Comparative analysis of spectrogram-based transformations for acoustic classification of SMAW weld quality using machine learning

Este estudio evalúa la viabilidad del análisis de señales acústicas mediante diferentes métodos de transformación espectrográfica como herramienta para evaluar la calidad de los cordones de soldadura producidos mediante el proceso de soldadura por arco metálico protegido (SMAW). Se registraron emisiones acústicas durante operaciones de soldadura manual en condiciones experimentales controladas, utilizando electrodos E6013 sobre placas de acero al carbono A36. A partir de las grabaciones acústicas de 400 muestras de soldadura, previamente clasificadas como aceptadas o rechazadas, se extrajeron dos descriptores acústicos fundamentales: la frecuencia fundamental (F0) y la relación armónico-ruido (HNR). Estos se analizaron mediante métricas paramétricas y no paramétricas para evaluar su capacidad discriminatoria. Además, se entrenaron y validaron múltiples clasificadores supervisados mediante validación cruzada estratificada de ocho pliegues. El marco propuesto permite una comparación sistemática de diferentes transformaciones de señal y modelos de clasificación para la evaluación de la calidad de la soldadura SMAW. Entre los modelos evaluados (SVC, Gradient Boosting y Extra Trees), se observaron tasas de precisión del 90-95% utilizando las transformaciones Spectral Contrast, MEL y CQT. Los resultados demuestran que la implementación de diversos modelos y transformaciones basados en señales acústicas para la inspección de soldaduras ofrece una solución escalable y rentable para el control de calidad industrial.

Abstract

This study evaluates the feasibility of acoustic signal analysis using different spectrographic transformation methods as a tool for assessing the quality of welding beads produced through the Shielded Metal Arc Welding (SMAW) process. Acoustic emissions were recorded during manual welding operations under controlled experimental conditions, using E6013 electrodes on A36 carbon steel plates. From the acoustic recordings of 400 welding samples, previously classified as accepted or rejected, two fundamental acoustic descriptors were extracted: the fundamental frequency (F0) and the harmonic-to-noise ratio (HNR). These were analysed using parametric and non-parametric metrics to evaluate their discriminative capability. In addition, multiple supervised classifiers were trained and validated using stratified eight-fold cross-validation. The proposed framework enables a systematic comparison of different signal transformations and classification models for the evaluation of SMAW welding quality. Among the evaluated models (SVC, Gradient Boosting, and Extra Trees), precision rates of 90–95% were observed using Spectral Contrast, MEL, and CQT transformations. The results demonstrate that the implementation of various acoustic signal-based models and transformations for welding inspection offers a scalable and cost-effective solution for industrial quality control.

Idioma

spa

Citación

Rodríguez, A. G., Lara Munevar, S. E., Morales, H. F. M., y Barriga Castellanos, C. C. (2026).Comparative analysis of spectrogram-based transformations for acoustic classification of SMAW weld quality using machine learning. [TRabahjo de Grado, Universidad Santo Tomás]. Repositorio Institucional

Colecciones

Pregrado Ingeniería Mecánica

Licencia Creative Commons

Attribution-NonCommercial-NoDerivs 2.5 Colombia

http://creativecommons.org/licenses/by-nc-nd/2.5/co/

Página completa del ítem

Comentarios? Da clic aquí.

Comparative analysis of spectrogram-based transformations for acoustic classification of SMAW weld quality using machine learning

Archivos

Fecha

Autores

Director

URI

Enlace al recurso

DOI

ORCID

Google Scholar

Cvlac

gruplac

Descripción Dominio:

Título de la revista

ISSN de la revista

Título del volumen

Editor

Compartir

Descripción

Abstract

Idioma

Palabras clave

Citación

Colecciones

Licencia Creative Commons