Resumen :
El presente trabajo se centra en el procesamiento y análisis de videos de ensayos de
tracción, con especial énfasis en la detección y seguimiento de puntos de referencia. Para
ello, se ha desarrollado un programa en Python utilizando OpenCV, empleando el algoritmo
de Lucas-Kanade para el seguimiento óptico de los puntos. La disposición de estos puntos
puede realizarse de forma manual o automática mediante una matriz generada a lo largo de
la superficie visible de la probeta. Además, se han definido dos ROIs (Regions of Interest)
para analizar la diferencia entre las velocidades medias de los puntos dentro de cada una,
permitiendo así estudiar la deformación de la probeta y compararla con los valores reales
proporcionados por los sensores lineales de posición de cada cilindro. La creación de estas
ROIs puede efectuarse manualmente o de manera automatizada, basándose en el ancho de la
probeta y la posición del pin, garantizando su correcta ubicación en la pantalla de estudio y
ajustándolas cuando sea necesario para evitar pérdidas de información. Asimismo, se ha
estandarizado la resolución de los videos para eliminar distorsiones y asegurar la coherencia
en el seguimiento de los puntos, dado que los videos originales presentan resoluciones
variables. Se ha optimizado el procesamiento de datos en Excel, organizando los ensayos de
forma estructurada sin pérdida de información y facilitando su análisis.
Además, se han implementado mejoras en la precisión del cálculo de desplazamientos,
teniendo en cuenta la conversión de coordenadas, la interpolación de píxeles y la corrección
de la curvatura que se pierde en la imagen al realizar un análisis DIC 2D con las
características particulares del ensayo. Por último, se ha automatizado la detección del inicio
del movimiento y la rotura de la probeta, contribuyendo a un análisis más preciso y eficiente
de los ensayos. Todo ello permite una captura de datos más fiable y un procesamiento
optimizado, mejorando la precisión y automatización del estudio de la tracción.
This project focuses on the processing and analysis of tensile test videos, with a particular
emphasis on detecting and tracking reference points. To achieve this, a Python-based
program has been developed using OpenCV, utilizing the Lucas-Kanade algorithm for
optical flow tracking. The placement of these points can be done either manually or
automatically by generating a grid across the visible surface of the specimen. Additionally,
two Regions of Interest (ROIs) have been defined to analyze the difference in average
velocities of the points within each region, enabling the study of the specimen's deformation
and its comparison with the actual values obtained from the linear position sensors of each
cylinder. These ROIs can be created manually or automatically, based on the specimen's
width and the pin's position, ensuring their accurate placement on the study screen and
adjusting them as needed to prevent data loss.
Furthermore, the video resolution has been standardized to eliminate distortions and
ensure consistent point tracking, as the original videos have varying resolutions. Data
processing in Excel has been optimized, organizing the tests in a structured format without
losing information and simplifying their analysis. Additionally, improvements have been
made to enhance the accuracy of displacement calculations, incorporating coordinate
conversion, pixel interpolation, and curvature correction to account for the limitations of 2D
Digital Image Correlation (DIC) analysis in the context of this specific test. Finally, the
detection of the initial movement and the specimen's fracture has been automated,
contributing to a more precise and efficient analysis of the tests. Overall, these advancements
enable more reliable data capture and streamlined processing, improving the accuracy and
automation of tensile testing studies.
|