Voxeldatenanalyse – Entwicklung von Algorithmen zur Segmentierung und Rissdetektion in Computertomographiedaten | Förderphase 2
Im Projekt werden Algorithmen für die automatische Analyse von Computertomographiedaten mit dem Ziel entwickelt, Materialeigenschaften zu ermitteln, die Position und Orientierung von Carbonbewehrungen in der Matrix zu erkennen sowie (Mikro-)Risse zu detektieren. Bei der Voxeldatensegmentierung ergeben sich spezielle Herausforderungen aufgrund der geringen Dichteunterschiede der untersuchten Materialien. Daher werden Verfahren zur Segmentierung von Voxeldaten unter Verwendung neuronaler Netze adaptiert. Ein zusätzlicher Schwerpunkt liegt auf der Entwicklung von 4D-Methoden zur Segmentierung in Zeitreihen von Computertomographiedaten in dynamischen Experimenten.
Team
01062 Dresden
01062 Dresden
01062 Dresden
Kooperationen
Entwicklung von erweiterten Methoden für die Tomographiedatenanalyse | Förderphase 1
Im Teilprojekt D03 liegt der Fokus auf der Entwicklung erweiterter Methoden für die Tomographieanalyse. Dabei sollen die Bestandteile der untersuchten Proben subvoxelgenau segmentiert und die Verteilung der enthaltenen Carbonfasern extrahiert werden.
Nach der Entwicklung entsprechender Algorithmen werden die Proben durch Krafteinwirkung deformiert und anschließend erneut im Tomographen gescannt, um den Zusammenhang zwischen Struktur und Stabilität analysieren zu können. Die dabei hergestellten multitemporalen Datensätze werden untereinander mittels 3D-LSM (Least Squares Matching) gematched, um neben den (durch die temporal entstandenen) Verschiebungsvektoren auch die Deformationen und Risse subvoxelgenau zu untersuchen. Um die Datenqualität und somit die Datenanalyse weiter zu optimieren, werden zudem eine Sensormodellierung und entsprechende Kalibrierstrategien entwickelt, welche die systematischen Fehlerquellen von Tomographen weitgehend eliminieren.
Publikationen | Publications
Giese, J.; Herbers, M.; Liebold, F.; Wagner, F.; Grzesiak, S.; de Sousa, C.; Pahn, M.; Maas, H.-G.; Marx, S.; Curbach, M.; Beckmann, B. (2023) Investigation of the Crack Behavior of CRC Using 4D Computed Tomography, Photogrammetry, and Fiber Optic Sensing in Buildings 13, issue 10, 2595 – DOI: https://doi.org/10.3390/buildings13102595
Hardner, M.; Liebold, F.; Wagner, F.; Maas, H.-G. (2024) Investigations into the Geometric Calibration and Systematic Effects of a Micro-CT System in: Sensors 24, issue 16, 5139 – DOI: https://doi.org/10.3390/s24165139
Liebold, F.; Lorenzoni, R.; Curosu, I.; Léonard, F.; Mechtcherine, V.; Paciornik, S.; Maas, H.-G. (2021) 3D Least Squares Matching Applied to Micro-Tomography Data in: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences 43, issue B2, p. 533–539 – DOI: 10.5194/isprs-archives-XLIII-B2-2021-533-2021
Liebold, F.; Maas, H.-G. (2022) 3D-Deformationsanalyse und Rissdetektion in multitemporalen Voxeldaten von Röntgentomographen in: Kersten, T.; Tilly, N. [eds.] Proc. der 42. Wissenschaftlich-Technischen Jahrestagung der DGPF, Band 30, 05./06.10.2022 in Dresden, p. 105–116 – DOI: 10.24407/KXP:1796026123
