[go: up one dir, main page]

EP3482348A1 - Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils - Google Patents

Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils

Info

Publication number
EP3482348A1
EP3482348A1 EP17755065.4A EP17755065A EP3482348A1 EP 3482348 A1 EP3482348 A1 EP 3482348A1 EP 17755065 A EP17755065 A EP 17755065A EP 3482348 A1 EP3482348 A1 EP 3482348A1
Authority
EP
European Patent Office
Prior art keywords
image
picture elements
fracture surface
digital image
spatial distribution
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP17755065.4A
Other languages
English (en)
French (fr)
Inventor
Hauke Brüning
Robert Meissner
André HOMEYER
Thomas KÖRWIEN
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Airbus Defence and Space GmbH
Original Assignee
Airbus Defence and Space GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Airbus Defence and Space GmbH filed Critical Airbus Defence and Space GmbH
Publication of EP3482348A1 publication Critical patent/EP3482348A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01Arrangements or apparatus for facilitating the optical investigation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8803Visual inspection
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695Preprocessing, e.g. image segmentation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N21/88Investigating the presence of flaws or contamination
    • G01N21/8851Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows

Definitions

  • joining technology In the field of joining technology a variety of joining methods and joining means are known to connect different elements of components together. A well-known example of such a joining technique is gluing. However, a number of other joining techniques are known.
  • the present invention is in the light of the prior art
  • the task is to systematise the assessment of fractures in the area of joint surfaces and to be able to efficiently carry out these tests for a larger number of tests.
  • the object is achieved with the features of the invention according to claim 1 by a method.
  • the claim 14 relates to a method for testing the joint strength of a bonded joint surface and the claims 15 and 16 relate to a device for carrying out the method according to the invention.
  • the invention relates to a method for categorizing a fracture surface of a component, in which a digital image of the fracture surface is generated, which assigns to the image a value or a value group or a vector or a matrix to each smallest resolvable image unit (pixel), and the digital image or one or more sections of the digital image is / are analyzed, whereby image elements and their spatial distribution are determined, wherein one or more regions of the digital image or one or more sections due to the spatial distribution of image elements, a category of Bruchmus- and, as far as several areas and / or several sections of the digital image have been analyzed, the information about the areas and / or sections of the digital image and the categories of fracture patterns associated therewith are linked to each other and due to these r Linking the fracture surface is assigned a category.
  • Such a photographic image can take place both in the visible range of the light spectrum, as well as in the infrared or ultraviolet range, or it can include wavelength ranges outside of the human-visible range. Imaging techniques in the range of shorter or longer wavelengths of electromagnetic radiation or even corpuscular radiation may also be used. Moreover, digital imaging can also be provided by mechanical or capacitive scanning of the fracture surface or by other conceivable techniques that allow the assignment of parameters to the points of the fracture surface. As a result, the digital image may consist of a set of data associated with the fracture surface, corresponding to the given resolution to the smallest resolvable image units (eg, pixels) in the form of intensity, color, or phase values or other scalar quantities or vectors or matrices are assigned.
  • the digital image may consist of a set of data associated with the fracture surface, corresponding to the given resolution to the smallest resolvable image units (eg, pixels) in the form of intensity, color, or phase values or other scalar quantities or vectors or matrices are assigned
  • Image units are meaningfully combined to form picture elements in accordance with their assigned parameters, vectors or matrices.
  • picture elements can be given even by the smallest image units (eg pixels) that can be resolved in the given technique. Often, however, several of these smallest resolvable image units are grouped together to form a pixel in the form of a spot or other appearance.
  • the detected spatial distribution of patterns is compared with patterns stored in a data processing device and already categorized, and a category is assigned on the basis of the result of the comparison of the detected spatial distribution.
  • the differences to the neighboring image units are first determined and evaluated on the basis of the given values, vectors or matrices for each given smallest image unit. Thereupon, in an analysis of a multiplicity of values / vectors / matrices of the image, if appropriate, clusters of similar image units are formed, the corresponding pixel parameters of adjacent image units (pixels) of a cluster having smaller differences than the differences to neighboring image units which do not belong to the respective cluster.
  • picture elements can also provide that the detected spatial distribution of patterns or smallest homogenous image units determines borderlines between differently categorized subareas of the fracture surface and uses them in the categorization.
  • the spatial distribution can be determined by various known types of image processing, for example by determining distances or differences of the properties / assigned values, quantities, vectors or matrices of respectively adjacent image elements, determining mean distances / differences or determining standard deviations thereof or by deviations of individual distances / Differences are evaluated by mean distances / differences. It is also possible to determine gradients of the density of picture elements or other similar parameters which, for example, statistically describe the spatial distribution. As a result, one or more parameters of the spatial distribution are determined, which are particularly useful for distinguishing different categories of fracture surfaces and demarcation sharp.
  • a trainable data processing device in particular in the form of a self-learning system and / or a trainable computer-aided method, in particular in the form of a self-learning method, is used.
  • experts may first categorize a number of fracture surfaces or faces of fracture surfaces based on given digital mappings, and the mappings and categorizations made may be incorporated into the system, i. H. the trainable data processing device is input.
  • a self-learning system is then provided that takes up the categorization in connection with the digital images and sets up and deposits rules for the categorization itself. After a certain number of categorizations made by the experts, the data processing device itself can assign categories based on digital images.
  • the category of a fractured surface can often only be assessed and categorized on the basis of the evaluation of partial surfaces due to the lack of a homogeneous appearance of the fracture surface.
  • the detected spatial distribution of picture elements, in particular in the form of patterns, respectively different sub-areas of the fracture surface is assigned to each category.
  • boundary lines are determined between differently categorized partial surfaces of the fracture surface and used in the categorization of the fracture surface.
  • cutouts do not overlap one another and are adjacent to one another in the image directly and without spacing.
  • Such a device may also be embedded in a more comprehensive device for testing the joint strength of a glued joint surface, which may additionally include a device for breaking a component in the region of the joint surface.
  • FIG. 6 identifies the section of a fracture surface from FIG. 4
  • FIG. 2 schematically shows a device for generating a digital image of a fracture surface 2, which comprises a camera 4 for taking a photographic digital image and various illumination sources 5, 6, 7.
  • the various illumination sources 5, 6, 7 can be optional be used, with the image recording with only a single illumination source or with the help of ambient light is conceivable. It is also possible to take different pictures in which only one of the illumination sources 5, 6, 7 is active at a time. As a result, images can be obtained with different shadows, which can be linked together and charged to a high-contrast image.
  • the single ones can be obtained with different shadows, which can be linked together and charged to a high-contrast image.
  • FIG. 3 alternatively shows a device for generating a digital image of the fracture surface 2, which operates according to a scanning method, wherein a sensor 8 is moved in parallel along the fracture surface 2, as indicated by the double arrow 9.
  • the sensor is guided on a rail 10 or on a plurality of mutually perpendicular rails in order to be able to scan or cover the entire fracture surface.
  • the sampling can be capacitive with the application of an electrical voltage.
  • the digital image can then be stored in a data processing device.
  • FIG. 4 shows, by way of example, an illustration of a fracture surface 2 with different partial surfaces 11, 12, 13, 14, which have different forms of appearance due to the nature of the fracture and can therefore be processed separately for evaluation.
  • the sub-areas can be determined after determining the spatial distribution of the picture elements to divide the image to be analyzed and to first perform an assessment or categorization of the individual sub-areas.
  • V denotes a round cutout, which is shown enlarged in FIG.
  • FIG. 5 shows in a section and enlarges a pattern of the smallest resolvable image units (pixels) 15, 16, 17 of the fracture surface.
  • the achievable resolution in the image of the fracture surface essentially depends on the imaging system, for example the pixel density of the digital camera used or another imaging device.
  • Be assigned color value It can be the smallest individual picture units however, as explained above, a vector or matrix or generally an n-tuple of scalars may be associated. This may be useful, for example, if a polarization value or a phase value is to be recorded in addition to a brightness value. In the example of FIG. 5, only intensity values are entered in the areas of the smallest picture units which are of the
  • Value 1 to the value 4 range.
  • the result of the first evaluation of the figure is that two clusters / picture elements can be formed from the smallest picture units, which are each grouped around an image unit with the value 4. From this central image unit with the value 4, the values decrease with increasing distance over 3 and 2 to the value 1. To this
  • FIG. 7 different highly idealized distributions of picture elements are shown on a fracture surface on the partial surfaces 11, 12, 13, 14. It is typical that different spatial distributions of the image elements occur on a fracture surface in the region of partial surfaces, so that the fracture surface shows different categories of fractures in different partial surfaces.
  • the determined parameters are compared with reference values from a database or from a data processing device.
  • the determined parameters are assigned, on the basis of the comparison carried out, to certain predetermined parameter ranges, which in turn are assigned to specific categories of fracture surfaces.
  • the areas that are identified by specific parameter areas can each be defined as a subarea. This results in a categorization for the fracture surface or partial surfaces of the fracture surface.
  • a last step 44 the categorizations of the partial surfaces or sections are linked together and processed to categorize the entire fracture surface. This can then be displayed and / or saved.
  • FIG. 9 shows a schematic structure for carrying out the method.
  • the reference numeral 45 denotes a broken component with a fracture surface, which is imaged by a device 46 for generating a digital image. This can be given for example by a digital camera.
  • the devices 47 and 48 can also be combined.
  • FIG. 9 the communication of the device for determining the parameters of the spatial distribution 48 with a classification database 49 is described by a double arrow 50.
  • the dashed double arrow 51 symbolizes the interaction between the training data sets stored in a training database 52 and the device 48.
  • the classification may also be performed, for example, with other classification systems, such as the Support Vector Machine method, which in its simplest form in an n-dimensional space in which n-dimensional state vectors of the pixels are plotted, one plane between any two Sets picture elements that are to be separated by classification.
  • Support Vector Machine method which in its simplest form in an n-dimensional space in which n-dimensional state vectors of the pixels are plotted, one plane between any two Sets picture elements that are to be separated by classification.
  • This method can be made even more complex by allowing non-linear interfaces to be transformed by transforming the vectors into higher dimensional spaces.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

