⚡ electrical engineering

Crack Detection Methods of Metal Plates Based on Time-Series Acoustic Images and Deep Learning Algorithm

Este artículo propone un método de detección de grietas para placas metálicas que convierte señales acústicas multicanal en imágenes acústicas de series temporales y utiliza un modelo transformer ligero para lograr una detección altamente precisa y eficiente de grietas con diversas posiciones y longitudes.

Autores originales: Xiaozheng Zhang, Jia Li, Lu Zhu, Shuai Wang

Publicado 2026-09-09

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xiaozheng Zhang, Jia Li, Lu Zhu, Shuai Wang

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Las placas metálicas son las trabajadoras silenciosas de la ingeniería moderna, formando las pieles de las aeronaves, los marcos de los puentes y los cascos de los barcos. Con el tiempo, estas estructuras soportan tensiones, vibraciones e impactos, lo que puede provocar la aparición de diminutas fracturas. Si no se detectan, estas grietas pueden crecer, provocando fallos catastróficos. Durante décadas, los ingenieros han dependido de métodos que requieren tocar el metal o utilizar equipos costosos y voluminosos para encontrar estos defectos. Sin embargo, un nuevo enfoque sugiere que el propio metal podría ser capaz de decirnos dónde está roto, simplemente escuchando el sonido que emite. Cuando una placa de metal vibra, irradia ondas sonoras al aire. El patrón de este sonido cambia dependiendo del estado de salud del metal; una grieta interrumpe el flujo de energía, creando una firma acústica única. Al capturar estos patrones de sonido y analizarlos con programas informáticos avanzados, es posible localizar daños sin llegar a tocar la superficie.

Un equipo de investigadores de la Universidad de Tecnología de Hefei ha desarrollado un método para hacer precisamente esto, convirtiendo el sonido en un mapa visual que un ordenador pueda leer. En lugar de escuchar un solo micrófono, utilizaron una matriz de veinticuatro micrófonos dispuestos en una cuadrícula para capturar el sonido de una placa de metal que vibra. Esta configuración les permitió registrar no solo la intensidad del sonido, sino también cómo se movían las ondas sonoras a través de la superficie a lo largo del tiempo. Los investigadores tomaron estas grabaciones y las transformaron en una secuencia de imágenes, creando lo que llaman "imágenes acústicas de series temporales". Imagine una película donde cada fotograma muestra la presión sonora en la placa en un momento específico, con colores que representan la intensidad del sonido. Al apilar veinte de estos fotogramas, crearon un conjunto de datos tridimensional que captura tanto la disposición espacial del sonido como su evolución en el tiempo. Esta representación visual permite ver exactamente dónde se distorsiona el campo sonoro debido a una grieta.

Para probar esta idea, el equipo realizó primero simulaciones detalladas por ordenador de placas metálicas con grietas de diferentes longitudes y en diferentes posiciones. Generaron miles de estas imágenes acústicas de series temporales, creando un conjunto de datos que incluía placas sin grietas, placas con grietas pequeñas y placas con grietas más grandes. Luego, introdujeron estas imágenes en tres tipos diferentes de modelos de inteligencia artificial para ver cuál podía identificar mejor el daño. El primer modelo era una red de aprendizaje profundo estándar diseñada para procesar datos similares a un vídeo. El segundo era un modelo más complejo conocido como Transformer, famoso por su capacidad para comprender las relaciones entre diferentes partes de una secuencia. El tercero era una versión simplificada del Transformer, diseñada para ser mucho más pequeña y rápida manteniendo la misma inteligencia.

Los resultados demostraron que, si bien la red estándar podía encontrar las grietas la mayor parte del tiempo, tenía dificultades con la precisión, identificando correctamente el daño en solo el 95 por ciento de los casos de prueba. El modelo Transformer más grande, sin embargo, alcanzó una precisión perfecta, identificando correctamente cada una de las grietas en la simulación. El hallazgo más significativo, no obstante, provino de la versión ligera del Transformer. A pesar de tener muchos menos componentes internos y requerir mucha menos potencia de cálculo, este modelo más pequeño también alcanzó una precisión del 100 por ciento. Demostró que el sistema no necesitaba un ordenador masivo y de gran consumo de recursos para funcionar; un diseño más simple y eficiente era suficiente para detectar las sutiles distorsiones causadas por una grieta. Los investigadores confirmaron esto visualizando cómo los modelos "veían" los datos, mostrando que el modelo ligero podía separar claramente los patrones de sonido de una placa agrietada de los de una placa sana.

