Analiza mikrostrukturne slike i kvantitativna metalografija

Dobici:

• Sposobnost mjerenja veličina kao što su veličina zrna, omjer faza i poroznost sa slika mikrostrukture uz obradu slike i AI
• Sposobnost pravilnog konfigurisanja koraka segmentacije, praga i kalibracije i sprečavanja grešaka na skali
• Sposobnost unakrsne validacije interpretacije mikrostrukture AI standardnom metodom metalografije i stručnim posmatranjem

Tvrdoća, žilavost i vijek trajanja čelika skriveni su u njegovoj mikrostrukturi koja je nevidljiva golim okom: veličina zrna, omjer faza, poroznost (praznina), inkluzije (ostaci oksida/sumpora u metalu) i raspodjela precipitata. Metalografija je nauka o ispitivanju materijala pod mikroskopom rezanjem, poliranjem i nagrizanjem (hemijsko nagrizanje površine i vidljivost faza). Kvantitativna metalografija je mjerenje numeričkih veličina (broj veličine zrna, postotak faza, omjer poroznosti) sa ovih slika. Umjetna inteligencija i obrada slika mogu smanjiti sate ručnog brojanja na minute; ali pogrešno kalibrirana skala ili loša segmentacija čine sve brojeve tiho pogrešnim. U ovoj jedinici naučit ćete kako mjeriti slike mikrostrukture pomoću AI i obrade slike i provjeriti svako mjerenje.

Osnovni koraci mjerenja na osnovu slike

U kvantitativnoj metalografiji, svako mjerenje prolazi kroz isti lanac; Ako bi prsten puknuo, rezultat bi bio nepouzdan:

• Kvalitet slike: Fokus, osvjetljenje i kvaliteta graviranja. U loše urezanom uzorku granice su zamagljene.
• Kalibracija: Pretvaranje skale u piksele. Koliko mikrometara je svaki piksel? Ako se ovaj korak preskoči, cjelokupno mjerenje dimenzija će izaći na pogrešnoj skali.
• Segmentacija: Podjela slike na regije od interesa - koji piksel je zrnast, koji piksel je granični, koji piksel je poroznost.
• Prag: odvajanje faza/prostora sivim tonom ili pragom boje. Ako su dvije faze različite svjetline, prag ih razdvaja.
• Mjerenje i statistika: brojanje zrna, omjer površina, proračun raspodjele veličine.

Alati pokretani AI (modeli segmentacije obučeni za duboko učenje) rade bolje od jednostavnog postavljanja praga, posebno na složenim, višefaznim strukturama. Ali segmentacija AI je takođe predviđanje; kalibracija skale i unakrsna provjera rezultata standardnom metodom (npr. ASTM E112 veličina zrna, ASTM E562 broj tačaka) je obavezna.

Pažnja: Najčešća i najpodmukla greška je zaboravljanje kalibracije vage. Slika može izgledati "lijepo" u kvantitativnom smislu, ali ako je konverzija piksela u mikrometar pogrešna, veličina zrna će biti 25 µm umjesto 8 µm i nećete to primijetiti. Započnite svaku sesiju mjerenja provjerom kalibracije.

Korak po korak: mjerenje mikrostrukture napajano umjetnom inteligencijom

1. Definišite svrhu: Šta merite? Veličina zrna, omjer faza ili poroznost? Po kom standardu?
2. Kalibracija: Izmjerite dužinu piksela skale, izračunajte omjer µm/piksel i unesite ga u alat.
3. Pre-proces: Korekcija kontrasta, smanjenje šuma. Pitajte AI koji filter je prikladan.
4. Segment/prag: Odvojene faze ili praznine; Vizuelno provjerite da li su granice ispravno snimljene.
5. Mjera: Odnos površina, broj zrna, srednja vrijednost i distribucija.
6. Potvrdite: ručno uporedite rezultat sa standardnom metodom (npr. linearni presjek naspram veličine zrna); Ponovite na nekoliko slika.

Veličina zrna, omjer faza i poroznost

Veličina zrna je prosječna veličina kristalnih zrna materijala; Sitno zrno općenito daje veću čvrstoću i žilavost (Hall-Petch odnos). Označava se ASTM E112 brojem veličine zrna G; Kako se G povećava, zrno postaje manje. Fazni omjer je postotak volumena/površine svake faze u dvo- ili višefaznoj strukturi (npr. ravnoteža ferit-austenit je ciljana na ~50/50% u dupleks nehrđajućem materijalu). Poroznost je omjer šupljina uzrokovanih plinom ili skupljanjem u odljevcima i ozbiljno smanjuje vijek trajanja.

mjerenje

standardna metoda

Doprinos AI/obrađivanju slika

kritička verifikacija

Veličina zrna (G)

ASTM E112 raskrsnica/poređenje

Automatsko otkrivanje i brojanje granica

Kalibracija + ručna kontrola raskrsnice

Fazni odnos (%)

ASTM E562 broj tačaka

Odnos površine sa pragom

Ujednačenost jetkanja, izbor praga

Poroznost (%)

ASTM E1245 analiza slike

Segmentacija prostora

Diskriminacija artefakata poliranja

inkluzija

ASTM E45

Klasifikacija oblika/distribucije

Poređenje referentnog šablona

tri mini kofera

Slučaj 1 — Veličina zrna bez kalibracije. Tehničar učitava sliku mikrostrukture u alat koji pokreće AI i mjeri veličinu zrna; Rezultat je 6 µm. Međutim, slika je snimljena pri uvećanju od 200x umjesto 500x, a kalibracija prethodne sesije (500x) ostala je u alatu. Stvarna veličina zrna je ~15 µm. Netačna vrijednost također dovodi u zabludu procjenu čvrstoće preko Hall-Petcha. Tehničar stječe naviku da ponovo kalibrira skalu na svakoj sesiji. Lekcija: kalibracija je specifična za uzorak i uvećanje i ne može se prenijeti.

Slučaj 2 — Artefakt urezivanja je pogrešno zamijenjen za fazu. Odnos ferit/austenit se meri u dupleks nerđajućim materijalima. Prag grešaka tamnih mrlja u jako ugraviranim područjima za ferit, dajući omjer od 62% ferita; dok je stvarni saldo ~48%. Višak ferita stvara lažni alarm u pogledu korozije i žilavosti. Metalurg pronalazi grešku nakon standardizacije vremena nagrizanja i provjere nekoliko područja ručnim brojanjem tačaka. Pouka: loša priprema uzorka zavara čak i najbolji algoritam - smeće unutra, smeće van.

Slučaj 3 — Ispravna upotreba, karta poroznosti. Tim za livenje želi da izmeri stopu poroznosti u poprečnom preseku aluminijumskog dela. Model AI segmentacije brzo razdvaja praznine i daje mapu distribucije sa 2,3% poroznosti. Tim vizualno provjerava da se ogrebotine koje se pojavljuju tokom poliranja ne smatraju prazninama, potvrđuje rezultat prema ASTM E1245 i vidi da je poroznost koncentrisana u području dovoda i poboljšava dizajn livenja. AI je doneo brzinu, odluka je doneta standardom i posmatranjem.

Predlošci upita koji se mogu kopirati

ŠABLONA PLANA MJERENJA"Uloga: Vi ste pomoćnik kvantitativne metalografije. Svrha: mjerenje [veličina zrna / omjer faza / poroznost]. Materijal: [...]. Uvećanje: [...]. Standard: [npr. ASTM E112]. Dajte mi korak po korak plan mjerenja: priprema uzorka, jetkanje, KALIBRACIJA i VER IF segmentiranje svjetlosti. kalibracija kao prvi i obavezan korak Rezultat Recite mi koji standardni metod da ručno provjerim.

ŠABLONA ZA PROVJERU GREŠKE SEGMENTACIJE "Segmentirao sam [fazu/razmak] na slici mikrostrukture. Navedite tačke koje bi mogle poći po zlu: nagrizati artefakt, polirana ogrebotina, područje izvan polja, granice koje se preklapaju. Napišite kako provjeriti svaki i kako to popraviti. Koje vizuelne provjere trebam obaviti prije nego što prihvatim rezultat?"

ŠABLONA TUMAČENJA VELIČINE ZRNA "Izmjerio sam ASTM E112 broj veličine zrna G = [vrijednost], uvećanje [x]. Objasnite kako ova G vrijednost odgovara približnom prosječnom prečniku zrna i njenom uticaju na čvrstoću u smislu Hall-Petcha. Podsjetite me da G vrijednost ovisi o kalibraciji; recite mi korak po korak kako da provjerite rezultat korak po korak."

