Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards MyNewsletter Firmensuche
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
Automotive Acoustics Conference 2025

Call for Papers - Deadline: 13. Januar 2025.

Wir möchten Sie dazu einladen, Ihre Vorschläge für einen Vortrag auf der Automotive Acoustics Conference 2025 einzureichen und mit uns neue Verfahren der nachhaltigen Lärmminderung zu erforschen. Wir freuen uns auf Ihre Anregungen für innovative, umweltfreundliche und intelligente Verfahren zur Gestaltung der Zukunft der Fahrzeugakustik.
Erweiterte Suche
Anmelden
nach oben
JOT Journal für Oberflächentechnik
Erschienen in:

01.10.2018 | Teilereinigung

Metall/Nichtmetall-Klassifikation von Partikeln mit Deep Learning

verfasst von: Dipl.-Wirt.-Ing. Ronny Zwinkau, Roman Möhle, Simon Frentrup, B.Sc., Univ.-Prof. Dr.-Ing. Jochen Deuse

Erschienen in: JOT Journal für Oberflächentechnik | Ausgabe 10/2018

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Auszug

Durch die Entwicklung eines Deep-Learning-Modells (Optimierungsmethoden künstlicher neuronaler Netze) mit 70.000 Bildern von metallischen und nichtmetallischen Partikeln können gegenüber dem etablierten Vorgehen der VDA 19.1 vergleichbare Ergebnisse erzielt werden. Der Vorteil des Verfahrens besteht in der minimierten Empfindlichkeit gegenüber Glanz sowie in der Reduzierung der Anforderungen an die Mikroskop-Hardware. …
Vorheriger Artikel Ortsaufgelöste Messung filmischer Verunreinigungen
Nächster Artikel Entschichtungsprozesse durchgängig absichern

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

JOT - Die Nr. 1 in Sachen Oberflächentechnik

JOT berichtet praxisnah und anwenderorientiert über sämtliche Themen der Oberflächentechnik. Jetzt testen!


Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
/1/.
M. Rochowicz, Qualitätskriterium Bauteilsauberkeit im prozessorientierten Ansatz, Stuttgart, 2014.
/2/.
G. Kreck, Y. Holzapfel, Reinheitsvalidierung von kontaminationskritischen Produkten, reinraum online (2013).
/3/.
Verband der Automobilindustrie e. V., VDA 19.2: Technische Sauberkeit in der Montage Teil 2: Umgebung, Logistik, Personal und Montageeinrichtungen, HenrichDruck+Medien GmbH, Frankfurt, 2010.
/4/.
Verband der Automobilindustrie e. V., VDA 19.1: Prüfung der Technischen Sauberkeit — Partikelverunreinigung funktionsrelevanter Automobilteile, 2nd ed., 2015.
/5/.
ZVEI — Zentralverband Elektrotechnik- und Elektronikindustrie e. V., Leitfaden: Technische Sauberkeit in der Elektrotechnik. Schmutz ist Materie am falschen Ort, Fachverband PCB and Electronic Systems, Frankfurt am Main, 2013.
/6/.
DIN 66160:2017-02, Messen disperser Systeme — Begriffe, 02th ed., Beuth Verlag, Berlin, 2017, accessed 22 April 2018.
/7/.
VDI — Verband der Deutschen Ingenieure, Reinheitstauglichkeit und Oberflächenreinheit, Beuth Verlag GmbH, Berlin, 2006.
/8/.
U. Kloke, Auslegung von Bauteilreinigungsanlagen mit Hilfe eines Fachinformationssystems, 2003.
/9/.
J. König-Birk, Die richtige Analysemethode für filmische und partikuläre Verschmutzungen finden, Stuttgart, 2014.
/10/.
O. Valet, Methoden zur Partikelidentifizierung: Analyse der Stärken und Schwächen neuer Technologie, Stuttgart, 2014.
/11/.
R. Zwinkau, M. Krebs, Abschlussbericht: Reinheitsgerechte Materialflusssysteme, Dortmund, 30.07.14.
/12/.
S. Grüner, H. Lumpe, D. Streibl, Verfahren zur Analyse einer metallische und nichtmetallische Partikel enthaltenden Partikelansammlung und Vorrichtung zur Durchführung des Verfahrens, 2013.
/13/.
M. Rochowicz, G. Schmauz, Neues Rund um die Technische Sauberkeit: Restschmutz als Qualitätsindikator, Journal für Oberflächentechnik (2010) 54–56.
/14/.
W. Hsu, M.L. Lee, J. Zhang, Image Mining: trends and developments: School of Computing, Journal of Intelligent Information Systems (2002) 7–23.
/15/.
J. Oh, J. Lee, S. Hwang, Video Data Mining, in: J. Wang (Ed.), Encyclopedia of data warehousing and mining, Idea Group Reference, Hershey, PA, 2006.
/16/.
V.F. Leavers, Classifying wear debris particles with automatic image analysis, Practicing Oil Analysis 7 (2005).
/17/.
Myshkin NK, Morphology: texture, shape and color of friction surfaces and wear debris in tribodiagnostics problems,, J Friction Wear (2008) 192–199.
/18/.
I. A. Albidewi, Wear Particles Surface Identification Using Neural Network, IJCSNS International Journal of Computer Science and Network Security Vol 8 (2008) 262–265.
/19/.
F. Chollet, Deep Learning mit Python, 2018th ed., MITP, Frechen, 2018.
/20/.
/21/.
S. Haberzettl, Vergleichsversuche mit partikulären Messsystemen, Hamburg, 2017.
/22/.
C. Szegedy, S. Ioffe, V. Vanhoucke, Inception-v4, Inception-ResNet and the Impact of Residual Connections on Learning, CoRR abs/1602.07261 (2016).
Metadaten
Titel
Metall/Nichtmetall-Klassifikation von Partikeln mit Deep Learning
verfasst von
Dipl.-Wirt.-Ing. Ronny Zwinkau
Roman Möhle
Simon Frentrup, B.Sc.
Univ.-Prof. Dr.-Ing. Jochen Deuse
Publikationsdatum
01.10.2018
Verlag
Springer Fachmedien Wiesbaden
Erschienen in
JOT Journal für Oberflächentechnik / Ausgabe 10/2018
Print ISSN: 0940-8789
Elektronische ISSN: 2192-869X
DOI
https://doi.org/10.1007/s35144-018-0291-7

Weitere Artikel der Ausgabe 10/2018

Produkte

  • Rubriken

Neubau eröffnet neue Möglichkeiten

  • Aus der Branche

Zink-Nickel-Legierung schützt Hydrauliksysteme

  • Galvanotechnik

Siebte Achse verbessert Beweglichkeit

  • Nasslackieren

Wirbelsinterbeschichtung von Drahtwaren, Stahl- und Blechteilen

  • Pulverbeschichten

Aus der Branche

  • Rubriken

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise