Refine
Year of publication
Document Type
- ZIB-Report (6)
- In Proceedings (4)
- Article (1)
Language
- German (11) (remove)
Is part of the Bibliography
- no (11)
Keywords
- Ausgabegerätesteuerung (1)
- Beton (1)
- Bildverarbeitung (1)
- CGI (1)
- Client-Server-Anwendungen (1)
- Computertomografie (1)
- Java (1)
- Korrosionserkennung (1)
- computed tomography (1)
- concrete (1)
Institute
GRAZIL ist ein interaktives Programmpaket zur graphischen Darstellung von zwei-dimensionalen Kurvenverläufen. Dem Benutzer stehen zahlreiche Kommandos zum Gestalten des Layouts der Zeichnung zur Verfügung. Die Eingabedaten müssen dem ZUGRIFF- Konzept genügen, wodurch die genaue Struktur der Daten erst zur Laufzeit bekannt sein muß und somit eine hohe Flexibilität und eine große Bandbreite der Einsatzmöglichkeiten erreicht wird. GRAZIL wurde mit der graphischen Grundsoftware BIZEPS2 und GKS entwickelt. Dadurch kann ein breites Rechner- und Ausgabegerätespektrum genutzt werden.
GRAZIL ist ein interaktives Programmpaket zur grafischen Darstellung von zwei-dimensionalen Kurvenverläufen. Dem Benutzer stehen zahlreiche Kommandos und ein grafisches User-Interface zum Gestalten des Layouts der Zeichnung zur Verfügung. Die Eingabedaten müssen dem GRAZIL-Eingabe-Format genügen. Somit wird eine hohe Flexibilität und eine gro\"se Bandbreite der Einsatzmöglichkeiten erreicht. GRAZIL wurde mit der grafischen Grundsoftware GKS entwickelt. Dadurch kann ein breites Rechner- und Ausgabegerätespektrum genutzt werden.
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.
Die Auswertungen der großen Datenmengen moderner bildgebender
Verfahren der ZfP können manuell kaum noch bewältigt werden. Hochauflösende
3D-CT-Aufnahmen bestehen oft aus über 1000 Schichtbildern mit einer Datenmenge
von mehreren Gigabytes. Aktuelle Computer können diese zwar problemlos
visualisieren und erlauben somit eine visuelle Inspektion, aber die möglichst
vollständige Erkennung bestimmter Merkmale in den Daten und deren qualitative wie
quantitative Auswertung ist durch Experten manuell nicht mehr zu bewältigen. Das
gilt insbesondere im Kontext der Schadensaufklärung für die quantitative Analyse
verschiedenartig induzierter Risse in Betonen (z.B. durch mechanische Belastungen
sowie Frost, Sulfat und Alkali-Kieselsäure-Reaktion).
Eine dazu notwendige Segmentierung und Merkmalserkennung kann nur
automatisch durchgeführt werden. Dabei ergibt sich (auch fast automatisch) die Frage
nach der Verlässlichkeit der verwendeten Algorithmen. Inwieweit kann man davon
ausgehen, dass alle gesuchten Merkmale auch tatsächlich gefunden worden sind? Sind
die gefundenen Merkmale quantitativ auswertbar und wie wirken sich
Parameteränderungen auf die Ergebnisse aus? Sollten immer dieselben, einmal mit
gutem Ergebnis angewandten, Parameter auch bei anderen Proben zur besseren
Vergleichbarkeit genutzt werden?
Anhand eines Risserkennungsalgorithmus basierend auf Formerkennung und
Bildverarbeitung wird die Problematik diskutiert. Als Grundlage zur Bewertung des
Ansatzes dienen 3D-CT-Aufnahmen von geschädigten Betonprobekörpern und
Datensätze, in denen sich aufgrund ihres homogenen Aufbaus mit einfachen Mitteln
Risse sicher und eindeutig erkennen lassen.
Zur Auswertung der erkannten Risse gehört auch deren Einbettung in das
umliegende Material. Das erfordert neben einer automatischen Risserkennung auch
eine Segmentierung des gesamten Probekörpers in Zementsteinmatrix,
Gesteinskörnung und Porenraum. Da eine solche Segmentierung aufgrund der
Datenmenge nur schwer manuell erfolgen kann, werden erste Ergebnisse aus einer
Segmentierung mit Hilfe selbstlernender Convolutional Neural Networks gezeigt.