TY  - CHAP
A1  - Schirmer, Ulrike
A1  - Kleiner, Florian
A1  - Osburg, Andrea
T1  - Objektive Oberflächenbewertung von (P)SCC-Sichtbeton mittels automatisierter Analyse von Bilddaten
T2  - Tagung Bauchemie der GDCH-Fachgruppe Bauchemie, 30. September - 2. Oktober 2019 in Aachen
N2  - Sichtbeton ist aufgrund seiner Vielfältigkeit in der Formgebung eines der am meisten verbreiteten Gestaltungsmittel der modernen Architektur und optimal für neue Bauweisen sowie steigende Anforderungen an das Erscheinungsbild öffentlicher Bauwerke geeignet. Die Herstellung qualitativ hochwertiger Sichtbetonoberflächen hängt im hohen Maße von den Wechselwirkungen zwischen Beton und Trennmittel, zwischen Trennmittel und Schalmaterial, sowie von der Applikationsart und -menge des Trennmittels ab. In Laborversuchen wurden diese Einflüsse auf die Sichtbetonoberflächen eines polymermodifizierten selbstverdichtenden Betons (PSCC) im Vergleich zu einem herkömmlichen selbstverdichtenden Beton (SCC) untersucht. Im Rahmen dieser Arbeiten wurde eine Methode zur Beurteilung der Sichtbetonqualität entwickelt, mit welcher Ausschlusskriterien, wie maximale Porosität und Gleichmäßigkeit, objektiv und automatisiert bestimmt werden können. Veränderungen dieser Werte durch Witterungseinflüsse ließen zudem erste Rückschlüsse auf die Dauerhaftigkeit der Sichtbetonoberflächen zu.
KW  - Sichtbeton
KW  - Bildanalyse
KW  - Qualitätskontrolle
KW  - Sichtbeton
KW  - Oberflächenanalyse
KW  - Oberflächenporosität
Y1  - 2019
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20211004-45104
SN  - 978-3-947197-13-2
N1  - GDCh-Monographie ; Band 54
PB  - Gesellschaft Deutscher Chemiker
ER  - 
TY  - JOUR
A1  - Patzelt, Max
A1  - Erfurt, Doreen
A1  - Ludwig, Horst-Michael
T1  - Quantification of cracks in concrete thin sections considering current methods of image analysis
JF  - Journal of Microscopy
N2  - Image analysis is used in this work to quantify cracks in concrete thin sections via modern image processing. Thin sections were impregnated with a yellow epoxy resin, to increase the contrast between voids and other phases of the concrete. By the means of different steps of pre-processing, machine learning and python scripts, cracks can be quantified in an area of up to 40 cm2. As a result, the crack area, lengths and widths were estimated automatically within a single workflow. Crack patterns caused by freeze-thaw damages were investigated. To compare the inner degradation of the investigated thin sections, the crack density was used. Cracks in the thin sections were measured manually in two different ways for validation of the automatic determined results. On the one hand, the presented work shows that the width of cracks can be determined pixelwise, thus providing the plot of a width distribution. On the other hand, the automatically measured crack length differs in comparison to the manually measured ones.
KW  - Beton
KW  - Rissbildung
KW  - Bildanalyse
KW  - Maschinelles Lernen
KW  - Mikroskopie
KW  - concrete
KW  - crack
KW  - degradation
KW  - transmitted light microscopy
Y1  - 2022
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:gbv:wim2-20220811-46754
UR  - https://onlinelibrary.wiley.com/doi/full/10.1111/jmi.13091
VL  - 2022
IS  - Volume 286, Issue 2
SP  - 154
EP  - 159
ER  -