Image microtomographiques de matériaux composites de type Glass Fiber Reinforced Poymer (GFRP) à plusieurs couches impactés (Machine Learning)

About this dataset

#### Description globale: Ce jeu de données présente l'ensemble des images obtenues par tomographie aux rayons X de matériaux composites de type *Glass Fiber Reinforced Polymer* (GFRP) à 4 couches tissées. Les échantillons ont ensuite été impactés à différentes énergies afin de pouvoir entraîner un modèle d'apprentissage automatique pour la détection des zones d'endommagement à l'intérieur du composite. Les images sont sauvegardées au format .png et représentent chacune une tranche d'un échantillon vue de côté (B-scan horizontal / B-scan vertical). Ces images sont regroupées en deux catégories : * "damaged" lorsque les échantillons présentent des dégâts suite à l'impact (délamination, cassures de matrice, ruptures de fibres); * "undamaged" pour les coupe ne présentant aucun dégât. Toutes ces données ont ensuite été séparées en trois sous-jeux de données: * train: les données qui sont utilisées pour entraîner le modèle * val: les données qui sont utilisées après entraînement pour attester de l'efficacité du modèle * test: données isolées du processus d'entraînement (proviennent d'échantillons dont aucune image n'a été utilisé pour l'entraînement) et utilisée après les processus d'entraînement et validation pour s'assurer de la robustesse du modèle pour de nouvelles données Le code pour réaliser l'entraînement du modèle est disponible avec le lien suivant: *lien GitHub*. La publication suivante met en avant les résultats pouvant être obtenu à partir de ce jeu de données \[1] (*update when paper published*) #### Détail sur le matériau composite: Type: Evolite XA1481 Founisseur: Solvay Composition: tissu verre tissé sergé 2x2 Séquence d'empilement: \[0°/90°]x2 Nombre de couches: 4 Dimensions (largeur x hauteur): 100mm x 150mm Épaisseur: 1.95mm [\[2\]](https://www.sciencedirect.com/science/article/pii/S1359836825009448#fig1) #### Procédure d'impact: Forme de l'impacteur: circulaire Poids de l'impacteur: 5kg Diamètre: 16mm Énergie d'impact et nombre d'échantillons impactés: | Énergie d'impact | Nombre d'échantillons | | :--------------: | :-------------------: | | 3J | 3 | | 4J | 4 | | 5J | 3 | | 6J | 3 | | 7J | 3 | | 8J | 3 | | 9J | 1 | | 10J | 2 | #### Acquisition des données: Machine: EsayTom (Nano) Fournisseur: RX Solution Volume acquis: 27.9 mm x 27.9 mm x 20.5 mm Taille voxel: 15μm #### Structure du jeu de données: * ML-DATA-RX.zip: * test: Dossier contenant toutes les images issues d'échantillons non observés durant l'entraînement du modèle afin de tester les performances de l'entraînement * damaged: 191 images * undamaged: 569 images * train: Dossier contenant les données utilisées par le modèle pendant l'entraînement * damaged: 948 images * undamaged: 2 706 images * val: Dossier contenant les données utilisées pour vérifier l'efficacité du modèle après entraînement * damaged: 380 images * undamaged: 1 071 images #### Extraction des fichiers: 1. Télécharger tout les fichiers de ce jeux de données 2. (Si besoin) Installer 7-Zip ou WinRAR 3. Clique-droit sur ML-DATA-RX.7z.001 > Plus d'options > 7-Zip > extraire vers ML-DATA-RX *** #### Overall description: This dataset presents all the images obtained by X-ray tomography of 4-layer woven Glass Fiber Reinforced Polymer (GFRP) composite materials. The samples were then impacted at different energies in order to train a machine learning model to detect areas of damage within the composite. The images are saved in .png format and each represent a slice of a sample viewed from the side (horizontal B-scan / vertical B-scan). These images are grouped into two categories: * “damaged” when the samples show damage following impact (delamination, matrix breaks, fiber breaks); * “undamaged” for sections showing no damage. All this data was then separated into three sub-datasets: * train: data used to tr