On the use of a cascaded convolutional neural network for three-dimensional flow measurements using astigmatic PTV. - In: Measurement science and technology, ISSN 1361-6501, Volume 31 (2020), number 7, 074015, 14 Seiten
Many applications in chemistry, biology and medicine use microfluidic devices to separate, detect and analyze samples on a miniaturized size-level. Fluid flows evolving in channels of only several tens to hundreds of micrometers in size are often of a 3D nature, affecting the tailored transport of cells and particles. To analyze flow phenomena and local distributions of particles within those channels, astigmatic particle tracking velocimetry (APTV) has become a valuable tool, on condition that basic requirements like low optical aberrations and particles with a very narrow size distribution are fulfilled. Making use of the progress made in the field of machine vision, deep neural networks may help to overcome these limiting requirements, opening new fields of applications for APTV and allowing them to be used by nonexpert users. To qualify the use of a cascaded deep convolutional neural network (CNN) for particle detection and position regression, a detailed investigation was carried out starting from artificial particle images with known ground truth to real flow measurements inside a microchannel, using particles with uni- and bimodal size distributions. In the case of monodisperse particles, the mean absolute error and standard deviation of particle depth-position of less than and about 1 [my]m were determined, employing the deep neural network and the classical evaluation method based on the minimum Euclidean distance approach. While these values apply to all particle size distributions using the neural network, they continuously increase towards the margins of the measurement volume of about one order of magnitude for the classical method, if nonmonodisperse particles are used. Nevertheless, limiting the depth of measurement volume in between the two focal points of APTV, reliable flow measurements with low uncertainty are also possible with the classical evaluation method and polydisperse tracer particles. The results of the flow measurements presented herein confirm this finding. The source code of the deep neural network used here is available on https://github.com/SECSY-Group/DNN-APTV.
https://doi.org/10.1088/1361-6501/ab7bfd
Fahrzeugführung für die automatisierte Unterwasser-Inspektion. - Ilmenau : Universitätsverlag Ilmenau, 2020. - xviii, 177 Seiten
Technische Universität Ilmenau, Dissertation 2019
In der vorliegenden Arbeit werden neue Konzepte für die autonome und hoch automatisierte Inspektion von Unterwasserstrukturen mittels unbemannter Fahrzeuge entwickelt sowie deren Implementation und Einsatz unter realen Bedingungen vorgestellt. Regelmäßige Inspektionen von produktiven Anlagen sind grundlegende Maßnahmen für einen reibungslosen, störungsfreien produktiven Betrieb dieser Anlagen. Kostendruck, neue und mehr Offshore-Konstruktionen wie Energiegewinnungsanlagen sowie das Vordringen in größere Wassertiefen erfordern einen hohen Grad an Automation und Überwachung der Anlagen. Aktuell werden die Unterwasserstrukturen dieser Anlagen mit Hilfe von Tauchern und ferngesteuerten, gefesselten Fahrzeugen inspiziert. Diese Verfahren erfordern einen hohen personellen und infrastrukturellen Aufwand und sind risikoreich für Personal und Material. Hier setzt die vorliegende Arbeit an, indem durch autonome Unterwasserfahrzeuge (AUVs) der Aufwand und das Einsatzrisiko reduziert sowie die Datenqualität verbessert werden kann. Zwei Inspektionsszenarien werden innerhalb der Arbeit behandelt: die Inspektion von Hafenanlagen sowie Pipeline und Seekabelinspektion. Dabei werden aktuelle Ansätze zur Inspektion dieser Anlagen vorgestellt und diskutiert sowie die in dieser Arbeit neu entwickelten Verfahren eingeordnet. Es wird intensiv auf die Implementation der Führungsalgorithmen sowie deren Erprobung eingegangen. Unterschiedliche Strukturen von Fahrzeugführungssystemen und der Missionsplanung von AUVs werden vorgestellt und verglichen. Dabei wird eine neue Möglichkeit der Integration von Inspektionsaufgaben in bestehende Fahrzeugführungs- und Missionsplanungssysteme sowie deren begleitende planenden und operativen Prozesse entwickelt und umgesetzt. Alle in der Arbeit entwickelten Verfahren wurden umgesetzt sowie simulativ und experimentell erprobt. Als Fahrzeuge standen das SeaCat-AUV für die Hafeninspektion und das KAPITAS-AUV mit einer weltweit einzigartigen Sensorausstattung für die Pipelineinspektion zur Verfügung.
https://nbn-resolving.org/urn:nbn:de:gbv:ilm1-2019000465
Superspeed bolus visualization for vascular magnetic particle imaging. - In: IEEE transactions on medical imaging, ISSN 1558-254X, Bd. 39 (2020), 6, S. 2133-2139
https://doi.org/10.1109/TMI.2020.2965724
Cancer drugs affect the interaction of nanoparticles with an in vitro placenta barrier. - In: Oncology research and treatment, ISSN 2296-5262, Bd. 43 (2020), S. 209
Meeting abstract: 809
https://doi.org/10.1159/000506491
Combination of a direct current stimulation of the eye and a simultaneous electroretinogram recording. - In: Clinical neurophysiology, ISSN 1872-8952, Bd. 131 (2020), 4, S. e37
https://doi.org/10.1016/j.clinph.2019.12.155
Feasibility of new stimulator setup for temporal interference TES and its application in a homogeneous volume conductor. - In: Clinical neurophysiology, ISSN 1872-8952, Bd. 131 (2020), 4, S. e152
https://doi.org/10.1016/j.clinph.2019.12.348
Experiences from treating seven adult 5q spinal muscular atrophy patients with Nusinersen. - In: Therapeutic advances in neurological disorders, ISSN 1756-2864, Bd. 13 (2020), S. 1-11
https://doi.org/10.1177/1756286420907803
Design optimization of a residential PV-battery microgrid with a detailed battery lifetime estimation model. - In: IEEE transactions on industry applications, ISSN 1939-9367, Bd. 56 (2020), 2, S. 2020-2030
https://doi.org/10.1109/TIA.2020.2965894
Camera calibration and orientation for PCB jet printing inspection. - In: SN applied sciences, ISSN 2523-3971, Bd. 2 (2020), 3, 322, insges. 14 S.
https://doi.org/10.1007/s42452-020-2087-7
Entwicklung von Modellen und Techniken zur Prozessplanung und Ablaufsteuerung in komplexen Forschungsprojekten. - Ilmenau : Universitätsbibliothek, 2020. - 1 Online-Ressource (viii, 159 Blätter)
Technische Universität Ilmenau, Dissertation 2020
In dieser Dissertation werden Modelle und Techniken zur Prozessplanung und Ablaufsteuerung unter Unsicherheit behandelt. Forschungs- und Entwicklungsprojekte sind kompliziert zu überwachen und zu steuern, weil die Bearbeitungszeiten von Aufgaben variieren können und das genaue Prozessmodell am Anfang nicht vollständig bekannt ist. Die Nutzung verschiedener Ressourcen, einschließlich Personal und Ausrüstung (Computer, Geräte usw.), beeinflusst auch den Zeitplan und die Kosten der Projekte. Bayes'sche Netze werden verwendet, um den Einfluss von Unsicherheiten darzustellen und zu messen. Dadurch ist es möglich, Informationen über die Projektstruktur in den Entscheidungsprozess einzubeziehen. Das Modell baut auf einem Prozessmodell eines Projekts auf. Schätzungen der Aufgabendauer werden als Zufallsvariablen für die Inferenz verwendet. Fuzzy-Logik, eine häufige Methode zur linguistischen Beschreibung der Abhängigkeiten zwischen verschiedenen Parametern, wird für die Modellierung des Einflusses von Ressourcennutzung verwendet und kann unter einigen Annahmen auch in solche Modelle integriert werden. Es werden Regeln für die Übertragung von häufig anzutreffenden Workflow-Mustern, wie Sequenz, paralleler Bearbeitung (AND-Join), Alternativen (XOR- und OR-Join), auf Bayes'sche Netze erarbeitet. Aufgabendauer wird basierend auf einer speziellen Art der Beta-Verteilung, der PERT-Verteilung, modelliert. Es werden Techniken der Diskretisierung dieser Verteilung für die zukünftige Verarbeitung in Bayes'schen Netzen entwickelt und untersucht. Das entworfene Modell wird ergänzt, um zusätzliche Informationen über Ressourcennutzung in Form von Fuzzy-Variablen aufnehmen zu können. Es werden Algorithmen für die Berechnung des Wahrscheinlichkeitsmaßes dieser Variablen ohne und mit A-priori-Informationen über deren Verteilung entwickelt; damit können sie unter Verwendung von virtuellen Evidenzen in Bayes'schen Netzen modelliert werden. Mit diesem Modell ist es möglich, den Einfluss von unsicheren Faktoren auf die Laufzeit von Forschungs- und Entwicklungsprojekten zu messen, Was-wäre-wenn-Szenarien zu erstellen und die Auswirkungen von Änderungen im Projektplan auf dessen Gesamtdauer abzuschätzen.
https://www.db-thueringen.de/receive/dbt_mods_00040693