Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWMBeschreibung
In den letzten 10 Jahren ist die Computertomographie (CT) zur Untersuchung von Baumaterialien immer beliebter geworden. Rissinitiierung und Risswachstum wurden ebenso untersucht wie Schäden und Mikrostruktur. Die abgebildeten Proben sind noch recht klein, manchmal nur wenige Millimeter Kantenlänge. Größere Proben müssen gescannt und analysiert werden, da Beton ein sehr heterogenes Material ist. Die komplexe räumliche Rissmorphologie lässt sich auf der Basis von 3D-Bildern sehr gut untersuchen. Die Analyse beschränkt sich jedoch oft auf die Visualisierung und Analyse von 2D-Scheiben, da es schwierig ist, Risse in den rekonstruierten CT-Daten zu erkennen und zu segmentieren.
In diesem Dissertationsprojekt soll das Erkennen, Segmentieren, Analysieren und Modellieren von Rissen in Betonbalken aus mehreren Blickwinkeln angegangen werden - statistisch, durch Bildverarbeitung und maschinelles Lernen.
Die Risse werden mit Hilfe stochastischer Geometriemodelle wie Bruchflächen, die aus Facetten und Kanten von zufälligen Mosaiken oder Zufallsgraphen bestehen, modelliert. Basierend auf den Realisierungen dieser Modelle werden künstliche CT-Bilder erzeugt, um realistische Bilder mit Ground Truth zur Verfügung zu stellen.
Die so abgeleiteten künstlichen Bilddaten können für das Training maschineller/statistischer Lernverfahren zur Erkennung von Rissen verwendet werden. Nichtsdestotrotz werden auch klassische Risserkennungsmethoden in 3D genutzt und vielversprechende Algorithmen aus 2D auf 3D verallgemeinert. Zusätzlich wird die statistische Methode von [Dokládal], die auf morphologischen Pfadöffnungen basiert, von 1D auf 2D-Strukturen verallgemeinert werden.
Die Dissertation baut auf früheren und laufenden Arbeiten [Jung, Muesebeck] auf. Es wird zur Entwicklung neuer und effizienter Methoden zum Auffinden und Analysieren von Anomalien in großen, räumlich spärlichen Daten beitragen.
[Dokládal] P. Dokládal: Statistical Threshold Selection for Path Openings to Detect Cracks, Mathematical Morphology and Its Applications to Signal and Image Processing, 13th International Symposium, ISMM 2017, LNCS 10225, 2017, pp. 369-380
[Jung] C. Jung, Bildanalytische Erkennung von Rissen in Asphalt basierend auf dem Dijkstra-Algorithmus. BSc, TU Kaiserslautern und Fraunhofer ITWM, 2017
[Muesebeck] F. Müsebeck, Crack detection in 3D concrete images. MSc, TU Kaiserslautern und Fraunhofer ITWM, 2020