
Citas
S. H. Kamarudin et al., “A Review on Natural Fiber Reinforced Polymer Composites (NFRPC) for Sustainable Industrial Applications,” Polymers (Basel), vol. 14, no. 17, 2022, doi: 10.3390/polym14173698.
D. Hull, Materiales compuestos. Liverpool, 2010.
R. A. Balart Gimeno, L. J. Quiles Carrillo, N. Montañés Muñoz, T. Boronat Vitoria, and O. Á. Fenollar Gimeno, “Anisotropía en materiales. Efecto del ángulo de orientación de la fibra en las propiedades elásticas de una lámina de material compuesto,” 2019, Accessed: Feb. 12, 2025. [Online]. Available: https://riunet.upv.es:443/handle/10251/122056
E. M. Safwat, A. G. A. Khater, A. G. Abd-Elsatar, and G. A. Khater, “Glass fiber-reinforced composites in dentistry,” Bull Natl Res Cent, vol. 45, no. 1, p. 190, 2021, doi: 10.1186/s42269-021-00650-7.
R. A. Smith, “Composite Defects and their detection,” Materials Science and Engineering, vol. III, p. 14, 2011, [Online]. Available: http://www.desware.net/sample-chapters/d07/E6-36-04-03.pdf
F. Gommer, A. Endruweit, and A. C. Long, “Quantification of micro-scale variability in fibre bundles,” Compos Part A Appl Sci Manuf, vol. 87, pp. 131–137, 2016, doi: https://doi.org/10.1016/j.compositesa.2016.04.019.
J.-A. Almazán-Lázaro, E. López-Alba, and F.-A. Díaz-Garrido, “Improving Composite Tensile Properties during Resin Infusion Based on a Computer Vision Flow-Control Approach,” Materials, vol. 11, no. 12, p. 2469, 2018, doi: 10.3390/ma11122469.
J.-A. L.-A. E. D.-G. F.-A. Almazán-Lázaro, “Optimización De Propiedades Mecánicas Mediante El Control De La Velocidad De Impregnación En Procesos De Infusión,” in XIV Congreso Nacional de Materiales Compuestos, Sevilla: AEMAC, 2022.
J.-A. Almazán-Lázaro, E. López-Alba, and F.-A. Díaz-Garrido, “The mechanical effect of monitoring and controlling the impregnation in the resin infusion process,” Composite Polymers. Status: In production, 2022, doi: https://doi.org/10.1002/pc.26507.
J.-A. Almazán-Lázaro, E. López-Alba, and F.-A. Díaz-Garrido, “Applied computer vision for composite material manufacturing by optimizing the impregnation velocity: An experimental approach,” J Manuf Process, vol. 74, pp. 52–62, 2022, doi: https://doi.org/10.1016/j.jmapro.2021.11.063.
S. C. Barwick and T. D. Papathanasiou, “Identification of fiber misalignment in continuous fiber composites,” Polym Compos, vol. 24, no. 3, pp. 475–486, 2003, doi: https://doi.org/10.1002/pc.10046.
C. Ríos-Soberanis, M. Pacheco-Cardín, J. Carlos Canto-Pinto, and E. Pérez-Pacheco, “Efecto de la densidad de fibras en las propiedades mecánicas de materiales compuestos reforzados,” Multidisciplinas de la Ingeniería, vol. 10, no. 16, 2022, [Online]. Available: http://www.multidisciplinasdelaingenieria.comhttp://www.multidisciplinasdelaingenieria.comFIME-UANL
S. Zhang, J. A. W. van Dommelen, and L. E. Govaert, “Micromechanical Modeling of Anisotropy and Strain Rate Dependence of Short-Fiber-Reinforced Thermoplastics,” Fibers, vol. 9, no. 7, 2021, doi: 10.3390/fib9070044.
R. Lange and G. Mook, “Structural analysis of CFRP using eddy current methods,” NDT & E International, vol. 27, no. 5, pp. 241–248, 1994, doi: https://doi.org/10.1016/0963-8695(94)90128-7.
T. Baranowski et al., “Local fiber orientation from X-ray region-of-interest computed tomography of large fiber reinforced composite components,” Compos Sci Technol, vol. 183, p. 107786, 2019, doi: https://doi.org/10.1016/j.compscitech.2019.107786.
