5091
deu
reportzib
0
--
2014-07-03
--
Korrosionsverfolgung in 3D-computertomographischen Aufnahmen von Stahlbetonproben
Kurzfassung. Durch die Alkalität des Betons wird Betonstahl dauerhaft vor
Korrosion geschützt. Infolge von Chlorideintrag kann dieser Schutz nicht länger
aufrechterhalten werden und führt zu Lochkorrosion. Die zerstörungsfreie Prüfung
von Stahlbetonproben mit 3D-CT bietet die Möglichkeit, eine Probe mehrfach
gezielt vorzuschädigen und den Korrosionsfortschritt zu untersuchen. Zur Quantifizierung
des Schädigungsgrades müssen die bei dieser Untersuchung anfallenden
großen Bilddaten mit Bildverarbeitungsmethoden ausgewertet werden. Ein wesentlicher
Schritt dabei ist die Segmentierung der Bilddaten, bei der zwischen Korrosionsprodukt
(Rost), Betonstahl (BSt), Beton, Rissen, Poren und Umgebung
unterschieden werden muss. Diese Segmentierung bildet die Grundlage für statistische
Untersuchungen des Schädigungsfortschritts. Hierbei sind die Änderung
der BSt-Geometrie, die Zunahme von Korrosionsprodukten und deren Veränderung
über die Zeit sowie ihrer räumlichen Verteilung in der Probe von Interesse. Aufgrund
der Größe der CT-Bilddaten ist eine manuelle Segmentierung nicht durchführbar,
so dass automatische Verfahren unabdingbar sind. Dabei ist insbesondere
die Segmentierung der Korrosionsprodukte in den Bilddaten ein schwieriges
Problem. Allein aufgrund der Grauwerte ist eine Zuordnung nahezu unmöglich,
denn die Grauwerte von Beton und Korrosionsprodukt unterscheiden sich kaum.
Eine formbasierte Suche ist nicht offensichtlich, da die Korrosionsprodukte in Beton
diffuse Formen haben.
Allerdings lässt sich Vorwissen über die Ausbreitung der Korrosionsprodukte
nutzen. Sie bilden sich in räumlicher Nähe des BSt (in Bereichen vorheriger
Volumenabnahme des BSt), entlang von Rissen sowie in Porenräumen, die direkt
am BSt und in dessen Nahbereich liegen. Davon ausgehend wird vor der
Korrosionsprodukterkennung zunächst eine BSt-Volumen-, Riss- und Porenerkennung
durchgeführt. Dieser in der Arbeit näher beschriebene Schritt erlaubt es, halbautomatisch
Startpunkte (Seed Points) für die Korrosionsprodukterkennung zu
finden. Weiterhin werden verschiedene in der Bildverarbeitung bekannte
Algorithmen auf ihre Eignung untersucht werden.
1438-0064
urn:nbn:de:0297-zib-50912
To appear in: DGZfP-Jahrestagung 2014 Konferenzband
Olaf Paetsch
Regine Kossick
Daniel Baum
Gino Ebell
Karsten Ehrig
Andreas Heyn
Dietmar Meinel
Steffen Prohaska
ZIB-Report
14-24
deu
uncontrolled
Beton
deu
uncontrolled
Korrosionserkennung
deu
uncontrolled
Bildverarbeitung
deu
uncontrolled
Computertomografie
eng
uncontrolled
concrete
eng
uncontrolled
corrosiondetection
eng
uncontrolled
image processing
eng
uncontrolled
computed tomography
Image processing
Visual Data Analysis
Baum, Daniel
Paetsch, Olaf
Prohaska, Steffen
BAM-CORROSION
Visual and Data-centric Computing
https://opus4.kobv.de/opus4-zib/files/5091/ZR-14-24.pdf
5029
2014
deu
article
0
--
--
--
Korrosionsverfolgung in 3D-computertomographischen Aufnahmen von Stahlbetonproben
DGZfP-Jahrestagung 2014 Konferenzband
http://jt2014.dgzfp.de/portals/jt2014/BB/di1c3.pdf
yes
urn:nbn:de:0297-zib-50912
Olaf Paetsch
Olaf Paetsch
Daniel Baum
Steffen Prohaska
Karsten Ehrig
Gino Ebell
Dietmar Meinel
Andreas Heyn
Visual Data Analysis
Baum, Daniel
Paetsch, Olaf
Prohaska, Steffen
BAM-CORROSION
Visual and Data-centric Computing