Image quality parameters for user support in industrial computed tomography
Final Report Abstract
Die industrielle Computertomographie (CT) gewinnt in der modernen Qualitätssicherung zunehmend an Bedeutung, da sie eine vollständige Erfassung komplexer Bauteile einschließlich innenliegender Merkmale ermöglicht. Allerdings fehlen bislang einheitliche Normen sowie leicht anwendbare Richtlinien, und die Bedienung stellt aufgrund der vielen Einflussfaktoren große Anforderungen an das Fachpersonal. Vor diesem Hintergrund wurde im vorliegenden Projekt ein selbstlernendes Anwenderunterstützungssystem für industrielle CT-Messungen entwickelt, das die Auswahl optimaler CT-Einstellungen erleichtert und zugleich eine hohe Messqualität sicherstellt. Im ersten Arbeitspaket wurden skalierbare, quasi-industrielle Referenzkörper entworfen und gefertigt. Diese Referenzkörper vereinen rotatorische Asymmetrie, unterschiedliche Wandstärken sowie verschiedene bi- und unidirektionale Merkmale. Sie bilden somit realistische Durchstrahlungseigenschaften ab und erlauben reproduzierbare Messungen mit niedriger Unsicherheit. Dank ihrer flexiblen Größe und Materialwahl lassen sie sich an die jeweilige Leistung eines CT-Geräts anpassen. Die Konstruktion gewährleistet zugleich die Möglichkeit hochgenauer taktiler Referenzmessungen, wodurch systematische Messfehler und Messunsicherheiten bestimmt werden können. Im zweiten Arbeitspaket wurde ein Modell zur Beurteilung der CT-Einstellungen auf Basis von Bildqualitätsparametern entwickelt. Diese Parameter umfassen sowohl kantenbasierte als auch histogrammbasierte Methoden zur Quantifizierung von Schärfe, Kontrast, Rauschen und typischen CT-Artefakten wie Streu- oder Strahlaufhärtung. Über ein Regressions- und Entscheidungsmodell wurde ermittelt, wie verschiedene Kombinationen von Strahlspannung, -strom, Filter und Detektoreinstellungen die resultierende Messqualität – insbesondere die systematische Abweichung und Unsicherheit – beeinflussen. Dadurch lassen sich optimale Konfigurationen ableiten, bei denen die Messunsicherheit gering bleibt und die Strukturauflösung hoch ist. Im dritten Arbeitspaket wurde die Tauglichkeit der Bildqualitätsparameter in einem selbstlernenden prototypischen Anwenderunterstützungssystem demonstriert. Hierzu kamen fallbasierte und regelbasierte Methoden zum Einsatz (Case-Based Reasoning), um für neue, dem System noch unbekannte Bauteile sinnvolle Einstellungs-Empfehlungen abzuleiten. Mithilfe quasi- Industrieller Evaluierungskörper konnte gezeigt werden, dass sich die vorgeschlagenen Parameterkombinationen als optimal oder zumindest gleichwertig zu existierenden Bestlösungen erweisen und somit die Anwender bei der CT-Messung verlässlich unterstützen. Insgesamt belegt das Projekt, dass sich mit skalierbaren Referenzkörpern, einem systematisch entwickelten Bildqualitätsmodell und einem selbstlernenden Unterstützungssystem die industrielle Computertomographie effizienter, genauer und nutzerfreundlicher gestalten lässt. Die Ergebnisse sind prinzipiell auf verschiedene CT-Geräte und -Anwendungen übertragbar, sodass die Verbreitung standardisierter und selbstoptimierender CT-Messprozesse im industriellen Umfeld nachhaltig gefördert werden kann.
Publications
-
CT-Messungen automatisieren/Automating CT measurements. wt Werkstattstechnik online, 113(11-12), 545-549.
Blum, Edwin; Stamer, Florian & Lanza, Gisela
-
Simulating X-ray beam energy and detector signal processing of an industrial CT using implicit neural representations. e-Journal of Nondestructive Testing, 30(2).
Blum, Edwin; Burmeister, Moritz; Stamer, Florian & Lanza, Gisela
