技术特征：
1.用于沿着加强轴线(x，y)，自动地重构复合材料的加强件(300)的架构的方法(100)，所述加强件(300)包括沿着加强轴线(x，y)布置的多个加强线(302)，所述方法(100)的特征在于其包括以下步骤：-获取(101)复合材料的加强件(300)的多个图像(303)，沿着平行于所获取的其他图像(303)的截面(3031)，并且不与所获取的其他图像(303)的截面(3031)混淆的截面(3031)，获取每个图像(303)，所获取的每个图像(303)与垂直于截面(3031)的加强轴线(x，y)上的位置相关联；-对于所获取的每个图像(303)，使用用第一训练数据库训练的第一人工神经网络，检测(102)存在于所获取的图像(303)中的加强线(302)的每个截面的重心(3021)和/或使用用第二训练数据库训练的第二人工神经网络，检测(103)存在于所获取的图像(303)中的每个加强线(302)的截面的圆周(3022)；-对于选自所获取的图像(303)的至少一个所获取的图像，称为所获取的参考图像(303’)，给所获取的参考图像(303’)中的每个检测到的重心(3021)或每个检测到的圆周(3022)，分配(104)对应于加强线(302)的标签；-对于没有被选择作为所获取的参考图像(303’)的所获取的每个图像(303)，给所获取的图像(303’)中的每个检测到的重心(3021)和/或每个检测到的圆周(3022)，分配(105)所获取的参考图像(303’)中的对应的重心(3021)或对应的圆周(3022)的标签；-从每个检测到的重心(3021)和/或从每个检测到的圆周(3022)，重构(106)沿着加强轴线(x，y)布置的每个加强线(302)的架构，所述每个检测到的重心(3021)和/或所述每个检测到的圆周(3022)具有加强线(302)的标签以及与所获取的图像(303)相关联的加强轴线(x，y)上的位置，在所获取的图像(303)上已经检测到重心(3021)和/或圆周(3022)。2.根据权利要求1所述的方法(100)，其特征在于，第一和第二人工神经元网络是多层感知器和/或卷积人工神经网络。3.根据任一前述权利要求所述的方法(100)，其特征在于，第一训练数据库和第二训练数据库各自包括至少一个复合训练材料的多个图像，沿着垂直于复合训练材料的加强轴线的截面获取每个图像。4.根据任一前述权利要求所述的方法(100)，其特征在于，使用聚类算法进行分配步骤(105)。5.根据任一前述权利要求所述的方法(100)，其特征在于，通过具有高于阈值的分辨率的3d成像系统，获取图像(303)。6.根据权利要求5所述的方法(100)，其特征在于，阈值对于用于重心(3021)的检测(102)所获取的图像(303)为150μm，或者阈值对于用于圆周(3022)的检测(103)所获取的图像(303)为40μm。7.根据权利要求5或6中任一项所述的方法(100)，其特征在于，通过同步加速器辐射成像、通过透射电子显微术成像或通过x射线层析成像术，获取图像(303)。8.用于自动地重构复合材料的加强件(300)的架构的方法(200)，其特征在于，所述方法包括：-根据任何前述权利要求所述，对于复合材料的每个加强轴线(x，y)，用于沿着加强轴线(x，y)，自动地重构复合材料的加强件(300)的架构的方法(100)的步骤(101，102，103，
104，105，106)，-沿着每个加强轴线(x，y)，从每个加强线(302)的架构，重构(201)复合材料的加强件(300)的架构的步骤。9.一种计算机程序产品，其包括指令，当由计算机执行程序时，所述指令导致计算机实施根据任何前述权利要求所述的方法(100，200)的步骤。10.一种可由计算机读取的记录介质，所述记录介质包括指令，当由计算机执行指令时，所述指令导致计算机实施根据权利要求1至8中任一项所述的方法(100，200)的步骤。
技术总结
本发明的一方面涉及一种用于沿着加强轴线自动地重构复合材料的加强架构的方法，该方法包括以下步骤：-沿着垂直于加强轴线的截面，获取每个图像；-对于所获取的每个图像，使用人工神经网络检测加强线的每个截面的重心和/圆周；-对于至少一个所获取的图像，为每个检测到的重心或每个检测到的圆周分配对应于加强线的标签；-对于其它所获取的每个图像，为所获取的参考图像中的每个检测到的重心和/或每个检测到的圆周分配对应重心的标签；-从每个检测到的重心和/或从每个检测到的圆周，重构每个加强线的架构，每个检测到的重心和/或每个检测到的圆周具有加强线的标签以及与所获取的图像相关联的加强轴线上的位置，在所获取的图像上已经检测到重心和/或圆周。像上已经检测到重心和/或圆周。
技术研发人员：扬内克
受保护的技术使用者：赛峰航空器发动机
技术研发日：2020.12.09
技术公布日：2022/9/20