• Treffer 2 von 9
Zurück zur Trefferliste

Anwendung von CNNs zur verbesserten Auswertung von MVT-Tests

  • Durch die Anwendung von Convolutional Neural Networks (CNNs) kann die Auswertung von Modifizierten Varestraint-Transvarestraint-Tests (MVT) erheblich verbessert werden. Im MVT-Test werden Proben während des Schweißvorgangs über einen Zylinder gebogen. Die auf der Oberfläche der Probe sichtbare Rissstruktur gibt über Parameter wie die Gesamtrisslänge Auskunft über die Erstarrungsrissbeständigkeit der verwendeten Kombination aus Grundstoff, Schweißzusatz und Schweißparametern. Jedoch kann eine Auswertung unter dem Mikroskop sehr aufwendig sein und je nach Beobachter unterschiedliche Ergebnisse liefern. Mit Hilfe von CNNs wird die Auswertung der Risse automatisiert was Genauigkeit, Geschwindigkeit und Vergleichbarkeit verbessert.

Volltext Dateien herunterladen

  • Anwendung von CNNs zur verbesserten Auswertung MVT-Test.pdf
    deu

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Philipp Liepold
Dokumenttyp:Vortrag
Veröffentlichungsform:Präsentation
Sprache:Deutsch
Jahr der Erstveröffentlichung:2022
Organisationseinheit der BAM:9 Komponentensicherheit
9 Komponentensicherheit / 9.4 Integrität von Schweißverbindungen
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Angewandte Physik
Freie Schlagwörter:CNN; KI; MVT
Themenfelder/Aktivitätsfelder der BAM:Energie
Veranstaltung:BMDK
Veranstaltungsort:Magdeburg, Germany
Beginndatum der Veranstaltung:05.12.2022
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:17.01.2023
Referierte Publikation:Nein
Eingeladener Vortrag:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.