DFG-Projekt: Superresolution mehrskaliger Bilder aus den Materialwissenschaften unter Ausnutzung geometrischer Kenngrößen
Moderne Verfahren der Bildverarbeitung und Angewandten Analysis sind von zunehmendem Nutzen bei der Erforschung von Materialien und deren Eigenschaften in den Ingenieurswissenschaften. Unser Projekt leistet einen Beitrag in diese Richtung durch die Entwicklung von sogenannten Superresolutionsverfahren zur Konstruktion hochaufgelöster 3D Bilder aus niedrigaufgelösten Bildern und wenigen hochaufgelösten Teilbildern. Die mathematischen Modelle werden auf Verallgemeinerungen von Gaußschen Mischmodellen und Student-t Mischmodellen in Verbindung mit Variationsmethoden basieren. Geometrische Eigenschaft der Daten passend zu den ingenieurswissenschaftlichen Fragestellungen sollen herausgearbeitet werden, die einerseits eine Basis zur Evaluierung der Resultate liefern und andererseits direkt in die Modellierung einfließen. Die entwickelten Superresolutionsmodelle sollen mathematisch analysiert, effiziente Algorithmen erstellt und deren Konvergenzverhalten untersucht werden. Ein weiteres Ziel des Projektes ist die Verallgemeinerung der Methoden auf multimodale Bilder, bei denen die niedrigaufgelösten Bilder mittels Computertomographie und die hochaufgelösten Teilbilder des gleichen Materials mittels FIB-SEM Tomographie gewonnen werden. Dabei muss die spezielle Aufnahmetechnik bei FIB-SEM Bildern, insbesondere sogenannte "Curtaining" Effekte und die Anisotropie bezüglich der dritten räumlichen Komponente einbezogen werden. Schließlich ist die numerische Evaluation der Superresultionsverfahren durch Vergleich von Eigenschaften reaktiver Flüssigkeiten in porösen Medien geplant.
Projektpartner:
Professorin Dr. Gabriele Steidl
Professor Jean-Francois Aujol, Ph.D.
DFG-Projekt: Großgeräteinitiative: Computertomografie zur Untersuchung von Tragwerken unter Laststeigerung
In der Baustofftechnologie wird seit vielen Jahren die Computertomografie genutzt, um an kleinformatigen Proben Kenntnisse über die Gefügestruktur von Baustoffen und deren Veränderung unter verschiedenen Expositionen zu gewinnen. Um aber mit der Röntgentechnologie zu einer Verbesserung des Verständnisses des Trag- und Verformungsverhaltens von ganzen Bauteilen kommen zu können, fehlen bisher entsprechend konfigurierte Geräte. Der vorliegenden DFG-Ausschreibung folgend wurde deshalb ein völlig neuartiges Tomografie-Portal (TOP) konzipiert, das Bauteile mit realen Abmessungen unter Laststeigerung mit hoher Auflösegenauigkeit tomografieren kann. Es setzt auf eine hohe Strahlungsenergie, wie sie unverzichtbar ist, um zum Beispiel stabförmige Stahlbetonbauteile mit Querschnittsabmessungen von mindestens 30 x 30 cm durchleuchten und Risse von 0,1 mm Breite abbilden zu können. Zusätzlich wurde eine zweite Strahlenquelle integriert, die bei kleineren Abmessungen oder weniger anspruchsvollen Materialien noch höhere Auflösungen erlaubt. Die Auslegung wurde als interdisziplinäre Aufgabe begriffen. Es waren Aufgabenstellungen im Bauwesen, die Maschinen-, Röntgen- und Messtechnik, Kalibrierungsverfahren, die mathematische Rekonstruktion der Rohdaten, deren visuelle Aufbereitung und Weiterverarbeitung auf Hochleistungsrechnern sowie eine allgemein zugängliche Bereitstellung von Forschungsergebnissen zu bedenken.
Projektpartner:
Professor Dr.-Ing. Jürgen Schnell
Professor Dr.-Ing. Manfred Curbach
Professor Dr.-Ing. Josef Hegger
Professor Dr.-Ing. Harald S. Müller
Professor Dr.-Ing. Ralf Müller
Professor Dr.-Ing. Matthias Pahn
Deutsch-Französisches Doktorandenkolleg
Das Ziel des Graduiertenkollegs besteht in der Entwicklung neuer Verfahren zur Analyse, Modellierung und Simulation komplexer Werkstoffstrukturen anhand von Bilddaten. In der dritten Förderperiode des Graduiertenkollegs 2017-2020 werden dabei folgende Schwerpunkte gesetzt:
Aufnahme und Bearbeitung
- multimodaler Daten (d.h. Daten, die mittels verschiedener Aufnahmemodalitäten gewonnen werden),
- multivariater sowie mannigfaltigkeitswertiger Daten (Datenaufnahme mit u.a. Hyperspektralkameras, DT-MRI, Elektron Backscattered Diffusion, catadioptischen Kameras oder Kameras mit Tiefensensor wie Kinect).
Diese Art von Daten bietet einerseits einen enormen Zugewinn an Information z.B. gegenüber Grauwertbildern, erfordert aber eine weitaus komplexere Analyse und die Entwicklung ganz neuer Modelle unter Einbeziehung breiter mathematischer Kenntnisse. Bei der Analyse stehen schwierige Bildsegmentierungsprobleme im Vordergrund, die mittels Variationsmethoden und/oder morphologischer Verfahren bearbeitet werden sollen.
