Funktion
Stefan Siemens, M. Sc.
Stefan Siemens, M. Sc.
Telefon
Fax
Adresse
An der Universität 1
30823 Garbsen
30823 Garbsen
Gebäude
Raum
Stefan Siemens, M. Sc.
Wissenschaftliche Mitarbeiterinnen und Mitarbeiter
Institut für Mess- und Regelungstechnik
LEHRVERANSTALTUNGEN UND VERANTWORTLICHKEITEN
Schwerpunkte in der Forschung
Fertigungsmess- und Prüftechnik
-
Robuste Messdatenregistrierung mittels maschinellen LernensBei der Charakterisierung der Mikrostruktur von technischen Komponenten entsteht ein Zielkonflikt. Eine möglichst hohe Auflösung ermöglicht es auch kleine Strukturen zu erfassen, hat aber ein kleines Messfeld zur Folge. Gleichzeitig soll das Messfeld möglichst groß sein um statistisch aussagekräftige Ergebnisse zu erhalten. Eine Lösung hierfür bietet die Registrierung, bei der mehrere hochaufgelöste Aufnahmen zu einem Gesamtbild zusammengesetzt werden. Klassische Verfahren genügen heutigen Ansprüchen oft nicht mehr. Das maschinelle Lernen bietet hier einen vielversprechenden Ansatz um genauere und robustere Ergebnisse zu erreichen. Im Rahmen dieses Projektes sollen diese Methoden zur Registrierung von mikroskopischen Oberflächenmessdaten entwickelt und erforscht werden.Leitung: Prof. Dr. Eduard ReithmeierTeam:Jahr: 2019Laufzeit: 2019-202x
Konferenzen
-
(2023): Non-Overlap Image Registration, SMSI - Sensor and Measurement Science International 2023, 2023-05-08 - 2023-05-11, Nürnberg
DOI: 10.5162/SMSI2023/P01
ISBN: 978-3-9819376-8-8 -
(2023): Noise-robust registration of microscopic height data using convolutional neural networks, Proceedings Volume 12327, SPIE Future Sensing Technologies 2023
DOI: 10.1117/12.2644620 -
(2023): Synthetically generated microscope images of microtopographies using stable diffusion, SPIE Optical Metrology, 2023, Munich, Germany, Proceedings Volume 12623, Automated Visual Inspection and Machine Vision V; 1262309 (2023)
DOI: 10.1117/12.2673643 -
(2020): Super-resolution for 2.5D height data of microstructured surfaces using the vdsr network, European Optical Society Biennial Meeting (EOSAM) 2020
DOI: 10.1051/epjconf/202023806014
Journale
-
(2023): RGB-D microtopography: A comprehensive dataset for surface analysis and characterization techniques, Data in Brief; Elsevier
DOI: https://doi.org/10.1016/j.dib.2023.109094 -
(2022): Texture Direction Analysis of Micro-topographies Using Fractal Geometry, Surface Topography: Metrology and Properties, IOPScience
DOI: 10.1088/2051-672X/ac9ad0
sonstige Veröffentlichungen
-
(2021): Measurement Data Registration: Comparison of Classical and ML Methods, Proceedings: The 1st Sino-German Workshop on Intelligent Sensing and Metrology, TEWISS Verlag
ISBN: 9783959006729
