Lehrstuhl Werkstoffwissenschaft

Weiterentwicklung der quantitativen Metallographie - Einsatz von maschinellem Lernen bei der Erkennung von Dendriten und 3D-Erweiterung des hochauflösenden RVB-EBSD-Vefahrens. In der Arbeit von Alexander Richter geht es um eine Erweiterung der konventionellen quantitativen Metallographie in zwei Richtungen. Einmal sollen automatisch erstellte Montagen lichtmikroskopischer Bilder mit Hilfe des maschinellen Lernens ausgewertet werden. Ziel ist, das System so zu trainieren, dass die Positionen von Dendriten in gegossenen einkristallinen Superlegierungen automatisch erkannt werden. In einem zweiten Teil der Arbeit geht es darum, das RVB-EBSD-Verfahren von Pascal Thome auf drei Dimensionen zu erweitern. Dazu werden im experimentellen Teil parallele Querschliffe in kleinen Abständen (z. B. 0.2 mm) hergestellt. Jeder Querschliff wird mit dem hochauflösenden RVB-EBSD-Verfahren (Orientierungsauflösung > 0.1°) analysiert. Die Informationen aus allen Schliffen werden dann zusammengeführt, um die kristallographische Orientierung aller Dendriten im Raum zu erfassen.