Mesures par thermographie infrarouge

Etalonnage de la caméra

Nous présentons dans cette section une partie plus technique de la thermographie infrarouge en détaillant l’ensemble des opérations permettant de calibrer une caméra infrarouge, i.e. de relier les flux rayonnants mesurés à la température des corps considérés. La calibration d’une caméra est une étape cruciale qui conditionne fortement la qualité des mesures effectuées. Il faut par conséquent y apporter beaucoup de soin. Cette étape dépendant de la technologie utilisée, nous commençons par donner les principales caractéristiques des outils utilisés.

Caractéristiques techniques des moyens de mesure et de calibration

La caméra infrarouge utilisée dans cette thèse est une caméra FLIR Systems MWIR 9705 disposant d’une matrice de détecteurs 256×320 pixels, codés sur 14 bits et sensibles sur la bande spectrale ∆λ = [3 µm ; 5 µm]. Ces détecteurs sont refroidis à une température de 77 K par un moteur Stirling afin de maximiser leur détectivité (grandeur reliée au rapport signal/bruit). Avec l’objectif utilisé, la résolution spatiale est de 30 µm/pixel. A cette caméra doit être associé un corps noir afin de disposer de mesures de référence. Notre caméra dispose d’un corps noir interne permettant d’y parvenir, mais ce dernier n’est pas très précis. Nous préférons utiliser un corps noir étendu HGH DCN1000 N4 qui permet de contrôler la température de la surface émissive (ε = 0.98 ± 0.02) avec une très bonne précision (± 0.01℃) et de disposer d’une température uniforme sur toute la surface utile du corps noir (100×100 mm2 ). Nous attirons l’attention du lecteur sur le fait que l’émissivité du corps noir est la même que celle de nos matériaux. Les différentes étapes de calibration de la caméra que nous réaliserons seront ainsi directement transposables aux mesures sur éprouvettes sans étapes de corrections supplémentaires permettant de tenir compte des différences d’émissivité. 

Correction de non-uniformité (NUC) a)

 Le bruit spatial fixe Lorsqu’une caméra fixe une scène thermique d’émittance spectrale uniforme (un corps noir par exemple), le signal est entaché d’un bruit invariant d’une image thermique à l’autre. Ce bruit traduit les non-uniformités de conversions flux/signal dues aux disparités des caractéristiques des détecteurs ainsi qu’à l’interface électronique associée : c’est le bruit spatial fixe, noté BSF par la suite. Les images peuvent être affectées d’une structure aléatoire, d’une structure de grille ou de lignes comme illustré sur la figure A.3a. Le BSF est, en moyenne, invariant dans le temps et peut donc être corrigé. Il existe plusieurs méthodes de correction (NUC 1 point, 2 points et n points), chacune associée à une certaine finesse de correction. Nous nous proposons de détailler la méthode la plus classiquement utilisée et celle retenue pour les mesures présentées dans cette thèse : la NUC 2 points. Une comparaison avec une NUC n points sera proposée en fin de section. b) La NUC 2 points Cette procédure de correction consiste à exposer la caméra à deux températures uniformes (à l’aide du corps noir étendu), une température dite basse et une température dite haute. En partant du principe que la réponse du détecteur dépend linéairement du nombre de photons captés, i.e. en se plaçant suffisament loin des saturations haute et basse, la réponse de chaque détecteur φi,j , i, j = 1…256 et j = 1…320, est corrigée à l’aide d’un gain αi,j et d’un offset βi,j , de façon à rendre la réponse corrigée du détecteur φ¯ i,j aussi proche que possible de la réponse moyenne de la matrice de détecteurs : φ¯ i,j = αi,jφi,j + βi,j (A.6) La figure A.3b montre le résultat obtenu après application de la NUC sur l’image brute A.3a et permet d’apprécier la qualité de la correction effectuée.

Détection des pixels défectueux

Malgré la correction de non-uniformité, il est possible que la réponse d’un détecteur soit trop éloignée de la réponse moyenne de la matrice de détecteurs. Pour identifier ces mauvais pixels, ou bad pixels (BP), on utilise généralement des critères sur le gain, l’offset ou sur le bruit de mesure. Dans le cas où un pixel est considéré mauvais, il peut soit être remplacé par une moyenne de la valeur des pixels voisins suivant un algorithme particulier ou bien être laissé tel quel, auquel cas il ne faudra pas tenir compte de sa valeur lors du post-traitement. Dans notre cas, les BP sont remplacés par la moyenne des valeurs des pixels voisins comme l’illustre la figure A.3c.

