Library

Description: In civil engineering, the corrosion of steel reinforcements in structural elements of concrete bares a risk of stability-reduction, mainly caused by the exposure to chlorides. 3D computed tomography (CT) reveals the inner structure of concrete and allows one to investigate the corrosion with non-destructive testing methods. To carry out such investigations, specimens with a large artificial crack and an embedded steel rebar have been manufactured. 3D CT images of those specimens were acquired in the original state. Subsequently three cycles of electrochemical pre-damaging together with CT imaging were applied. These time series have been evaluated by means of image processing algorithms to segment and quantify the corrosion products. Visualization of the results supports the understanding of how corrosion propagates into cracks and pores. Furthermore, pitting of structural elements can be seen without dismantling. In this work, several image processing and visualization techniques are presented that have turned out to be particularly effective for the visualization and segmentation of corrosion products. Their combination to a workflow for corrosion analysis is the main contribution of this work.

Description: Kurzfassung. Durch die Alkalität des Betons wird Betonstahl dauerhaft vor Korrosion geschützt. Infolge von Chlorideintrag kann dieser Schutz nicht länger aufrechterhalten werden und führt zu Lochkorrosion. Die zerstörungsfreie Prüfung von Stahlbetonproben mit 3D-CT bietet die Möglichkeit, eine Probe mehrfach gezielt vorzuschädigen und den Korrosionsfortschritt zu untersuchen. Zur Quantifizierung des Schädigungsgrades müssen die bei dieser Untersuchung anfallenden großen Bilddaten mit Bildverarbeitungsmethoden ausgewertet werden. Ein wesentlicher Schritt dabei ist die Segmentierung der Bilddaten, bei der zwischen Korrosionsprodukt (Rost), Betonstahl (BSt), Beton, Rissen, Poren und Umgebung unterschieden werden muss. Diese Segmentierung bildet die Grundlage für statistische Untersuchungen des Schädigungsfortschritts. Hierbei sind die Änderung der BSt-Geometrie, die Zunahme von Korrosionsprodukten und deren Veränderung über die Zeit sowie ihrer räumlichen Verteilung in der Probe von Interesse. Aufgrund der Größe der CT-Bilddaten ist eine manuelle Segmentierung nicht durchführbar, so dass automatische Verfahren unabdingbar sind. Dabei ist insbesondere die Segmentierung der Korrosionsprodukte in den Bilddaten ein schwieriges Problem. Allein aufgrund der Grauwerte ist eine Zuordnung nahezu unmöglich, denn die Grauwerte von Beton und Korrosionsprodukt unterscheiden sich kaum. Eine formbasierte Suche ist nicht offensichtlich, da die Korrosionsprodukte in Beton diffuse Formen haben. Allerdings lässt sich Vorwissen über die Ausbreitung der Korrosionsprodukte nutzen. Sie bilden sich in räumlicher Nähe des BSt (in Bereichen vorheriger Volumenabnahme des BSt), entlang von Rissen sowie in Porenräumen, die direkt am BSt und in dessen Nahbereich liegen. Davon ausgehend wird vor der Korrosionsprodukterkennung zunächst eine BSt-Volumen-, Riss- und Porenerkennung durchgeführt. Dieser in der Arbeit näher beschriebene Schritt erlaubt es, halbautomatisch Startpunkte (Seed Points) für die Korrosionsprodukterkennung zu finden. Weiterhin werden verschiedene in der Bildverarbeitung bekannte Algorithmen auf ihre Eignung untersucht werden.