Das Forschungsprojekt zielt darauf ab, einen allgemeingültigen Anordnungsklassifikator für Gusseisen mit Lamellengraphit zu entwickeln, der auf einem neuronalen Netz basiert. Dieser Klassifikator soll reproduzierbare und objektive Klassifizierung von 2D-Schliffbildern gemäß der Norm DIN EN ISO 945 ermöglichen. Zusätzlich wird eine potenzielle Korrelation zwischen den 2D- und 3D-Strukturen des Graphits untersucht.

Für das Training des Anordnungsklassifikators wurden neuronale Netzwerke zur Erstellung synthetischer Schliffbilder untersucht, um die vorhandenen Schliffbilddaten zu erweitern. Des Weiteren wurde ein neuronales Netzwerk implementiert, das eine semantische Segmentierung der Schliffbilder durchführt. Um das Netzwerk zu trainieren, ist für jedes Schliffbild eine semantische Maske erforderlich, die den abgebildeten Graphit der entsprechenden Anordnungsklasse zuordnet. Zur besseren Evaluation der Ergebnisse wurde ein Ringversuch unter Einbeziehung von Experten durchgeführt, um einen entsprechenden Testdatensatz zu erstellen.

Im weiteren Verlauf des Projekts sollen Herausforderungen in Bezug auf die Datenmenge und die Erstellung eindeutiger semantischer Segmentierungen durch die Betrachtung eindeutig klassifizierter Objekte angegangen werden. Durch das Zusammenfügen dieser Objekte sollen synthetische Mischgefüge erzeugt werden, welche gleichzeitig eine korrekte semantische Maske besitzen, die für das Training des Anordnungsklassifikators benötigt wird.