Entwicklung eines KI-basierten Bildverarbeitungstools zur automatisierten Erkennung und Vermessung von Zellen in PUR- Hartschaumproben für die Qualitätsprüfung von Fernwärmeisoliermaterialien

Abstract

Diese Masterarbeit befasst sich mit der Entwicklung eines KI-basierten Bildverarbeitungstools zur automatisierten Erkennung und Vermessung von Zellen in PUR-Hartschaumproben, um die Qualitätsprüfung von Fernwärmeisoliermaterialien zu unterstützen. Die Zellmorphologie von PUR-Hartschaum hat direkten Einfluss auf die Wärmeleitfähigkeit und Alterungsprozesse des Materials. Da herkömmliche Prüfverfahren nach DIN EN 253 manuell, zeitaufwendig und fehleranfällig sind, wurde ein Python-basiertes Analysewerkzeug entwickelt, das klassische Bildverarbeitungsmethoden (wie Thresholding, Watershed und Konturerkennung) sowie KI-gestützte Ansätze mit dem Detectron2-Framework kombiniert. Die Validierung erfolgte anhand synthetischer und realer Röntgenmikroskopieaufnahmen von PUR-Proben. Die Ergebnisse zeigen, dass das Tool Zellgrößen und Wandstärken präzise bestimmen kann und eine normgerechte Bewertung ermöglicht. Der entwickelte Code ist öffentlich zugänglich und leistet einen Beitrag zur Digitalisierung und Automatisierung der Materialprüfung in der Fernwärmebranche.

This master's thesis presents the development of an AI-based image processing tool for the automated detection and measurement of cells in polyurethane (PUR) rigid foam samples, aiming to improve the quality inspection of district heating insulation materials. Since the morphology of PUR foam significantly influences its thermal properties and aging behavior, precise and efficient analysis is essential. Traditional manual inspection methods based on DIN EN 253 are often time-consuming and prone to errors. Therefore, a Python-based analysis tool was developed, combining classical image processing techniques—such as thresholding, watershed transformation, and contour detection—with AI approaches using the Detectron2 framework. Validation with both synthetic and real X-ray microscopy images demonstrated accurate cell size and wall thickness measurements. The tool enables objective and reproducible quality assessment and contributes to the digitalization and automation of material testing in the district heating sector. The code is publicly available via GitHub for transparency and further development.