Печалби:
- Възможност за измерване на количества като размер на зърното, фазово съотношение и порьозност от микроструктурни изображения с обработка на изображения и AI
- Възможност за правилно конфигуриране на сегментиране, прагове и стъпки за калибриране и предотвратяване на грешки в мащаба
- Възможност за кръстосано валидиране на интерпретацията на микроструктурата на AI със стандартен металографски метод и експертно наблюдение
Твърдостта, якостта и устойчивостта на умора на стоманата са скрити в нейната микроструктура, която е невидима с невъоръжено око: размер на зърното, съотношения на фазите, порьозност (празнота), включвания (остатъци от оксид/сяра в метала) и разпределение на утайки. Металографията е наука за изследване на материал под микроскоп чрез рязане, полиране и ецване (химическо ецване на повърхността и правене на фазите видими). Количествената металография измерва числени величини (номер на размера на зърното, процент на фазата, коефициент на порьозност) от тези изображения. Изкуственият интелект и обработката на изображения могат да намалят часовете ръчно броене до минути; но неправилно калибрирана скала или лошо сегментиране прави всички числа тихо грешни. В този модул ще научите как да измервате микроструктурни изображения с AI и обработка на изображения и да проверявате всяко измерване.
Основни стъпки на измерване на базата на изображения
В количествената металография всяко измерване преминава през една и съща верига; Ако пръстенът се счупи, резултатът би бил ненадежден:
- Качество на изображението: Фокус, осветление и качество на ецване. При лошо ецвана проба границите са замъглени.
- Калибриране: Преобразуване на мащабната лента в пиксели. Колко микрометра е всеки пиксел? Ако тази стъпка бъде пропусната, цялото измерване на размерите ще излезе в грешен мащаб.
- Сегментиране: Разделяне на изображението на области от интерес - кой пиксел е зърно, кой пиксел е граница, кой пиксел е порьозност.
- Прагове: Разделяне на фази/пространства със сив тон или цветен праг. Ако две фази са с различна яркост, прагът ги разделя.
- Измерване и статистика: Броене на зърната, съотношение на площите, изчисляване на разпределението на размера.
Задвижвани от AI инструменти (модели за сегментиране, обучени в дълбоко обучение) се представят по-добре от обикновеното прагово определяне, особено при сложни, многофазови структури. Но сегментирането на AI също е прогноза; калибрирането на скалата и кръстосаната проверка на резултатите със стандартен метод (напр. размер на зърното ASTM E112, брой точки ASTM E562) е задължително.
Внимание: Най-често срещаната и най-коварна грешка е забравянето на калибрирането на везната. Изображението може да изглежда „хубаво“ в количествено отношение, но ако преобразуването от пиксел към микрометър е грешно, размерът на зърното ще бъде 25 µm вместо 8 µm и вие няма да го забележите. Започнете всяка сесия на измерване, като проверите калибрирането.
Стъпка по стъпка: измерване на микроструктура, задвижвано от AI
- Определете целта: Какво измервате? Размер на зърното, фазово съотношение или порьозност? По какъв стандарт?
- Калибриране: Измерете дължината на пиксела на мащабната лента, изчислете съотношението µm/пиксел и го въведете в инструмента.
- Предварителен процес: Корекция на контраста, намаляване на шума. Попитайте AI кой филтър е подходящ.
- Сегмент/праг: Отделни фази или пропуски; Визуално проверете дали границите са уловени правилно.
- Мярка: Съотношение на площта, брой зърна, средна стойност и разпределение.
- Проверете: Ръчно сравнете резултата със стандартния метод (напр. линейно пресичане спрямо размера на зърното); Повторете на няколко изображения.
Размер на зърното, съотношение на фазите и порьозност
Размерът на зърното е средният размер на кристалните зърна на материала; Дребното зърно обикновено дава по-висока якост и издръжливост (връзка на Хол-Петч). Обозначава се с ASTM E112 размер на зърното номер G; С увеличаването на G зърното става по-малко. Фазовото съотношение е процентът обем/площ на всяка фаза в дву- или многофазна структура (напр. феритно-аустенитният баланс е насочен към ~50/50% при дуплексна неръждаема стомана). Порьозността е съотношението на празнините, причинени от газ или свиване в отливките и сериозно намалява живота на умора.
измерване
стандартен метод
AI/принос за обработка на изображения
критична проверка
Размер на зърното (G)
ASTM E112 пресичане/сравнение
Автоматично откриване и преброяване на границите
Калибриране + ръчно управление на кръстовищата
Фазово съотношение (%)
ASTM E562 брой точки
Съотношение на площта с прагове
Еднородност на ецване, избор на праг
Порьозност (%)
ASTM E1245 анализ на изображението
Сегментиране на пространството
Полираща артефактна дискриминация
включване
ASTM E45
Класификация по форма/разпределение
Сравнение на референтни шаблони
три мини калъфа
Случай 1 — Размер на зърното без калибриране. Техник зарежда изображение на микроструктура в инструмент, задвижван от AI, и измерва размера на зърното; Резултатът е 6 µm. Изображението обаче е направено при увеличение 200x вместо 500x, а калибрирането от предишната сесия (500x) остава в инструмента. Действителният размер на зърното е ~15 µm. Неправилна стойност също подвежда оценката на силата чрез Hall-Petch. Техникът придобива навика да калибрира отново мащабната лента при всяка сесия. Урок: калибрирането е специфично за пробата и увеличението и не може да се пренася.
Случай 2 — Артефактът на офорт е сбъркан с фаза. Съотношението ферит/аустенит се измерва в дуплексна неръждаема стомана. Определянето на прага греши тъмни петна в силно гравирани зони за ферит, което дава съотношение от 62% ферит; докато действителният баланс е ~48%. Излишъкът от ферит създава фалшива аларма относно корозия и издръжливост. Металургът открива грешката след стандартизиране на времето за ецване и проверка на няколко зони с ръчно преброяване на петна. Урок: лошата подготовка на пробата заблуждава дори най-добрия алгоритъм — боклук вътре, боклук вън.
Случай 3 — Правилна употреба, карта на порьозността. Екип за леене иска да измери степента на порьозност в напречното сечение на алуминиева част. Моделът за сегментиране на AI бързо разделя пропуските и дава карта на разпределение с 2,3% порьозност. Екипът визуално проверява дали драскотините, които се появяват по време на полирането, не се бъркат с кухини, потвърждава резултата съгласно ASTM E1245 и вижда, че порьозността е концентрирана в зоната на захранващото устройство и подобрява дизайна на отливката. AI донесе скорост, решението беше взето чрез стандарт и наблюдение.
Копируеми шаблони за подкана
ШАБЛОН НА ПЛАН ЗА ИЗМЕРВАНЕ"Роля: Вие сте асистент по количествена металография. Цел: измерване [размер на зърното/фазово съотношение/порьозност]. Материал: [...]. Увеличение: [...]. Стандарт: [напр. ASTM E112]. Дайте ми план за измерване стъпка по стъпка: подготовка на пробата, гравиране, стъпка на КАЛИБРИРАНЕ, сегментиране/прагове, измерване и ПРОВЕРКА. Маркирайте калибриране като първа и задължителна стъпка. Резултат Кажете ми кой стандартен метод да проверя ръчно.“
ШАБЛОН ЗА ПРОВЕРКА НА ГРЕШКА ПРИ СЕГМЕНТИРАНЕ "Сегментирах [фаза/празнина] върху изображение на микроструктура. Избройте точките, които може да се объркат: артефакт при ецване, драскотина при полиране, област извън полето, припокриващи се граници. Напишете как да проверя за всяка и как да я поправя. Какви визуални проверки трябва да направя, преди да приема резултата?"
ШАБЛОН ЗА ИНТЕРПРЕТАЦИЯ НА РАЗМЕРА НА ЗЪРНОТО "Измерих ASTM E112 номер на размера на зърното G = [стойност], увеличение [x]. Обяснете как тази G стойност съответства на приблизителния среден диаметър на зърното и неговия ефект върху якостта по отношение на Хол-Петч. Напомнете ми, че стойността G зависи от калибрирането; кажете ми стъпка по стъпка как да проверя резултата чрез метода на линейното пресичане."
