المكاسب:
- القدرة على قياس الكميات مثل حجم الحبوب ونسبة الطور والمسامية من صور البنية المجهرية مع معالجة الصور والذكاء الاصطناعي
- القدرة على تكوين خطوات التجزئة والعتبة والمعايرة بشكل صحيح ومنع أخطاء القياس
- القدرة على التحقق من صحة تفسير البنية المجهرية للذكاء الاصطناعي باستخدام طريقة علم المعادن القياسية ومراقبة الخبراء
يتم إخفاء الصلابة والمتانة وعمر التعب للفولاذ في بنيته المجهرية، وهي غير مرئية للعين المجردة: حجم الحبوب، ونسب الطور، والمسامية (الفراغ)، والشوائب (بقايا الأكسيد / الكبريت في المعدن) وتوزيع الرواسب. علم المعادن هو علم فحص المواد تحت المجهر عن طريق القطع والتلميع والحفر (حفر السطح كيميائيًا وجعل المراحل مرئية). يقوم علم المعادن الكمي بقياس الكميات العددية (رقم حجم الحبوب، نسبة الطور، نسبة المسامية) من هذه الصور. يمكن للذكاء الاصطناعي ومعالجة الصور تقليل ساعات العد اليدوي إلى دقائق؛ لكن المقياس الخاطئ أو التجزئة الضعيفة تجعل جميع الأرقام خاطئة بصمت. ستتعلم في هذه الوحدة كيفية قياس صور البنية المجهرية باستخدام الذكاء الاصطناعي ومعالجة الصور والتحقق من كل قياس.
الخطوات الأساسية للقياس القائم على الصور
في علم المعادن الكمي، يمر كل قياس عبر نفس السلسلة؛ إذا انكسرت حلقة، ستكون النتيجة غير موثوقة:
- جودة الصورة: التركيز والإضاءة وجودة النقش. في العينة المحفورة بشكل سيئ، تكون الحدود غير واضحة.
- المعايرة: تحويل شريط المقياس إلى بكسل. كم ميكرومتر هو كل بكسل؟ إذا تم تخطي هذه الخطوة، فسيظهر قياس الأبعاد بالكامل بمقياس خاطئ.
- التقسيم: تقسيم الصورة إلى مناطق مهمة - أي بكسل يمثل الحبوب، وأي بكسل يمثل الحدود، وأي بكسل يمثل المسامية.
- العتبة: فصل المراحل/المسافات بدرجة لون رمادية أو عتبة لونية. إذا كانت هناك مرحلتان مختلفتان في السطوع، فإن العتبة تفصل بينهما.
- القياس والإحصائيات: عد الحبوب، نسبة المساحة، حساب التوزيع الحجمي.
تعمل الأدوات التي تعمل بالذكاء الاصطناعي (نماذج التجزئة المدربة على التعلم العميق) بشكل أفضل من العتبات البسيطة، خاصة في الهياكل المعقدة ومتعددة المراحل. لكن تجزئة الذكاء الاصطناعي هي أيضًا تنبؤ؛ تعد معايرة المقياس والتحقق من النتائج بطريقة قياسية (على سبيل المثال، حجم الحبوب ASTM E112، والعدد الموضعي ASTM E562) أمرًا إلزاميًا.
انتبه: الخطأ الأكثر شيوعًا والأكثر خبثًا هو نسيان معايرة الميزان. قد تبدو الصورة "جميلة" من الناحية الكمية، ولكن إذا كان التحويل من البكسل إلى ميكرومتر خاطئًا، فسيكون حجم الحبوب 25 ميكرومترًا بدلاً من 8 ميكرومتر ولن تلاحظ ذلك. ابدأ كل جلسة قياس بالتحقق من المعايرة.
خطوة بخطوة: قياس البنية المجهرية المدعومة بالذكاء الاصطناعي
- تحديد الغرض: ما الذي تقيسه؟ حجم الحبوب، نسبة الطور أو المسامية؟ بأي معيار؟
- المعايرة: قياس طول البكسل لشريط المقياس، وحساب نسبة الميكرومتر/البكسل وإدخالها في الأداة.
- المعالجة المسبقة: تصحيح التباين وتقليل الضوضاء. اسأل الذكاء الاصطناعي عن المرشح المناسب.
- الجزء/العتبة: مراحل أو فجوات منفصلة؛ تأكد بصريًا من أن الحدود قد تم التقاطها بشكل صحيح.
- القياس: نسبة المساحة وعدد الحبوب والمتوسط والتوزيع.
- التحقق: مقارنة النتيجة يدويًا بالطريقة القياسية (على سبيل المثال، التقاطع الخطي مقابل حجم الحبوب)؛ كرر على عدة صور.
