KI-unterstützte SEM-Bildanalyse zur Beschleunigung der Batterieforschung in POLiS
- Ansprechperson:
- Projektgruppe:
Maschinelles Lernen für Hochdurchsatzverfahren und Mechatronik (ML4HOME)
Die Entwicklung hierarchisch strukturierter, geschichteter Oxidmaterialien, die für die Entwicklung von Batteriezellen von entscheidender Bedeutung sind, ist nicht nur aufgrund der Komplexität der Materialien, sondern auch wegen der schieren Menge an REM-Bildern (Rasterelektronenmikroskopie), die quantitativ ausgewertet werden müssen, eine Herausforderung. Die komplexe Morphologie dieser Materialien erfordert häufig eine manuelle Analyse, die sowohl zeitaufwändig als auch fehleranfällig sein kann, was den Forschungsfortschritt erheblich verlangsamt.
Dieses Projekt zielt darauf ab, diese Herausforderungen zu überwinden, indem es das Karlsruhe Image Data Annotation Tool (KaIDA) nutzt, um die Segmentierung und Analyse großer Mengen von REM-Bildern zu automatisieren. KaIDA unterstützt die Forscher durch die Integration von Techniken des maschinellen Lernens (ML) und ermöglicht so die effiziente Identifizierung von Formfaktoren, Partikelgrößenverteilung und mikrostrukturellen Merkmalen.