Partagez

Linkedin

Twitter

Facebook

email

Print

Contrôle dimensionnel VGSTUDIO MAX ImageJ comparatif sur star artefact en fabrication additive.

Cet article qui traite de la comparaison des mesures dimensionnelles à partir d’images acquises par tomographie synchrotron avec VGSTUDIO MAX et ImageJ est paru initialement en langue anglaise dans une publication EUSPEN et ASPE « Comparison of dimensional measurements from images acquired by synchrotron tomography with VGSTUDIO MAX and ImageJ » (21 – 23 septembre 2021, Inspire AG, St. Gallen, Suisse) puis est paru en français dans la revue Forge et Fonderie Magazine de décembre 2021.

Une pièce « témoin » en fabrication additive

Dans le cadre d’un groupe de travail de la COFREND (Confédération française pour les essais non destructifs), une « pièce témoin » obtenue par fabrication additive a été comparée par différents laboratoires. Cette pièce qui présentait plusieurs types de défauts inhérents au processus de fabrication a été scannée par rayonnement synchrotron. Dans cette étude, les images tomographiques de deux défauts (sphérique et cylindrique) ont été analysées à l’aide de deux logiciels : un logiciel open source, ImageJ, (utilisé par CTIF et le LNE) et un logiciel commercial, VGSTUDIO MAX (utilisé par VG). Avec le logiciel ImageJ, nous avons déterminé l’influence de l’effet opérateur dans la reproductibilité de la mesure et ce, pour chaque type et taille (de 0,3 mm à 0,8 mm) de défaut. Il apparaît que les opérateurs influencent de manière significative la reproductibilité de la mesure par ImageJ. Cependant, les valeurs des volumes sphériques et des surfaces du cylindre obtenues par ImageJ sont cohérentes avec les valeurs de VGSTUDIO MAX. Malheureusement, la valeur réelle des défauts (sphères et cylindres) est inconnue.

Contrôler les défauts internes par tomographie

Grâce aux nombreux développements réalisés au fil des années, la fabrication additive (FA), ou impression 3D, apparaît actuellement comme la solution industrielle la plus adaptée à l’optimisation de la production de pièces complexes, quasiment impossibles à mettre en œuvre par les procédés de fabrication standards [1]. Cependant, les procédés utilisés en FA ne sont pas encore totalement maîtrisés et un nombre important de défauts, inhérents à la méthode de fabrication, peuvent apparaître dans les pièces produites. Le procédé de fusion laser sur lit de poudre (L-PBF) est un des procédés les plus utilisés pour la fabrication de pièces métalliques, notamment dans les domaines aéronautique ou médical. Dans ce procédé, les défauts qui apparaissent dans les pièces sont des défauts de mise en couches, des défauts de couches croisées et la présence de poudre piégée non fondue [2]. La tomographie à rayons X (X-CT) est actuellement la méthode la plus efficace pour caractériser les pièces produites par fabrication additive (FA) car elle permet une inspection des cavités internes profondes dans les pièces complexes mais aussi des défauts internes ; elle permet également d’identifier les différents types de défauts inhérents aux procédés de FA utilisés [3].

Pour caractériser ce type de défauts, la méthode la plus répandue et la plus efficace utilisée aujourd’hui est la tomographie à rayons X (X-CT), qui génère des images radiographiques 2D d’un objet sous plusieurs angles pour créer une image de données 3D par reconstruction. Ensuite, pour analyser l’intégrité et effectuer des mesures dimensionnelles des objets caractérisés à partir de ces images, il faut utiliser un logiciel de traitement spécifique. L’objectif de cette étude est d’observer l’influence du logiciel d’analyse sur la caractérisation des défauts liés au procédé L-PBF, entre le logiciel commercial VGSTUDIO MAX et le logiciel libre ImageJ. Dans le cas du logiciel ImageJ, l’étude a également voulu déterminer si l’opérateur en charge du traitement des données, exerce une influence significative sur la valeur du défaut mesuré. Cet article présente dans un premier temps la méthodologie expérimentale de l’étude, puis le traitement des données, et enfin, la comparaison entre les deux logiciels pour chaque type de défaut.