Die Erfindung bezieht sich auf ein Verfahren zur Kategorisierung einer Bruchfläche (2, 3) eines Bauteils (1), bei dem eine digitale Abbildung der Bruchfläche (2, 3) erzeugt wird, die digitale Abbildung oder ein oder mehrere Ausschnitte der digitalen Abbildung analysiert wird/werden, wobei einem oder mehreren Bereichen der digitalen Abbildung oder eines oder mehrerer Ausschnitte aufgrund einer Erfassung und statistischen Auswertung der räumlichen Verteilung von kleinsten homogenen Bildeinheiten (Pixeln) (15, 16, 17) oder Bildelementen) eine Kategorie eines Bruchmusters zugeordnet wird und, soweit mehrere Bereiche und/oder mehrere Ausschnitte der digitalen Abbildung analysiert wurden, die Informationen über die Bereiche und/oder Ausschnitte der digitalen Abbildung und die diesen zugeordneten ermittelten Kategorien von Bruchmustern miteinander verknüpft werden und aufgrund dieser Verknüpfung der Bruchfläche eine Kategorie zugeordnet wird. Das Verfahren lässt eine automatische, selbsttätige und selbstlernende Kategorisierung von Bruchflächen (2, 3), beispielsweise für Reihenversuche bei Fügetechniken, zu.

