Digitalisierung in der Materialwissenschaft
Elektrifizierung
Computer Vision

Computer Vision umfasst die automatisierte Auswertung und Interpretation von Bilddaten mittels Algorithmen und maschinellem Lernen. In den Materialwissenschaften wird es zur Qualitätskontrolle, Fehlererkennung und Analyse von mikrostrukturellen Merkmalen genutzt.

Verwandte Tags

Quantitative Gefügeanalyse
Maschinenlernen
Merkmalserfassung
Bildsegmentierung
Korngrenzenerkennung
Konvolutionales Neuronales Netzwerk
Lichtmikroskopie
Künstliche Intelligenz
Serielle Schnittbildgebung
Präparation
Deep Learning
Fehleranalysen
Digitale Bildanalyse
Dendritenabstand
Dendritisches Wachstum
dendritische Erstarrung
Generative Modelle
Korngrößenanalyse
Stereologie
Phasenfeldsimulationen
datengetriebener Ansatz
Serienschnitt-Tomographie
Digitalisierung & Künstliche Intelligenz
Variational AutoEncoder
Bildverarbeitung
Datenanreicherung
Mikroskope
Defekterkennung
Materialschnittstellen
Gefüge-Analyse
Quantitative Gefügeanalyse

Neues

Poster
Automated AI-based grain boundary detection of a single-phase ceramic microstructure
Klein, J. (V)¹
MaterialsWeek 2021
Poster
ML-assisted approaches for digital image analysis to perform reliable failure analysis in microelectronic components
Choudhary, A. (V)¹; Volman-Stern, M.O.¹; Jansche, A.¹; Bernthaler, T.¹; Gounet, P.²; Krinke, J.³; Hollerith, C.⁴
58. Metallographie-Tagung 2024 - Materialographie
Poster
Robust and time-efficient grain size analysis approach for aluminum alloys using machine learning techniques
Choudhary, A.-K. (V)¹
MaterialsWeek 2021
Vortrag
09.10.2025
Einsatz von VQ-VAE und GPT zur Generierung synthetischer Schliffbilder von Lamellengraphit
Goedecke, M. (V)¹; Pfaff, M.¹
59. Metallographie-Tagung 2025 - Materialographie
Vortrag
09.10.2025
Brückenschlag zwischen 2D- und 3D-Mikrostrukturanalyse: Integration von Experimenten und Phasenfeldsimulationen mittels Künstlicher Intelligenz (KI)
Nerella, D.K. (V)¹; Jiang, Y.¹; Steinbach, I.¹
59. Metallographie-Tagung 2025 - Materialographie
Vortrag
09.10.2025
Von der quantitativen Metallografie zur Mikrostrukturinformatik: Aufklärung von Elementarprozessen der dendritischen Erstarrung in einkristalliner Ni-Basis Superlegierungen
Richter, A.¹; Scholz, F.²; Frenzel, J.¹; Eggeler, G. (V)¹; Thome, P.³
59. Metallographie-Tagung 2025 - Materialographie
PM Artikel
01.09.2024
Verbesserung von Genauigkeit und Sicherheit in der metallographischen Probenpräparation: Stochastizität und Arbeitsaufwand durch Robotisierung reduzieren
Čermák, J., Ambrož, O., Jozefovič, P. and Mikmeková, Š.. "Enhancing...
PM Artikel
16.02.2023
Bestimmung der Korngrößenverteilung von ehemaligen Austenitkörnern unter Anwendung einer Kombination aus einem modifizierten Kontrastierverfahren und maschinellem Lernen
Laub, M., Bachmann, B.-I., Detemple, E., Scherff, F., Staudt, T.,...
Lecture
30.09.2021
Computer Vision and Machine Learning for a Wide Breadth of Microstructure Analyses
Kitahara, A. (V)¹; Holm, E.¹
55. Metallographie-Tagung 2021 - Materialographie
Oral-Poster-Präsentation
29.09.2021
Segmentierung komplexer Gefüge über geeignete Merkmalsextraktion in einem wandernden Fenster
Müller, M. (V)¹; Britz, D.²; Mücklich, F.¹; Sonntag, U.³; Stanke, G.³
55. Metallographie-Tagung 2021 - Materialographie

Beliebt

PM Artikel
16.02.2023
Bestimmung der Korngrößenverteilung von ehemaligen Austenitkörnern unter Anwendung einer Kombination aus einem modifizierten Kontrastierverfahren und maschinellem Lernen
Laub, M., Bachmann, B.-I., Detemple, E., Scherff, F., Staudt, T.,...
Lecture
30.09.2021
Computer Vision and Machine Learning for a Wide Breadth of Microstructure Analyses
Kitahara, A. (V)¹; Holm, E.¹
55. Metallographie-Tagung 2021 - Materialographie
Poster
Automated AI-based grain boundary detection of a single-phase ceramic microstructure
Klein, J. (V)¹
MaterialsWeek 2021
Vortrag
09.10.2025
Von der quantitativen Metallografie zur Mikrostrukturinformatik: Aufklärung von Elementarprozessen der dendritischen Erstarrung in einkristalliner Ni-Basis Superlegierungen
Richter, A.¹; Scholz, F.²; Frenzel, J.¹; Eggeler, G. (V)¹; Thome, P.³
59. Metallographie-Tagung 2025 - Materialographie
Poster
ML-assisted approaches for digital image analysis to perform reliable failure analysis in microelectronic components
Choudhary, A. (V)¹; Volman-Stern, M.O.¹; Jansche, A.¹; Bernthaler, T.¹; Gounet, P.²; Krinke, J.³; Hollerith, C.⁴
58. Metallographie-Tagung 2024 - Materialographie
Vortrag
09.10.2025
Einsatz von VQ-VAE und GPT zur Generierung synthetischer Schliffbilder von Lamellengraphit
Goedecke, M. (V)¹; Pfaff, M.¹
59. Metallographie-Tagung 2025 - Materialographie
Poster
Robust and time-efficient grain size analysis approach for aluminum alloys using machine learning techniques
Choudhary, A.-K. (V)¹
MaterialsWeek 2021
Oral-Poster-Präsentation
29.09.2021
Segmentierung komplexer Gefüge über geeignete Merkmalsextraktion in einem wandernden Fenster
Müller, M. (V)¹; Britz, D.²; Mücklich, F.¹; Sonntag, U.³; Stanke, G.³
55. Metallographie-Tagung 2021 - Materialographie
Vortrag
09.10.2025
Brückenschlag zwischen 2D- und 3D-Mikrostrukturanalyse: Integration von Experimenten und Phasenfeldsimulationen mittels Künstlicher Intelligenz (KI)
Nerella, D.K. (V)¹; Jiang, Y.¹; Steinbach, I.¹
59. Metallographie-Tagung 2025 - Materialographie
PM Artikel
01.09.2024
Verbesserung von Genauigkeit und Sicherheit in der metallographischen Probenpräparation: Stochastizität und Arbeitsaufwand durch Robotisierung reduzieren
Čermák, J., Ambrož, O., Jozefovič, P. and Mikmeková, Š.. "Enhancing...

© 2025