Une modélisation récente, qualifiée de multiphasique, permettant de décrire le comportement des ouvrages en sols renforcés par inclusions a été développée et intégrée dans un code de calcul par éléments finis. Le champ d'application de cette approche a été étendu pour rendre compte du comportement macroscopique de matériaux à fibres tels que le plâtre, le béton de fibres, les ouvrages en sol renforcés par des fibres et les tissus osseux qui présentent une microstructure constituée d'une matrice et d'une distribution de fibres plus ou moins longues orientées dans toutes les directions de l'espace. Cette approche est d'abord mise en œuvre pour déterminer le comportement élastique du composite à fibre, les résultats obtenus sont comparés à ceux fournis par les schémas d'estimation dilué et de Mori Tanaka, basés sur la solution d'Eshelby, la suite de ce travail est consacrée au développement du modèle dans le cadre d'un comportement anélastique des constituants. Des solutions analytiques ont été développées permettant de retrouver le comportement macroscopique des matériaux à fibres sous certaines sollicitations simples dans le cadre d'un comportement élasto-plastique ou élastique-fragile des différents constituants. Le modèle est par la suite mis en œuvre numériquement dans le cadre de la méthode des éléments finis permettant d'accéder à la réponse de structures en matériaux à fibres / A multiphase model has been recently developed and integrated into a finite element based code for the analysis and design of soil structures reinforced with linear inclusions. This approach is extended to account for the macroscopic behavior of fiber reinforced materials such as plaster, concrete fiber, soil reinforced by short fibers and bone tissues, which are constituted of a matrix and a distribution of continuously oriented fibers. The proposed model is performed to evaluate the elastic macroscopic stiffness of the composite material, the obtained results are compared to those deriving from the dilute and Mori-Tanaka estimations. The model is then extended to take into account a nonelastic behavior of the constituents. Starting from the derivation of some analytical solutions to boundary value problems involving fiber reinforced materials in the context of elasto-plastic and brittle behavior of the matrix and fibers, a f.e.m.-based code is developed and applied to simulating the behavior of some typical structures

Cílem této diplomové práce je automatizace detekce vad ve vláknitých materiálech. Firma SILON se již přes padesát let zabývá výrobou jemné vaty z recyklovaných PET lahví. Tato vata se následně používá ve stavebnictví, automobilovém průmyslu, ale nejčastěji v dámských hygienických potřebách a dětských plenách. Cílem firmy je produkovat co nejkvalitnější výrobek a proto je každá dávka testována v laboratoři s několika přísnými kritérii. Jednám z testů je i množství vadných vláken, jako jsou zacuchané smotky vláken, nebo nevydloužená vlákna, která jsou tvrdá a snadno se lámou. Navrhovaný systém sestává ze snímací lavice fungující jako scanner, která nasnímá vzorek vláken, který byl vložen mezi dvě skleněné desky. Byla provedena série testů s různým osvětlením, která ověřovala vlastnosti Rhodaminu, který se používá právě na rozlišení defektů od ostatních vláken. Tyto defekty mají zpravidla jinou molekulární strukturu, na kterou se barvivo chytá lépe. Protože je Rhodamin fluorescenční barvivo, je možné ho například pod UV světlem snáze rozeznat. Tento postup je využíván při manuální detekci. Při snímání kamerou je možno si vypomoci filtrem na kameře, který odfiltruje excitační světlo a propustí pouze světlo vyzářené Rhodaminem. Součástí výroby skeneru byla i tvorba ovládacího programu. Byla vytvořena vlastní knihovna pro ovládání motoru a byla upravena knihovna pro kameru. Oba systém pak bylo možno ovládat pomocí jednotného GUI, které zajišťovalo pořizování snímku celé desky. Pomocí skeneru byla nasnímána řada snímků, které bylo třeba anotovat, aby bylo možné naučit počítač rozlišovat defekty. Anotace proběhla na pixelové úrovni; každý defekt byl označen v grafickém editoru ve speciální vrstvě. Pro rozlišování byla použita umělá neuronová síť, která funguje na principu konvolucí. Tento typ sítě je navíc plně konvoluční, takže výstupem sítě je obraz, který by měl označit na tom původním vadné pixely. Výsledky naučené sítě jsou v práci prezentovány a diskutovány. Síť byla schopna se naučit rozeznávat většinu defektů a spolehlivě je umí rozeznat a segmentovat. Potíže má v současné době s detekcí rozmazaných defektů na krajích zorného pole a s defekty, jejichž hranice není tolik zřetelná na vstupních obrazech. Nutno zmínit, že zákazník má zájem o kompletní řešení scanneru i s detekčním softwarem a vývoj tohoto zařízení bude pokračovat i po závěru této diplomové práce.