Identifizierte Fasern und Validierungsdaten zur Faseridentifizierung

aus einem ultragroßen µCT-Scan einer Vliesstoffprobe

Folgende Datensätze gehören zum µCT-Scan einer Vliesstoffprobe der Firma Reifenhäuser Reicofil GmbH & Co. KG.

Neben dem eigentlichen Scan stellen wir im ersten Datensatz eine Segmentierung des Scans in Porenraum und Fasern sowie einen weiteren virtuellen 3D-Scan, in dem die einzelnen Fasern als eigene Objekte identifiziert werden, zur Verfügung. Diese Identifizierung erfolgte mit Hilfe eines neuronalen Netzes. Dieses neuronale Netz wurde mit künstlichen Daten validiert, die wir hier als zweiten Datensatz zur Verfügung stellen.

Die Methodik ist Teil der Dissertation von Andreas Griesser und im folgenden Artikel genauer beschrieben. Der Scan der Vliesstoffprobe und der virtuelle Scan mit den identifizierten Fasern sind jeweils 15.363 x 3.960 x 2.112 Voxel groß und somit als Benchmark für reale Vliesstoffe und hoch performante Algorithmen gedacht und geeignet.

Die Daten wurden außerdem von der Reifenhäuser Reicofil GmbH & Co. KG bei ihrem Patent No. WO 2020/103964 A1 genutzt. Die Algorithmen werden dabei für den Nachweis der Patentfähigkeit des Vliesstoffes benötigt.

Griesser A., Westerteiger R., Glatt E., De Boever W., Hagen H., and Wiegmann A.: Identification and analysis of fibers in ultra-large micro-CT scans of nonwoven using Deep Learning, https://www.tandfonline.com/doi/full/10.1080/00405000.2022.2145429

1. Datensatz mit µCT-Scan und Ergebnissen aus der Faseridentifizierung einer Vliesstoffprobe

Der Datensatz zum Herunterladen enthält alle Scandaten. Die Datenerhebung, Bildverarbeitung und die Analyse der Metadaten zur Vliesstoffprobe werden in der Datenbeschreibung erläutert.

Datensatz herunterladen    Datenbeschreibung

Die Größe der ZIP-Datei beträgt 4,5 GB. Die unkomprimierten Daten sind etwa 720 GB groß.

Zitieren des Datensatzes:

Griesser A., Westerteiger R., Glatt E., De Boever W., Hagen H., and Wiegmann A., 2022: SampleC - micro-CT and fiber identification of a nonwoven sample, Math2Market GmbH, Sample-C, ​​https://doi.org/10.30423/Data.Math2Market-2022-02.Sample-C.FiberFind

Zitieren des Artikels:

Griesser A., Westerteiger R., Glatt E., De Boever W., Hagen H., and Wiegmann A.: Identification and analysis of fibers in ultra-large micro-CT scans of nonwoven using Deep Learning, https://www.tandfonline.com/doi/full/10.1080/00405000.2022.2145429

2. Datensatz mit Validierung der Faseridentifizierung - Grundlage und Ergebnisse der Faseridentifizierung für generierte Proben

Der Datensatz besteht aus 3 Proben, die jeweils 8 verschiedene Dateien enthalten. Die Basisdateien sind konvertierte Ausgaben aus dem Fasergeneratormodul FiberGeo von GeoDict. Die Ergebnisdateien sind konvertierte Ausgaben des Moduls FiberFind (Fasererkennung) von GeoDict.

Datensatz herunterladen    Datenbeschreibung

Die Größe der ZIP-Datei beträgt 163,4 MB. Die unkomprimierten Daten sind etwa 2,8 GB groß.

Zitieren des Datensatzes:

Griesser A., Westerteiger R., Glatt E., Hagen H., and Wiegmann A., 2022: Fiber identification validation - ground truth and results of fiber identification for generated samples, Math2Market GmbH, Validation, ​​https://doi.org/10.30423/Data.Math2Market-2022-02.Validation.FiberFind

Zitieren des Artikels:

Griesser A., Westerteiger R., Glatt E., De Boever W., Hagen H., and Wiegmann A.: Identification and analysis of fibers in ultra-large micro-CT scans of nonwoven using Deep Learning, https://www.tandfonline.com/doi/full/10.1080/00405000.2022.2145429

Autoren

Andreas Griesser   (Math2Market GmbH, Deutschland),
Dr. Rolf Westerteiger   (Math2Market GmbH, Deutschland)

Mitwirkende

Dr. Erik Glatt   (Math2Market GmbH, Deutschland),
Wesley De Boever, PhD  (damals Bruker, Belgien),
Prof. Dr. Hans Hagen  (TU Kaiserslautern, Deutschland)
Andreas Wiegmann, PhD   (Math2Market GmbH, Deutschland)

Veröffentlicht: August 2022
Lizenz: ODC-BY 1.0, https://opendatacommons.org/licenses/by/1-0/