Conversion signal numérique/température

Une fois ces corrections effectuées, il ne reste plus qu’à identifier la loi reliant les données brutes (mais corrigées avec la NUC et les BP) issues de la caméra, notées DL (Digital Level), et la température T

Erreurs de mesure 

Pour pouvoir évaluer la robustesse de la calibration de la caméra, il est important de pouvoir quantifier les erreurs de mesures, et plus particulièrement les cartographies d’erreur, i.e. les erreurs commises à chaque pixel. D’une manière générale, avec une NUC 2 points, l’erreur moyenne commise est importante lors de mesures absolues, pouvant parfois atteindre les 10% (en ℃). En revanche, cette erreur diminue de manière significative (d’un ordre de grandeur typiquement) lorsque l’on effectue des mesures différentielles (figure A.5a). La correction effectuée est donc suffisante pour réaliser des mesures différentielles, mais se révèle insuffisante pour des mesures absolues fines. Cette lacune peut s’expliquer facilement si l’on revient sur le principe de la NUC effectuée. Comme nous l’avons évoqué précédemment, chaque pixel est indépendant et présente une réponse qui lui est propre. Or l’étalonnage de la caméra est réalisé de manière globale, c.-à-d. à partir de la réponse moyenne de l’ensemble des pixels. De plus, les corrections effectuées ne sont exactes qu’aux deux températures de référence servant à établir les matrices de correction (gain et offset). Ceci explique le fait que les mesures absolues ne sont pas de bonne qualité, mais qu’en relatif, les erreurs se compensent en partie pour permettre des mesures avec un degré de confiance plus important. Il est possible d’améliorer la correction en calibrant chaque pixel indépendamment des autres pixels (NUC n points). La figure A.5b présente par exemple une cartographie d’erreur réalisée en mesures différentielles après un NUC n points. On constate une erreur très faible, inférieure à 0.5%. Dans le cas de mesures absolues, l’erreur ne dépasse pas 2%, illustrant la supériorité de ce type de correction. Cependant, cette approche est relativement lourde à mettre en oeuvre2 et ne présente un intérêt que lorsque l’on souhaite réaliser des mesures d’une grande finesse (précision relative de l’ordre de 10 mK, voir moins). Nous conservons donc notre NUC 2 points en sachant qu’il ne faut pas accorder trop de poids aux mesures absolues, mais que les mesures différentielles proposées sont relativement fines (erreur inférieure à 2%).

Micro-tomographie par rayons X 

La tomographie aux rayons X est une technique de mesure non destructive permettant d’accéder au coeur de la matière pour en apprécier les variations de compositions ou encore localiser toute hétérogénéité, vide ou inclusion, présent dans un objet. Née dans les années 1970 pour le domaine médical (Thiery et Gerstenmayer, 2002), cette technique a évolué pour répondre aux exigences du domaine industriel et est maintenant couramment utilisée en production, en phase de prototypage ou lors de la mise au point de procédés de fabrication. Elle représente bien entendu une technique expérimentale de choix en mécanique des matériaux (Salvo et al., 2003). 

Principe de fonctionnement

 Le principe de fonctionnement d’un tomographe repose sur l’analyse multidirectionnelle de l’interaction entre un faisceau incident de rayons X avec la matière qu’il rencontre et sur la détection du rayonnement transmis après traversée de l’objet (figure A.6). Un rayon X est envoyé sur l’objet à analyser où I0 (resp. I) représente l’intensité du faisceau incident (resp. émergent), exp [−µx] la probabilité qu’un photon traverse un écran d’épaisseur x sans interaction, µ représente le coefficient d’absorption (ou d’atténuation linéique) du matériau le long du trajet s, et arrive finalement sur une matrice de détecteurs CCD. La projection de µ dépend de la composition et de l’épaisseur x du matériau traversé. Cette variation est à l’origine du contraste observé sur l’image.

Dispositif expérimental

 Toutes les analyses ont été menées au Centre Régional Techniques (CRT) de Morlaix (Finistère) avec un dispositif Phoenix v|tome|x L 240 (figure A.8). Les paramètres de mesures utilisés sont synthétisés dans le tableau A.1. Avec ces paramètres, il est possible d’analyser un gros volume (typiquement la totalité de la zone utile des éprouvettes AE2) avec une précision suffisamment bonne (de l’ordre de 20 µm) pour être en mesure de détecter les plus petits défauts dont la taille est comprise entre 10 et 100 µm (Gent et Pulford, 1984). Avant de réaliser les mesures, les éprouvettes sont mises en traction (déplacement des inserts métalliques de 2 mm) afin d’ouvrir les défauts et faciliter leur détection. Cet étirement est réalisé précautionneusement de manière à ne pas générer de nouveaux défauts. L’échantillon à analyser est ensuite placé à une distance de 828 mm d’un détecteur CCD de rayons X Perkin-Elmer dont la résolution est de 1024×1024 pixels. Pour la reconstruction du volume, environ 800 radiographies sont prises à intervalles réguliers sur une révolution de 360°. Le temps d’exposition pour chaque image est de 400 ms. Pour chaque radiographie, cinq images sont prises. La première est systématiquement rejetée (prise en compte du temps de réponse des détecteurs) et les quatres images restantes sont moyennées. La résolution spatiale, i.e. le volume du voxel, est de 9.2·10−6 mm3 (soit une taille caractéristique de 20 µm) et le volume complet analysé est de l’ordre de 2700 mm3 . Les données sont ensuite analysées avec le logiciel commercial myVGL 2.0. Une première étape consiste à définir un seuillage permettant de distinguer les vides du matériau. Un critère de taille minimale fixé à 4 voxels (soit un rayon équivalent de 13 µm) a été imposé de manière à ne pas prendre en compte d’éventuels artefacts de mesure. Les volumes sont ensuite analysés et différentes grandeurs sont calculées de manière automatique (volume et surface des vides, position dans l’éprouvette, etc.) qui sont ensuite analysées pour caractériser la population de défauts.