Description

Verfahren und Einrichtung zur Kategorisierung einer Bruchfläche eines Bauteils
Im Bereich der Fügetechnik sind verschiedenste Fügemethoden und Fügemittel bekannt, um verschiedene Elemente von Bauteilen miteinander zu verbinden. Ein bekanntes Beispiel für eine solche Fügetechnik ist das Kleben. Es sind jedoch eine Reihe weiterer Fügetechniken bekannt.
Zur Prüfung von Fügeverbindungen an Bauteilen werden oft systematisch Versuchsreihen durchgeführt, indem eine Mehrzahl von Prüfkörpern jeweils unter Anwendung der Fügetechnik durch Zusammenfügen hergestellt und dann die Fügeverbindungen gebrochen und anhand der Kategorisierung der Brüche beurteilt werden. Hierzu werden die Bruchflächen betrachtet und aus dem Erscheinungsbild der Bruchflächen wird die Art des Bruchs bestimmt. Bislang werden die Bruchflächen durch Experten persönlich beurteilt.
Der vorliegenden Erfindung liegt vor dem Hintergrund des Standes der Tech- nik die Aufgabe zugrunde, die Beurteilung von Brüchen im Bereich von Fügeflächen zu systematisieren und auch für eine größere Anzahl von Prüfungen effizient durchführen zu können. Die Aufgabe wird mit den Merkmalen der Erfindung gemäß Patentanspruch 1 durch ein Verfahren gelöst. Der Patentanspruch 14 bezieht sich auf ein Verfahren zu Prüfung der Fügefestigkeit einer geklebten Fügefläche und die Patentansprüche 15 und 16 beziehen sich auf eine Einrichtung zur Durchführung des erfindungsgemäßen Verfahrens.
Demgemäß bezieht sich die Erfindung auf ein Verfahren zur Kategorisierung einer Bruchfläche eines Bauteils, bei dem eine digitale Abbildung der Bruchfläche erzeugt wird, die jeder kleinsten auflösbaren Bildeinheit (Pixel) der Abbildung einen Wert oder eine Wertegruppe oder einen Vektor oder eine Mat- rix zuordnet, und die digitale Abbildung oder ein oder mehrere Ausschnitte der digitalen Abbildung analysiert wird/werden, wobei Bildelemente und ihre räumliche Verteilung ermittelt werden, wobei einem oder mehreren Bereichen der digitalen Abbildung oder eines oder mehrerer Ausschnitte aufgrund der räumlichen Verteilung von Bildelementen eine Kategorie eines Bruchmus- ters zugeordnet wird und, soweit mehrere Bereiche und/oder mehrere Ausschnitte der digitalen Abbildung analysiert wurden, die Informationen über die Bereiche und/oder Ausschnitte der digitalen Abbildung und die diesen zugeordneten ermittelten Kategorien von Bruchmustern miteinander verknüpft werden und aufgrund dieser Verknüpfung der Bruchfläche eine Kate- gorie zugeordnet wird.
Ziel der Kategorisierung der Bruchfläche des Bauteils ist es, die Art des Bruchs zu bestimmen, die beim Brechen des Bauteils eingetreten ist und die von der Qualität und Art der Fügung, insbesondere einer Klebung abhängt. Beispiels- weise kann ein Adhäsionsbruch oder ein Kohäsionsbruch eintreten und es sind auch noch weitere Kategorien von Brüchen denkbar, bei denen sich beispielsweise ein Klebstoff von der Fläche eines der Bauteile ablöst oder ein Bruch innerhalb einer Klebstoffschicht stattfindet. Oft treten bei einer Bruchfläche auch in Teilflächen verschiedene Kategorien von Brüchen auf, so dass eine Bruchkategorie auch durch eine Mischung von Teilbrüchen charakterisiert und kategorisiert werden kann. Hierzu wird eine digitale Abbildung einer Bruchfläche geschaffen, die eine fotografische Abbildung sein kann. Eine solche fotografische Abbildung kann sowohl im sichtbaren Bereich des Lichtspektrums erfolgen, als auch im Infra- rot- oder Ultraviolettbereich oder sie kann Wellenlängenbereiche außerhalb des für Menschen sichtbaren Bereichs mit umfassen. Es können auch Abbildungstechniken im Bereich kürzerer oder längerer Wellenlängen von elektromagnetischer Strahlung oder sogar Korpuskularstrahlung verwendet werden. Eine digitale Abbildung kann zudem auch durch mechanisches oder kapazitives Abtasten der Bruchfläche oder durch weitere denkbare Techniken geschaffen werden, die die Zuordnung von Parametern zu den Punkten der Bruchfläche ermöglichen. Im Ergebnis kann die digitale Abbildung aus einer Menge von Daten bestehen, die der Bruchfläche zugeordnet sind, wobei entsprechend der gegebenen Auflösung den kleinsten auflösbaren Bildeinheiten (z.B. Pixeln) jeweils Werte in Form von Intensitäts-, Färb- oder Phasenwerten oder anderen skalaren Größen oder Vektoren oder Matrizen zugeordnet werden.
Der einfachste Anwendungsfall kann dabei vorsehen, eine fotografische Abbildung im sichtbaren Bereich unter geeigneter Beleuchtung der Bruchfläche mit einer fotografisch üblichen, möglichst hohen Auflösung zu erzeugen und weiter zu verarbeiten. Es ist dabei auch denkbar, mehrere Abbildungen der Bruchfläche unter Verwendung verschiedener bildgebender Verfahren aufzunehmen und die Ergebnisse zu einer digitalen Abbildung zu überlagern. Beispielsweise ist es möglich, verschiedene fotografische Abbildungen unter unterschiedlichen Beleuchtungs- oder Belichtungsbedingungen herzustellen und diese zu überlagern oder miteinander zu verknüpfen, um den Kontrast der im Ergebnis entstehenden digitalen Abbildung zu verbessern.
Um eine Struktur oder Textur der Bruchfläche erkennen zu können, kann, nachdem die digitale Abbildung der Bruchfläche erzeugt worden ist, die Erkennung von Bildelementen erfolgen, deren räumliche Anordnung darauf ana- lysiert werden kann. Hierzu können zunächst die bei der digitalen Abbildung entstehenden kleinsten in der gegebenen angewandten Technik auflösbaren Bildeinheiten (Pixel) entsprechend den ihnen zugeordneten Parametern, Vektoren oder Matrizen sinnvoll zu Bildelementen zusammen gefasst werden. Dabei können Bildelemente grundsätzlich auch schon durch die kleinsten in der gegebenen Technik auflösbaren Bildeinheiten (z. B. Pixel) selbst gegeben sein. Oft werden jedoch mehrere dieser kleinsten auflösbaren Bildeinheiten zu einem Bildelement in Form eines Flecks oder einer anderen Erscheinungsform zusammengefasst.
Darauf kann beispielsweise vorgesehen sein, dass die erfasste räumliche Ver- teilung von Mustern, insbesondere von kleinsten homogenen Bildeinheiten oder Bildelementen, mit in einer Datenverarbeitungseinrichtung gespeicherten und bereits kategorisierten Mustern verglichen wird und aufgrund des Ergebnisses des Vergleichs der erfassten räumlichen Verteilung eine Kategorie zugeordnet wird.
Nach diesem Verfahren werden zunächst anhand der gegebenen Werte, Vektoren oder Matrizen für jede gegebene kleinste Bildeinheit die Unterschiede zu den benachbarten Bildeinheiten festgestellt und bewertet. Darauf werden in einer Analyse einer Vielzahl von Werten/Vektoren/Matrizen des Bildes ge- gebenenfalls sinnvoll Cluster aus ähnlichen Bildeinheiten gebildet, wobei die entsprechenden Pixelparameter benachbarter Bildeinheiten (Pixel) eines Clusters untereinander geringere Unterschiede aufweisen, als die Unterschiede zu benachbarten Bildeinheiten, die nicht zu dem jeweiligen Cluster gehören. Dabei können der Beurteilung, welche kleinste Bildeinheiten jeweils zu einem Cluster (Bildelement) gehören, unterschiedliche Bedingungen zugrunde gelegt werden, wie beispielsweise die Bedingung, dass Werteunterschiede von kleinsten Bildeinheiten (Pixeln) eines gemeinsamen Clusters (Bildelement) nicht mehr als 1 %, 10 %, 100 % oder 1000 % unterschiedlich sein dürfen, je nach der Dynamik bzw. dem Kontrast der digitalen Abbildung. Die Identifizie- rung eines Bildelements aus kleinsten Bildeinheiten kann auch derart geschehen, dass eine Grenzlinie des Bildelements durch Vergleich von Werten benachbarter kleinster Bildeinheiten erfolgt, wobei eine Grenze gezogen wird, sobald eine bestimmte Mindestdifferenz zwischen Werten benachbarter kleinster Bildeinheiten erreicht ist. Es sind auch noch vielfältige andere Mög- lichkeiten grundsätzlich bekannt, um kleinste auflösbare Bildeinheiten einer
Abbildung sinnvoll zu Clustern zusammenzufassen, die im Rahmen dieser An- meidung als Bildelemente bezeichnet werden. Wie bereits ausgeführt, können Bildelemente einerseits durch einzelne der kleinsten technisch auflösbaren Bildeinheiten gebildet werden, jedoch auch durch sinnvolle Zusammenfassung benachbarter Bildeinheiten mit als ähnlich beurteilten Eigenschaften/zugeordneten Werten, Größen, Vektoren oder Matrizen.
Eine weitere Möglichkeit, Bildelemente zu definieren, ist demnach dadurch gegeben, dass durch die erfasste räumliche Verteilung von Mustern oder kleinsten homogenen Bildeinheiten jeweils verschiedenen Teilflächen der Bruchfläche je eine Kategorie zugeordnet wird.
