Speaker
Description
In der modernen Lichtmikroskopie spielt die Automatisierung der Probenaufnahme sowie der anschließenden quantitativen Gefügeanalyse (QGA) eine immer größere Rolle. Das Ergebnis ist ein fertiger Bericht mit relevanten Informationen wie Volumenanteilen von Phasen, der Korngrößen oder Anzahl und Art gefundener Defekte, ohne die Aufnahmen qualitativ sichten zu müssen. Gerade bei großflächigen Probenaufnahmen werden so Zeit und Kosten eingespart. Jedoch stellt die Bildunschärfe weiterhin ein großes Problem dar. Gerade bei Probenaufnahmen deren Topografie nicht plan-parallel ausgerichtet werden können sowie geringe Schärfentiefe bei höheren Vergrößerungen führen zu unscharfen Aufnahmen.
Dieser Beitrag untersucht den Einfluss von Bildunschärfe auf die Ergebnisse der QGA wie der Korngrößenbestimmung in Kupferproben, der Ermittlung von Volumenanteilen in FeNdB-Sintermagneten sowie der Stahlreinheitsgradanalyse. Als wesentlicher Aspekt wird hierbei die Bildunschärfe quantitativ bestimmt und schrittweise erhöht um die Veränderung der QGA zu ermitteln. Zusätzlich wird ein trainiertes KI-Modell zur Verbesserung der Bildqualität vorgestellt und anhand der QGA Ergebnisse evaluiert. In diesem Beitrag wird das Potential der KI-Methode für eine zuverlässige Stabilisierung der QGA Ergebnisse über einen großen Defokusbereich vermittelt. Im Vortrag werden erste Ergebnisse vorgestellt.