Liebold, F.; Wagner, F.; Giese, J.; Grzesiak, S.; de Sousa, C.; Beckmann, B.; Pahn, M.; Marx, S.; Curbach, M.; Maas, H.-G. (2023) Damage Analysis and Quality Control of Carbon-Reinforced Concrete Beams Based on In Situ Computed Tomography Tests in Buildings 13, issue 10, 2669 – DOI: https://doi.org/10.3390/buildings13102669
Mester, L.; Klempt, V.; Wagner, F.; Scheerer, S.; Klarmann, S.; Vakaliuk, I.; Curbach, M.; Maas, H.-G.; Löhnert, S.; Klinkel, S. (2023) A Comparison of Multiscale Methods for the Modelling of Carbon-Reinforced Concrete Structures in: Ilki, A.; Çavunt, D.; Çavunt, Y. S. [eds.] Building for the Future: Durable, Sustainable, Resilient – Proc. of fib Symposium 2023, 05.–07.06.2023 in Istanbul (Turkey), publ. in: Lecture Notes in Civil Engineering 350, Cham: Springer, p. 1418–1427 – DOI: 10.1007/978-3-031-32511-3_145
Mester, L.; Wagner, F.; Liebold, F.; Klarmann, S.; Maas, H.-G.; Klinkel, S. (2022) Image-based modelling of carbon-fibre reinforced concrete shell structures in: Stokkeland, S.; Braarud, H. C. [eds.] Concrete Innovation for Sustainability – Proc. for the 6th fib International Congress 2022, 12.–16.06.2022 in Oslo (Norway), Oslo: Novus Press, p. 1631–1640.
Vakaliuk, I.; Scheerer, S.; Liebold, F.; Wagner, F.; Kruppa, H.; Vollpracht, A.; Curbach, M. (2024) Properties of the High-Performance Matrix of TRC Elements Cast Under Vacuum Conditions in: Mechtcherine, V.; Signorini, C.; Junger, D. [eds.]: Transforming Construction: Advances in Fiber Reinforced Concrete – Proc. of XI RILEM-fib Int. Symp. on Fiber Reinforced Concrete (BEFIB 2024), 15.–18.09.2024 in Dresden, publ. in RILEM Bookseries, Vol. 54, Cham: Springer Nature Switzerland, p. 786–793 – https://doi.org/10.1007/978-3-031-70145-0_93
Wagner, F.; Eltner, A.; Maas, H.-G. (2023) River water segmentation in surveillance camera images: A comparative study of offline and online augmentation using 32 CNNs in: International Journal of Applied Earth Observation and Geoinformation 119, 103305 – DOI: 10.1016/j.jag.2023.103305
Wagner, F.; Maas, H.-G. (2023) A Comparative Study of Deep Architectures for Voxel Segmentation in Volume Images in: The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences XLVIII-1/W2-2023, p. 1667–1676 – https://doi.org/10.5194/isprs-archives-XLVIII-1-W2-2023-1667-2023
Wagner, F.; Mester, L.; Klinkel, S.; Maas, H.-G. (2023) Analysis of Thin Carbon Reinforced Concrete Structures through Microtomography and Machine Learning in: Buildings 13, issue 9, 2399 – DOI: 10.3390/buildings13092399
Dissertation | Doctoral thesis
Franz Wagner: Segmentation in Tomography Data: Exploring Data Augmentation for Supervised and Unsupervised Voxel Classification with Neural Networks [Doktorarbeit | doctoral thesis]. TU Dresden, Datum der mündlichen Prüfung | Date of oral examination: 12.07.2024, publiziert | published: 23.09.2024, https://nbn-resolving.org/urn:nbn:de:bsz:14-qucosa2-936719
Datensätze | Data sets
Blanch, X.; Wagner, F.; Eltner, A. (2023) River Water Segmentation Dataset (RIWA) at: Kaggle – DOI: 10.34740/KAGGLE/DSV/4901781
Wagner, F. (2023) Carbon Rovings Segmentation Dataset (RIWA) at: Kaggle – DOI: 10.34740/KAGGLE/DS/2920892
Wagner, F. (2023) Concrete Pores Segmentation Dataset (RIWA) at: Kaggle – DOI: 10.34740/KAGGLE/DS/2921245
Wagner, F. (2023) Fiber Segmentation Dataset (RIWA) at: Kaggle – DOI: 10.34740/KAGGLE/DS/2894881