XXXVII CONGRESSO AIAS
Transcript
XXXVII CONGRESSO AIAS
AIAS – ASSOCIAZIONE ITALIANA PER L’ANALISI DELLE SOLLECITAZIONI 44° CONVEGNO NAZIONALE, 2-5 SETTEMBRE 2015, – UNIVERSITÀ DI MESSINA AIAS 2015 - 533 SUGLI EFFETTI DEI CAMBIAMENTI DI LUCE NELLA CARATTERIZZAZIONE DI MATERIALI TRAMITE TECNICA DIC M.Badalonia,b, A.Lattanzia Università Politecnica delle Marche – DIISM ,via Brecce Bianche, 60100 Ancona, Italia, e-mail: m.badaloni.univpm.it; [email protected] b KU Leuven – MTM, campus Ghent, Gebroeders de Smetstraat, 9000 Gent, Belgio, e-mail: a [email protected] Sommario È ben noto come la misura di campi di spostamento e deformazioni ottenuta tramite la correlazione di immagini digitali (DIC) sia affetta da numerose fonti di errore che ne influenzano i risultati. Tra le più importanti vanno cit ate: il rumore, i movimenti rigidi e l'illuminazione. In particolare, il presente contributo rivolge l'attenzione ai ca mbiamenti di illuminazione. Per prima cosa, vengono presentati gli attuali metodi usati per correggere tale fonte di errore, come l'uso di filtri e luci monocromatiche oppure l'uso di algoritmi di correlazione robusti. In aggiunta, due nuovi metodi numerici sono proposti. Le varie soluzioni sono valutate in termini dell’errore ottenuto quando le misure sono utilizzate per la caratterizzazione di materiali. Per questo, alla DIC è associato un metodo di ident ificazione inverso, ovvero il metodo dei campi virtuali (VFM). In particolare sono stati eseguiti test di trazione s u provini in alluminio 6061 T6. I risultati mostrano come i due nuovi metodi numerici introdotti garantiscano bu oni risultati così come l'uso di opportuni algoritmi di correlazione, seppur con importante riduzione delle tempist iche di calcolo. Abstract The awareness that Digital Image Correlation (DIC) is influenced by many error sources is increasing. Amongst them there are: noise, rigid motions and lighting changes. In particular, the present work focuses on the changes in the lighting conditions. The actual solutions are presented, such as the use of filters and monochromatic lights or the use of robust correlation algorithms. Furthermore, two new numerical methods, therefore with no extra costs in the set-up, are introduced. All the solutions are evaluated and compared in terms of material identification. To do so, DIC is coupled with an inverse methodology such as the virtual fields method (VFM). In particular, uni-axial tensile tests are performed on aluminum specimens. Results show that the two new numerical methods can give results as using appropriate correlation algorithms, the computational times are reduced though. Parole chiave: DIC, identificazione di materiali, illuminazione, test sperimentali, metodi numerici. 1. INTRODUZIONE Tra le molte tecniche presenti nei laboratori di meccanica per ottenere mappe di spostamento e deformazione sulla superficie di provini sottoposti a carichi statici o dinamici, le tecniche ottiche si stanno diffondendo molto velocemente. Una di queste, semplice da realizzare e con bassi costi, è la correlazione di immagini digitali (DIC) [1]. Sebbene la DIC permetta di ottenere mappe anche molto complesse, i risultati possono essere fortemente influenzati da numerosi fattori. Conseguentemente, ottenere dati affidabili non è cosi scontato. Ad esempio, una semplice variazione dei parametri caratteristici della DIC (es.: subset, stepsize e virtual strain gage) ne può variare i risultati. In letteratura molti studi sono stati dedicati a questo argomento[2,3]. Oltre a tali impostazioni, anche le 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 incertezze sperimentali sono molto importanti. Quelle che influenzano più i risultati sono il rumore, i movimenti rigidi in piano e fuori dal piano e le variazioni di luce. Una procedura di simulazione, verificata poi sperimentalmente, ha permesso in [4] di valutare l’impatto relativo delle differenti fonti di errore. Tale contributo ha dimostrato che i cambiamenti nelle condizioni di luce durante un test rappresentano una delle fonti di errore più importanti. Il presente lavoro verterà su tale fenomeno. Alcune delle soluzioni esaminate sono già state proposte, come l’uso di filtri e luci monocromatiche [5] e l’uso di algoritmi di correlazione appositamente sviluppati [6]. Nel presente contributo, due nuove soluzioni sono proposte. L’idea è di modificare le immagini sperimentali prima che a queste venga applicata la DIC, con lo scopo di rimuovere gli effetti indesiderati dovuti a cambiamenti nelle condizioni di luce tra le immagini di riferimento e deformata. Queste nuove soluzioni sono comparate con i metodi esistenti e sono mostrati i benefici e gli aspetti negativi dei vari metodi. 