In seinem spannenden Vortrag zu Thema „Deep Learning Models For The Detection Of Steel Microstructures On Scanning Electron Microscope Imagery“ erklärte Julian Gorfer, wie man mithilfe verschiedener Deep Learning Modelle Objekte in einer Mikrostruktur automatisiert detektieren kann. Im Rahmen seiner Masterarbeit beschäftigte sich Herr Gorfer mit der Anwendung dieser Modelle auf REM-Aufnahmen von bainitischen Mikrostrukturen. Deep Learning wird bereits auf Flughäfen zur Gesichtserkennung genutzt, oder um bösartige Krebszellen frühzeitig zu erkennen. In der Entwicklung von Stählen können uns Deep Learning Modelle helfen, selbstständig und objektiv Gefügebestandteile zu erkennen und auszuwerten. Die Modelle lernen anhand von Trainingsdaten relevante Muster einer Mikrostruktur. Je mehr Trainingsdaten für ein Modell gesammelt werden, desto genauer funktioniert am Ende die Objektdetektion für das jeweilige Mikrostrukturbestandteil. Die dadurch gewonnenen Daten können dazu genutzt werden, um das Prozess- und Legierungsdesign von Stählen entscheidend zu beschleunigen.
Schreibe einen Kommentar