PYTHON IMAGE PROCESSING SKELETON TEMPLATE"Роля: Вие сте асистентът на кода за обработка на изображения. Напишете скелетен код, който изчислява съотношението на фазовата площ върху изображение на микроструктура с scikit-image: (1) променлива µm/пиксел ИЗРИЧНО в горната част за калибриране на мащаба, (2) преобразуване в скала на сивото, (3) прагове, (4) съотношение на площ, (5) отпечатване на резултата Добавяне на коментари към всяка стъпка Посочете в кода, че стойността и калибрирането трябва да бъдат проверени РЪЧНО."
Слаба подкана / Силна подкана
СЛАБА ПОДСКАЗКА: "Кажете ми размера на зърното на тази микроструктура."
СИЛНА ПОДСКАЗКА: „Роля: Вие сте асистент по количествена металография. Искам да измеря размера на зърното съгласно ASTM E112. Изображение 500x, мащабна лента 50 µm = 240 пиксела (т.е. 0,208 µm/пиксел). Дайте ми стъпките за изчисляване на размера на зърното чрез метода на линейно пресичане, кажете ми колко линии/колко пресечни точки да преброя, преобразувайте резултата в число G. Трябва да проверя калибрирането и поне „Напомнете ми, че трябва да го повторя в 3 различни области. Не можете да „четете“ крайния резултат; настройте метода."
Слабата подкана иска от AI да "прочете" изображението - но AI не знае мащаба и ецването и може да излезе с измислено число. Мощната подкана прави калибрирането ясно, изисква стандартния метод, изисква повторение и проверка и използва AI като инструмент за настройка на метода, а не измерване.
Често срещани грешки
- Забравяне на калибриране на скалата или измерване с калибрирането от предишната сесия.
- Разчитане на сегментиране без коригиране на лошо/нееднородно ецване.
- Объркайте драскотина или петно от полиране с порьозност/фаза.
- Измерване от една област и обобщаване на цялата извадка; статистиката изисква няколко полета.
- Ако приемем, че изкуственият интелект е „видял“ изображението и го използва, без да провери точното число, което дава.
- Приемане на резултата от сегментирането без визуална проверка.
В обобщение
В количествената металография AI и обработката на изображения ускоряват измерването на размера на зърната, фазовото съотношение и порьозността и позволяват мощно сегментиране на сложни структури. Въпреки това, валидността на резултатите зависи от калибрирането на скалата, добрата подготовка на пробата и кръстосаното валидиране със стандартния метод (ASTM E112/E562/E1245). Направете калибрирането първата стъпка, проверете сегментирането на око, повторете в няколко области и използвайте AI като инструмент, който установява метода на измерване и пише кода, а не този, който "чете" изображението.
Задача за приложение
Направете изображение на микроструктура (ваша собствена проба или проба от лекция) и стойност на мащабната лента. С шаблона „PYTHON IMAGE PROCESSING SKELETON“ помолете AI за код, който изчислява съотношението на фазовата площ; Уверете се, че калибрирането µm/пиксел е в горната част и е включено в кода. Стартирайте кода и сравнете полученото съотношение на площта с ръчно преброяване на точки (решетка 10x10) на същото изображение. Напишете разликата между двата резултата и възможната причина (избор на праг, артефакт) в един параграф.
контролен списък
- [ ] Калибрирах мащабната лента за пиксели и я проверявах във всяка сесия.
- [ ] Проверих дали ецването/подготовката на пробата е еднаква.
- [ ] Проверих визуално резултата от сегментиране/прагове и премахнах артефактите.
- [ ] Повторих измерването в поне няколко различни области.
- [ ] Ръчно проверих резултата със стандартен метод (E112/E562/E1245).
- [ ] Използвах AI като метод и инструмент за код, а не като "четец" на изображението.