Influence of different hyperparameter settings and data preprocessing methods on the classification of nonmetallic inclusions with machine learning algorithms

Robert Musi

Nr.: 748

Im Rahmen der automatisierten REM/EDX Analyse werden sowohl morphologische Daten (ECD, mittlerer Grauwert, Position, Form) als auch Rückstreuelektronenbilder von nichtmetallischen Einschlüssen erzeugt. Der Grauwert in diesen Bildern weist dabei einen Zusammenhang mit der chemischen Zusammensetzung des Einschlusses auf und gemeinsam mit dem Grauwertverteilung können Rückschlüsse auf die Einschlussklasse gezogen werden.
Ziel der Masterarbeit ist es, unterschiedliche Ansätze des maschinellen Lernens für die Klassifikation von nichtmetallischen Einschlüssen anhand der morphologischen Daten und der Grauwertbilder zu untersuchen und zu optimieren. Dazu steht eine umfangreiche Datenbank mit 65000 Einträgen zur Verfügung.

Projektinhalt:

  • Evaluierung unterschiedlicher Algorithmen des maschinellen Lernens und Vergleich der Ergebnisse anhand diverser Kennzahlen und Grafiken
  • Detaillierte Auswertung und Aufbereitung des vorhandenen Datensatzes
  • Einfluss unterschiedlicher Hyperparameter (z.B. Tiefe des Netzwerks, Anzahl an Neuronen in den einzelnen Schichten, Aktivierungsfunktionen) und des Datensatzes auf die Ergebnisgenauigkeit
  • Diskussion und Zusammenfassung der Ergebnisse

Industry Partners

Advisors

Susanne Michelic

assoz.Prof. Dipl.-Ing. Dr.mont.
Inclusion Metallurgy and Metallographic Lab
Head of Christian Doppler Laboratory for Inclusion Metallurgy in Advanced Steelmaking

Shashank Ramesh Babu

M. Sc. PhD
Post Doc - Inclusion Metallurgy
2022-03-04T09:26:43+01:00
Go to Top