Personne : Nooralishahi, Parham
En cours de chargement...
Adresse électronique
Date de naissance
Projets de recherche
Structures organisationnelles
Fonction
Nom de famille
Nooralishahi
Prénom
Parham
Affiliation
Université Laval. Département de génie électrique et de génie informatique
ISNI
ORCID
Identifiant Canadiana
ncf13734991
person.page.name
1 Résultats
Résultats de recherche
Voici les éléments 1 - 1 sur 1
Publication Accès libre Aerial inspection of complex structures using multi-modal procedures and data processing a comprehensive solution for drone-based multi-modal inspection of industrial components(2023) Nooralishahi, Parham; Maldague, Xavier; Lopez Rodriguez, FernandoLes systèmes aériens autonomes (UAV/UAS), communément appelés drones, sont un sujet de plus en plus important dans les inspections par essais non-destructifs (END). Avec les avancées technologiques significatives des caméras thermiques, les méthodes d'inspection visuelle acquièrent continuellement de l'attention dans les inspections END. Les inspections dans les zones difficiles d'accès sont coûteuses, parfois impossibles en raison de la nature de la zone ou des dangers possibles pour les ressources humaines. L'inspection de spécimens complexes et de grande taille, notamment les des structures courbes, nécessite des relevés approfondis sous différents aspects, ce qui est presque impossible ou très coûteux avec des véhicules terrestres ou des ressources humaines. Ainsi, en raison de leur grande manœuvrabilité, les industries investissent davantage dans les drones pour surmonter les problèmes mentionnés et aider les inspecteurs à examiner les composants de manière approfondie. De plus, grâce à des développements récents, les UAVs peuvent également accéder à des zones éloignées ou difficiles d'accès et transporter de nombreuses charges utiles. Malgré les énormes avantages de l'utilisation des drones pour l'inspection, certains défis doivent être relevés. Ces dernières années, de nombreuses études se sont concentrées sur l'utilisation d'images thermiques/visibles pour inspecter différentes structures. Cependant, l'utilisation de données d'inspection multimodales par drone, y compris les données d'imagerie visible, thermique et de profondeur, pour fournir une compréhension approfondie de l'échantillon et de son environnement afin de produire une analyse plus précise, doit être étudiée en détail. Tout d'abord, cette étude aborde les défis communs des inspections par drone. La détection de l'effet de la réflexion thermique dans une inspection thermographique est le premier défi abordé dans cette étude. Ensuite, l'effet des mouvements constants et soudains d'un drone sur l'analyse des séquences d'images thermiques est étudié de manière approfondie. En outre, les résultats sont évalués à l'aide d'un scénario d'utilisation où le drone surveille un endroit fixe tout en restant en vol stationnaire. Par la suite, cette étude vise à développer une plateforme multi-sensorielle comprenant une structure de montage, des capteurs d'imagerie et un ordinateur embarqué. La solution logicielle intégrée à cette plate-forme fournit les fonctions requises d'acquisition, de transmission, de stockage et de traitement des données. De plus, cette étude se concentre sur le traitement de modalités multiples ou individuelles. Notamment, une méthode de segmentation par auto-apprentissage est proposée dans le contexte de la détection de défauts dans les images thermiques. Aussi, un algorithme de détection de fissures par drone est présenté pour analyser l'inspection visuelle des chaussées et des structures en béton. Ensuite, cette étude s'est concentrée sur le traitement des données multi-modales acquises par la plateforme multi-sensorielle présentée. En effet, l'utilisation d'images thermiques et visibles couplées pour améliorer la détection des anomalies est étudiée de manière approfondie. Plusieurs scénarios d'utilisation sont introduits présentant différentes approches pour améliorer l'efficacité de la détection. Ces derniers fournissent un aperçu de l'applicabilité des sous-études introduites. Pour chacun d'entre eux, de multiples expériences sont menées pour démontrer les applications des méthodes proposées dans des scénarios de cas réels.