Aplicación de análisis de microfracturas para prevención de fracturas por fatiga en materiales mediante pruebas no destructivas

Objective: Determine, establish, and verify methodologies and fields of study towards precise prediction procedures for the prevention of fatigue fractures in industrial materials, through the development of microfractures and the use of non-destructive tests. Methodology: Fatigue tests must be implemented in materials for industrial use, employing universal mechanical testing machines capable of carrying out fatigue stresses. In terms of the use of non-destructive analysis equipment, for the study of microfractures in materials we used an X-ray computer-assisted tomography system. The detection of microfractures was done through image processing with a convolutional neural network trained by deep learning. Subsequently, by means of image processing, the microfracture is isolated. The images that do contain this feature are interpreted by image processing to obtain their area, perimeter, characteristic length, circularity, orientation, and type of microfracture metrics. Results: We settled bases for an entirely new and innovative field of study for future fatigue fracture prevention models on a 3-D assessment of microdamage, in which even a novel characteristic volume concept may be proposed and used for further procedures and approaches towards the prevention of fatigue fracture development in materials. Objetivo: Determinar, establecer y verificar metodologías y campos de estudio hacia procedimientos de predicción precisos para la prevención de fracturas por fatiga en materiales industriales, mediante el desarrollo de microfracturas y el uso de ensayos no destructivos. Metodología: Se implementan ensayos de fatiga en materiales de uso industrial, utilizando máquinas de ensayo mecánicas universales capaces de realizar esfuerzos de fatiga. En cuanto al uso de equipos de análisis no destructivo, se utilizó un sistema de tomografía computarizada de rayos X para estudiar microfracturas en materiales. La detección de microfracturas se realizó mediante procesamiento de imágenes con una red neuronal convolucional entrenada mediante aprendizaje profundo. Posteriormente, se aísla la microfractura mediante procesamiento de imágenes. Las imágenes que contienen esta característica se interpretan mediante procesamiento de imágenes para obtener sus métricas de área, perímetro, longitud de la característica, circularidad, orientación y tipo de microfractura. Resultados: Hemos sentado las bases para un campo de estudio completamente nuevo e innovador para futuros modelos