Description des normes et des logiciels

Conçu au sein du groupe mixte 59 de normalisation FA ISO/TC261-ASTM/F42 « NDT for AM parts » et produit par les laboratoires nationaux de métrologie français (LNE) et américain (NIST), le témoin utilisé, appelé « Star artefact« , est constitué de chrome-cobalt et fabriqué par le procédé L-PBF (Figure 1). Ce témoin contient plusieurs défauts représentatifs du procédé, en particulier deux types de défauts étudiés dans cet article : de la poudre piégée dans des sphères et cylindres verticaux (Figure 2). Le diamètre de ces sphères et cylindres varie entre 0,2 mm et 0,8 mm. Le « Star artefact » a été numérisé par rayonnement synchrotron à l’European Synchrotron Radiation Facility (ESRF) basé à Grenoble [4].

Dans cette étude, deux logiciels différents ont été utilisés pour analyser les défauts sphériques et cylindriques présents dans le « Star Artefact« . Le premier logiciel est ImageJ, un programme de traitement d’images   open   source   conçu   pour   les   images scientifiques multidimensionnelles. L’autre logiciel, VGSTUDIO MAX, est un logiciel puissant pour l’analyse et la visualisation des données de tomographie assistée par ordinateur. Tout d’abord, pour permettre la mesure avec ImageJ dans le bon système de coordonnées (ImageJ ne permet pas d’aligner les données volumiques de Synchroton), il a été nécessaire de les aligner préalablement avec VGSTUDIO MAX.

Protocole de mesure pour les sphères avec ImageJ

La mesure du volume des sphères (en nombre de voxel) est faite en plusieurs étapes déterminées par l’opérateur. La mesure du volume de chaque sphère est réalisée en calculant la surface de la sphère sur chaque image 2D puis en les additionnant sur toutes les images 2D (77 images 2D dans notre cas). Dans la première étape, l’opérateur choisit la sphère à mesurer et extrait le volume de l’image du fichier d’origine. Dans la deuxième étape, nous inversons les couleurs sur chaque image pour déterminer la surface de la sphère (Figure 3).

Ensuite, les opérateurs (étape 4) réalisent le seuillage sur la nuance de gris la plus claire pour optimiser la meilleure zone (Figure 4). Comme nous pouvons le constater, le seuil est déterminé en fonction de l’appréciation de chaque opérateur, ce qui peut affecter la valeur de la mesure. Enfin, l’exercice étant réalisé selon l’aspect de la sphère sur une seule vue (selon x, y ou z), des rotations de 90° sont effectuées sur l’image de la sphère pour calculer le volume selon les autres axes. Ainsi, pour chaque sphère, le volume est calculé selon une valeur moyenne sur trois vues différentes de la sphère : vue de face, vue de dessus et vue de gauche. L’opérateur répète trois fois toutes les opérations afin de déterminer également la reproductibilité du processus.

Protocole de mesure pour les sphères Avec VGSSTUDIO MAX (version 3.4.5)

La procédure d’analyse des défauts comprend deux étapes :

a) Chaque voxel est contrôlé pour savoir s’il fait partie d’un défaut. Des groupes de candidats aux défauts connectés sont créés.

b) Chaque groupe de candidats aux défauts est contrôlé pour savoir s’il correspond aux paramètres spécifiés par l’utilisateur. Cet algorithme identifie les défauts sur la base de leurs valeurs de gris locales, associées à chaque voxel, par rapport à la valeur de gris associée au matériau. Il faut au préalable spécifier un seuil de contraste.

Protocole de mesure pour le cylindre avec ImageJ

Pour la caractérisation des cylindres verticaux, une partie du cylindre a été découpée en 119 images et la surface pour chaque tranche a été calculée. Pour faciliter les opérations, un algorithme spécifique à ImageJ a été mis en place pour prendre en charge les opérations systématiques ne nécessitant pas de décision de la part de l’opérateur (positionnement des cylindres, taille de la surface, fenêtre d’extraction, etc.). La première étape consiste, à partir de l’image des cylindres alignés (Figure 2), à positionner le rectangle d’extraction pour sélectionner la zone du cylindre qu’il souhaite caractériser (première étude de l’effet opérateur). L’algorithme définit la largeur du rectangle afin d’avoir le même nombre de mesures par opérateur.