2. PROCEDURA Il confronto è stato effettuato eseguendo dei test di trazione mono-assiale su provini in alluminio 6061 T6, rimanendo in campo elastico. I provini sono stati sottoposti a due livelli di carico, a valori di forza pari rispettivamente a Fmin=100 N e Fmax=10100 N. Ogni livello di forza è stato mantenuto costante per 60 secondi nei quali sono state prese 50 immagini. Nel set-up due camere telecamere CMOS Pixelink B361F model con risoluzione di 1280x1024 pixel con lenti da 25 mm sono state utilizzate. Come banco di trazione è stata utilizzata una Zwick/Z050 con afferraggi a cuneo. Le condizioni di luce sono state assegnate utilizzando due luci ottiche bianche e una luce monocromatica. In particolare, durante i test, la posizione delle luci bianche è stata ripetutamente variata per riprodurre delle variazioni di illuminazione, in modo simile a quello che può avvenire sperimentalmente, specialmente in ambienti non controllati. Le immagini sono state elaborate tramite DIC per ottenere le mappe di spostamento e deformazione, quindi è stato applicato il metodo dei campi virtuali (VFM) per identificare le proprietà elastiche del materiale, ovvero il modulo di Young (E) e il coefficiente di Poisson (ν). La procedura di identificazione tramite VFM su materiali lineari elastici è ormai consolidata e non verrà qui descritta, si rimanda comunque a [7] per una lettura esaustiva a riguardo. Il confronto tra i diversi metodi per compensare le variazioni di luce è stato fatto in base ai parametri del materiale identificati, in particolare considerando i valori medi e di varianza di E e ν. I valori medi di riferimento per il materiale scelto sono E=65000MPa e ν=0.33. Da come concluso in [4], le variazioni di luce influenzano specialmente la varianza di tali valori lungo le 50 ripetizioni cicliche effettuate, per cui a questa è stata dato il maggior peso nel seguito del lavoro. In Figura 1 è possibile osservare il set-up sperimentale. Figura 1: set-up sperimentale 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 3. FILTRI E LUCI MONOCROMATICHE I filtri ottici passa banda trasmettono selettivamente solo la luce emessa con determinate lunghezze d’onda, filtrando le altre indesiderate. Associandovi una luce monocromatica adatta, si riescono ad ottenere immagini nitide. Prima di utilizzare questi dispositivi nei test, alcune prove preliminari sono state svolte per individuare il miglior filtro da usare (in termini di lunghezza centrale d’onda, CWL, e larghezza intera a metà massimo, FWHM). In particolar modo, si è scelto un filtro con 540nm di CWL, per cui si è utilizzata una luce monocromatica con uno spettro di intensità tra i 520 e i 540nm. Le stesse telecamere utilizzatevpresentano un picco di efficienza per il verde alla stessa lunghezza d’onda del filtro. In tabella 1 è riportato lo schema del test fatto. Test 1 Test 2 Test 3 Tabella 1: schema riassuntivo dei test relativi ai filtri e luci monocromatiche Set-up DIC tradizionale Set-up standard e variazioni di luce Set-up DIC con filtro e luci monocromatica Luci bianche accese Set-up standard e variazioni di luce I risultati relativi sono riportati in tabella 2 Test 1 Test 2 Test 3 Tabella 2: risultati test filtri e luci monocromatiche Deviazione standard E [MPa] Deviazione standard ν 323 0.0083 303 0.0063 1338 0.0157 Si può osservare come l’uso di luce monocromatica e del filtro non migliori la deviazione standard sui parametri identificati (vedasi test 1 e 2). In aggiunta, quando i cambiamenti di luce sono forzati (test 3), sebbene siano utilizzati il filtro e la luce monocromatica, le deviazioni standard aumentano fortemente, mostrando come tale soluzione non riesca a risolvere il problema. Ciò può essere confermato guardando alla Figura 2. 