Eine weitere mögliche Definition von Bildelementen kann auch vorsehen, dass durch die erfasste räumliche Verteilung von Mustern oder kleinsten homogenen Bildeinheiten Grenzlinien zwischen verschieden kategorisierten Teilflächen der Bruchfläche ermittelt und bei der Kategorisierung verwendet werden.
Sind die Bildelemente einmal ermittelt worden, so kann ihre räumliche Verteilung bestimmt und ausgewertet werden. Die räumliche Verteilung kann durch verschiedenste bekannte Arten von Bildverarbeitung ermittelt werden, beispielsweise indem Abstände oder Unterschiede der Eigenschaften/zugeordneten Werten, Größen, Vektoren oder Matrizen jeweils benachbarter Bildelemente bestimmt, mittlere Abstände/Unterschiede ermittelt oder Standardabweichungen hiervon bestimmt werden oder dass Abweichungen einzelner Abstände/Unterschiede von mittleren Abständen/Unterschieden bewertet werden. Es können auch Gradienten der Dichte von Bildelementen oder andere ähnliche, die räumliche Verteilung beispielsweise statistisch beschreibende Parameter ermittelt werden. Dadurch werden einer oder mehrere Parameter der räumlichen Verteilung ermittelt, die zur Unterscheidung verschiedener Kategorien von Bruchflächen besonders sinnvoll und abgrenzungsscharf sind. Dadurch kann die Bruchfläche in Teilflächen unterteilt werden, die sich durch die Parameter nach der Ermittlung der räumlichen Verteilung voneinander abgrenzen lassen. Hierdurch kann der Bruchfläche oder Teilflächen der Bruchfläche jeweils eine Kategorie zugeordnet werden. Es kann auch vorgesehen sein, dass die Bildelemente jeweils durch Pixel (kleinste auflösbare Bildeinheiten oder Pixelgruppen gebildet sind, deren In- tensitäts-, Färb- oder Phasenwerte oder andere den Pixeln zugeordnete Größen erkennbare Unterschiede zu den Werten oder Größen von nicht zu dem jeweiligen Bildelement gehörenden Pixeln oder Pixelgruppen aufweisen. In diesem Fall wird der Schwerpunkt nicht auf die Ermittlung einer Teilfläche gelegt, die eine einheitliche räumliche Verteilung der Bildelemente aufweist, sondern auf der Unterscheidung von benachbarten Teilflächen, die unterschiedliche räumliche Verteilungen aufweisen, um auf diese Weise eine Grenzlinie zwischen Teilflächen zu bestimmen, die dann im Ergebnis die unterschiedlichen Teilflächen definiert.
Eine besondere Ausgestaltung des erfindungsgemäßen Verfahrens kann vorsehen, dass die Bildelemente jeweils durch Pixel (kleinste auflösbare Bildein- heiten) oder Pixelgruppen gebildet sind, deren Intensitäts-, Färb- oder Phasenwerte oder andere den Pixeln zugeordnete Größen Gemeinsamkeiten mit oder eine definierte Relation zu den Werten von ebenfalls zu dem jeweiligen Bildelement gehörenden Pixeln oder Pixelgruppen aufweisen. Es kann auch vorgesehen sein, dass die Bildelemente jeweils durch Pixel
(kleinste auflösbare Bildeinheiten) oder Pixelgruppen gebildet sind, deren Intensitäts-, Färb- oder Phasenwerte sich von Werten eines gemeinsamen Hintergrundes ausreichend unterscheiden, um eine Abgrenzung der einzelnen Bildelemente vom Hintergrund und voneinander zu ermöglichen.
Darauf kann beispielsweise vorgesehen sein, dass die erfasste räumliche Verteilung von Bildelementen, insbesondere in Form von Mustern, mit in einer Datenverarbeitungseinrichtung gespeicherten und bereits kategorisierten Verteilungen oder Mustern verglichen wird und aufgrund des Ergebnisses des Vergleichs der erfassten räumlichen Verteilung eine Kategorie zugeordnet wird.
Dabei kann in einer Implementierungsform der Erfindung vorgesehen sein, dass für die Zuordnung einer Kategorie, insbesondere in Form eines Bruch- musters zu einer Auswertung der räumlichen Verteilung von Bildelementen der digitalen Abbildung oder Bereichen oder Ausschnitten der digitalen Abbil- dung eine trainierbare Datenverarbeitungseinrichtung, insbesondere in Form eines selbstlernenden Systems und/oder ein trainierbares computergestütztes Verfahren, insbesondere in Form eines selbstlernenden Verfahrens, verwendet wird.
In diesem Fall kann zunächst durch Experten eine Anzahl von Bruchflächen oder Teilflächen von Bruchflächen aufgrund vorgegebener digitaler Abbildungen kategorisiert werden und die Abbildungen sowie die vorgenommenen Kategorisierungen können in das System, d. h. die trainierbare Datenverarbeitungseinrichtung eingegeben werden. Es ist dann ein selbstlernendes System vorgesehen, dass die Kategorisierung im Zusammenhang mit den digitalen Abbildungen aufnimmt und selbst Regeln für die Kategorisierung aufstellt und hinterlegt. Nach einer bestimmten Anzahl von durch die Experten vorgenommenen Kategorisierungen kann die Datenverarbeitungseinrichtung selbst anhand von digitalen Abbildungen Kategorien zuordnen.
Die entsprechenden selbstlernenden Systeme können verschiedene in der Informationstechnologie bekannte Verfahren verwenden wie beispielsweise neuronale Netze und selbstlernende Klassifikationsalgorithmen. Hierzu gehören beispielsweise auch sog. Random Forest Verfahren und Support-Vector- Machine Verfahren.
Die Kategorie einer Bruchfläche kann oft mangels eines homogenen Erscheinungsbildes der Bruchfläche nur anhand der Bewertung von Teilflächen beurteilt und kategorisiert werden. Insofern kann gemäß der Erfindung vorgesehen sein, dass durch die erfasste räumliche Verteilung von Bildelementen, insbesondere in Form von Mustern, jeweils verschiedenen Teilflächen der Bruchfläche je eine Kategorie zugeordnet wird.
Es kann beispielsweise auch vorgesehen sein, dass durch die erfasste räumliche Verteilung von Bildelementen und ihre Analyse Grenzlinien zwischen verschieden kategorisierten Teilflächen der Bruchfläche ermittelt und bei der Kategorisierung der Bruchfläche verwendet werden.
Dabei kann vorgesehen sein, dass das Bild der Bruchfläche vor der Analyse in mehrere Ausschnitte geteilt wird. Dabei kann zudem vorgesehen sein, dass die Ausschnitte einander überlappen. Dies kann bei der Bewertung hilfreich sein, falls Grenzlinien zwischen unterschiedlich zu kategorisierenden Teilflächen gerade entlang der Grenzen der gewählten Ausschnitte verlaufen. Es kann jedoch auch vorteilhaft vorgesehen sein, dass die Ausschnitte einander nicht überlappen.
Es kann beispielsweise auch vorgesehen sein, dass die Ausschnitte einander nicht überlappen und in dem Bild einander unmittelbar und ohne Abstand einander benachbart sind.
Damit wird sichergestellt, dass auch jedem Punkt der Bruchfläche ein Punkt eines Ausschnitts zugeordnet ist, der ausgewertet werden kann.
Es kann im Rahmen der Erfindung vorgesehen sein, dass wenigstens eine Ka- tegorie eines Bruchmusters durch Identifizierung einer Textur auf einer digitalen Abbildung erkannt wird.
Eine Textur ist dabei eine Erscheinungsform der räumlichen Verteilung von Bildelementen. Dabei können verschiedene Texturen unterschiedlichen Bild- ausschnitten oder Teilflächen zugeordnet werden. Verschiedene Teilflächen können dabei auch unterschiedlich kategorisiert werden, wobei die Kategori- sierung der Teilflächen zu einer Gesamtkategorisierung der Bruchfläche zu- sammengefasst werden kann (beispielsweise als Mischbruch). Das oben beschriebene erfindungsgemäße Verfahren zur Kategorisierung einer Bruchflä- che eines Bauteils kann in ein umfassenderes Verfahren zur Prüfung der Qualität oder der Fügefestigkeit einer geklebten Fügefläche eingebettet sein. Damit kann sich die Erfindung auf ein Verfahren zur Prüfung der Qualität oder der Fügefestigkeit einer geklebten Fügefläche beziehen, bei dem zunächst zwei entlang der Fügefläche zusammengeklebte Elemente eines Bauteils durch Brechen im Bereich der Fügefläche voneinander getrennt werden, und danach wenigstens eine Bruchfläche gemäß Patentanspruch 1 oder einem der folgenden kategorisiert wird. Das Verfahren kann die Handhabung des Bauteils beim Brechen und die Handhabung der Bruchstücke nach dem Brechen mit umfassen, wobei eine digitale Abbildung der Bruchflächen erzeugt und das Ergebnis der digitalen Abbildung weiter wie oben beschrieben analysiert wird. Eine Ausführungsform des Verfahrens der oben beschriebenen Art kann auch vorsehen, dass nach der Ermittlung der Bildelemente und ihrer räumlichen Verteilung wenigstens eine, insbesondere mehrere Teilflächen ermittelt werden, wobei jede Teilfläche sich durch eine innerhalb der Teilfläche gleichmäßige räumliche Verteilung der Bildelemente auszeichnet und wobei im Falle mehrere Teilflächen zumindest unmittelbar aneinander angrenzende Teilflächen sich untereinander in Bezug auf die räumliche Verteilung der Bildelemente unterscheiden, und dass die so gebildeten Teilflächen die Bereiche der digitalen Abbildung oder eines oder mehrerer Ausschnitte bilden, denen jeweils eine Kategorie eines Bruchmusters zugeordnet wird.
Die Anzahl der auf diese Weise ermittelten Teilflächen kann flexibel bleiben und sich beispielsweise an der Zahl der im Einzelfall unterscheidbaren Muster oder Verteilungen orientieren. Es kann jedoch auch eine Maximalzahl von zu unterscheidenden Teilflächen vorgegeben werden und die Mindestunterschiede der Muster oder Verteilungen verschiedener Teilflächen können dynamisch so festgelegt werden, dass die Zahl der unterschiedenen Teilflächen entweder bestimmt ist oder sich in einem vorbestimmten Zahlenbereich hält.
Ist eine einheitlich kategorisierte Teilfläche durch eine starke Einschnürung gekennzeichnet, so kann diese Teilfläche im Bereich der Einschnürung gekennzeichnet, so kann diese Teilfläche im Bereich der Einschnürung auch in zwei neue Teilflächen unterteilt werden.
Eine Einschnürung kann dabei dadurch definiert sein, dass im Bereich der Einschnürung die Breite der Teilfläche nur einen Bruchteil, beispielsweise maximal 10% oder 5% der durchschnittlichen Breite der Teilfläche ausmacht. Die Erfindung bezieht sich nicht nur auf ein Verfahren der oben beschriebenen Art, sondern auch auf eine Einrichtung zur Durchführung eines solchen Verfahrens mit einer Einrichtung zum Erzeugen einer digitalen Abbildung einer Bruchfläche, einer Einrichtung zur Ermittlung von Bildelementen, einer Einrichtung zur Ermittlung von Parametern, die die räumliche Verteilung von Bildelementen charakterisieren sowie einer Einrichtung zum Vergleich der
Parameter mit Referenz-Parametern, die in einer Speichereinrichtung hinter- legt sind, sowie einer Einrichtung zur Zuordnung von Bruch-Kategorien aus dem Ergebnis des Vergleichs, wenn die ermittelten Parameter mit Referenz- Parametern bis auf vorbestimmte zugelassene Abweichungen übereinstimmen.
Auch eine solche Einrichtung kann in eine umfassendere Einrichtung zur Prüfung der Fügefestigkeit einer geklebten Fügefläche eingebettet sein, die zudem eine Einrichtung zum Brechen eines Bauteils im Bereich der Fügefläche mit umfassen kann.
Im Folgenden wird die Erfindung anhand von Ausführungsbeispielen in Figuren einer Zeichnung gezeigt und anschließend erläutert.
Dabei zeigt
Figur 1 eine perspektivische Abbildung eines gebrochenen Bauteils mit zwei
Bruchflächen,
Figur 2 schematisch eine Anordnung zur Erzeugung eines digitalen Abbildes einer Bruchfläche,
Figur 3 eine weitere Anordnung zur Erzeugung eines digitalen Abbildes einer Bruchfläche,
Figur 4 eine Bruchfläche in einer Draufsicht,
Figur 5 einen in der Figur 4 mit V bezeichneten Ausschnitt aus einer Bruchfläche mit eingezeichneten kleinsten Bildeinheiten,
Figur 6 den Ausschnitt einer Bruchfläche aus der Figur 4 mit identifizierten
Bildelementen,
Figur 7 eine Draufsicht auf eine Bruchfläche mit verschiedenen identifizierten Bildelementen,
Figur 8 ein Ablaufdiagram des erfindungsgemäßen Verfahrens sowie Figur 9 schematisch einen Aufbau einer Einrichtung zur Durchführung des Verfahrens. Figur 1 zeigt in perspektivischer Ansicht ein zerbrochenes Bauteil 1, das zunächst aus zwei Teilen 1A, 1B zusammengefügt und dann entlang der Fügefläche zerbrochen worden ist, wobei zwei Bruchflächen 2, 3 entstanden sind. Die Bruchflächen können eben oder gekrümmt oder auch polygonal zerklüftet sein.
In der Figur 2 ist schematisch eine Einrichtung zur Erzeugung einer digitalen Abbildung einer Bruchfläche 2 gezeigt, die eine Kamera 4 zur Aufnahme eines fotografischen digitalen Abbildes umfasst sowie verschiedene Beleuchtungsquellen 5, 6, 7. Die verschiedenen Beleuchtungsquellen 5, 6, 7 können optio- nal genutzt werden, wobei auch die Bildaufnahme mit nur einer einzigen Beleuchtungsquelle oder mit Hilfe des Umgebungslichts denkbar ist. Es können auch verschiedene Bilder aufgenommen werden, bei denen jeweils nur eine der Beleuchtungsquellen 5, 6, 7 aktiv ist. Hierdurch können Bilder mit unterschiedlichem Schattenwurf gewonnen werden, die miteinander verknüpft und zu einem kontrastreichen Bild verrechnet werden können. Die einzelnen
Lichtquellen 5, 6, 7 können auch beispielsweise unterschiedliche Linear- oder Zirkularpolarisationen des Lichts abstrahlen, so dass durch die Kamera 4 auch polarisiertes Licht aufgenommen werden kann. Dabei können verschiedene Polarisationsfilter eingesetzt werden, um bei einer oder mehreren Aufnahmen bestimmte Polarisationszustände des von der Bruchfläche 2 reflektierten
Lichts zu isolieren und die entsprechenden digitalen Abbildungen miteinander zu verrechnen. Auch Phaseninformationen des zurückgestrahlten Lichts können ausgewertet werden. Anstelle sichtbaren Lichts kann auch ein Bild im Infrarot- oder
Ultraviolettbereich aufgenommen werden oder es können im Extremfall kurzwelligere Strahlungen, Strahlungsarten oder auch Korpuskularstrahlung an der Bruchfläche reflektiert und durch einen Sensor zur Erzeugung einer digitalen Abbildung aufgenommen werden. Die Lichtquellen 5, 6, 7 werden in diesen Fällen beispielsweise durch entsprechende Strahlungsquellen ersetzt. Die Figur 3 zeigt alternativ eine Einrichtung zur Erzeugung einer digitalen Abbildung der Bruchfläche 2, die nach einer Abtastmethode funktioniert, wobei ein Sensor 8 parallel entlang der Bruchfläche 2 bewegt wird, wie durch den Doppelpfeil 9 angedeutet ist. Der Sensor ist dazu auf einer Schiene 10 oder auf mehreren senkrecht zueinander verlaufenden Schienen geführt, um die gesamte Bruchfläche abtasten bzw. überstreichen zu können. Beispielsweise kann die Abtastung kapazitiv unter Anlegung einer elektrischen Spannung geschehen. Das digitale Abbild kann dann in einer Datenverarbeitungseinrichtung gespeichert werden.
Die Figur 4 zeigt beispielhaft eine Abbildung einer Bruchfläche 2 mit verschiedenen Teilflächen 11, 12, 13, 14, die unterschiedliche Erscheinungsformen aufgrund der Natur des Bruchs haben und deshalb zur Auswertung voneinander gesondert bearbeitet werden können. Die Teilflächen können nach der Ermittlung der räumlichen Verteilung der Bildelemente festgelegt werden, um das zu analysierende Bild zu unterteilen und zunächst eine Bewertung oder Kategorisierung der einzelnen Teilflächen durchzuführen.
Es kann auch vorgesehen sein, dass zunächst aufgrund einer ersten Abbildung der Bruchfläche und einer ersten Analyse Teilflächen festgelegt werden, die mittels einer zweiten Analyse, insbesondere einer zweiten Abbildung, analysiert und kategorisiert werden. Die erste und die zweite Analyse können dabei verschiedene Analysemethoden vorsehen. In der Figur 4 ist mit V ein runder Ausschnitt bezeichnet, der in der Figur 5 vergrößert dargestellt ist.
Die Figur 5 zeigt in einem Ausschnitt und vergrößert ein Muster aus den kleinsten auflösbaren Bildeinheiten (Pixel) 15, 16, 17 der Bruchfläche. Die er- reichbare Auflösung bei der Abbildung der Bruchfläche hängt im Wesentlichen vom Abbildungssystem ab, beispielsweise der Pixeldichte der verwendeten Digitalkamera oder einer sonstigen Abbildungseinrichtung.
Den einzelnen kleinsten Bildeinheiten kann beispielsweise wie in der Figur 5 eingetragen, jeweils ein skalarer Wert, beispielsweise ein Helligkeits- oder
Farbwert zugeordnet werden. Es kann den einzelnen kleinsten Bildeinheiten jedoch wie oben erläutert auch ein Vektor oder eine Matrix oder allgemein ein n-Tupel von Skalaren zugeordnet sein. Dies kann beispielsweise dann sinnvoll sein, wenn außer einem Helligkeitswert auch ein Polarisationswert oder ein Phasenwert erfasst werden soll. Im Beispiel der Figur 5 sind lediglich In- tensitätswerte in die Flächen der kleinsten Bildeinheiten eingetragen, die vom
Wert 1 bis zum Wert 4 reichen. Es ergibt sich bei der ersten Auswertung der Abbildung, dass zwei Cluster/Bildelemente aus kleinsten Bildeinheiten gebildet werden können, die jeweils um eine Bildeinheit mit dem Wert 4 gruppiert sind. Von dieser jeweils zentralen Bildeinheit mit dem Wert 4 nehmen die Werte mit zunehmendem Abstand über 3 und 2 zum Wert 1 ab. Auf diese
Weise können der Abbildung 2 Bildelemente in Form von Kreisen zugeordnet werden, die beispielhaft in der Figur 6 eingezeichnet sind. Zwischen den beiden so identifizierten Bildelementen 18, 19 lässt sich ein Abstand definieren, der beispielsweise als Abstand der Zentren der beiden Bildelemente 18, 19 voneinander definiert ist oder als kleinster Abstand der Ränder der beiden
Bildelemente 18, 19 voneinander.
Auf diese Weise können in der gesamten Bruchfläche eine Vielzahl von Bildelementen 18, 19 identifiziert und deren räumliche Verteilung analysiert wer- den. Dabei können die Dichte der Bildelemente 18, 19 auf der Fläche oder deren mittlere Abstände voneinander bzw. durchschnittliche Abweichungen von mittleren Abständen ermittelt werden oder andere statistische Größen, die die Verteilung, beispielsweise auch die Homogenität oder Inhomogenität der Verteilung von Bildelementen auf der Bruchfläche repräsentieren.
In der Figur 7 sind auf einer Bruchfläche auf den Teilflächen 11, 12, 13, 14 verschiedene stark idealisierte Verteilungen von Bildelementen dargestellt. Dabei ist es typisch, dass auf einer Bruchfläche im Bereich von Teilflächen unterschiedliche räumliche Verteilungen der Bildelemente auftreten, so dass die Bruchfläche verschiedene Kategorien von Brüchen in verschiedenen Teilflächen zeigt.
In den Beispielen der Figur 7 sind auf der Teilfläche 11 fünf kreisförmige Bildelemente gezeigt, die relativ homogen über die Fläche verteilt sind. Die Ab- stände der äußeren Bildelemente 20, 21 von dem mittleren Bildelement 22 und die übrigen Abstände sind durch Doppelpfeile repräsentiert, wobei die Abstände von nächst benachbarten Bildelementen sich nicht besonders stark unterschieden. Die Differenzen dieser Abstände untereinander dürften unter 50 % des Durchschnittsabstandes liegen. In der Teilfläche 12 sind Bildelemente 23, 24, 25, 26, 27, 28 gezeigt, die wenigstens teilweise clusterartig zusammenfassbar sind. Die einzelnen Bildelemente sind als Dreiecke gekennzeichnet, um zu symbolisieren, dass jedes einzelne Bildelement eine andere Erscheinungsform hat, als beispielsweise die Bildelemente 20, 21, 22 auf der Teilfläche 11. Die Bildelemente 25, 26, 27, 28 könnten beispielsweise, da sie einander stärker benachbart sind, als die übrigen Bildelemente auf der Teilfläche 12, als Cluster betrachtet werden. Das Vorkommen solcher Cluster kann beispielsweise eine Bruchfläche einer bestimmten Kategorie kennzeichnen. Ein weiterer Cluster wäre dann beispielsweise durch die Bildelemente 29, 30, 31 gebildet.
Auf der Teilfläche 13 der Bruchfläche sind länglich-elliptische Bildelemente 32, 33, 34, 35, 36, 37 dargestellt, wobei die Bildelemente dort linienartig clusterbar sind, so dass die Bildelemente 32, 33, 34 einerseits und die Bildelemente 35, 36, 37 andererseits zu einer Kette von Bildelementen zusam- mengefasst werden können. Auch eine solche zusammenfassbare Gruppe von
Bildelementen kann die Kategorie einer Bruchfläche charakterisieren.
Auf der Teilfläche 14 sind relativ kleine Bildelemente punktartig dargestellt, die sehr gleichmäßig über die Fläche verteilt sind. Auch dies kann die Katego- rie einer Bruchfläche charakterisieren. Andere Bruchflächen können beispielsweise durch ähnliche Bildpunkte, wie auf der Teilfläche 14 gezeigt, charakterisiert sein, wobei die Dichte der Bildelemente sich von derjenigen der Teilfläche 14 unterscheiden kann, wodurch jeweils eine unterschiedliche Bruchkategorie gebildet sein kann. Auch die Größe der jeweils erkennbaren Bildelemente oder ein Hell/Dunkel- oder Grauwert einer Fläche kann charakteristisch für eine Bruchkategorie sein.
Die Figur 8 zeigt schematisch einen Ablaufplan in Form eines Flussdiagramms für das oben erläuterte Verfahren. Dabei besteht der erste Schritt 38 im Bre- chen eines Bauteils entlang einer Fügefläche. Der zweite Schritt 39 umfasst die Ermittlung einer digitalen Abbildung der Bruchfläche, beispielsweise durch Fotografieren. Der dritte Schritt 40 des Verfahrens umfasst die Analyse der kleinsten auflösbaren Bildeinheiten (Pixel) und deren potentielle Zusammenfassung zu Bildelementen. Hierzu ist zu bemerken, dass auch die Verteilung der primären kleinsten auflösbaren Bildeinheiten bereits ausgewertet werden kann, da diese auch unmittelbar die Bildelemente bilden können.
Sind verschiedene Bildelemente gebildet, so werden im nächsten Schritt 41 Parameter ermittelt, die die räumliche Verteilung der Bildelemente charakterisieren.
Im nächsten Schritt 42 werden die ermittelten Parameter mit Referenzwerten aus einer Datenbank bzw. aus einer Datenverarbeitungseinrichtung verglichen. Im nächsten Schritt 43 werden die ermittelten Parameter aufgrund des durchgeführten Vergleichs bestimmten vorgegebenen Parameterbereichen zugeordnet, die ihrerseits bestimmten Kategorien von Bruchflächen zugeordnet sind. Die Bereiche, die durch bestimmte Parameterbereiche gekennzeichnet sind, können jeweils als eine Teilfläche definiert werden. Damit ergibt sich für die Bruchfläche oder Teilflächen der Bruchfläche jeweils eine Kategorisie- rung.
Sind Teilflächen der Bruchfläche ausgewertet worden oder beziehen sich die Kategorien nur auf Ausschnitte oder Teilflächen der Bruchfläche, so werden in einem letzten Schritt 44 die Kategorisierungen der Teilflächen oder Ausschnitte miteinander verknüpft und zu einer Kategorisierung der gesamten Bruch- fläche verarbeitet. Diese kann dann angezeigt und/oder abgespeichert werden.
Die Figur 9 zeigt einen schematischen Aufbau zur Durchführung des Verfahrens.
Dabei bezeichnet das Bezugszeichen 45 ein gebrochenes Bauteil mit einer Bruchfläche, das von einer Einrichtung 46 zum Erzeugen einer digitalen Abbildung abgebildet wird. Dieses kann beispielsweise durch eine digitale Fotokamera gegeben sein.
Die Einrichtung 46 zur Erzeugung einer Abbildung übersendet Daten an eine Einrichtung 47, die in der digitalen Abbildung Bildelemente identifiziert. Die Parameter der Bildelemente, die als Werte, n-Tupel von Skalaren, Vektoren oder Matrizen gegeben sein können, werden an eine Einrichtung 48 zur Ermittlung von Parametern der räumlichen Verteilung geleitet.
Die Einrichtungen 47 und 48 können auch zusammengefasst sein.
Die Kategorisierung der Bruchfläche anhand der Parametrisierung der räumlichen Verteilung der Bildelemente wird mit einem selbstlernenden System durchgeführt, das beispielsweise als sog.„Random Forest" System mit Klassifikationsbäumen ausgestaltet sein kann, wobei eine Vielzahl von Klassifikationsbäumen gemäß den Parametern des erfassten digitalen Bildes eine Kategorisierung durchführt und anhand der Statistik der Klassifizierungen durch einzelne Entscheidungsbäume eine Ergebniskategorisierung durchgeführt wird. Die einzelnen Entscheidungsbäume können durch die Experten festgelegt oder durch das Training mit Trainingsdatensätzen festgelegt werden.
In der Figur 9 ist die Kommunikation der Einrichtung zur Ermittlung der Parameter der räumlichen Verteilung 48 mit einer Klassifizierungsdatenbank 49 durch einen Doppelpfeil 50 beschrieben. Der gestrichelte Doppelpfeil 51 symbolisiert die Wechselwirkung zwischen den in einer Trainingsdatenbank 52 gespeicherten Trainingsdatensätzen und der Einrichtung 48.
Die Klassifizierung kann beispielsweise auch mit anderen Klassifizierungssystemen durchgeführt werden, wie beispielsweise mit der Support-Vektor- Machine Methode, die in ihrer einfachsten Form in einem n-dimensionalen Raum, in dem n-dimensionale Zustandsvektoren der Bildelemente eingetragen sind, eine Ebene zwischen jeweils zwei Bildelementen legt, die klassifikatorisch zu trennen sind.
Dieses Verfahren kann auch noch komplexer gestaltet werden, indem nicht lineare Trennflächen zugelassen werden, dadurch, dass die Vektoren in höher dimensionale Räume transformiert werden.
Die beschriebenen zwei Beispiele betreffen funktionierende Verfahren zur automatischen Kategorisierung von Elementen, die wenigstens teilweise selbstlernend sind. Diese Beispiele sind jedoch nicht einschränkend und es können auch andere bekannte, selbst lernende und selbsttätig arbeitende Systeme für die Kategorisierung eingesetzt werden. Ist durch die Einrichtung 48 einzelnen Bildausschnitten oder Teilbruchflächen zunächst eine räumliche Verteilung und danach durch den Vergleich mit Referenzdaten eine Kategorisierung zugeordnet worden, so werden die ermittelten Kategorien einer Verarbeitungseinrichtung 53 zugeleitet, die aus den zugeordneten Kategorien eine Gesamtkategorie für die Bruchfläche ermittelt und diese, beispielsweise durch Anzeige, ausgibt, oder durch eine binäre Anzeige mitteilt, ob ein gewünschter Bruchflächentyp vorliegt oder nicht.

Claims

Patentansprüche
Verfahren zur Kategorisierung einer Bruchfläche (2, 3) eines Bauteils (1), bei dem
eine digitale Abbildung der Bruchfläche (2, 3) erzeugt wird, die jeder kleinsten auflösbaren Bildeinheit (Pixel) (15, 16, 17) der Abbildung einen Wert oder eine Wertegruppe oder einen Vektor oder eine Matrix zuordnet, und
die digitale Abbildung oder ein oder mehrere Ausschnitte der digitalen Abbildung analysiert wird/werden, wobei Bildelemente (18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37) und ihre räumliche Verteilung ermittelt werden,
wobei einem oder mehreren Bereichen der digitalen Abbildung oder eines oder mehrerer Ausschnitte aufgrund der räumlichen Verteilung von Bildelementen eine Kategorie eines Bruchmusters zugeordnet wird und,
soweit mehrere Bereiche und/oder mehrere Ausschnitte (11, 12, 13, 14) der digitalen Abbildung analysiert wurden, die Informationen über die Bereiche und/oder Ausschnitte der digitalen Abbildung und die diesen zugeordneten ermittelten Kategorien von Bruchmustern miteinander verknüpft werden und aufgrund dieser Verknüpfung der Bruchfläche (2, 3) eine Kategorie zugeordnet wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet dass die Bildelemente jeweils durch Pixel (kleinste auflösbare Bildeinheiten) (15, 16, 17) oder Pixelgruppen gebildet sind, deren Intensitäts-, Färb- oder Phasenwerte oder andere den Pixeln zugeordnete Größen erkennbare Unterschiede zu den Werten oder Größen von nicht zu dem jeweiligen Bildelement gehörenden Pixeln oder Pixelgruppen aufweisen.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet dass die Bildelemente (18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37) jeweils durch Pixel (kleinste auflösbare Bildeinheiten) (15, 16, 17) oder Pixelgruppen gebildet sind, deren Intensitäts-, Färb- oder Phasenwerte oder andere den Pixeln zugeordnete Größen Gemeinsamkeiten mit oder eine definierte Relation zu den Werten von ebenfalls zu dem jeweiligen Bildelement gehörenden Pixeln oder Pixelgruppen aufweisen.
Verfahren nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet dass die Bildelemente (18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32,
33, 34, 35, 36, 37) jeweils durch Pixel (kleinste auflösbare Bildeinheiten) (15, 16, 17) oder Pixelgruppen gebildet sind, deren Intensitäts-, Färb- oder Phasenwerte sich von Werten eines gemeinsamen Hintergrundes ausreichend unterscheiden, um eine Abgrenzung der einzelnen Bildelemente vom Hintergrund und voneinander zu ermöglichen.
Verfahren nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, dass die erfasste räumliche Verteilung von Bildelementen (18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37), insbesondere in Form von Mustern, mit in einer Datenverarbeitungseinrichtung gespeicherten und bereits kategorisierten Verteilungen oder Mustern verglichen wird und aufgrund des Ergebnisses des Vergleichs der erfassten räumlichen Verteilung eine Kategorie zugeordnet wird.
Verfahren nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, dass durch die erfasste räumliche Verteilung von Bildelementen, insbesondere in Form von Mustern, jeweils verschiedenen Teilflächen (11, 12, 13, 14) der Bruchfläche (2, 3) je eine Kategorie zugeordnet wird.
Verfahren nach Anspruch 1, oder einem der folgenden, dadurch gekennzeichnet, dass durch die erfasste räumliche Verteilung von Bildelementen (18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33,
34, 35, 36, 37) und ihre Analyse Grenzlinien zwischen verschieden kategorisierten Teilflächen (11, 12, 13, 14) der Bruchfläche (2, 3) ermittelt und bei der Kategorisierung der Bruchfläche verwendet werden. Verfahren nach Anspruch 1 2, 3 oder 4 , dadurch gekennzeichnet, dass für die Zuordnung einer Kategorie, insbesondere in Form eines Bruchmusters zu einer Auswertung der räumlichen Verteilung von Bildelementen (18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37) der digitalen Abbildung oder Bereichen oder Ausschnitten der digitalen Abbildung eine trainierbare Datenverarbeitungseinrichtung (49), insbesondere in Form eines selbstlernenden Systems und/oder ein trainierbares computergestütztes Verfahren, insbesondere in Form eines selbstlernenden Klassifikationsverfahrens, verwendet wird.
Verfahren nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, dass das Bild der Bruchfläche vor der Analyse in mehrere Ausschnitte geteilt wird.
Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass die Ausschnitte einander überlappen.
Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass die Ausschnitte einander nicht überlappen.
Verfahren nach Anspruch 9, dadurch gekennzeichnet, dass die Ausschnitte einander nicht überlappen und in dem Bild einander unmittelbar und ohne Abstand einander benachbart sind.
Verfahren nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, dass wenigstens eine Kategorie eines Bruchmusters durch Identifizierung einer Textur auf einer digitalen Abbildung erkannt wird.
Verfahren zur Prüfung der Qualität oder der Fügefestigkeit einer geklebten Fügefläche, bei dem zunächst zwei entlang der Fügefläche zusammengeklebte Elemente (la, lb) eines Bauteils (1) durch Brechen im Bereich der Fügefläche voneinander getrennt werden,
und danach wenigstens eine Bruchfläche (2, 3) gemäß Patentanspruch 1 oder einem der folgenden kategorisiert wird. Verfahren nach Anspruch 1 oder einem der folgenden, dadurch gekennzeichnet, dass nach der Ermittlung der Bildelemente und ihrer räumlichen Verteilung wenigstens eine, insbesondere mehrere Teilflächen ermittelt werden, wobei jede Teilfläche sich durch eine innerhalb der Teilfläche gleichmäßige räumliche Verteilung der Bildelemente auszeichnet und wobei im Falle mehrere Teilflächen zumindest unmittelbar aneinander angrenzende Teilflächen sich untereinander in Bezug auf die räumliche Verteilung der Bildelemente unterscheiden, und dass die so gebildeten Teilflächen die Bereiche der digitalen Abbildung oder eines oder mehrerer Ausschnitte bilden, denen jeweils eine Kategorie eines Bruchmusters zugeordnet wird.
Einrichtung zur Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 13, mit einer Einrichtung (46) zum Erzeugen einer digitalen Abbildung einer Bruchfläche, einer Einrichtung (47) zur Ermittlung von Bildelementen, einer Einrichtung (48) zur Ermittlung von Parametern, die die räumliche Verteilung von Bildelementen charakterisieren sowie einer Einrichtung zum Vergleich der Parameter mit Referenz- Parametern, die in einer Speichereinrichtung hinterlegt sind, sowie einer Einrichtung zur Zuordnung von Bruch-Kategorien aus dem Ergebnis des Vergleichs, wenn die ermittelten Parameter mit Referenz- Parametern bis auf vorbestimmte zugelassene Abweichungen übereinstimmen.
Einrichtung zur Prüfung der Fügefestigkeit einer geklebten Fügefläche, mit einer Einrichtung zum Brechen eines Bauteils im Bereich der Fügefläche sowie einer Einrichtung nach Anspruch 15.
EP17755065.4A 2016-07-08 2017-07-07 Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils Withdrawn EP3482348A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016212486.2A DE102016212486A1 (de) 2016-07-08 2016-07-08 Verfahren und Einrichtung zur Kategorisierung einer Bruchfläche eines Bauteils
PCT/EP2017/067148 WO2018007619A1 (de) 2016-07-08 2017-07-07 Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils

Publications (1)

Publication Number Publication Date
EP3482348A1 true EP3482348A1 (de) 2019-05-15

Family

ID=59683494

Family Applications (1)

Application Number Title Priority Date Filing Date
EP17755065.4A Withdrawn EP3482348A1 (de) 2016-07-08 2017-07-07 Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils

Country Status (4)

Country Link
US (1) US10983043B2 (de)
EP (1) EP3482348A1 (de)
DE (1) DE102016212486A1 (de)
WO (1) WO2018007619A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111709905A (zh) * 2020-03-27 2020-09-25 南京智慧基础设施技术研究院有限公司 一种基于图像检测裂缝的分析方法
EP3904867B9 (de) * 2020-04-29 2022-11-02 voestalpine Stahl GmbH Verfahren und vorrichtung zur bestimmung der bruchfläche einer probe
JP7450517B2 (ja) * 2020-10-23 2024-03-15 株式会社荏原製作所 加工面判定装置、加工面判定プログラム、加工面判定方法、及び、加工システム
FR3123474B1 (fr) * 2021-05-31 2024-10-25 Safran Aircraft Engines Procédé de classification d’un mode de rupture visible sur une image d’un faciès de rupture d’un assemblage collé
JP7741370B2 (ja) * 2021-09-14 2025-09-18 日本製鉄株式会社 破断面特徴領域判定モデル生成装置、破断面特徴領域判定モデル生成方法、プログラム、破断面特徴領域判定装置、及び、破断面特徴領域判定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102014212511A1 (de) * 2014-06-27 2015-12-31 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Vorrichtungen und Verfahren zur Prüfung einer Oberflächengüte
AU2015392660B2 (en) * 2015-04-27 2019-05-16 Wuhan Optics Valley Zoyon Science And Technology Co., Ltd. Stepwise-refinement pavement crack detection method
WO2017039475A1 (en) * 2015-09-03 2017-03-09 Schlumberger Technology Corporation A computer-implemented method and a system for creating a three-dimensional mineral model of a sample of a heterogenerous medium

Also Published As

Publication number Publication date
DE102016212486A1 (de) 2018-01-11
US10983043B2 (en) 2021-04-20
US20190242811A1 (en) 2019-08-08
WO2018007619A1 (de) 2018-01-11

Similar Documents

Publication Publication Date Title
EP3482348A1 (de) Verfahren und einrichtung zur kategorisierung einer bruchfläche eines bauteils
DE10240877A1 (de) Fehlerklassifikations-/Inspektions-System
DE102019114012A1 (de) Mikroskopieverfahren, Mikroskop und Computerprogramm mit Verifikationsalgorithmus für Bildverarbeitungsergebnisse
DE102018128531A1 (de) System und Verfahren zum Analysieren einer durch eine Punktwolke dargestellten dreidimensionalen Umgebung durch tiefes Lernen
EP2787485B1 (de) Verfahren und Vorrichtung zur automatischen Fehlerstellenerkennung bei biegeschlaffen Körpern
DE112017005711T5 (de) Keramikkörper-Defektuntersuchungsvorrichtung und Defektuntersuchungsverfahren
EP1625936A2 (de) Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal
DE102021115002A1 (de) Werkstückinspektions- und fehlererkennungssystem einschliesslich überwachung der werkstückbilder
DE112020006938T5 (de) Kamera-mehrzeilen-zeitteilungs-belichtungsverarbeitungsverfahren und -system
DE102017219244B4 (de) Inspektionsbedingungsbestimmungseinrichtung, inspektionsbedingungsbestimmungsverfahren und inspektionsbedingungsbestimmungsprogramm
BE1029597A1 (de) Bildverarbeitungssysteme und -verfahren zum automatischen Erzeugen eines oder mehrerer Bildverarbeitungsaufträge auf Grundlage interessierender Regionen (ROIs) digitaler Bilder
DE102010007730B4 (de) Verfahren und Vorrichtung zum Einstellen eines geeigneten Auswerteparameters für ein Fluoreszenzmikroskop
DE112020005230T5 (de) Bildverarbeitungssystem, Einstellverfahren und -programm
BE1029610A1 (de) Systeme und Verfahren zum Verbessern einer Performanz einer trainierbaren optischen Zeichenerkennung (OCR)
DE102021133868A1 (de) Mikroskopiesystem und Verfahren zum Modifizieren von Mikroskopbildern im Merkmalsraum eines generativen Netzes
DE102017124600A1 (de) Semantische Segmentierung eines Objekts in einem Bild
WO2009127572A1 (de) Inspektionssystem und -verfahren für die optische untersuchung von objektoberflächen, insbesondere von waferoberflächen
WO2008077680A1 (de) Verfahren und vorrichtung zur optischen prüfung von objekten
AT408377B (de) Verfahren und vorrichtung zur prüfung bzw. untersuchung von gegenständen
DE1549893A1 (de) Verfahren und Anordnung zur elektronischen Klassierung von Bildvorlagen
DE102022107133A1 (de) Komponenteninspektionssystem und -verfahren bei produktionsgeschwindigkeit
DE102016109027A1 (de) Verfahren zur Lageüberprüfung charakteristischer Punkte in Lichtverteilungen
DE112021005038T5 (de) Modellerzeugungsvorrichtung für die sichtprüfung und sichtprüfungsvorrichtung
DE102021119132A1 (de) Systeme und verfahren zur optimierung einer leistung eines bildverarbeitungssystems
DE102020209078A1 (de) Automatisierte Prozessüberwachung

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20190201

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

RIN1 Information on inventor provided before grant (corrected)

Inventor name: KOERWIEN, THOMAS

Inventor name: HOMEYER, ANDRE

Inventor name: MEISSNER, ROBERT

Inventor name: BRUENING, HAUKE

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20210526

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION HAS BEEN WITHDRAWN

18W Application withdrawn

Effective date: 20230915