KI-gestütztes Segmentierungsmodell zur Detektion Fe-reicher intermetallischer Phasen in sekundären Aluminiumlegierungen

Abstract

Durch das Bestreben, Primäraluminium zunehmend durch sekundäres Aluminium zu ersetzen, kommt es zur Anreicherung unerwünschter Begleitelemente wie Fe, Si, Cu und Mn in der Aluminiumschmelze. Insbesondere die stark sinkende Löslichkeit von Fe in Aluminium während der Erstarrung bedingt die Bildung spröder intermetallischer Phasen (IMPs). Diese Phasen können je nach ihrer Größe, Art und Morphologie und dem angedachten Verwendungszweck positive oder negative Auswirkungen haben. Für den Knetlegierungsbereich können sich fein verteilte und homogen dispergierte Fe-reiche IMPs günstig auf die mechanischen Eigenschaften auswirken. Dabei hängt die erzielte Fragmentierung und Verteilung dieser Phasen im Halbzeug stark von deren Morphologie im Gusszustand ab. In der Literatur werden für Fe reichen IMPs verschieden Morphologie beschrieben: Die β-AlFeSi-Phase bildet typischerweise dünne Plättchen aus, während die α-Al(Fe,Mn)Si-Phasen oft blockige Strukturen oder komplex verzweigte Morphologie, so genannte „Chinese Script“-artige Strukturen aufweisen. Die Detektion dieser verzweigten, meist unterteilten Strukturen als eine Einheit im 2D Schliff ist mittels herkömmlichen Segmentierungsmodellen nicht möglich und führt zu einem irreführenden Bild ihrer tatsächlichen Größe. Daher wird ein KI gestützter, zweistufiger Segmentierungsansatz eingeführt. Zuerst werden mittels KI-Segmentierungsmodell die Phasen „Chinese Script “ sowie blockartige Strukturen segmentiert. In Folge werden mittels konventionellem Thresholding die plattenförmigen Phasen detektiert. Dieser Ansatz ermöglicht es, auf effiziente Weise anhand von BSE‑SEM‑Aufnahmen Fe‑reiche IMPs nach ihrer Morphologie zu unterscheiden und quantitativ auszuwerten.