4 4.5 x 10 4 No filter Filter 4 3.5 3 2.5 2 1.5 1 0.5 0 0 50 100 150 Grey levels 200 250 0.5 Figura 2: istogrammi delle immagini e relative deviazioni standard 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 Figura 2 mostra gli istogrammi di due immagini (di riferimento e deformata) considerate per l’analisi DIC assieme ai relativi andamenti di deviazione standard in funzione dei livelli di grigio delle immagini stesse. È evidente come l’uso del filtro e della luce monocromatica portano effettivamente dei benefici ma solamente oltre un certo valore di livelli di grigio (intorno a 100), mentre le immagini sperimentali considerate hanno l’istogramma prevalentemente sotto questa soglia. I risultati mostrati in Tabella 2 sono dunque coerenti con quanto appena osservato. 4. ALGORITMI DI CORRELAZIONE La soluzione attualmente più diffusa nella comunità scientifica e in campo commerciale per risolvere il problema dell’illuminazione è quella di utilizzare algoritmi di correlazione più robusti nell’analisi DIC [8]. Con particolare riferimento alla DIC locale, per un subset di (2N+1)×(2N+1) pixel centrati in un punto P(x0,y0), l’algoritmo cerca di valutare un subset che nell’immagine deformata g, con centro P’(x0’,y0’) sia il più simile possibile, in termini di livelli di grigio, a quello dell’immagine di riferimento f. In questo lavoro vengono confrontati due tra gli algoritmi presenti in letteratura, il “normalized sum of squared differences “(NSSD) e il “zero-normalized sum of squared differences“ (ZNSSD). In taluni casi l’NSSD viene considerato come ANSSD (approssimated NSSD), tuttavia questa ne è solo una differente denominazione. In formule: N f ( xi y i ) N C NSSD i N j N f g ( x' i y ' i ) g (1) Dove f N N 2 f ( x i y i ) g N N g ( x' y' ) 2 i i N j N i N j N (2) i Mentre lo ZNSSD può essere espresso come f ( x i y i ) f m g ( x' i y ' i ) g m C ZNSSD f g i N j N N N 2 (3) Dove N 1 N fm f (x , y ) 2 N 1 f f (x , y ) f 2 N i N j N i N i N j N i 2 i i m gm g N 1 N g ( x' 2 N 1 2 N i N j N N g ( x' i N j N i , y' i ) , y' i ) g m 2 i (4) (5) Sostanzialmente i due metodi variano nel modo in cui gestiscono i cambiamenti di luce. Con l’NSSD sono corretti solo cambiamenti lineari di illuminazione, mentre lo ZNSSD riesce a correggere anche fluttuazioni più complesse. I risultati sono riassunti in Figura 3. 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 7.4 6 -0.5 E [Mpa] 4 ν -1 2 -1.5 0 -2 -2.5 E Experimental correlation using ZNSSD algorithm x 10 0.38 7.2 0.36 E 7 [Mpa] 0.34 6.8 0.32 6.6 0.3 Young modulus [MPa] 0 Poisson ratio Young modulus E [MPa] 0.5 8 -2 (a) ZNSSD 4 Experimental correlation using ASSD algorithm x 10 0.28 6.4 E -4 0 5 10 15 20 25 Cycles 30 35 40 Cicli 45 -3 50 6.2 0 5 10 15 20 25 Cycles Cicli 30 35 40 45 0.26 50 Figura 3: risultati del test relativo agli algoritmi di calcolo Dai risultati è possibile vedere come in alcuni cicli la correlazione fallisca utilizzando l’algoritmo NSSD e la deviazione standard sia molto elevata. Utilizzando invece lo ZNSSD la deviazione standard viene fortemente ridotta, confermando la bontà della soluzione e giustificandone la diffusione come attuale metodo risolutivo per i cambiamenti di luce. Tuttavia l’uso di un algoritmo più robusto come lo ZNSSD non è libero da aspetti negativi, quello più gravoso è un aumento evidente nei tempi di calcolo necessari alla correlazione. Questo aumento è attestabile attorno al 40% in più rispetto al tempo necessario ad algoritmi più semplici come l’NSSD. 5. NUOVI METODI NUMERICI L’idea alla base dei metodi che verranno presentati è quella di analizzare le immagini che devono essere elaborate con la DIC, modificandole prima che le stesse vengano correlate, rimuovendo per quanto possibile contributi non voluti dovuti a cambiamenti nelle condizioni di luce. Per fare questo, vengono confrontati gli istogrammi delle immagini, le quali vengono poi corrette secondo due metodi di seguito illustrati. È importante sottolineare che, sebbene le immagini vengano interamente modificate, le correzioni vengono fatte basandosi solamente sulla regione dell’immagine dove è presente il provino e dunque non considerando lo sfondo dietro di esso. I due diversi metodi verranno presentati e poi i risultati di entrambi riportati alla fine del capitolo. 