FP: Zerstörungsfreie Werkstoffprüfung mit Radar und künstlicher Intelligenz
Millimeterwellenbasierte Prüftechniken gewinnen seit einigen Jahren an Bedeutung in der zerstörungsfreien Werkstoffprüfung nichtmetallischer Materialien wie bspw. Polymere, Keramiken oder Komposite. In der Qualitätskontrolle geht der Trend zunehmend zu einer automatisierten Beurteilung des Prüfobjekts, welche durch künstliche Intelligenz ermöglicht wird. Die Entwicklung einer derartigen automatisierten Werkstoffprüfung ist Gegenstand dieses Forschungspraktikums. In der Arbeit sollen Deep-Learning-Konzepte für die radarbasierte zerstörungsfreie Werkstoffprüfung eingesetzt werden. Hierzu soll zunächst mit einem Millimeterwellen-Apertursynthese-Radar ein geeigneter großer Datensatz von Kunststoff-Prüfkörpern aufgenommen werden. Daraufhin soll ein neuronales Netz implementiert werden, mithilfe dessen es ermöglicht werden soll, eine Prüfung auf Fehlstellen im Material durchzuführen. Somit soll eine automatisierte Beurteilung der Qualität des Testobjekts möglich werden. Die Implementierung des neuronalen Netzes soll in Matlab erfolgen. Abschließend soll das entwickelte neuronale Netz anhand eines Testdatensatzes verifiziert werden.
Aufgabenstellung:
- Literaturrecherche zur Thematik (Zerstörungsfreie Prüfung von Kunststoffen, Radar, Maschinenlern-Algorithmen, etc.)
- Aufnahme und Labeling eines geeigneten großen Trainingsdatensatzes
- Implementierung eines oder mehrerer Algorithmen
- Verifikation anhand eines Testdatensatzes
Betreuer: Dr.-Ing. Ingrid Ullmann
Schwerpunkte: Radar, Machine Learning
Kontakt:
Dr.-Ing. Ingrid Ullmann, Akad. Rat
- Telefon: +49 9131 85-27786
- E-Mail: ingrid.ullmann@fau.de