Application of deep learning to the segmentation of synchrotron X-ray tomography data of multiphase metal matrix composites
- The 3D microstructure of an Al alloy matrix composite with two ceramic reinforcements was investigated by synchrotron X-ray tomography. A deep learning algorithm was used for the segmentation of four different phases. We show that convolutional networks with the U-Net architecture are able to solve complex segmentation tasks with small amount of training data.
Autor*innen: | Sergei EvsevleevORCiD |
---|---|
Weitere Person: | Sidnei Paciornik, Christian Gollwitzer, Giovanni BrunoORCiD |
Dokumenttyp: | Vortrag |
Veröffentlichungsform: | Präsentation |
Sprache: | Englisch |
Jahr der Erstveröffentlichung: | 2019 |
Organisationseinheit der BAM: | 8 Zerstörungsfreie Prüfung |
8 Zerstörungsfreie Prüfung / 8.5 Röntgenbildgebung | |
DDC-Klassifikation: | Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten |
Freie Schlagwörter: | Deep learning; Metal matrix composite; Segmentation; Synchrotron X-ray tomography |
Themenfelder/Aktivitätsfelder der BAM: | Material |
Veranstaltung: | International Conference on Tomography of Materials & Structures |
Veranstaltungsort: | Cairns, Australia |
Beginndatum der Veranstaltung: | 22.07.2019 |
Enddatum der Veranstaltung: | 26.07.2019 |
Verfügbarkeit des Dokuments: | Datei im Netzwerk der BAM verfügbar ("Closed Access") |
Datum der Freischaltung: | 02.08.2019 |
Referierte Publikation: | Nein |
Eingeladener Vortrag: | Nein |