Projektpartner:
BMBF-Projekt: poSt - Synthetische Daten für die ML-Segmentierung von FIB-REM-Nanotomografien hoch poröser Strukturen
Die Nanostruktur komplexer Werkstoffe kann durch die FIB-REM-Serienschnitttechnik in 3D abgebildet werden. Zur Analyse des Werkstoffs müssen seine Komponenten aus den Bilddaten rekonstruiert werden. Bei hoher Porosität ist dies schwierig, da durch die Poren auch Strukturen hinter der aktuellen Schnittfläche sichtbar sind.
Hohes Potenzial haben hier maschinelle Lernverfahren. Trainingsdaten sind jedoch schwer zu beschaffen. Eine manuelle Segmentierung ist kaum möglich, da auch der Mensch oft nicht entscheiden kann, welche Strukturen in der gerade geschnittenen Ebene liegen. Synthetische Bilder, für die das korrekte Ergebnis bekannt ist, sind ein attraktiver Ausweg. Die Ähnlichkeit der simulierten zu der realen Struktur hat dabei einen erheblichen Einfluss auf die Qualität des Ergebnisses.
Projektpartner:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
BMBF-Projekt: SynosIs - Synthetische, optisch realistische Bilddaten von Oberflächenstrukturen für KI-basierte Inspektionssysteme
Künstliche Intelligenz (KI) wird in Bilderkennung, -verarbeitung und -verstehen sehr erfolgreich eingesetzt. Das Training eines KI-basierten Inspektionssystems für die industrielle Qualitätssicherung erfordert jedoch große Mengen repräsentativer annotierter Bilddaten für alle Fehlertypen.
Manuelle Annotation ist aufwändig und fehleranfällig. Viele Fehler, insbesondere sicherheitskritische, treten sehr selten auf. Realistische synthetische Bilddaten helfen, diese Probleme zu umgehen.
Wir verknüpfen Physik, Mathematik und Informatik, um synthetische Bilder typischer Defekte auf metallischen Oberflächen in bisher unerreichter Realitätsnähe zu generieren. Diese garantiert korrekt und objektiv annotierten Fehlerbilder stehen nach Projektende für Training und Validierung von KI für die optische Oberflächeninspektion zur Verfügung und vereinfachen und beschleunigen so deren Entwicklung.
Projektpartner:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Fraunhofer-Institut für Angewandte Optik und Feinmechanik IOF
BMBF-Projekt: DAnoBI - Detektion von Anomalien in großen räumlichen Bilddaten
Ziel des Forschungsvorhabens ist es, Methoden für die Detektion von Anomalien in großen Bilddaten zu entwickeln. Dabei kann es sich z.B. um Mikrorisse in Betonträgern, Materialverdichtungen in textiler Bahnware oder lokale Faserfehlorientierungen in Bauteilen aus faserverstärktem Kunststoff handeln.
Dazu sollen Methoden des maschinellen Lernens, Modellierung der Strukturen und der Bildgebung sowie statistische Methoden für die Detektion von Auffälligkeiten kombiniert werden. In allen genannten Fällen variiert die Struktur stark. Es müssen daher Methoden und Maße entwickelt werden, um objektiv, robust und wiederholbar zu entscheiden, was eine Anomalie, d.h. eine signifikante Abweichung, ist. Die zu detektierenden Anomalien treten sowohl im statistischen Sinne als auch räumlich selten auf. Deshalb mangelt es für rein auf machine learning (ML) beruhende Lösungen an Trainingsdaten, deren Annotation zudem sehr schwierig ist. Ein Ausweg ist Training anhand realitätsnaher simulierter Daten, da in diesem Fall ausreichend viele Daten generiert werden können und die Grundwahrheit unmittelbar zur Verfügung steht.
Ein alternativer Ansatz besteht darin, statistische Methoden zur Strukturbruch-Erkennung in Zeitreihen zur Detektion räumlicher Anomalien zu adaptieren. Aus der räumlichen Komponente der Bilddaten ergeben sich dabei neue Aufgaben, etwa das Erkennen komplex geformter Anomalieregionen, die im Projekt ebenfalls gelöst werden sollen.
Im Fokus der geplanten Forschungsarbeiten steht die Detektion von Rissen in Betonbauteilen, da diese Fragestellung von großer praktischer Relevanz, aber auch besonders schwierig im methodischen Sinne ist. Es wird erwartet, dass ML und statistische Methoden für die Lösung dieses konkreten Problems auf die oben genannten weiteren Anwendungsfälle übertragbar sind. Modelle für Beton- und Rissstrukturen hingegen sind problemspezifisch, stellen jedoch bereits in dieser thematischen Einschränkung eine große Herausforderung dar.
Projektpartner:
Otto von Guericke-Universität Magdeburg
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
BORAPA Ingenieurgesellschaft mbH
MKT Metall-Kunststoff-Technik GmbH & Co KG
Abgeschlossene Projekte
DFG-Projekte
Blasenverteilungen als Marker für Deformation in polarem Eis
2015-2020DFG-Graduiertenkolleg 1932
Stochastic Models for Innovations in the Engineering Sciences
2014-2019
BMBF-Projekte
Analyse, Modellierung und Simulation von chromatographischen Aufreinigungsverfahren (AMSCHA)
2016-2020Analyse niederdimensionaler Strukturen in dreidimensionalen Bilddaten (AniS)
2013-2016Stochastische Modelle für die Analyse hochporöser Mikro- und Nanostrukturen (AMiNa)
2010-2013
Weitere Projekte
Junior-Stiftungsprofessur
Statistik räumlicher Strukturen für Innovationen in den Ingenieursdisziplinen der Carl-Zeiss-Stiftung
2013-2017Projekt im Rahmen des Innovationszentrums
Applied System Modeling für Multiskalenmaterialien
2010-2013(CM)²-Projekt
Bildverarbeitung im Bauwesen
2008-2013