Ziele:
• Einlesen, Registrierung und Integration der Multimodalen und Multiskalaren ZfP-Daten
• Extraktion und Visualisierung von relevanten Materialeigenschaften und Defektstrukturen. Hierfür werden neben konventionellen Segmentierungstechniken auch Machine Learning (Deep Convolutional Neural Networks) Techniken entwickelt, trainiert und erprobt. Aus den generierten multimodalen, multiskalaren ZfP-Daten werden z.B. Poren-, Riss-, Delamination-, Fremdkörper-, Disbond- oder Faserbündeleigenschaften, Faserwelligkeiten sowie Volums-Porosität bzw. Defektdichte quantifizieren und klassifiziert
• Entwicklung von Virtual Reality (VR) Widgets zur komparativen und zur Ensemble-Visualisierung hinsichtlich Designoptimierung und ZfP-Datenanalyse. Hierfür werden Visualisierungstechniken für benutzerspezifische Analysen zur Untersuchung und Aggregation der schieren Anzahl der extrahierten Merkmale im Raum, über die Zeit sowie in höheren Dimensionen für die quantitative Datenvisualisierung realisiert.
• Für Defekt- und Trendmonitoring werden Techniken werden vergleichende Visualisierungstechniken implementiert, um einerseits gezielte Analysen für den direkten Vergleich einer kleinen Anzahl von Datensätzen zu ermöglichen, andererseits aber für die Analyse kompletter Ensembles von Datensätzen.
Beschreibung der Inhalte:
Zum einen gilt es in diesem Arbeitspaket alle unterschiedlichen ZfP-Modalitäten innerhalb einer Software einzulesen und dann anhand von geeigneten Datenanalysetechniken automatisiert einzelne Features und Materialkennwerte auszuwerten und zu visualisieren. Ein starker Fokus wird in diesem AP auf die Integration neuer, im industriellen ZfP Kontext noch kaum verwendeter Techniken gesetzt.
Methode:
Die zu implementierenden Techniken werden in open_iA (https://github.com/3dct/open_iA), einem open-source Tool der FHOOE implementiert. open_iA ist ein Open-Source- Programm für die visualisierungsgestützte Analyse und die Verarbeitung von Volumsdaten, mit Fokus auf industrielle Computertomographie. open_iA verarbeitet viele Volumsdatenformate sowie unterschiedliche Oberflächendatenformate. Es erlaubt die slice-by-slice Navigation in den 2D Ansichten, 3D Navigation sowie beliebige Schnittebenen in den 3D Ansichten. open_iA ist einfach erweiterbar und dient als zentrale Entwicklungsplattform der Research Group Computertomographie.
