Das Suchergebnis hat sich seit Ihrer Suchanfrage verändert. Eventuell werden Dokumente in anderer Reihenfolge angezeigt.
  • Treffer 61 von 1464
Zurück zur Trefferliste

Anwendung von Convolutional Neural Networks (CNNs) bei der Erkennung von Rissen im Modifizierten Varestraint-Transvarestraint-Heißrisstest (MVT-Test)

  • Der Modifizierte Varestraint-Transvarestraint-Test wird an der Bundesanstalt für Materialforschung und -prüfung als Variante des Varestraint-Tests verwendet. Die Auswertung dieser Tests findet klassisch durch Abmessungen der entstandenen Risse unter dem Lichtmikroskop statt. Eine solche Auswertung ist aufwendig und fehleranfällig. Convolutional Neural Networks können trainiert werden, um die Risse auf digitalen Bildern zu segmentieren, wodurch der menschliche Fehler in der Auswertung eliminiert werden kann. Die Ergebnisse können durch Overlay mit den Originalbildern verglichen werden.

Volltext Dateien herunterladen

  • Manuskript.pdf
    deu

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Philipp Liepold
Persönliche Herausgeber*innen:Arne Kromm, Thomas Kannengießer
Dokumenttyp:Beitrag zu einem Tagungsband
Veröffentlichungsform:Graue Literatur
Sprache:Deutsch
Titel des übergeordneten Werkes (Deutsch):DVS CONGRESS, Große Schweißtechnische Tagung, DVS CAMPUS, 2023, DVS-Berichte Band 389
Jahr der Erstveröffentlichung:2023
Organisationseinheit der BAM:9 Komponentensicherheit
9 Komponentensicherheit / 9.4 Integrität von Schweißverbindungen
Herausgeber (Institution):DVS
Verlag:Print Media Group GmbH & Co. KG
Verlagsort:Hamm
Jahrgang/Band:2023
Aufsatznummer:22
Erste Seite:153
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Angewandte Physik
Freie Schlagwörter:KI
CNN; MVT
Themenfelder/Aktivitätsfelder der BAM:Energie
Veranstaltung:DVS-Congress, Große Schweißtechnische Tagung
Veranstaltungsort:Essen, Germany
Beginndatum der Veranstaltung:11.09.2023
Enddatum der Veranstaltung:14.09.2023
ISSN:978-3-96144-230-0
ISBN:978-3-96144-231-7
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:19.01.2024
Referierte Publikation:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.