Speaker
Description
Die Messung und Identifizierung von Korngrenzen ist eine grundlegende Aufgabe in der Mikrostrukturanalyse. Dazu werden Bilder der präparierten Probe mit dem Lichtmikroskop aufgenommen und segmentiert. Metallografische Bildsegmentierung ist ein wichtiger Bestandteil der automatischen metallografischen Analyse und auch eine anspruchsvolle Aufgabe. Es zielt darauf ab, die verschiedenen Mikrostrukturen im gegebenen metallografischen Bild zu segmentieren und zu erkennen. Bei Mikrostrukturen, die keinen ausreichenden Kontrast an den Korngrenzen aufweisen, kann eine automatische Segmentierung zu unzureichenden Ergebnissen führen. Gerade geätzte Aluminiumproben stellen automatisierte Segmentierungen vor Herausforderungen.
Instance Segmentation ist ein Werkzeug des Machine Learning das die automatische Segmentierung und die daran anschließende Gefügeauswertung solcher herausfordernden Proben möglich macht. Diese Software-Option erlaubt eine nutzerunabhängige und zeiteffiziente Gefügeanalyse.
Anhand von Gefügebildern von Aluminiumlegierungen werden die Vor- und Nachteile von klassischer Segmentierung, semantischer Segmentierung und der Instance Segmentierung dargestellt.