Ensuite, l’algorithme effectue les opérations de rotation (afin de voir le cylindre de face), binarise l’image en noir et blanc (Figure 5) et propose à l’opérateur une liste de filtres (Figure 6) qu’il peut utiliser pour calculer la surface de chaque cylindre en empilant les images 2D. Ainsi, à l’étape 2, l’opérateur choisit trois filtres différents à appliquer sur les images de surface des cylindres. Ainsi, pour chaque cylindre, 119 tranches sont générées et la surface est calculée (en nombre de pixels) pour chaque tranche selon trois filtres. Pour cette partie de l’étude, huit opérateurs ont participé aux mesures. De plus, pour faciliter l’analyse des résultats, les surfaces sont mesurées en nombre de pixels (pixel de 23,52 µm).

Protocole de mesure pour le cylindre avec VGSSTUDIO MAX(version 3.4.5)

La détermination de la surface, y compris des phénomènes de bruit et d’artefact, est effectuée à l’aide de l’approche avancée (classique) de VGTSTUDIO MAX, ce qui permet d’obtenir une surface adaptative locale, d’une précision sous-voxel. Cela minimise la variance causée par l’effet opérateur. Le « Star artefact » est ensuite aligné, et 48 cercles de Gauss régulièrement espacés sont ajustés à la surface pour chaque diamètre théorique. La surface est ensuite calculée en utilisant le diamètre moyen des cercles pour chaque diamètre théorique.

Traitement des données

Dans un premier temps, nous avons vérifié la pertinence des données fournies par les opérateurs : des essais statistiques classiques sont réalisés pour tester les dispersions de valeurs (test de Cochran), la variance des moyennes (test de Fisher) et l’étude des valeurs extrêmes (test de Grubbs). Ces tests nous ont permis de valider la cohérence des mesures effectuées par les différents opérateurs, mais aussi d’identifier la présence de valeurs aberrantes dans les jeux de données des différents opérateurs. Les valeurs aberrantes ont ensuite été extraites des données afin de ne pas perturber les calculs de variance et de moyenne. Dans le cas des sphères, 16 valeurs ont été retirées sur un total de 756 valeurs. Dans le cas des cylindres, 4 valeurs sur 48 mesures n’ont pas été retenues.

Néanmoins, l’opérateur reste l’acteur principal de la chaîne de mesure et ses différentes actions peuvent influencer le résultat de la mesure. Une des questions de cette étude était donc de déterminer et de quantifier, si nécessaire, l’impact de l’opérateur sur la mesure avec ImageJ. En effet, dans le cas de la mesure du volume d’une sphère, l’opérateur peut influencer la mesure lors de la dernière étape de traitement, lorsqu’il effectue l’étape de seuillage pour définir la zone grise à calculer. L’opérateur définit le niveau de seuil qu’il souhaite appliquer sur la pile d’images qui définira le volume final de la sphère.

La Figure 7 montre le résultat des mesures de volume pour chaque opérateur dans le cas de la sphère de 0,8 mm. Les valeurs présentées par opérateur sont les valeurs moyennes sur les 3 mesures qui ont été faites sur toutes les vues (pour rappel : vue de dessus, vue de face et vue de gauche). Toutes les mesures présentent des valeurs de volume comprises entre 17000 voxels et 20000 voxels. A partir de ces mesures, nous avons déterminé l’influence de l’opérateur à partir de l’équation 1.

Résultats

Pour toutes les sphères mesurées, nous avons pu déterminer l’influence de l’opérateur sur l’erreur de mesure. Le tableau 1 résume tous les résultats pour les sphères de 0,3 mm à 0,8 mm. Nous observons dans le tableau 1 que plus le volume théorique de la sphère à mesurer est petit, plus l’erreur de mesure est importante. De même, l’impact de l’opérateur sur la valeur du volume mesuré est également plus important lorsque la taille de la sphère diminue. En effet, plus le volume de la sphère est petit, moins la tranche de la sphère contient des pixels. Ainsi, lorsque l’opérateur définit son niveau de seuil, une faible variation de ce niveau affectera davantage les petits volumes que les grands volumes.  De plus, en raison de son procédé de fabrication, la sphère de 0,3 mm est moins définie que celle de 0,8 mm, ce qui affecte également la qualité de la mesure.

A partir de ces résultats, nous avons comparé les mesures de volume effectuées avec ImageJ avec celles effectuées avec le logiciel VGSTUDIO MAX qui fournit un défaut de volume 3D avec une précision sous-voxel.

