Título: Detecção de Corrosão em Tubulações Industriais Utilizando Correntes Parasitas Pulsadas e Rede Neural Convolucional 1D
Autores: Ademário José de Carvalho Neto, Lucas Fialho Xavier, Manoel Messias Silva Júnior, Eduardo Furtado de Simas Filho, Paulo C. M. A. Farias, Maria Cléa Soares de Albuquerque, Ivan Costa da Silva & Claudia Teresa Teles Farias
Resumo: Neste trabalho é apresentado um sistema para classificação de defeitos em tubulações industriais, motivado pela necessidade e pelo desafio de aprimorar a inspeção não destrutiva em tubos de aço carbono revestidos com material compósito. A inspeção dessas tubulações é particularmente desafiadora, pois o revestimento dificulta o acesso direto ao tubo metálico. O objetivo é identificar três condições distintas: Sem Defeito, Defeito Interno e Defeito Externo — utilizando sinais obtidos pelo método de Pulsed Eddy Current (PEC) processados por uma rede neural convolucional unidimensional (1D-CNN). O estudo envolveu: (a) a preparação de um corpo de prova especialmente usinado para emular diferentes níveis de corrosão; (b) a aquisição de dados a partir de sondas com sensores GMR; e (c) o treinamento de modelos CNN com técnicas de pré e pós-processamento, incluindo normalização, balanceamento e filtragem gaussiana. Os resultados demonstraram uma acurácia média de 95% na classificação, com destaque para a identificação precisa das regiões sem defeito e com defeito interno. A abordagem proposta mostrou-se promissora, destacando seu potencial para aumentar a confiabilidade e a eficiência de inspeções em ambientes industriais.
Palavras-chave: Pulsed Eddy Current; Convolutional Neural Networks; Non-Destructive Testing; Industrial Structures.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1191565
Artigo em PDF: CBIC_2025_paper1191565.pdf
Arquivo BibTeX:
CBIC_2025_1191565.bib