Enhanced crack detection method using convolutional neural networks for Varestraint type tests
- A method to extract characteristics of cracks employing semantic segmentation on the basis of pictures taken via microscope, possible through advances in deep learning using a U-Net type model.
Autor*innen: | Philipp Liepold |
---|---|
Koautor*innen: | Arne Kromm, Thomas Kannengießer |
Dokumenttyp: | Vortrag |
Veröffentlichungsform: | Präsentation |
Sprache: | Englisch |
Jahr der Erstveröffentlichung: | 2023 |
Organisationseinheit der BAM: | 9 Komponentensicherheit |
9 Komponentensicherheit / 9.4 Integrität von Schweißverbindungen | |
DDC-Klassifikation: | Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Angewandte Physik |
Freie Schlagwörter: | AI; CNN; MVT |
Themenfelder/Aktivitätsfelder der BAM: | Energie |
Veranstaltung: | IIW Intermediate Meeting |
Veranstaltungsort: | Garching, Germany |
Beginndatum der Veranstaltung: | 05.12.2022 |
Enddatum der Veranstaltung: | 08.03.2023 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 14.03.2023 |
Referierte Publikation: | Nein |
Eingeladener Vortrag: | Nein |