PYTHON IMAGE PROCESSING SKELETON TEMPLATE"Uloga: Vi ste pomoćnik koda za obradu slike. Napišite skeletni kod koji izračunava omjer fazne površine na slici mikrostrukture sa scikit-slikom: (1) µm/piksel varijabla IZRIČITO na vrhu za kalibraciju skale, (2) pretvorba skale u skale, (2) konvertiranje omjera u skale, (2) (konverzija omjera 3) u skalu sive, 5) štampanje rezultata Dodajte komentare svakom koraku Navedite u kodu da se vrijednost i kalibracija moraju provjeriti RUČNO.

Slaba prompt / Jaka prompt

SLABA UPITKA: "Recite mi veličinu zrna ove mikrostrukture."

SNAŽNA UPITKA: "Uloga: Vi ste pomoćnik za kvantitativnu metalografiju. Želim izmjeriti veličinu zrna prema ASTM E112. Slika 500x, skala traka 50 µm = 240 piksela (tj. 0,208 µm/piksel). Dajte mi korake za izračunavanje veličine zrna po metodi linearnog preseka, recite mi koliko se međupresjecaju linije, recite mi koliko se interkcijskih linija pretvara rezultat na G broj moram provjeriti kalibraciju i barem "Podsjeti me da to moram ponoviti u 3 različita područja. Ne možete 'pročitati' konačni rezultat; postavite metodu."

Slabi prompt traži od AI da "pročita" sliku - ali AI ne poznaje skalu i gravuru i može doći do izmišljenog broja. Snažan prompt čini kalibraciju jasnom, traži standardnu metodu, zahtijeva ponavljanje i verifikaciju i koristi AI kao alat za postavljanje metode, a ne mjerenje.

Uobičajene greške

• Zaboravljanje kalibracije skale ili mjerenja s kalibracijom prethodne sesije.
• Oslanjajući se na segmentaciju bez ispravljanja lošeg/neujednačenog jetkanja.
• Greška od poliranja ili mrlje za poroznost/fazu.
• Mjerenje iz jedne oblasti i generalizacija na cijeli uzorak; statistika zahtijeva nekoliko polja.
• Pod pretpostavkom da je AI "vidjela" sliku i koristi je bez provjere tačnog broja koji daje.
• Prihvatanje rezultata segmentacije bez vizualne provjere.

Ukratko

U kvantitativnoj metalografiji, AI i obrada slike ubrzavaju mjerenje veličine zrna, omjera faza i poroznosti i omogućavaju moćnu segmentaciju složenih struktura. Međutim, validnost rezultata zavisi od kalibracije skale, dobre pripreme uzorka i unakrsne validacije sa standardnom metodom (ASTM E112/E562/E1245). Učinite kalibraciju prvim korakom, pregledajte segmentaciju na oko, ponovite u nekoliko područja i koristite AI kao alat koji uspostavlja metodu mjerenja i piše kod, a ne onaj koji "čita" sliku.

Zadatak aplikacije

Uzmite sliku mikrostrukture (svoj uzorak ili uzorak predavanja) i vrijednost trake. Sa šablonom "PYTHON IMAGE PROCESSING SKELETON", zatražite od AI kod koji izračunava omjer fazne površine; Uvjerite se da je kalibracija µm/piksel na vrhu i uključena u kodu. Pokrenite kod i uporedite rezultirajući omjer površina s ručnim brojanjem tačaka (mreža 10x10) na istoj slici. Napišite razliku između dva rezultata i mogućeg uzroka (izbor praga, artefakt) u jednom pasusu.

kontrolna lista

• [ ] Kalibrirao sam skalu na piksel i verifikovao je u svakoj sesiji.
• [ ] Provjerio sam da je nagrizanje/priprema uzorka ujednačena.
• [ ] Vizuelno sam pregledao rezultat segmentacije/granične vrijednosti i uklonio artefakte.
• [ ] Ponovio sam mjerenje u barem nekoliko različitih područja.
• [ ] Ručno sam provjerio rezultat standardnom metodom (E112/E562/E1245).
• [ ] Koristio sam AI kao metodu i alat za kod, a ne kao "čitač" slike.