In der Industrie hat der Einsatz von faserverstärkten Kunststoffen (FVK) in den letzten Jahren stark zugenommen, darunter insbesondere kohlefaserverstärkte Kunststoffe (CFK) und glasfaserverstärkte Kunststoffe (GFK). Neben der Luftfahrtindustrie setzt vor allem die Automobilindustrie vermehrt auf Faserverbundmaterialien und nutzt die Vorteile der Leichtbauweise beispielsweise für neue Modelle mit Elektro­antrieb. Sie sind trotz des geringen Gewichts belastbar und temperaturstabil. Um einen flächendeckenden Einsatz erzielen zu können, bedarf es, aufgrund der teilweise hohen Sicherheitsanforderungen, einer geeigneten Qualitätskontrolle. Ein wesentlicher Punkt ist die zerstörungsfreie Prüfung, da die Material- und Bearbeitungskosten immer noch hoch sind.

Weiterhin sollen Defekte, wie Poren, Delaminationen, Impact-Schäden oder Faserbrüche frühzeitig und zuverlässig erkannt werden. Für die Belastbarkeit und den sicheren Einsatz der faserverstärkten Bauteile ist das Erkennen innenliegender Defekte sowie die Untersuchung der inneren Strukturen, insbesondere der Faserverteilung, entscheidend. Das Fraunhofer Institut für Produktionstechnik und Automatisierung, Stuttgart, nutzt die Röntgen-Computertomographie (CT), um die Verbundwerkstoffe zerstörungsfrei zu prüfen. Dabei haben die Forscher ein automatisiertes Analyseverfahren der so erhaltenen 3D-Messdaten entwickelt.

Messen und Prüfen mit Röntgen-Computertomographie

Die CT ist ein etabliertes Verfahren zur zerstörungsfreien und vollständigen Erfassung von Bauteilen für die 3D-Mess- und Prüftechnik. Da bei einer CT-Messung auch alle innenliegenden Strukturen aufgenommen werden, eignen sich die erzeugten 3D-Messdaten sowohl zur Materialprüfung als auch zur messtechnischen Auswertung und Geometrieprüfung. Somit ist das Verfahren auch geeignet für die FVK-Inspektion. In hochaufgelösten CT-Daten mit gutem Kontrast lassen sich innere und äußere Strukturen von CFK/GKF-Materialen räumlich abbilden. Innenliegende Fehlerbereiche können außerdem quantitativ untersucht und die Lage im Raum sowie die Defektgröße ermittelt werden. Die erfassten Daten kann der Anwender als Referenz für prozessintegrierte, qualitative Prüftechnik wie Thermographie oder Ultra­schall heranziehen.

Herausfordernd ist die automatisierte Analyse der 3D-CT-Messdaten von FVK-Bauteilen. Als Ergebnis der Datenaufnahme liegen Volumendaten, das sogenannte Voxelmodell, des Bauteils vor. Hierfür sind geeignete 3D-Analyse­verfahren notwendig, die eine automatisierte Defekterkennung und Struktur­untersuchung ermöglichen.

Vom Zweidimensionalen zum Dreidimensionalen

Die 2D-Texturanalyse ist ein weitverbreitetes Verfahren zum Erkennen von Defekten. Hierbei wird zunächst die dominierende Textur, also die Hauptstruktureigenschaft des Bildes, bestimmt. Danach werden die Abweichungen von der extrahierten Textur als Fehler betrachtet. Dieses Vorgehen setzt voraus, dass die Fehler nicht den Bildbereich dominieren und insgesamt eine einheitliche Textur vorliegt [2]. Speziell für Faserverbundkunststoffe ist die klassische 2D-Texturanalyse aber nicht ausreichend. Denn Fasern verlaufen über mehrere Schichtebenen und bilden komplexe dreidimensionale Strukturen. Eine rein schichtweise Betrachtung reicht für diese räumliche Struktur nicht aus.

Um dennoch Nutzen aus der Texturanalyse zu ziehen, haben die Forscher ein neues Verfahren zur 3D-Texturanalyse entwickelt und implementiert. Anstelle von Pixel werden hier Voxel, das dreidimensionale Pendant eines Pixels, betrachtet. Um die Textur mathematisch zu fassen, verwenden die Verantwortlichen sogenannte Grauwertmatrizen [2]. Diese speichern die relative Häufigkeit von Grauwertübergängen in einem Bild oder Volumen. Die Anzahl der Zeilen und Spalten der Matrix entspricht der Anzahl der möglichen Grauwerte.

eispielsweise gibt das Matrixelement aus Zeile i und Spalte j an, wie hoch die Wahrscheinlichkeit für einen Grauwertübergang vom Wert i zu Wert j ist. Welche Grauwertübergänge betrachtet werden, lässt sich unterschiedlich definieren. Meist werden nur die direkt benachbarten Pixel beziehungsweise Voxel betrachtet. Die implementierte Texturanalyse verwendet im Kern, neben den bereits erwähnten Grauwertmatrizen, ein Split-and-Merge-Verfahren [3]. Dieses zerlegt das Volumen in Teilvolumina und setzt diese danach entsprechend der Textur zu neuen Segmenten zusammen. Die neu entstehenden Segmente, mit in sich homogener Textur, geben sowohl Aufschluss über Fehler der Faserverbundkunststoffe sowie über die Faserorientierung.

