Imagerie ultrasonore par réseaux antagonistes génératifs conditionnels (cGAN)

Molinier, Nathan (2022). Imagerie ultrasonore par réseaux antagonistes génératifs conditionnels (cGAN). Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (10MB) | Prévisualisation

Résumé

La mise en forme des faisceaux avec la méthode de somme et de retard (de l’anglais DelayAnd-Sum : DAS) en combinaison avec une acquisition de type capture matricielle complète (de l’anglais Full-Matrix-Capture : FMC) est une méthode encore aujourd’hui extrêmement utilisée dans le contrôle non destructif pour un grand nombre d’applications d’imagerie ultrasonore. Cependant, dans certains cas, comme les inspections à haute cadence, il est impossible d’envisager une telle méthode sans ralentir le processus. C’est pourquoi dans cette étude, nous avons cherché à contourner cette méthode standard en utilisant un réseau adversaire génératif conditionnel (de l’anglais conditional Generative Adversarial Network : cGAN) en combinaison avec des acquisitions type onde plane à zéro degré. Dans ce mémoire, trois différents modèles de cGAN ont été testés avec différentes fonctions de coût dans trois configurations différentes et les résultats ont été comparés à ceux obtenus grâce à la méthode conventionnelle. Les différents modèles ont été capables de reconstruire avec des résolutions équivalentes les images tout en améliorant dans plus de la moitié des cas le contraste, et en réduisant le niveau de bruit et les artéfacts dans les images. De plus, la méthode proposée a permis de diviser le temps de calcul par 120 et le temps d’acquisition par 64 tout en divisant l’espace de stockage nécessaire aux données d’entrée par 75.

Titre traduit

Imagerie ultrasonore par conditional generative adversarial network (cgan)

Résumé traduit

The Full Matrix Capture (FMC) combined with the Total Focusing Method (TFM) are often considered as the gold standard in ultrasonic nondestructive evaluation. However, this method is not always convenient because of the amount of data required and the time required to gather the data. Indeed, when it comes to high cadence inspections, gathering the FMC and processing it may take too long. This study proposes to replace conventional FMC acquisition and TFM processing with a single zero-degree Plane Wave (PW) insonification and a conditional Generative Adversarial Networks (cGAN) trained to produce TFM-like images. Three models with different architecture and loss formulations were tested in different scenarios and their performances were compared with TFM images. The proposed cGAN were able to recreate the important features of the images and also improve the contrast in more than half the reconstructions in comparison with conventional TFM reconstructions. The contrast was systematically increased through a reduction of the background noise level and the elimination of some artifacts. Finally, the proposed method led to a reduction of the computation time and file size by respectively a factor of 120 and 75.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise avec mémoire en génie mécanique". Comprend des références bibliographiques (pages 85-89).
Mots-clés libres:	DAS, TFM, FMC, Contrôle non destructif, ultrasons, onde plane (PW), cGAN
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Bélanger, Pierre
Codirecteur:	Codirecteur Toews, Matthew
Programme:	Maîtrise en ingénierie > Génie mécanique
Date de dépôt:	10 févr. 2023 15:02
Dernière modification:	10 févr. 2023 15:02
URI:	https://espace.etsmtl.ca/id/eprint/3165

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt