Charakterisierung der Entstehung von Wasserstoffporosität in Al-20%wt.Ge

Abstract

Es wurden Proben aus einer Al-20%wt.Ge-Legierung hergestellt und mittels in-Situ Röntgenradiographie analysiert. Die vorliegende Arbeit hat sich mit der Datenanalyse im Kontext der Untersuchung von Gasporen in einem Al-Ge-System befasst. Hierbei wurde ein auf Python basierender Deep-Learning-Algorithmus verwendet, um umfangreiche Sammlungen von PNG-Bilddateien zu analysieren. In den Ergebnissen konnten keine signifikanten Korrelationen in Bezug auf die unterschiedlichen Schnitthöhen der Gussstücke festgestellt werden, wohingegen die Anzahl der Gasporen bei dickeren Proben tendenziell höher ist. Während der Analyse wurden Herausforderungen im Zusammenhang mit der Verzerrung der Bilddaten sowie Unterschieden in der Bildauflösung identifiziert. Diese Unsicherheiten beeinflussen die Genauigkeit der Ergebnisse und betonen die Notwendigkeit einer Optimierung des Deep-Learning-Codes.