Le tableau 2 montre les résultats des mesures du volume des sphères selon les deux logiciels. Tout d’abord, nous constatons que les valeurs obtenues sont cohérentes entre elles :

Les valeurs obtenues par VGSTUDIO MAX sont toujours dans les écarts types liés à la reproductibilité de la mesure par ImageJ. De plus, nous pouvons également noter que plus la sphère est grande, plus la différence relative entre les mesures des deux logiciels est faible. En effet, plus la sphère est grande, moins l’erreur sur le contour de la sphère aura des conséquences sur les résultats. Enfin, il semble qu’à l’exception de la sphère de 0,3 mm, le logiciel ImageJ surestime toujours le volume de la sphère par rapport au logiciel VGSTUDIO MAX. Dans le cas de la sphère de 0,3 mm, ce comportement différent peut provenir de la difficulté à mesurer précisément son volume : la reproductibilité de la mesure par ImageJ est équivalente à la moitié de la valeur de son volume.

La Figure 8 montre le résultat de la valeur moyenne des surfaces calculées en utilisant l’ensemble des filtres choisis par chaque opérateur pour le cylindre de 0,8 mm. L’ensemble des mesures montre une valeur moyenne de 864 pixels pour une dispersion des données entre 840 et 890 pixels. Une première analyse sur la moyenne montre que l’effet opérateur ne porte pas sur la valeur moyenne de la zone mais dans la dispersion des valeurs entre opérateurs. Cette dispersion est principalement due au filtre utilisé pour déterminer la surface. En effet, on constate que l’opérateur 3 a une dispersion beaucoup plus importante entre ses filtres utilisés que l’opérateur 8.

Cette différence peut s’expliquer par la différence des filtres utilisés : l’opérateur 3 a utilisé les filtres Minimum, Li, Default alors que l’opérateur 8 a choisi les filtres Default, Mean, Otsu. En effet, chaque filtre possède sa propre méthode de convolution pour définir la surface à mesurer, ce qui peut donc donner des valeurs différentes : il semble que la combinaison de certains filtres, comme Default, Mean, Otsu ou Huang, montre des valeurs de surfaces très proches alors que la combinaison d’autres filtres Li, Minimum et Default donne des valeurs plus dispersives. Ensuite pour ce cylindre (comme pour tous les cylindres), nous avons appliqué le test de Cochran et il est apparu que l’opérateur 3 enregistre une valeur aberrante de dispersion qui ne doit pas être prise en compte pour l’analyse de l’effet opérateur.

Le tableau 3 résume toutes les valeurs de surface obtenues pour chaque diamètre de cylindre avec les valeurs de répétabilité, de reproductibilité et l’effet opérateur. On remarque que pour quatre cylindres sur six, il n’y a pas d’effet opérateur (la répétabilité et la reproductibilité étant égales). Ceci peut s’expliquer par le choix du filtre effectué par chaque opérateur : pour les deux cylindres qui ont un effet opérateur, les opérateurs ont utilisé principalement le filtre qui donnait une plus grande dispersion de valeur. Cependant, pour les cylindres qui n’ont pas d’effet opérateur, la répétabilité tient compte de l’influence du filtre.

Le tableau 4 montre les résultats des mesures de la surface moyenne des tranches de cylindre après analyse des deux logiciels : ImageJ et VGSTUDIO MAX. La répétabilité s_r  des valeurs de VGSTUDIO MAX est calculée sur les 48 cercles de Gauss. Les résultats obtenus sont cohérents entre eux : les erreurs de reproductibilité des valeurs d’ImageJ recouvrent les valeurs de VGSTUDIO MAX. Comme dans le cas des mesures de volume de sphères, les surfaces calculées par ImageJ sont systématiquement plus grandes que celles obtenues par VGSTUDIO MAX. L’approche gaussienne utilisée dans ce cas devrait mieux définir les limites par rapport à celle utilisée par ImageJ qui est une méthode de convolution des couleurs des pixels par rapport à leurs voisins.

Conclusions

Dans cette étude, nous avons vu que dans le cas des mesures de sphères, l’effet opérateur est la principale composante de la reproductibilité. Pour la mesure des cylindres, il apparaît que le choix du filtre est le principal contributeur à la reproductibilité. Nous avons également comparé les valeurs obtenues par les deux logiciels et constaté que les valeurs obtenues sont comparables, même si les valeurs obtenues par ImageJ sont généralement plus élevées que celles obtenues par VGSTUDIO MAX.

Pour aller plus loin dans cette analyse, il serait intéressant, dans le cadre de la mesure des cylindres, de mieux déterminer l’influence du choix du filtre indépendamment de la zone sélectionnée. Deux possibilités peuvent être envisagées :  la première est d’augmenter la taille de la zone sélectionnée pour inclure la quasi-totalité du cylindre (si possible). La seconde possibilité est d’étudier l’ensemble des filtres afin de déterminer, pour une même zone sélectionnée, toutes les différences qui leur sont liées, puis d’effectuer à nouveau la comparaison des opérateurs en figeant dans le protocole les filtres.

Enfin, il faut noter que la comparaison entre ces logiciels n’a pas été réalisée dans les meilleures conditions : les données obtenues par VGSTUDIO MAX étaient des diamètres (en mm) pour les cylindres alors que celles d’ImageJ étaient des surfaces ou des volumes en nombre de pixel (respectivement voxel). Il serait donc pertinent d’effectuer une nouvelle comparaison sans avoir à convertir un type de données d’un logiciel à l’autre. Il serait nécessaire, après avoir déterminé tous les paramètres influents de l’effet opérateur pour ImageJ, de faire la même étude pour un cas où les valeurs réelles seraient connues.

Remerciements

Les auteurs de cet article sont Nicolas Coutant, Expert solutions techniques, Volume Graphics (VG) GmbH, Rakesh Nanjareddy, Expert assurance qualité, Volume Graphics (VG) GmbH , Arthur De Soete, technicien alternant, LNE, Dr Charles Cayron, chercheur en métrologie pour la fabrication additive, LNE, Dr/HDR Anne-Françoise Obaton, chercheur en métrologie pour la fabrication additive, LNE, Cathrine Yardin, Ingénieure en mathématique et statistiques, LNE, Yves Gaillard, Expert Procédés et Métallurgie Aluminium, CTIF, Patrick Bouvet, Expert Contrôles Non Destructifs, CTIF et Christine Colliard CTIF (pour la traduction depuis l’anglais).

Les auteurs tiennent à remercier tous les opérateurs de cette étude et plus particulièrement L-F. Lafon, L. Fournet-Fayard, A. Choubib, S-C. Togue-tagne, S. El Ghazouali, Y. Longa, A. Mouillet, I. Mouslime, G. Le Breton, L. Diez-Jahier. Ce travail a été réalisé dans le cadre d’un groupe XCT de la Confédération française pour les essais non destructifs (COFREND).

Bibliographie

[1] W. Tao, M. C. Leu,  » Design of lattice structure for additive manufacturing « , Actes de l’ISFA2016, 2016 International Symposium on Flexible Automation, Cleveland, Ohio, U.S.A., 1 – 3 août, 2016.

[2] A-F. Obaton, B. Butsch, S. McDonough, E. Carcreff, N. Laroche, Y. Gaillard, J. Tarr, P. Bouvet, R. Cruz, A. Donmez, « Evaluation of Nondestructive Volumetric Testing Methods for Additively Manufactured Parts. In Structural Integrity of Additive Manufactured Parts », N. Shamsaei, S. Daniewicz, N. Hrabe, S. Beretta, J. Waller, and M. Seifi : West Conshohocken, PA, pp 51-91, 2020,  https://doi.org/10.1520/

[3] B. Dutton, W. Vesga, J. Waller, S. James, et M. Seifi, « Metal Additive Manufacturing Defect Formation and Nondestructive Evaluation Detectability, » in Structural Integrity of Additive Manufactured Parts, ed. N. Shamsaei, S. Daniewicz, N. Hrabe, S. Beretta, J. Waller, and M. Seifi (West Conshohocken, PA : ASTM International, 2020), 1-50.   https://doi.org/10.1520/STP162020180136

[4] A. du Plessis, I. Yadroitsev, I. Yadroitsava, et S. G. Le Roux, ‘X-Ray Microcomputed Tomography in Additive Manufacturing : A Review of the Current Technology and Applications’, 3D Print. Addit. Manuf. vol. 5, no. 3, pp. 227-247, juil. 2018, doi : 10.1089/3dp.2018.0060.