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

#### 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[Représentation du matériau composite](https://ars.els-cdn.com/content/image/1-s2.0-S1359836825009448-gr1.jpg) [\[2\]](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 | <br /> #### 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 train the model * val: data used after training to verify the model's effectiveness * test: data isolated from the training process (from samples for which no images were used for training) and used after the training and validation processes to ensure the robustness of the model for new data The code for training the model is available at the following link: *GitHub link*. The following publication highlights the results that can be obtained from this dataset \[1] (*update when paper published*) #### Details on the composite material: Type: Evolite XA1481 Supplier: Solvay Composition: 2x2 twill woven glass fabric Stacking sequence: \[0°/90°]x2 Number of layers: 4 Dimensions (width x height): 100mm x 150mm Thickness: 1.95mm[](https://ars.els-cdn.com/content/image/1-s2.0-S1359836825009448-gr1.jpg) [Representation of the composite material](https://ars.els-cdn.com/content/image/1-s2.0-S1359836825009448-gr1.jpg) [\[2\]](https://www.sciencedirect.com/science/article/pii/S1359836825009448#fig1) #### Impact procedure: Shape of impactor: circular Weight of impactor: 5kg Diameter: 16mm Impact energy and number of samples impacted: | Impact energy | Number of samples | | :-----------: | :---------------: | | 3J | 3 | | 4J | 4 | | 5J | 3 | | 6J | 3 | | 7J | 3 | | 8J | 3 | | 9J | 1 | | 10D | 2 | <br /> #### Data acquisition: Machine: EsayTom (Nano) Supplier: RX Solution Acquired volume: 27.9 mm x 27.9 mm x 20.5 mm Voxel size: 15μm #### Dataset structure: * ML-DATA-RX.zip: * test: Folder containing all images from samples not observed during model training in order to test training performance * damaged: 191 images * undamaged: 569 images * train: Folder containing the data used by the model during training * damaged: 948 images * undamaged: 2,706 images * val: Folder containing the data used to verify the effectiveness of the model after training * damaged: 380 images * undamaged: 1,071 images #### Extracting the files: 1. Download all the files in this dataset 2. (If necessary) Install 7-Zip or WinRAR 3. Right-click on **ML-DATA-RX.7z.001** > More options > 7-Zip > Extract to ML-DATA-RX