Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-504261
Advanced Deep Learning-Based 3D Microstructural Characterization of Multiphase Metal Matrix Composites
- The quantitative analysis of microstructural features is a key to understanding the micromechanical behavior of metal matrix composites (MMCs), which is a premise for their use in practice. Herein, a 3D microstructural characterization of a five-phase MMC is performed by synchrotron X-ray computed tomography (SXCT). A workflow for advanced deep learning-based segmentation of all individual phases in SXCT data is shown using a fully convolutional neural network with U-net architecture. High segmentation accuracy is achieved with a small amount of training data. This enables extracting unprecedently precise microstructural parameters (e.g., volume fractions and particle shapes) to be input, e.g., in micromechanical models.
Autor*innen: | Sergei EvsevleevORCiD, S. Paciornik, Giovanni BrunoORCiD |
---|---|
Dokumenttyp: | Zeitschriftenartikel |
Veröffentlichungsform: | Verlagsliteratur |
Sprache: | Englisch |
Titel des übergeordneten Werkes (Englisch): | Advanced Engineering Materials |
Jahr der Erstveröffentlichung: | 2020 |
Organisationseinheit der BAM: | 8 Zerstörungsfreie Prüfung |
8 Zerstörungsfreie Prüfung / 8.5 Röntgenbildgebung | |
Veröffentlichende Institution: | Bundesanstalt für Materialforschung und -prüfung (BAM) |
Verlag: | WILEY-VCH Verlag GmbH & Co. KGaA |
Verlagsort: | Weinheim |
Jahrgang/Band: | 22 |
Ausgabe/Heft: | 4 |
Erste Seite: | 1901197 |
DDC-Klassifikation: | Naturwissenschaften und Mathematik / Chemie / Analytische Chemie |
Freie Schlagwörter: | Computed tomography; Convolutional neural networks; Deep learning; Metal matrix composites; Segmentations |
Themenfelder/Aktivitätsfelder der BAM: | Chemie und Prozesstechnik |
DOI: | 10.1002/adem.201901197 |
URN: | urn:nbn:de:kobv:b43-504261 |
ISSN: | 1438-1656 |
Verfügbarkeit des Dokuments: | Datei für die Öffentlichkeit verfügbar ("Open Access") |
Lizenz (Deutsch): | Creative Commons - CC BY - Namensnennung 4.0 International |
Datum der Freischaltung: | 20.02.2020 |
Referierte Publikation: | Ja |
Datum der Eintragung als referierte Publikation: | 27.02.2020 |
Schriftenreihen ohne Nummerierung: | Wissenschaftliche Artikel der BAM |