Hai Zhang et al., “Infrared Thermography and X-Ray Tomography for Non-Destructive Evaluation of Micro-defects in CFRP,” in 1st QIRT Asia Conference on Quantitative Infrared Thermography, Mahabalipuram, India, 2015.
L. Chiominto, G. D’Emilia, and E. Natale, “Using Light Polarization to Identify Fiber Orientation in Carbon Fiber Components: Metrological Analysis,” Sensors, vol. 24, no. 17, 2024, doi: 10.3390/s24175685.
J. Jodhani, A. Handa, A. Gautam, Ashwni, and R. Rana, “Ultrasonic non-destructive evaluation of composites: A review,” Mater Today Proc, vol. 78, pp. 627–632, 2023, doi: https://doi.org/10.1016/j.matpr.2022.12.055.
M. Wu, C. Li, and Z. Yao, “Deep Active Learning for Computer Vision Tasks: Methodologies, Applications, and Challenges,” Applied Sciences, vol. 12, no. 16, 2022, doi: 10.3390/app12168103.
L. Zhang et al., “The development of machine vision and its applications in different industries: A review,” Mechanical Engineering Advances, vol. 2, no. 2, p. 1746, Nov. 2024, doi: 10.59400/mea.v2i2.1746.
V. Gorodokin, S. Zhankaziev, E. Shepeleva, K. Magdin, and S. Evtyukov, “Optimization of adaptive traffic light control modes based on machine vision,” Transportation Research Procedia, vol. 57, pp. 241–249, 2021, doi: https://doi.org/10.1016/j.trpro.2021.09.047.
G. Roggi, A. Niccolai, F. Grimaccia, and M. Lovera, “A Computer Vision Line-Tracking Algorithm for Automatic UAV Photovoltaic Plants Monitoring Applications,” Energies (Basel), vol. 13, no. 4, 2020, doi: 10.3390/en13040838.
O. Döbrich and C. Brauner, “Machine vision system for digital twin modeling of composite structures,” Front Mater, vol. 10, 2023, doi: 10.3389/fmats.2023.1154655.
B. Pourdeyhimi, R. Dent, and H. Davis, “Measuring Fiber Orientation in Nonwovens Part III: Fourier Transform,” Textile Research Journal, vol. 67, no. 2, pp. 143–151, 1997, doi: 10.1177/004051759706700211.
J. Hou, T. Wang, J. Xu, and M. Cao, “Yarn Angle Detection of Glass Fiber Plain Weave Fabric Based on Machine Vision,” Applied Sciences, vol. 14, no. 7, 2024, doi: 10.3390/app14072937.
F. Ding, B. Wang, Q. Zhang, and A. Wang, “Research on a Vehicle Recognition Method Based on Radar and Camera Information Fusion,” Technologies (Basel), vol. 10, no. 4, 2022, doi: 10.3390/technologies10040097.
V. Phunpeng, K. Saensuriwong, T. Kerdphol, and P. Uangpairoj, “The Flexural Strength Prediction of Carbon Fiber/Epoxy Composite Using Artificial Neural Network Approach,” Materials, vol. 16, no. 15, 2023, doi: 10.3390/ma16155301.
P. B. Sanvezzo and M. C. Branciforti, “Recycling of industrial waste based on jute fiber-polypropylene: Manufacture of sustainable fiber-reinforced polymer composites and their characterization before and after accelerated aging,” Ind Crops Prod, vol. 168, p. 113568, 2021, doi: https://doi.org/10.1016/j.indcrop.2021.113568.
J. Shen, X. Li, and X. Yan, “Mechanical and Acoustic Properties of Jute Fiber-Reinforced Polypropylene Composites,” ACS Omega, vol. 6, no. 46, pp. 31154–31160, Nov. 2021, doi: 10.1021/acsomega.1c04605.
W. Xiaoxiao, N. S. Beng, R. Wirza bt O. K. Rahmat, and P. Suhaiza binti Sulaiman, “A Review of Machine Vision Pose Measurement,” May 31, 2023. doi: 10.20944/preprints202305.2164.v1.
R. R. Jose, R. Elia, M. A. Firpo, D. L. Kaplan, and R. A. Peattie, “Seamless, axially aligned, fiber tubes, meshes, microbundles and gradient biomaterial constructs,” J Mater Sci Mater Med, vol. 23, no. 11, pp. 2679–2695, 2012, doi: 10.1007/s10856-012-4739-7.