Filtern
Erscheinungsjahr
- 2021 (4) (entfernen)
Dokumenttyp
- Sonstiges (4) (entfernen)
Referierte Publikation
- nein (4)
Schlagworte
- 3D Druck von Beton (1)
- Additive Fertigung (1)
- BOS (1)
- Deep imaging (1)
- Deep learning (1)
- Deep unfolding (1)
- Elastic net (1)
- IFAFRI (1)
- Iterative shrinkage thresholding algorithm (1)
- KMU (1)
Organisationseinheit der BAM
- 8 Zerstörungsfreie Prüfung (4) (entfernen)
In vielen Umgebungen, besonders bei hohen Temperaturen, korrosiven Umgebungen oder auf bewegten oder schlecht zugänglichen Flächen, kann die Temperatur nicht oder nur mit nicht akzeptablem Aufwand mit Berührungsthermometern gemessen werden. Diese Umgebungsbedingungen sind unter anderem in der chemischen Industrie, der Lebensmittel-, Metall-, Glas-, Kunststoff- und Papierherstellung sowie bei der Lacktrocknung anzutreffen. In diesen Bereichen kommen Strahlungsthermometer zum Einsatz. Der VDI-Statusreport zeigt typische Anwendungsfelder von nicht radiometrisch kalibrierten Wärmebildkameras und von radiometrisch kalibrierten Thermografiekameras. Um verlässlich mit spezifizierten Messunsicherheiten berührungslos Temperaturen zu messen, müssen die Strahlungsthermometer und Thermografiekameras nicht nur kalibriert, sondern radiometrisch und strahlungsthermometrisch umfassend charakterisiert werden. Auch die optische Materialeigenschaft, der spektrale Emissionsgrad und die Gesamtstrahlungsbilanz (Strahlung des Messobjekts und der Umgebung) sind bei der industriellen Temperaturmessung von großer Bedeutung. In den letzten Jahrzehnten ist dazu ein umfassendes technisches Regelwerk entstanden, das wir Ihnen mit diesem VDI-Statusreport vorstellen. Manche in den Richtlinien beschriebenen Kennwerte mögen abstrakt wirken. In diesem Statusreport zeigen wir an konkreten Beispielen, was diese Kenngrößen für die berührungslose Temperaturmessung bedeuten. Beispiele von Anwendungen zeigen, wo temperaturmessende Thermografiekameras und ausschließlich bildgebende Wärmebildkameras in der Praxis eingesetzt werden. Mit einer Analyse, welche Themen und Anwendungen derzeit besonders intensiv diskutiert werden, versuchen wir Trends für zukünftige Entwicklungen herauszuarbeiten.
In den vergangenen Jahren ist die Entwicklung additiver Fertigungsverfahren branchenübergreifend fortgeschritten. In der Industrie ist die Verarbeitung von Polymeren wie z. B. Polylactide (PLA) oder Acrylnitril-Butadien-Styrol-Copolymer (ABS) am weitesten verbreitet, aber auch die Verarbeitung von Metallen nimmt zu. Umfragen des Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA aus dem Jahr 2016 verdeutlichen, wie hoch das Potential additiver Fertigungsverfahren eingeschätzt wird und auch die Anzahl der jährlich angemeldeten Patente im Bereich des 3D-Drucks hat sich in den letzten Jahren vervielfacht.
This paper presents deep unfolding neural networks to handle inverse problems in photothermal radiometry enabling super resolution (SR) imaging. Photothermal imaging is a well-known technique in active thermography for nondestructive inspection of defects in materials such as metals or composites. A grand challenge of active thermography is to overcome the spatial resolution limitation imposed by heat diffusion in order to accurately resolve each defect. The photothermal SR approach enables to extract high-frequency spatial components based on the deconvolution with the thermal point spread function. However, stable deconvolution can only be achieved by using the sparse structure of defect patterns, which often requires tedious, hand-crafted tuning of hyperparameters and results in computationally intensive algorithms. On this account, Photothermal-SR-Net is proposed in this paper, which performs deconvolution by deep unfolding considering the underlying physics. This enables to super resolve 2D thermal images for nondestructive testing with a substantially improved convergence rate. Since defects appear sparsely in materials, Photothermal-SR-Net applies trained blocksparsity thresholding to the acquired thermal images in each convolutional layer. The performance of the proposed approach is evaluated and discussed using various deep unfolding and thresholding approaches applied to 2D thermal images. Subsequently, studies are conducted on how to increase the reconstruction quality and the computational performance of Photothermal-SR-Net is evaluated.
Thereby, it was found that the computing time for creating high-resolution images could be significantly reduced without decreasing the reconstruction quality by using pixel binning as a preprocessing step.