حجم الحبوب ونسبة الطور والمسامية
حجم الحبوب هو متوسط حجم الحبوب البلورية للمادة؛ تعطي الحبوب الصغيرة عمومًا قوة وصلابة أعلى (علاقة Hall-Petch). ويشار إليه برقم حجم الحبوب ASTM E112 G؛ مع زيادة G، تصبح الحبوب أصغر. نسبة الطور هي النسبة المئوية للحجم/المساحة لكل مرحلة في هيكل ثنائي أو متعدد الطور (على سبيل المثال، يستهدف توازن الفريت الأوستينيت ~ 50/50% في الفولاذ المقاوم للصدأ على الوجهين). المسامية هي نسبة الفراغات الناتجة عن الغاز أو الانكماش في المسبوكات وتقلل بشكل كبير من عمر الكلال.
قياس
الطريقة القياسية
مساهمة الذكاء الاصطناعي/معالجة الصور
التحقق النقدي
حجم الحبوب (ز)
ASTM E112 تقاطع/مقارنة
الكشف التلقائي عن الحدود والعد
المعايرة + التحكم اليدوي في التقاطع
نسبة المرحلة (٪)
ASTM E562 عدد النقاط
نسبة المساحة مع العتبة
التوحيد النقش واختيار العتبة
المسامية (٪)
تحليل الصور ASTM E1245
تجزئة الفضاء
تلميع القطع الأثرية التمييز
التضمين
أستم E45
تصنيف الشكل/التوزيع
مقارنة القالب المرجعي
ثلاث حالات صغيرة
الحالة 1 - حجم الحبوب بدون معايرة. يقوم الفني بتحميل صورة البنية المجهرية في أداة تعمل بالذكاء الاصطناعي ويتم قياس حجم الحبوب؛ والنتيجة هي 6 ميكرون. ومع ذلك، تم التقاط الصورة بتكبير 200x بدلاً من 500x، وبقيت معايرة الجلسة السابقة (500x) في الأداة. حجم الحبوب الفعلي هو ~ 15 ميكرومتر. تؤدي القيمة غير الصحيحة أيضًا إلى تضليل تقدير القوة عبر Hall-Petch. يعتاد الفني على إعادة معايرة شريط المقياس في كل جلسة. الدرس المستفاد: المعايرة خاصة بالعينة والتكبير ولا يمكن ترحيلها.
الحالة 2 - تم الخلط بين نقش القطعة الأثرية ومرحلة. يتم قياس نسبة الفريت / الأوستينيت في الفولاذ المقاوم للصدأ على الوجهين. تخطئ العتبات في وجود بقع داكنة في المناطق المحفورة بشدة بسبب الفريت، مما يعطي نسبة 62% من الفريت؛ في حين أن الرصيد الفعلي هو ~ 48٪. الفريت الزائد يخلق إنذارا كاذبا بشأن التآكل والمتانة. اكتشف عالم المعادن الخطأ بعد توحيد وقت النقش وفحص عدة مناطق باستخدام العد الموضعي اليدوي. الدرس المستفاد: الإعداد السيئ للعينات يخدع حتى أفضل الخوارزميات، حيث يتم إدخال القمامة وإخراج القمامة.
الحالة 3 - الاستخدام الصحيح، خريطة المسامية. يريد فريق الصب قياس معدل المسامية في المقطع العرضي لجزء من الألومنيوم. يقوم نموذج تجزئة الذكاء الاصطناعي بفصل الفجوات بسرعة ويعطي خريطة توزيع ذات مسامية تبلغ 2.3%. يقوم الفريق بالتحقق بصريًا من أن الخدوش التي تظهر أثناء التلميع ليست فراغات، ويتأكد من النتيجة وفقًا لمعيار ASTM E1245، ويرى أن المسامية تتركز في منطقة التغذية ويحسن تصميم الصب. جلب الذكاء الاصطناعي السرعة، وتم اتخاذ القرار وفقًا للمعايير والمراقبة.
قوالب سريعة قابلة للنسخ
نموذج خطة القياس "الدور: أنت مساعد علم المعادن الكمي. الغرض: قياس [حجم الحبوب / نسبة الطور / المسامية]. المادة: [...]. التكبير: [...]. المعيار: [على سبيل المثال ASTM E112]. أعطني خطة قياس خطوة بخطوة: إعداد العينة، والحفر، وخطوة المعايرة، والتجزئة/العتبة، والقياس والتحقق. قم بتمييز المعايرة كأول وإلزامي الخطوة: أخبرني عن الطريقة القياسية التي يجب التحقق منها يدويًا.
قالب التحقق من خطأ التجزئة "لقد قمت بتقسيم [الطور/الفجوة] على صورة بنية مجهرية. قم بإدراج النقاط التي يمكن أن تحدث بشكل خاطئ: حفر قطعة أثرية، خدش تلميع، منطقة خارج الميدان، حدود متداخلة. اكتب كيفية التحقق من كل منها وكيفية إصلاحها. ما هي عمليات التحقق المرئي التي يجب أن أقوم بها قبل قبول النتيجة؟"
قالب تفسير حجم الحبوب "لقد قمت بقياس رقم حجم الحبوب ASTM E112 G = [القيمة]، التكبير [x]. اشرح كيف تتوافق قيمة G مع متوسط قطر الحبوب التقريبي وتأثيره على القوة من حيث Hall-Petch. ذكرني أن قيمة G تعتمد على المعايرة؛ أخبرني خطوة بخطوة عن كيفية التحقق من النتيجة بطريقة التقاطع الخطي."
PYTHON IMAGE PROCESSING SKELETON TEMPLATE "الدور: أنت مساعد كود معالجة الصور. اكتب كودًا هيكليًا يحسب نسبة مساحة الطور على صورة بنية مجهرية باستخدام صورة scikit: (1) متغير ميكرومتر/بكسل بشكل صريح في الأعلى لمعايرة المقياس، (2) التحويل إلى التدرج الرمادي، (3) العتبة، (4) نسبة المساحة، (5) طباعة النتيجة. أضف تعليقات إلى كل خطوة. تحديد العتبة في الرمز الذي يجب التحقق من القيمة والمعايرة يدويًا."
موجه ضعيف / موجه قوي
مطالبة ضعيفة: "أخبرني بحجم حبيبات هذه البنية المجهرية."
مطالبة قوية: "الدور: أنت مساعد في علم المعادن الكمي. أريد قياس حجم الحبوب وفقًا لمعيار ASTM E112. صورة 500x، شريط مقياس 50 ميكرومتر = 240 بكسل (أي 0.208 ميكرومتر/بكسل). أعطني الخطوات اللازمة لحساب حجم الحبوب بطريقة التقاطع الخطي، وأخبرني كم عدد الخطوط/عدد التقاطعات التي يجب حسابها، وقم بتحويل النتيجة إلى G أحتاج إلى التحقق من المعايرة وعلى الأقل "ذكرني بأنه يجب علي تكرار ذلك في 3 مناطق مختلفة. لا يمكنك "قراءة" النتيجة النهائية؛ إعداد الطريقة."
تطلب المطالبة الضعيفة من الذكاء الاصطناعي "قراءة" الصورة - لكن الذكاء الاصطناعي لا يعرف الحجم والحفر وقد يتوصل إلى رقم مختلق. تجعل المطالبة القوية المعايرة واضحة، وتسأل عن الطريقة القياسية، وتتطلب التكرار والتحقق، وتستخدم الذكاء الاصطناعي كأداة لتحديد الطريقة، وليس القياس.
الأخطاء الشائعة
- - نسيان معايرة الميزان أو القياس بمعايرة الجلسة السابقة.
- الاعتماد على التجزئة دون تصحيح النقش السيئ/غير الموحد.
- الخلط بين خدش التلميع أو البقع وبين المسامية/الطور.
- القياس من منطقة واحدة والتعميم على العينة بأكملها؛ تتطلب الإحصائيات عدة مجالات.
- بافتراض أن الذكاء الاصطناعي قد "شاهد" الصورة واستخدمها دون التحقق من الرقم الدقيق الذي تعطيه.
- قبول نتيجة التجزئة دون التحقق منها بصريا.
باختصار
في علم المعادن الكمي، يعمل الذكاء الاصطناعي ومعالجة الصور على تسريع حجم الحبوب ونسبة الطور وقياس المسامية وتمكين التجزئة القوية للهياكل المعقدة. ومع ذلك، تعتمد صحة النتائج على معايرة المقياس، والإعداد الجيد للعينات، والتحقق من الصحة باستخدام الطريقة القياسية (ASTM E112/E562/E1245). اجعل المعايرة هي الخطوة الأولى، وافحص التجزئة بالعين، وكرر ذلك في عدة مناطق، واستخدم الذكاء الاصطناعي كأداة تحدد طريقة القياس وتكتب الكود، وليس الذي "يقرأ" الصورة.
مهمة التطبيق
التقط صورة مجهرية (عينتك الخاصة أو عينة محاضرة) وقيمة شريط المقياس. باستخدام القالب "PYTHON IMAGE PROCESSING SKELETON"، اطلب من الذكاء الاصطناعي رمزًا يحسب نسبة مساحة الطور؛ تأكد من أن معايرة الميكرومتر/البكسل موجودة في الأعلى ويتم تشغيلها في الكود. قم بتشغيل الكود ومقارنة نسبة المساحة الناتجة مع العد اليدوي للنقاط (شبكة 10 × 10) على نفس الصورة. اكتب الفرق بين النتيجتين والسبب المحتمل (اختيار الحد، قطعة أثرية) في فقرة واحدة.
قائمة مرجعية
- [ ] قمت بمعايرة شريط القياس بالبكسل والتحقق منه في كل جلسة.
- [ ] تأكدت من أن عملية النقش/تحضير العينة كانت موحدة.
- [ ] لقد قمت بفحص نتيجة التجزئة/العتبة بصريًا وقمت بإزالة العناصر.
- [ ] كررت القياس في عدد قليل من المناطق المختلفة على الأقل.
- [ ] لقد قمت بمراجعة النتيجة يدويًا باستخدام الطريقة القياسية (E112/E562/E1245).
- [ ] لقد استخدمت الذكاء الاصطناعي كطريقة وأداة للتعليمات البرمجية، وليس كـ "قارئ" للصورة.