5.1 Metodo dell’indice di contrasto (CIM) Nella pratica di chi lavora con la DIC, è noto che immagini il cui istogramma copra tutti i livelli di grigio disponibili (256 per immagini ad 8 bit) garantiscano in genere un errore minore. Tuttavia non è ovvio quantificare qualora le immagini siano troppo chiare o scure nelle diverse applicazioni. Ciò potrebbe nel peggiore dei casi comportare un basso contrasto nelle immagini che si tradurrà in mancate correlazioni e risultati errati provenienti dalla DIC. A questo proposito, è stato introdotto per prima cosa un indice di contrasto definito come Cindex pct 95% pct 5% (6) Questo indice fornisce una idea del contrasto nelle immagini rimuovendo gli estremi livelli di grigio nelle immagini dovuti a pixel morti o saturati, considerando percentili (pct) del 95% e del 5%. Grazie a questo indice, le immagini sono state modificate come segue I * CIM I 0 pct 5% n Cindex GL (7) ν Poisson ratio (a) NSSD 4 10 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 Dove I * CIM rappresenta l’immagine normalizzata mentre I 0 rappresenta l’immagine acquisita sperimentalmente. Tale correzione viene effettuata sia sulla immagine di riferimento che sulla deformata. In Figura 4 è possibile visivamente confrontare le immagini sperimentali “grezze” e le immagini modificate con i rispettivi istogrammi. È ben visibile come le immagini subiscano una forte variazione, tuttavia si può notare come ci sia meno differenza tra l’immagine di riferimento e la deformata dopo l’applicazione del metodo. 10 4 x 10 Original histograms ref def 8 8 7 7 6 6 5 4 3 3 2 2 1 1 0 100 200 Grey Levels ref def def refnorm defnorm defnorm refnorm defnorm 5 4 0 x 10 Normalized histograms 9 Points Points 9 ref 4 10 0 refnorm 0 100 200 Grey Levels Figura 4: istogrammi delle immagini prima e dopo la modifica e corrispondenti immagini 5.2 Metodo dell’indice dell’istogramma (HIM) Un secondo metodo proposto valuta la differenza degli istogrammi in termini di distanza euclidea, essa rappresenta sostanzialmente la differenza tra gli istogrammi delle immagini e viene presa come un indice di confronto tra gli istogrammi. Per via del carico applicato e dunque della deformazione dello speckle, le immagini di riferimento e deformata non potranno essere esattamente uguali. Tuttavia si prende un valore di soglia dell’indice, oltrepassato il quale le immagini vengono corrette. Questo valore di soglia è preso sperimentalmente come la minima differenza rilevata lungo i 50 cicli performati. La correzione viene effettuata in tal modo I * HIM I 0 B1 B2 Dove I * HIM (8) rappresenta le immagini modificate e I 0 le iniziali immagini sperimentali. B1 e B2 sono matrici che compensano le variazioni di luce. In particolare B1 scala gli istogrammi mentre B 2 li trasla lungo i livelli di grigio. Queste matrici vengono aggiornate in un processo iterativo che termina solo se l’indice dell’istogramma diventa inferiore alla soglia pre-impostata, oppure dopo un certo numero di iterazioni qualora non si raggiungesse una convergenza dei valori. Il processo iterativo è mostrato in Figura 5. È bene sottolineare come tale processo venga fatto solo se le immagini risultino essere particolarmente differenti, altrimenti l’analisi avviene nella modalità standard. 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 Test sperimentale Histograms best fitting with = 0.81912 14000 Aggiornare l’indice di differenza degli istogrammi ref def defsim 12000 10000 8000 6000 4000 ]+ 2000 0 Immagini acquisite Ref Def 0 50 100 150 200 ] 250 Confronto istogrammi No Experimental histograms 9000 ref def 8000 7000 6000 Differenza < Soglia 5000 4000 3000 2000 1000 0 0 50 100 150 200 250 300 Si Processo Iterativo DIC Parametri del materiale VFM Figura 5: schema seguito nel metodo dell’indice degli istogrammi I risultati ottenuti mediante l’uso dei due nuovi metodi introdotti sono riportati in Tabella 3. Le immagini corrette con i due metodi sono state poi elaborate utilizzando entrambi gli algoritmi di correlazione i cui risultati sono riportati per completezza. no mod CIM HIM Tabella 3: risultati sui parametri ricercati utilizzando i due nuovi metodi introdotti NSSD ZNSSD medie deviazioni standard medie deviazioni standard E [MPa] ν E [MPa] ν E [MPa] ν E [MPa] ν 64125 0.2295 1318 0.0292 64449 0.2277 699 0.0098 64513 0.2230 702 0.0139 64443 0.2270 674 0.0093 64283 0.2317 629. 