![© Fraunhofer IWMVisualisierung der Korngrößenqualifizierung des Modells anhand einer exemplarischen, bainitischen 100Cr6-Aufnahme mit heterogener Mikrostruktur (a). In der Abbildung (b) sind Bereiche in Rot und Gelb hervorgehoben, in diesem Fall grobe Kristallite, die das Modell stark berücksichtigt.](https://werkstoffzeitschrift.de/wp-content/uploads/2024/01/iwm-objektiv-klassifizierbare-stahlbauteile-durch-deep-learning-bild-1-300x111.jpg)
© Fraunhofer IWM
Visualisierung der Korngrößenqualifizierung des Modells anhand einer exemplarischen, bainitischen 100Cr6-Aufnahme mit heterogener Mikrostruktur (a). In der Abbildung (b) sind Bereiche in Rot und Gelb hervorgehoben, in diesem Fall grobe Kristallite, die das Modell stark berücksichtigt.
Wälzlager werden überall dort eingebaut, wo sich etwas dreht. Das breite Einsatzgebiet reicht von der großen Windkraftanlage bis zur kleinen elektrischen Zahnbürste. In Bezug auf ihre Qualität und die jeweilige Anwendung müssen die Lager aus Stahlbauteilen sorgfältig ausgewählt und geprüft werden. Maßgeblichen Einfluss auf die mechanischen Eigenschaften des Stahls hat die Korngröße. Bislang wird die Größe der mikroskopisch kleinen Kristallite per Sichtprüfung durch Metallographinnen und Metallographen bewertet – eine subjektiv geprägte, fehleranfällige Methode. Forschende am Fraunhofer-Institut für Werkstoffmechanik IWM haben nun in Zusammenarbeit mit der Schaeffler Technologies AG & Co. KG ein Deep Learning-Modell entwickelt, das eine objektive und automatisierte Bewertung und Bestimmung der Korngröße ermöglicht. Weiterlesen