Zum Einsatz künstlicher Intelligenz bei der dreidimensionalen Charakterisierung dendritischer Mikrostrukturen

  • Heutige Mikroskope ermöglichen eine digitale Verarbeitung von Mikrostrukturbildern. Insbesondere bedingt das Aufkommen moderner Computertechniken, wie der künstlichen Intelligenz, eine schnellere und effizientere Möglichkeit zur Verarbeitung der Datenmengen. Die Einbeziehung dieser Technologien bringt jedoch neue Herausforderungen mit sich, z. B. die Frage, wie die Architektur eines neuronalen Netzwerkes zu gestalten ist und wie die relevanten Daten strukturiert werden sollten. Diese Aspekte werden bei der Untersuchung der gerichteten Erstarrung von Superlegierungen diskutiert. Mit manuell identifizierten Dendriten wurden verschiedene Modelle zur Dendritenerkennung trainiert. Mithilfe geometrischer Algorithmen wurden die Wachstumsrichtungen aller Dendriten automatisch identifiziert und strukturiert. Dabei wurde erkannt, dass die Streuung der Richtungen im Laufe des Prozesses größer wird. Hierdurch entstehen komplexe Dendritenfamilien, die lokale Cluster ähnlichen Wachstums bilden.
  • Nowadays microscopes allow complete digital processing of microstructural images. Especially the rise of modern computational techniques, such as artificial intelligence, enables faster and more efficient ways of processing large amounts of data. However, incorporating these upcoming technologies imply a variety of challenges like how to design a neural network architecture and how the relevant data should be structured. These aspects are discussed while investigating the directional solidification of superalloys. With previous labeled dendrite core positions different dendrite detection models were trained. By using geometric algorithms, the growth direction of all dendrites have been automatically identified and structured. Here, it was found that the spread of orientations becomes greater during the process, increasing the extinction and branching events between neighboring dendrites. Through this, dendrite families emerge, creating local cluster equal in growth.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Alexander Richard RichterGND
URN:urn:nbn:de:hbz:294-108609
DOI:https://doi.org/10.13154/294-10860
Referee:Gunther EggelerORCiDGND, Jan FrenzelORCiDGND
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2024/02/01
Date of first Publication:2024/02/01
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Maschinenbau
Date of final exam:2023/11/28
Creating Corporation:Fakultät für Maschinenbau
GND-Keyword:Superlegierung; Dendrit; Erstarrung; Maschinelles Sehen; Datenbank
Institutes/Facilities:Institut für Werkstoffe, Lehrstuhl Werkstoffwissenschaft
Dewey Decimal Classification:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften, Maschinenbau
faculties:Fakultät für Maschinenbau
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht