Speaker
Description
Mittels Laser-Pulverbettfusion (L-PBF) hergestellte austenitische Stähle, z.B. 316L, weisen eine komplexe, hierarchische Mikrostruktur auf, die durch Schmelzbadlinien und die darin typische kolumnare und äquiaxiale Kornstruktur charakterisiert ist [1]. Die vollständige dreidimensionale Rekonstruierung dieser Merkmale stellt aufgrund der unterschiedlichen Kontrastanforderungen eine erhebliche Herausforderung für die Erfassung und digitale Bildverarbeitung dar. Eine Lösung hierfür bietet die sequenzielle Ätztechnik des RASI-Systems (Robot-Assisted Automated Serial Sectioning and Imaging) der Bundesanstalt für Materialforschung und -prüfung (BAM), sowie ein hinreichend trainiertes KI-Segmentierungsmodell [2].
Im Rahmen einer Untersuchung wurde die Rekonstruktion des Gefüges von Grund auf mittels metallografischer Serienschnitte durchgeführt, die mit dem RASI-System generiert wurden. Der Fokus lag dabei auf einer präzisen Registrierung der Bilder und der Korrektur von Bildartefakten sowie der Kontrastverhältnisse. Die größte Herausforderung besteht in der simultanen Segmentierung zweier unterschiedlich kontrastierter Gefügemerkmale: der linienhaften Schmelzbadgrenzen und der flächigen Kornstruktur, die beide aufgrund schwankender Kontrastintensitäten oft nur unvollständig abgebildet werden konnten.
Zur Lösung dieser Herausforderung werden computergestützte Ansätze, wie das klassische Schwellwert-Verfahren, Methoden des Machine Learnings sowie Deep-Learning-Modelle angewandt. Diese wurden nacheinander evaluiert und optimiert (Abbildung 1), um auch bei schwachem Kontrast eine zuverlässige Segmentierung der Phasen zu gewährleisten und ein optimiertes Modell für die additiv gefertigte AM-Stahlqualität (AM) 316L und ähnliche AM-Werkstoffe zu kreieren.
Abbildung 1:Segmentierte Schmelzbadlinien eines 316L-AM mit Schwellwertverfahren (links) und optimiertem Deep-Learning-Modell (rechts)
Die finale 3D-Rekonstruktion und Visualisierung erfolgt mit der Software Dragonfly (ORS). Das Ziel ist die Rekonstruktion eines digitalen Volumenmodells, bestehend aus Schmelzbadlinien und partialen Kornstrukturen, die eine quantitative Charakterisierung des Gefüges des Werkstoffs ermöglicht und somit die Grundlage für ein tieferes Verständnis der Korrelation zwischen diesen beiden Gefügemerkmalen additiv hergestellter Werkstoffe bietet. Langfristig bietet sich somit die Möglichkeit gefügeabhängige mechanische Eigenschaften so zu beschreiben, dass eine prozessnahe Werkstoffoptimierung erlaubt wird.
Referenzen
[1] Zhao, L.; Zhang, J.; Yang, J.; Hou, J.; Li, J.; Lin, J.: Microstructure and mechanical properties of 316L stainless steel manufactured by multi-laser selective laser melting (SLM), Materials Science & Engineering A 913 (2024)
[2] Moschetti, M.; Lemiasheuski, A.; Bajer, E.; Porohovoj, I.; Göbel, A.; Pfennig, A.; Bettge, D.; Maaß, R.: Robot-Assisted Automated Serial-Sectioning and Imagingfor 3D Microstructural Investigations, Adv. Eng. Mater. 28 (2026)