Classificació de materials viscoelàstics a partir de paràmetres reològics estimats mitjançant tècniques de visió per computador i deep learning

Abstract

Aquest TFE investiga la classificació dels sòlids viscoelàstics en funció de les seves propietats inherents, utilitzant l'anàlisi de vídeo d'experiments de fluència-recuperació mitjançant tècniques d'aprenentatge automàtic. L'estudi introdueix el marc teòric dels sòlids viscoelàstics des d'un punt de vista físic i detalla el desenvolupament d'una solució de software que utilitza visió per computador i aprenentatge profund. Aquest software està dissenyat per processar gravacions de vídeo de materials sotmesos a deformació controlada, accionats per un braç robòtic. L'objectiu principal és validar la hipòtesi que aquest enfocament pot quantificar i discriminar eficaçment les diferents respostes viscoelàstiques dels materials deformables. Per aconseguir-ho, es duu a terme un estudi experimental en què s'analitza un conjunt divers de materials mitjançant el programari desenvolupat. Això implica estimar paràmetres reològics empírics i posteriorment comparar els resultats per a cada material mitjançant tècniques d'anàlisi multivariant. Les troballes confirmen la hipòtesi inicial i estableixen una base per a futures investigacions més extenses en aquest domini.

Este estudio de factibilidad (TFE) investiga la clasificación de sólidos viscoelásticos según sus propiedades inherentes, utilizando el análisis de video de experimentos de fluencia-recuperación mediante técnicas de aprendizaje automático. El estudio introduce el marco teórico de los sólidos viscoelásticos desde un punto de vista físico y detalla el desarrollo de una solución de software que emplea visión artificial y aprendizaje profundo. Este software está diseñado para procesar grabaciones de video de materiales sometidos a deformación controlada, accionados por un brazo robótico. El objetivo principal es validar la hipótesis de que este enfoque puede cuantificar y discriminar eficazmente las distintas respuestas viscoelásticas de los materiales deformables. Para lograrlo, se realiza un estudio experimental en el que se analiza un conjunto diverso de materiales utilizando el software desarrollado. Esto implica la estimación de parámetros reológicos empíricos y la posterior comparación de los resultados para cada material mediante técnicas de análisis multivariante. Los hallazgos confirman la hipótesis inicial y sientan las bases para futuras investigaciones más exhaustivas en este ámbito.

This TFE investigates the classification of viscoelastic solids based on their inherent properties, utilizing video analysis of creep-recovery experiments through machine learning techniques. The study introduces the theoretical framework of viscoelastic solids from a physical standpoint and details the development of a software solution employing computer vision and deep learning. This software is designed to process video recordings of materials undergoing controlled deformation, actuated by a robotic arm. The primary objective is to validate the hypothesis that this approach can effectively quantify and discriminate the distinct viscoelastic responses of deformable materials. To achieve this, an experimental study is conducted wherein a diverse set of materials is analyzed using the developed software. This involves estimating empirical rheological parameters and subsequently comparing the results for each material through multivariate analysis techniques. The findings confirm the initial hypothesis and establish a foundation for future, more extensive research in this domain.