Método de termografia infravermelha ativa com auxílio de visão computacional empregada em material compósito utilizado em pás de turbinas eólicas

Abstract

As fontes renováveis de energia eólica não emitem gases do efeito estufa ao ar atmosférico durante a geração de energia elétrica evitando-se danos ao planeta como o aquecimento global. Algumas técnicas de ensaios não destrutivos empregadas na confecção de pás de turbinas eólicas vêm apresentando bons resultados para o aumento da confiabilidade destes equipamentos para as unidades eólicas. Nesse contexto, a termografia infravermelha vem ganhando importante destaque entre os ensaios não destrutivos empregados no controle de qualidade de pás de turbinas eólicas (Wind Turbine Blades – WTB). Materiais compósitos são utilizados por possibilitarem projetos de pás de grandes dimensões, boa leveza, além de ótimas propriedades de resistência mecânica. Entretanto, devido serem anisotrópicos, a detecção de defeitos internos se torna um desafio. Este trabalho tem como objetivo utilizar métodos de termografia ativa com o auxílio de um sistema de visão computacional para identificar defeitos em amostras do compósito denominado Polímero Reforçado com Fibra de Vidro (Glass Fiber Reinforced Polymer – GFRP) utilizado na fabricação de pás de turbinas eólicas. Uma revisão bibliográfica é realizada para a implementação de métodos de termografia ativa com base no contraste térmico absoluto, dentre outros métodos abordados, no intuito de realizar um ensaio experimental para o desenvolvimento de um novo método de visão computacional. Amostras de GFRP de espessuras de aproximadamente 10 mm são utilizadas como amostras, em que uma fonte de calor externa aquece o material para uma posterior captura das imagens termográficas com o auxílio de uma câmera infravermelha. Algoritmos em linguagens de programação Python 3.7 e GNU Octave são desenvolvidos com o auxílio de rotinas da biblioteca OpenCV e ferramentas do GNU Octave 7.2, respectivamente. Com isso, aplicam-se pré-processamentos (filtro gaussiano e filtro de médias) seguidos de segmentação com limiarização, bordas Canny, aplicação de distintos mapas de cores, binarização nas imagens termográficas adquiridas, etc., no intuito de uma identificação e localização precisa das descontinuidades internas às superfícies das amostras. Por fim, um reconhecimento dos defeitos artificiais em relação às regiões sem defeitos é realizado, observando os valores dos diâmetros equivalentes “D”(de 6 à 10 mm) dos defeitos e as respectivas profundidades “z” (a cada camada do compósito), além da influência da razão entre “D / z” na detecção do sistema imp