Entwicklung einer mobilen Anwendung zur Analyse von Bruchflächen nach Pull-Off-Adhäsionstests mittels Machine-Learning

Diese Arbeit untersucht die Implementierung von Machine-Learning-Methoden zur automati-sierten Segmentierung von Bruchflächen nach Pull-Off-Adhäsionstests auf mobilen Geräten. Ziel der Arbeit war es, eine mobile Anwendung zu entwickeln, die eine benutzerfreundliche und flexible Analyse von Bruchflächen ermöglicht. Hierfür wurden zwei Machine-Learning-Modelle entworfen und evaluiert, die zur Segmentierung von Bruchflächen eingesetzt werden sollten. Aufgrund technischer Herausforderungen konnte das Machine-Learning-Modell jedoch nicht vollständig in die mobile App integriert werden. Die App selbst wurde hinsichtlich ihrer Funktionalität getestet und erwies sich als stabil und benutzerfreundlich, insbesondere in Bezug auf die Bildanzeige, das Anpassen von Bildausschnitten und die Speicherung von Dokumenta-tionen. Die Ergebnisse zeigen, dass die entwickelten Modelle prinzipiell in der Lage sind, ver-schiedene Regionen auf Bruchflächen zu identifizieren, jedoch unter Problemen wie Überseg-mentierung leiden. Diese Probleme sind auf die Modellarchitektur, das Post-Processing sowie die begrenzte Anzahl an Trainingsdaten zurückzuführen. Trotz der Herausforderungen bietet die Arbeit wertvolle Ansätze für zukünftige Forschungen, einschließlich der Verbesserung der Modellarchitektur, der Erweiterung der Datengrundlage und der Optimierung der Implemen-tierungstechniken, um eine effektive und kostengünstige Bruchflächenanalyse auf mobilen Geräten zu ermöglichen.