0.0103 64447 0.2277 694 0.0098 Riassumendo quanto mostrato nella Tabella 3, i due metodi correttivi (CIM e HIM) riescono a ridurre i valori di deviazione standard rispetto al caso standard (no mod). In particolar modo anche utilizzando algoritmi di correlazione che normalmente soffrono i cambiamenti di luce, come l’NSSD, i due metodi forniscono risultati ben paragonabili a quelli ottenibili con algoritmi più avanzati, come lo ZNSSD. Questo conferma la bontà delle metodologie introdotte. Tuttavia i metodi proposti presentano un vantaggio non di poco conto, ovvero permettono di ottenere risultati validi come quelli ottenuti utilizzando lo ZNSSD in tempi paragonabili all’uso di algoritmi più leggeri come l’NSSD. Ciò è evidenziato in Figura 6. 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 Confronto su e sul tempo di correlazione utilizzando (a) NSSD (b) ZNSSD 1500 0.3 0.3 1500 tempo 0.1 500 0.1 puro HIM CIM 0 tempo [s] 0 1000 tempo [s] 1000 0.2 0.2 0 500 puro HIM CIM 0 Figura 6: confronto tra tempi e coefficienti di Poisson per le metodologie introdotte 6. CONCLUSIONI In lavori precedenti è stato dimostrato come i cambiamenti di luce influenzino notevolmente la tecnica DIC. In particolare gli effetti sono visibili sulle deviazioni standard delle misure, che si ripercuotono sulle deviazioni standard dei parametri costitutivi del materiale identificati qualora alla DIC venga associata una metodologia inversa come il VFM. Idealmente la DIC deve essere applicata in set-up con illuminazione costante e buon contrasto (50 GL). Tuttavia nella pratica comune ciò non sempre è possibile per cui si sono dovute trovare delle soluzioni a tale problema. Relativamente alla prima soluzione proposta, ovvero l’uso di filtri e luci monocromatiche, tale soluzione non ha portato a particolari benefici in questo caso specifico. In aggiunta essa comporta costi aggiuntivi dovuti all’equipaggiamento da comprare. Ciò rende la DIC meno attrattiva dal punto di vista economico, il quale è sostanzialmente uno dei punti di forza della tecnica. Inoltre, tale soluzione non può essere utilizzata in ambienti non controllati. La seconda soluzione, quella più diffusa, ovvero l’utilizzo di algoritmi di correlazione robusti come lo ZNSSD riesce a ridurre fortemente il problema senza costi aggiuntivi. Tuttavia questi algoritmi comportano tempi di calcolo più lunghi. Due nuovi metodi numerici sono stati qui presentati quali il metodo dell’indice di contrasto (CIM) e il metodo dell’indice dell’istogramma (HIM). Tali metodi, in modo differente, agiscono sulle immagini rimuovendone i contributi non voluti dovuti a variazioni di luce. I risultati sono incoraggianti in quanto essi permettono di ottenere valori confrontabili con quelli ottenuti con lo ZNSSD ma con ridotti tempi di calcolo. BIBLIOGRAFIA [1] M.A. Sutton, J-J Orteu, and H.W. Schreier. Image Correlation for Shape, Motion and Deformation Measurements. Springer, 2009. [2] M Bornert, F Brémand, P Doumalin, J-C Dupré, M Fazzini, M Grediac, F Hild, S Mistou, J Molimard, J-J Orteu, L Robert, Y Surrel, P Vacher and B Wattrisse. Assessment of digital image correlation measurement errors: methodology and results. Exp. Mech., 49:353-370, 2009. [3] P Lava, S Cooreman, S Coppieters, M De Strycker, and D Debruyne. Assessment of measuring errors in dic using deformation fields generated by plastic fea. Optics and Lasers in Engineering, 47:747-753, 2009. 44° CONVEGNO NAZIONALE – MESSINA, 2-5 SETTEMBRE 2015 [4] M.Badaloni, M Rossi, G Chiappini, P Lava, and D Debruyne. Impact of experimental uncertainties on the identification of mechanical material properties using DIC. Exp, DOI: 10.1007/s11340-015-0039-8, 2015. [5] B Pan, D.Wua, and Y. Xia. An active imaging digital image correlation method for deformation measurement insensitive to ambient light. Opt. Laser Eng., 44:204-209, 2012. [6] B. Pan, H. Xie, Z. Wang, K. Qian, and Z. Wang. Study on subset size selection in digital image correlation for speckle patterns. Optics Express, 16(10):7037-7048, 2008. [7] Pierron, F., Grédiac, M., The Virtual Fields Method , 2012. [8] W. Tong. An evaluation of digital image correlation criteria for strain mapping applications. Strain, (41):167-175, 2005.