Title

Automação da metodologia de medição de superfícies de fratura da ASTM E1820 utilizando segmentação assistida por IA

Automation of the ASTM E1820 fracture Surface measurement methodology using ai-assisted segmentation

Authorship

LIMA, KIMBERLY RIBEIRO PAZENHAGEM; ASSIAS, SERGIO LUIS GONZALEZ; KOTIK, HECTOR GUILLERMO

LIMA, KIMBERLY RIBEIRO PAZENHAGEM

I am this author

ASSIAS, SERGIO LUIS GONZALEZ

I am this author

KOTIK, HECTOR GUILLERMO

I am this author

DOI

10.5151/2594-4711-43967

Downloads

Abstract

A determinação do crescimento físico da trinca (∆ap) é uma etapa fundamental na avaliação da tenacidade à fratura de materiais metálicos, sendo tradicionalmente realizada de forma manual por meio da aplicação da metodologia dos 9 Pontos definida pela norma ASTM E1820. Entretanto, esse procedimento demanda operadores qualificados e elevados tempos de análise. Com o objetivo de automatizar essa etapa, foi desenvolvido um software em Python que integra técnicas de processamento digital de imagens, segmentação assistida por inteligência artificial utilizando o modelo SAM2 e aplicação automática da metodologia da ASTM E1820. A metodologia foi validada por meio da comparação entre medições manuais realizadas no software ImageJ e medições automatizadas em superfícies de fratura de diferentes geometrias de corpos de prova. Os resultados demonstraram diferenças inferiores a 2% entre os métodos e redução superior a 85% no tempo de execução das análises, evidenciando o potencial da ferramenta para tornar as análises de superfícies de fratura mais rápidas, padronizadas e acessíveis.

The determination of physical crack extension (∆ap) is a fundamental step in the evaluation of fracture toughness in metallic materials and is traditionally performed manually through the application of the Nine-Point Average Method prescribed by ASTM E1820 standard. However, this procedure requires skilled operators and is often time-consuming. To automate this process, a Python-based software tool was developed by integrating digital image processing techniques, artificial intelligence-assisted segmentation using the Segment Anything Model 2 (SAM2), and automatic implementation of the ASTM E1820 methodology. The proposed methodology was validated through a comparison between manual measurements performed in the software ImageJ and automated measurements obtained from fracture surfaces of different specimen geometries. The results showed differences below 2% between both approaches and a reduction of more than 85% in analysis time, demonstrating the potential of the developed tool to provide faster, more standardized, and more accessible quantitative fractographic evaluations.

Keywords

Mecânica da Fratura, ASTM E1820, Segmentação por Inteligência Artificial, Análise de Superfícies de Fratura

Fracture Mechanics, ASTM E1820, Artificial Intelligence-Assisted Segmentation, Fracture Surface Analysis