Der Untersuchung von Werkstoffen unter dem Gesichtspunkt der Qualitatssicherung kommt eine wachsende Bedeutung zu. Vor diesem Hintergrund besteht die Aufgabe, Gefugeuntersuchungen von Stahlschliffproben mit Hilfe der quantitativen Bildanalyse und intelligenten Softwaretech-niken zu automatisieren. Die rechnergestutzte Bildanalyse von Gefugen ist inzwischen Standard. Allerdings basieren Auswertung und Qualitatsklassifikation weitgehend auf dem Beurteilungsvermogen und der Erfahrung des Prufpersonals. Der Einsatz intelligenter Softwaretechniken ("Soft Computing"), wie z.B. neuronaler Netze, erlaubt eine reproduzierbare Durchfuhrung komplexer Entscheidungsprozesse im Rechner. Voraussetzungen sind jedoch neben einer hinreichenden Einschrankung des Anwendungsbereichs eine sorgfaltige Bildvorverarbeitung und Merkmalsauswahl ebenso wie eine kritische Uberwachung des erforderlichen Lernvorgangs. Die Anwendung neuronaler Netze auf die Korngrossenbestimmung und bei der Prufung der Carbidausbildung in Stahlen wird beschrieben. Der Vorteil einer Losung mit neuronalen Netzen liegt darin, in einem eingegrenzten Bereich komplexe Entscheidungsfahigkeit aufgrund einer geeigneteen Basis von Beispieldaten erlernen und reproduzierbar anwenden zu konnen.%Under the aspect of quality assurance material testing is getting more and more important. As a consequence there is a strong demand for automation and objective procedures. This article concentrates on the inspection of polished steel specimens using image processing and intelligent software techniques. Nowadays computer aided image processing of microstructures is widely used, but final analysis and quality grading are based on the experience of the testing personnel. Using intelligent software techniques (soft computing), especially neural nets, allows complex decision processes to be done on a computer in a reproducible manner. Of course there are certain premises: suitable restriction of the application domain, careful image preprocessing and feature extraction, critical surveillance of the training process. The article focuses on two neural net applications: grain size determination and classification of iron carbides. To learn the ability to do complex decisions in a reproducible manner from a suitable example data set - at least in a restricted domain - is the main advantage of a neural net solution.
展开▼