Para asegurar que este método funcionara en el mundo real, y no solo en un ordenador, el equipo construyó un experimento físico. Utilizaron una placa de acero de 450 milímetros por 450 milímetros y crearon grietas reales en ella mediante un corte por láser. Colocaron la placa en un bastidor y la hicieron vibrar, utilizando su matriz de micrófonos para capturar el sonido. Tal como ocurrió en las simulaciones, convirtieron los datos de sonido en imágenes acústicas de series temporales y los introdujeron en su modelo ligero. El sistema identificó con éxito grietas de diversas longitudes y en diferentes ubicaciones de la placa con una precisión del 100 por ciento. El modelo fue capaz de distinguir entre una grieta cerca del borde y una en el medio, así como de diferenciar entre una grieta de 10 milímetros y una de 20 milímetros. Esto demostró que el método es lo suficientemente robusto como para manejar las variaciones reales de sonido y estructura.

El estudio concluye que escuchar una placa de metal y convertir ese sonido en una imagen en movimiento es una forma altamente eficaz de encontrar grietas. Los investigadores descubrieron que el campo acústico cambia de una manera predecible cuando hay una grieta presente, y estos cambios son lo suficientemente distintos como para que un ordenador los reconozca. Si bien las pruebas actuales se realizaron en un entorno controlado y silencioso, el éxito del modelo ligero sugiere que la tecnología podría adaptarse eventualmente para su uso en entornos industriales ruidosos. La capacidad de detectar daños con tal precisión mediante un método sencillo y sin contacto ofrece un camino prometedor hacia un mantenimiento más seguro y eficiente de las estructuras metálicas críticas. El trabajo confirma que el sonido que emite una estructura es un indicador fiable de su estado de salud y que, con las herramientas adecuadas, podemos aprender a leer ese lenguaje con una claridad perfecta.

Resumen Técnico: Métodos de detección de grietas en placas metálicas basados en imágenes acústicas de series temporales y algoritmos de aprendizaje profundo

Planteamiento del problema
Las placas metálicas son componentes estructurales críticos en la ingeniería; sin embargo, son susceptibles a la formación de grietas debido a errores de procesamiento, impactos externos, vibraciones de alta intensidad y fatiga. Las grietas no detectadas pueden provocar fallos en los equipos o daños estructurales catastróficos. Aunque existen métodos de detección existentes (basados en sensores, infrarrojos, ultrasonidos, radiografía), estos suelen sufrir de una alta dependencia de equipos y operadores, baja eficiencia, altos costes y limitaciones respecto a las mediciones de contacto. Además, el análisis tradicional de señales acústicas mediante un solo micrófono tiene dificultades para detectar con precisión grietas de diversas posiciones y longitudes. Este estudio aborda la necesidad de un método de no contacto, eficiente y preciso para detectar grietas en placas metálicas mediante el aprovechamiento de las características temporales y espaciales de los campos de sonido radiados.

Metodología
La metodología propuesta integra la adquisición de señales acústicas, la generación de imágenes y la clasificación mediante aprendizaje profundo a través de los siguientes pasos:

Adquisición de datos y generación de imágenes:
- Excitación y medición: Las placas metálicas son excitadas por fuerzas de diversas frecuencias. Una matriz de micrófonos (24 micrófonos en experimentos, simulados en estudios numéricos) captura señales de presión sonora multicanal.
- Imágenes acústicas de series temporales: Las señales multicanal se convierten en imágenes acústicas tridimensionales de series temporales. Estas imágenes representan mapas de amplitud de presión sonora en un plano de medición en instantes de tiempo secuenciales (20 fotogramas por muestra).
- Visualización: Los valores de amplitud se mapean al espacio de color RGB (0–255) para normalizar los datos y mejorar el contraste de la textura, resultando en muestras de tamaño $3 \times 20 \times 200 \times 200$ (canales $\times$ tiempo $\times$ altura $\times$ anchura).
- Simulación vs. Experimento: Simulaciones numéricas utilizando métodos de elementos finitos acústicos y de elementos de frontera generaron el conjunto de datos inicial. Se realizaron experimentos físicos utilizando placas de acero Q235 con grietas cortadas por láser de diversas longitudes (10, 15, 20 mm) y posiciones, medidos en una cámara anecoica.
Construcción del modelo de aprendizaje profundo:
Se construyeron y compararon tres arquitecturas de redes neuronales para clasificar las condiciones de las grietas (libre de grietas frente a grietas en diferentes posiciones/longitudes):
- 3D CNN: Una Red Neuronal Convolucional 3D estándar diseñada para capturar las correlaciones espaciotemporales en la secuencia de imágenes acústicas.
- Transformer: Un modelo base que utiliza la extracción de características convolucionales 3D seguida de un codificador Transformer estándar (2 capas, 4 cabezales de atención) para mejorar la representación de las características.
- Transformer ligero (Lightweight Transformer): Una arquitectura simplificada diseñada para reducir la carga computacional. Cuenta con menos bloques convolucionales (4 frente a 5), dimensiones de canal reducidas (máximo 256 frente a 512), una sola capa Transformer con 2 cabezales de atención y una reducción en el recuento de tokens (32 frente a 196).
Entrenamiento y validación:
- Aumento de datos: Para prevenir el sobreajuste y mejorar la robustez, el conjunto de entrenamiento se sometió a recorte aleatorio, volteo espacial, rotación ligera e inyección de ruido blanco gaussiano con diversas Relaciones Señal-Ruido (SNR).
- Evaluación: Los modelos fueron entrenados en un conjunto de datos dividido en conjuntos de entrenamiento, validación y prueba. El rendimiento se evaluó mediante precisión, curvas de pérdida, visualización de características T-SNE y métricas que incluyen Precisión (Precision), Sensibilidad (Recall) y puntuación F1.

Resultados clave

Rendimiento del modelo:
- La 3D CNN logró una precisión de detección del 95.0%, pero exhibió signos de sobreajuste (alta precisión de entrenamiento frente a una menor precisión de validación).
- El modelo Transformer logró una precisión del 100.0% con una generalización robusta, pero requirió recursos computacionales significativos (28.8M de parámetros, 110MB de memoria).
- El Transformer ligero también logró una precisión del 100.0%. Crucialmente, redujo el recuento de parámetros a 3.5M y el uso de memoria a 13.5MB, mejorando significamente la eficiencia computacional mientras mantenía un rendimiento de clasificación perfecto.
Separación de características: Las visualizaciones T-SNE confirmaron que el Transformer ligero separó eficazmente las características de las placas libres de grietas y las placas con grietas en diferentes posiciones y longitudes, mostrando una agrupación compacta y una separación clara entre clases.
Verificación experimental: Experimentos físicos en placas de acero con diversas longitudes y posiciones de grietas confirmaron los resultados de la simulación. El Transformer ligero detectó con éxito todas las condiciones de grietas con una precisión del 100.0% en el conjunto de pruebas experimentales.

Significancia y Reivindicaciones
El artículo afirma que el método propuesto ofrece un avance significativo en los ensayos no destructivos al:

Representación Espaciotemporal: Demostrar que la conversión de señales acústicas en imágenes acústicas de series temporales captura eficazmente la evolución de los campos sonoros, revelando mecanismos físicos donde las grietas estructurales causan dispersión y difracción que se manifiestan como distorsiones específicas en la imagen acústica.
Eficiencia y Precisión: Establecer que el modelo Lightweight Transformer logra un doble avance al mantener una precisión de detección del 100% mientras reduce drásticamente el tamaño del modelo y el consumo de potencia computacional en comparación con los Transformers estándar y las 3D CNNs. Esto hace que el método sea adecuado para la inferencia en tiempo real en entornos de computación de borde (edge computing).
Detección sin contacto: Validar un método que elimina la necesidad de medición de contacto, ofreciendo así una solución más segura, conveniente y rentable para el monitoreo de la salud de las placas metálicas.

Limitaciones y Trabajo Futuro
Los autores reconocen que el estudio actual se centra principalmente en grietas abiertas y se llevó a cabo en un entorno anecoico ideal. La generalización del método a tipos de grietas complejos (por ejemplo, microgrietas por fatiga) y su robustez en entornos industriales con ruido de fondo complejo requieren mayor investigación. La investigación futura se centrará en optimizar los algoritmos de anti-ruido y en expandir el modelo para manejar diversas morfologías de grietas.

Más como este