3D-Segmentierung von Synchrotron-Tomographien einer Al-Si-Legierung mittels künstlicher neuronaler Netze

Kurzfassung

Diese Masterarbeit beschäftigt sich mit der Segmentierung von Synchrotron-Tomographien einer Al-Si-Legierung durch Verfahren der künstlichen Intelligenz. Die automatisierte 3D-Gefügesegmentierung mittels künstlicher neuronaler Netze führt zu einer enormen Zeitersparnis und ermöglicht somit die Segmentierung großer Datensätze komplexer Mikrostrukturen, die mittels herkömmlicher Verfahren, aufgrund des hohen Zeitaufwands, nicht wirtschaftlich möglich ist. Häufig stellt die geringe Verfügbarkeit von bereits segmentierten Datensätzen, die für das Training neuronaler Netze genutzt werden können, eine Herausforderung dar. Vor diesem Hintergrund wird im Rahmen dieser Masterarbeit untersucht, inwieweit Modelle, die auf einem Trainingsdatensatz trainiert werden, in der Lage sind unbekannte Datensätze derselben Legierung zu segmentieren.