Zur Übersicht

Vortrag

Klassifizierung bainitischer Gefüge mittels maschinellen Lernens – Wie können wir die Grundwahrheit am objektivsten festlegen?

Donnerstag (17.09.2020)
09:40 - 10:00 Uhr Metallographie

Der Einsatz von Methoden des maschinellen Lernens wird in der Materialwissenschaft immer populärer, bspw. bei Gefügeklassifizierungen. Einer der vielfach genannten Vorteile dieser maschinellen Lerntechniken ist die bessere Objektivität im Vergleich zur Klassifizierung durch menschliche Experten. Meistens wird jedoch die Zuordnung der sog. Grundwahrheit, die zur Erstellung eines Klassifikationsmodells mittels maschinellen Lernens verwendet wird, nicht ausreichend diskutiert. Sie kann eine nicht zu unterschätzende subjektive Komponente haben, insbesondere bei der Untersuchung komplexer Gefüge wie Bainit. Herausforderungen beim Umgang mit Bainit sind die Vielfalt und Menge der beteiligten Phasen, die Feinheit und Komplexität der Strukturen und dass es unter menschlichen Experten oft keinen Konsens über die Kennzeichnung und Klassifizierung dieser Strukturen gibt.

Diese Arbeit wird zeigen, wie bei einer Unterscheidung von Perlit, Martensit und Bainit mit seinen Unterklassen die Genauigkeit des Klassifikationsmodells durch die subjektive Zuordnung der Grundwahrheit beeinflusst wird, wenn ausschließlich REM-Aufnahmen verwendet werden. Anschließend werden Methoden zur objektiveren Zuordnung der Grundwahrheit und zur Verbesserung des Klassifikationsergebnisses vorgestellt, z.B. die Verwendung von Referenzproben oder korrelativen EBSD-Daten sowie Clustering mittels nicht-überwachtem maschinellem Lernen.

Sprecher/Referent:
Martin Müller
Universität des Saarlandes
Weitere Autoren/Referenten:
  • Dr. Dominik Britz
    Universität des Saarlandes
  • Dr. Thorsten Staudt
    AG der Dillinger Hüttenwerke
  • Prof. Dr. Frank Mücklich
    Universität des Saarlandes