Defekte erkennen und Faserrichtungen bestimmen

Bei der Defekterkennung gehen die Forscher wie im Zweidimensionalen davon aus, dass es sich bei kleinen Segmenten, deren Textur sich von Ihrer Umgebung unterscheidet, höchstwahrscheinlich um Fehlerbereiche handelt. Zwar gilt, dass nicht jeder Texturunterschied automatisch eine Fehlstelle ist, jedoch heben sich Fehler meist, unter anderem anhand ihrer Textur, von der Umgebung ab, was ein Hinweis auf mögliche Fehlstellen ist. Es werden nur kleine Segmente betrachtet, da gerade bei Faserverbundkunststoffen nicht im gesamten Material aufgrund verschiedener Faserschichten und dem Materialmix eine einheitliche Textur vorliegt. Somit gilt es, die Fehlstellen in einem homogenen Texturbereich herauszuarbeiten. Durch das parameterabhängige Filtern zu großer Segmente werden nur die tatsächlich kritischen Bereiche als mögliche Fehlstellen erkannt.

Bei der Analyse der Faserorientierung werden ebenfalls die durch das Split-and-Merge-Verfahren entstehenden Segmente betrachtet. Bei der Defektanalyse war es zielführend, möglichst große Bereiche mit einheitlicher Textur zu untersuchen. Bei der Analyse der Faserorientierung streben die Verantwortlichen an, die Segmente in der Größenordnung der einzelnen Fasern beziehungsweise Faserbündel zu halten. Dies können sie durch das Setzen entsprechender Schwellwerte sicherstellen. Innerhalb der Faser sowie der Faserbündel liegt eine einheitliche Textur vor. Auch entlang der Faserorientierung wird das Segment im Idealfall nicht unterbrochen.

Zwischen einzelnen Fasern, Faserbündeln oder -schichten gibt es hingegen starke Texturunterschiede, die die Segmente abgrenzen können. Somit entstehen Segmente, die Fasern und Faserbündel umschließen und deren Orientierung mit der der Fasern korrespondiert. Hierbei handelt es sich um einen neuen Ansatz, der sich von der gängigen Analyse der Faserorientierung unterscheidet. Meist werden die Hessematrizen einzelner Voxel betrachtet [4, 5]. Die zugehörigen Eigenwerte und Eigenvektoren der Hessematrix geben wiederum Aufschluss über die Orientierung der Fasern. Im Gegensatz dazu ist es bei dem hier beschriebenen Verfahren nicht notwendig, einzelne Voxel zu untersuchen. Dies wäre auch nicht möglich, da ein einzelnes Voxel über keine Textur verfügt. Stattdessen betrachten die Forscher die aus vielen Voxeln entstehende Struktur und Textur. Daher ist die vorgestellte Methode für die Analyse der Orientierung von Faserbündeln geeignet. Weiterhin bietet das Verfahren die Möglichkeit, eine statistische Auswertung über Anzahl und Verteilung der Fasern zu erstellen.

Automatisch und zerstörungsfrei

Für die Prüfung von faserverstärkten Kunststoffen stellt die Computertomographie ein geeignetes Werkzeug dar, um 3D-Daten zerstörungsfrei zu erfassen, die auch die inneren Strukturen des Bauteils enthalten. Dies ist bei der Faserverbundprüfung von entscheidender Bedeutung, um einen sicheren Einsatz der Bauteile zu gewährleisten. Mit Hilfe von geeigneten 3D-Analyseverfahren wie der 3D-Texturanalyse lassen sich die CT-Daten automatisiert auswerten. Auf diese Weise können sowohl innere Defekte erkannt und markiert werden als auch die Orientierung von Fasern oder Faserbündeln bestimmt, Faserschichten segmentiert und Aussagen über Schichtdicke und Lagenaufbau getroffen werden.

 

Literatur

[1] Handels, H.: Medizinische Bildverarbeitung. 9. Auflage. Wiesbaden: Vieweg+Teubner, 2009
[2] Pannekamp, J.: Adaptive Verfahren zur Bewertung texturierter Oberflächen, Heimsheim: Jost-Jetter Verlag (IPA-IAO Forschung und Praxis, 414), 2005, online verfügbar unter http://publica.fraunhofer.de/eprints/urn:nbn:de:bsz:93-opus-22883.pdf, zuletzt abgerufen am 05.07.2013
[3] Chen, P. C.; Pavlidis, T.: Segmentation by Texture Using a Co-Occurrence Matrix and a Split-and-Merge Algorithm, Computer graphics and image processing, Vol 10, S. 172-182, 1979
[4] Wirjadi, O.: Models and Algorithms for Image-Based Analysis of Microstructures, S. 59-60, Technische Universität Kaiserslautern, 2009, online verfügbar unter https://kluedo.ub.uni-kl.de/frontdoor/index/index/docId/2077, zuletzt abgerufen am 29.11.2013
[5] Salaberger, D.; Kannappan K. A.; Kastner J.; Reussner J.; Auinger: Evaluation of Computed Tomography Data from Fibre Reinforced Polymers to Determine Fibre Length Distribution, International Polymer processing, Vol 26(3), S. 283-291, 2011

 

Experten-Tipp

Was ist Textur?

Eine Definition von Textur besagt, dass dieser Begriff eine Struktureigenschaft eines Musters oder Bildbereiches beschreibt. Demnach sind „typische Texturen […] durch periodisch wiederkehrende Variationen von Grauwerten beziehungsweise Mustern gekennzeichnet“ [1]. Diese Definition lässt die Frage der räumlichen Anordnung der Grauwerte zunächst offen, auch wenn der Betrachter üblicherweise an ein zweidimensio­nales Bild denkt, bei dem sich das Muster oder der Bildbereich aus Pixeln zusammensetzt. Der Begriff der Textur lässt sich auch auf den drei­dimensionalen Raum erweitern und damit auf die Volumendaten einer CT-Messung anwenden.

Autor

Über den Autor

Ira Effenberger und Andreas Frommknecht sind Diplom-Mathematiker beim Fraunhofer IPA ira.effenberger@ipa.fraunhofer.de