Κέρδη:
- Δυνατότητα μέτρησης ποσοτήτων όπως μέγεθος κόκκου, αναλογία φάσεων και πορώδες από εικόνες μικροδομής με επεξεργασία εικόνας και AI
- Δυνατότητα σωστής διαμόρφωσης βημάτων τμηματοποίησης, κατωφλίου και βαθμονόμησης και αποτροπή σφαλμάτων κλίμακας
- Δυνατότητα διασταυρούμενης επικύρωσης της ερμηνείας της μικροδομής του AI με την τυπική μέθοδο μεταλλογραφίας και την παρατήρηση από ειδικούς
Η σκληρότητα, η σκληρότητα και η διάρκεια κόπωσης ενός χάλυβα κρύβονται στη μικροδομή του, η οποία είναι αόρατη με γυμνό μάτι: μέγεθος κόκκου, αναλογίες φάσεων, πορώδες (κενό), εγκλείσματα (υπολείμματα οξειδίου/θείου στο μέταλλο) και κατανομή ιζημάτων. Η μεταλλογραφία είναι η επιστήμη της εξέτασης υλικού κάτω από ένα μικροσκόπιο με κοπή, στίλβωση και χάραξη (χημική χάραξη της επιφάνειας και κάνοντας ορατές φάσεις). Η ποσοτική μεταλλογραφία μετρά αριθμητικές ποσότητες (αριθμός μεγέθους κόκκων, ποσοστό φάσης, λόγος πορώδους) από αυτές τις εικόνες. Η τεχνητή νοημοσύνη και η επεξεργασία εικόνας μπορούν να μειώσουν τις ώρες χειροκίνητης μέτρησης σε λεπτά. αλλά μια εσφαλμένη βαθμονομημένη κλίμακα ή κακή τμηματοποίηση κάνει όλους τους αριθμούς σιωπηλά λάθος. Σε αυτή την ενότητα θα μάθετε πώς να μετράτε εικόνες μικροδομής με τεχνητή νοημοσύνη και επεξεργασία εικόνας και να επαληθεύετε κάθε μέτρηση.
Βασικά βήματα μέτρησης βάσει εικόνας
Στην ποσοτική μεταλλογραφία, κάθε μέτρηση διέρχεται από την ίδια αλυσίδα. Εάν ένας δακτύλιος σπάσει, το αποτέλεσμα θα ήταν αναξιόπιστο:
- Ποιότητα εικόνας: Εστίαση, ποιότητα φωτισμού και χάραξης. Σε ένα κακώς χαραγμένο δείγμα, τα όρια είναι ασαφή.
- Βαθμονόμηση: Μετατροπή της γραμμής κλίμακας σε pixel. Πόσα μικρόμετρα είναι κάθε pixel; Εάν παραλειφθεί αυτό το βήμα, ολόκληρη η μέτρηση διαστάσεων θα βγει σε λάθος κλίμακα.
- Τμηματοποίηση: Διαίρεση της εικόνας σε περιοχές ενδιαφέροντος — ποιο εικονοστοιχείο είναι κόκκος, ποιο εικονοστοιχείο είναι το όριο, ποιο εικονοστοιχείο είναι πορώδες.
- Κατώφλι: Διαχωρισμός φάσεων/διαστημάτων με γκρίζο τόνο ή χρωματικό κατώφλι. Εάν δύο φάσεις έχουν διαφορετική φωτεινότητα, το κατώφλι τις διαχωρίζει.
- Μέτρηση και στατιστικές: Καταμέτρηση κόκκων, αναλογία επιφάνειας, υπολογισμός κατανομής μεγέθους.
Τα εργαλεία που τροφοδοτούνται με τεχνητή νοημοσύνη (μοντέλα τμηματοποίησης που έχουν εκπαιδευτεί σε βαθιά μάθηση) αποδίδουν καλύτερα από το απλό όριο, ειδικά σε πολύπλοκες δομές πολλαπλών φάσεων. Αλλά η κατάτμηση του AI είναι επίσης μια πρόβλεψη. Η βαθμονόμηση της κλίμακας και ο διασταυρούμενος έλεγχος των αποτελεσμάτων με μια τυπική μέθοδο (π.χ. μέγεθος κόκκων ASTM E112, μέτρηση κηλίδων ASTM E562) είναι υποχρεωτική.
Προσοχή: Το πιο συνηθισμένο και πιο ύπουλο λάθος είναι να ξεχάσετε να βαθμονομήσετε τη ζυγαριά. Η εικόνα μπορεί να φαίνεται "ωραία" ποσοτικά, αλλά αν η μετατροπή pixel σε μικρόμετρο είναι λάθος, το μέγεθος κόκκου θα είναι 25 μm αντί για 8 μm και δεν θα το παρατηρήσετε. Ξεκινήστε κάθε συνεδρία μέτρησης επαληθεύοντας τη βαθμονόμηση.
Βήμα προς βήμα: μέτρηση μικροδομής με τεχνητή νοημοσύνη
- Ορίστε το σκοπό: Τι μετράτε; Μέγεθος κόκκου, αναλογία φάσεων ή πορώδες; Με ποιο πρότυπο;
- Βαθμονόμηση: Μετρήστε το μήκος εικονοστοιχείων της γραμμής κλίμακας, υπολογίστε την αναλογία μm/pixel και εισαγάγετε το στο εργαλείο.
- Προεργασία: Διόρθωση αντίθεσης, μείωση θορύβου. Ρωτήστε το AI ποιο φίλτρο είναι κατάλληλο.
- Τμήμα/κατώφλι: Ξεχωριστές φάσεις ή κενά. Ελέγξτε οπτικά ότι τα όρια έχουν αποτυπωθεί σωστά.
- Μέτρο: Λόγος επιφάνειας, αριθμός κόκκων, μέση τιμή και κατανομή.
- Επαλήθευση: Συγκρίνετε χειροκίνητα το αποτέλεσμα με την τυπική μέθοδο (π.χ. γραμμική τομή έναντι μεγέθους κόκκου). Επαναλάβετε σε πολλές εικόνες.
Μέγεθος κόκκου, αναλογία φάσεων και πορώδες
Το μέγεθος των κόκκων είναι το μέσο μέγεθος των κρυσταλλικών κόκκων του υλικού. Ο μικρός κόκκος γενικά δίνει μεγαλύτερη αντοχή και σκληρότητα (σχέση Hall-Petch). Συμβολίζεται με τον αριθμό κόκκου ASTM E112 G. Καθώς το G αυξάνεται, ο κόκκος γίνεται μικρότερος. Ο λόγος φάσης είναι το ποσοστό όγκου/εμβαδού κάθε φάσης σε μια δομή δύο ή πολλαπλών φάσεων (π.χ., η ισορροπία φερρίτη-ωστενίτη στοχεύεται για ~ 50/50% σε ανοξείδωτο διπλής όψης). Το πορώδες είναι η αναλογία των κενών που προκαλούνται από αέριο ή συρρίκνωση στα χυτά υλικά και μειώνει σοβαρά τη διάρκεια ζωής της κόπωσης.
μέτρηση
τυπική μέθοδος
Συνεισφορά AI/επεξεργασίας εικόνας
κρίσιμη επαλήθευση
Μέγεθος κόκκου (G)
Διασταύρωση/σύγκριση ASTM E112
Αυτόματος εντοπισμός και καταμέτρηση συνόρων
Βαθμονόμηση + χειροκίνητος έλεγχος διασταύρωσης
Λόγος φάσης (%)
Αριθμός κουκκίδων ASTM E562
Αναλογία εμβαδού με κατώφλι
Ομοιομορφία χάραξης, επιλογή κατωφλίου
Πορώδες (%)
Ανάλυση εικόνας ASTM E1245
Τμηματοποίηση χώρου
Γυάλισμα διάκρισης αντικειμένων
ένταξη
ASTM E45
Ταξινόμηση σχήματος/κατανομής
Σύγκριση προτύπων αναφοράς
τρεις μίνι θήκες
Περίπτωση 1 — Μέγεθος κόκκου χωρίς βαθμονόμηση. Ένας τεχνικός φορτώνει μια εικόνα μικροδομής σε ένα εργαλείο που λειτουργεί με AI και μετράει το μέγεθος κόκκου. Το αποτέλεσμα είναι 6 μm. Ωστόσο, η εικόνα λήφθηκε σε μεγέθυνση 200x αντί για 500x και η βαθμονόμηση της προηγούμενης περιόδου λειτουργίας (500x) παρέμεινε στο εργαλείο. Το πραγματικό μέγεθος κόκκου είναι ~15 μm. Μια λανθασμένη τιμή παραπλανά επίσης την εκτίμηση της αντοχής μέσω του Hall-Petch. Ο τεχνικός αποκτά τη συνήθεια να βαθμονομεί εκ νέου τη ράβδο της κλίμακας σε κάθε συνεδρία. Μάθημα: η βαθμονόμηση είναι συγκεκριμένη για δείγμα και μεγέθυνση και δεν μπορεί να μεταφερθεί.
Περίπτωση 2 — Το τεχνούργημα χάραξης θεωρήθηκε εσφαλμένα ως φάση. Η αναλογία φερρίτη/ωστενίτη μετράται σε ανοξείδωτο διπλό. Σφάλματα κατωφλίου σκοτεινά σημεία σε έντονα χαραγμένες περιοχές για φερρίτη, δίνοντας μια αναλογία φερρίτη 62%. ενώ το πραγματικό υπόλοιπο είναι ~48%. Η περίσσεια φερρίτη δημιουργεί ψευδή συναγερμό σχετικά με τη διάβρωση και τη σκληρότητα. Ο μεταλλουργός βρίσκει το σφάλμα αφού τυποποιήσει το χρόνο χάραξης και ελέγξει πολλές περιοχές με χειροκίνητη καταμέτρηση κηλίδων. Μάθημα: η κακή προετοιμασία του δείγματος ξεγελάει ακόμη και τον καλύτερο αλγόριθμο - σκουπίδια μέσα, σκουπίδια έξω.
Περίπτωση 3 — Σωστή χρήση, χάρτης πορώδους. Μια ομάδα χύτευσης θέλει να μετρήσει το ποσοστό πορώδους στη διατομή ενός εξαρτήματος αλουμινίου. Το μοντέλο τμηματοποίησης AI διαχωρίζει γρήγορα τα κενά και δίνει έναν χάρτη κατανομής με πορώδες 2,3%. Η ομάδα ελέγχει οπτικά ότι οι γρατσουνιές που εμφανίζονται κατά τη στίλβωση δεν θεωρούνται κενά, επιβεβαιώνει το αποτέλεσμα σύμφωνα με το ASTM E1245 και βλέπει ότι το πορώδες συγκεντρώνεται στην περιοχή τροφοδοσίας και βελτιώνει το σχέδιο χύτευσης. Η τεχνητή νοημοσύνη έφερε ταχύτητα, η απόφαση λήφθηκε με πρότυπο και παρατήρηση.
Αντιγράψιμα πρότυπα προτροπών
ΠΡΟΤΥΠΟ ΣΧΕΔΙΟΥ ΜΕΤΡΗΣΗΣ"Ρόλος: Είστε βοηθός ποσοτικής μεταλλογραφίας. Σκοπός: μέτρηση [μέγεθος κόκκων / αναλογία φάσης / πορώδες]. Υλικό: [...]. Μεγέθυνση: [...]. Τυπικό: [π.χ. ASTM E112]. Δώστε μου ένα βήμα προς βήμα σχέδιο μέτρησης: προετοιμασία δείγματος και βήμα μέτρησης, χάραξη τμημάτων, παλιό CA/BRLIthing ΕΠΑΛΗΘΕΥΣΗ Επισημάνετε τη βαθμονόμηση ως το πρώτο και υποχρεωτικό βήμα.
ΠΡΟΤΥΠΟ ΕΛΕΓΧΟΥ ΣΦΑΛΜΑΤΟΣ ΤΜΗΜΑΤΟΣ "Έχω τμηματοποιήσει τη [φάση/κενό] σε μια εικόνα μικροδομής. Καταγράψτε τα σημεία που θα μπορούσαν να πάνε στραβά: τεχνούργημα χάραξης, γρατσουνιά στίλβωσης, περιοχή εκτός πεδίου, επικαλυπτόμενα όρια. Γράψτε πώς να ελέγξετε για καθεμία και πώς να το διορθώσω. Τι οπτικούς ελέγχους πρέπει να κάνω πριν αποδεχτώ το αποτέλεσμα;"
ΠΡΟΤΥΠΟ ΕΡΜΗΝΕΙΑΣ ΜΕΓΕΘΟΥΣ ΚΟΚΚΟΥ "Μέτρησα τον αριθμό κόκκου ASTM E112 G = [τιμή], μεγέθυνση [x]. Εξηγήστε πώς αυτή η τιμή G αντιστοιχεί στην κατά προσέγγιση μέση διάμετρο κόκκου και την επίδρασή της στην αντοχή σε όρους Hall-Petch. Υπενθυμίστε μου ότι η τιμή G εξαρτάται από τη βαθμονόμηση βήμα προς τη μέθοδο.
ΠΡΟΤΥΠΟ ΣΚΕΛΕΤΩΝ ΕΠΕΞΕΡΓΑΣΙΑΣ ΕΙΚΟΝΑΣ PYTHON"Ρόλος: Είστε ο βοηθός κώδικα επεξεργασίας εικόνας. Γράψτε σκελετό κώδικα που υπολογίζει τον λόγο εμβαδού φάσης σε μια εικόνα μικροδομής με scikit-image: (1) μεταβλητή μm/pixel ΡΗΤΑ στο επάνω μέρος για βαθμονόμηση κλίμακας, (2) μετατροπή (3,rath) σε κλίμακα γκρι (5) εκτύπωση του αποτελέσματος Προσθήκη σχολίων σε κάθε βήμα Καθορίστε στον κωδικό ότι η τιμή και η βαθμονόμηση πρέπει να επαληθεύονται ΧΕΙΡΟΚΙΝΗΤΑ.
Αδύναμη προτροπή / Ισχυρή προτροπή
ΑΔΥΝΑΤΗ ΠΡΟΤΑΣΗ: "Πες μου το μέγεθος κόκκου αυτής της μικροδομής."
ΙΣΧΥΡΗ ΠΡΟΤΑΣΗ:"Ρόλος: Είστε βοηθός ποσοτικής μεταλλογραφίας. Θέλω να μετρήσω το μέγεθος κόκκων σύμφωνα με το ASTM E112. Εικόνα 500x, γραμμή κλίμακας 50 μm = 240 εικονοστοιχεία (δηλαδή 0,208 μm/pixel). Δώστε μου τα βήματα για να υπολογίσω το μέγεθος κόκκου με τη μέθοδο γραμμικής τομής, πείτε μου πόσα αποτελέσματα μετατροπής στον αριθμό G Πρέπει να επαληθεύσω τη βαθμονόμηση και τουλάχιστον «Υπενθύμισέ μου ότι πρέπει να την επαναλάβω σε 3 διαφορετικές περιοχές. Δεν μπορείτε να «διαβάσετε» το τελικό αποτέλεσμα. ρυθμίστε τη μέθοδο."
Το αδύναμο μήνυμα ζητά από την τεχνητή νοημοσύνη να «διαβάσει» την εικόνα — αλλά η τεχνητή νοημοσύνη δεν γνωρίζει κλίμακα και χάραξη και μπορεί να βρει έναν κατασκευασμένο αριθμό. Η ισχυρή προτροπή καθιστά τη βαθμονόμηση σαφή, ζητά την τυπική μέθοδο, απαιτεί επανάληψη και επαλήθευση και χρησιμοποιεί την τεχνητή νοημοσύνη ως εργαλείο ρύθμισης μεθόδου, όχι μέτρηση.
Συνήθη λάθη
- Ξεχνώντας τη βαθμονόμηση της κλίμακας ή τη μέτρηση με τη βαθμονόμηση της προηγούμενης συνεδρίας.
- Βασίζεται στην τμηματοποίηση χωρίς διόρθωση κακής/μη ομοιόμορφης χαρακτικής.
- Παρεξήγηση μιας γρατσουνιάς ή λεκέ γυαλίσματος για πορώδες/φάση.
- Μέτρηση από μία μόνο περιοχή και γενίκευση σε ολόκληρο το δείγμα. Οι στατιστικές απαιτούν πολλά πεδία.
- Υποθέτοντας ότι το AI έχει «δει» την εικόνα και τη χρησιμοποιεί χωρίς να επαληθεύσει τον ακριβή αριθμό που δίνει.
- Αποδοχή του αποτελέσματος τμηματοποίησης χωρίς οπτικό έλεγχο.
Συνοπτικά
Στην ποσοτική μεταλλογραφία, η τεχνητή νοημοσύνη και η επεξεργασία εικόνας επιταχύνουν το μέγεθος των κόκκων, την αναλογία φάσεων και τη μέτρηση του πορώδους και επιτρέπουν την ισχυρή κατάτμηση πολύπλοκων δομών. Ωστόσο, η εγκυρότητα των αποτελεσμάτων εξαρτάται από τη βαθμονόμηση κλίμακας, την καλή προετοιμασία του δείγματος και τη διασταυρούμενη επικύρωση με την τυπική μέθοδο (ASTM E112/E562/E1245). Κάντε τη βαθμονόμηση το πρώτο βήμα, επιθεωρήστε την τμηματοποίηση με το μάτι, επαναλάβετε σε πολλές περιοχές και χρησιμοποιήστε την τεχνητή νοημοσύνη ως το εργαλείο που καθορίζει τη μέθοδο μέτρησης και γράφει τον κώδικα, όχι αυτό που "διαβάζει" την εικόνα.
Εργασία εφαρμογής
Πάρτε μια εικόνα μικροδομής (το δικό σας δείγμα ή ένα δείγμα διάλεξης) και την τιμή της ράβδου κλίμακας. Με το πρότυπο "PYTHON IMAGE PROCESSING SKELETON", ζητήστε από το AI έναν κωδικό που υπολογίζει την αναλογία εμβαδού φάσης. Βεβαιωθείτε ότι η βαθμονόμηση μm/pixel βρίσκεται στο επάνω μέρος και είναι ενεργοποιημένη στον κώδικα. Εκτελέστε τον κώδικα και συγκρίνετε την αναλογία περιοχής που προκύπτει με τη μη αυτόματη καταμέτρηση σημείων (πλέγμα 10x10) στην ίδια εικόνα. Γράψτε τη διαφορά μεταξύ των δύο αποτελεσμάτων και της πιθανής αιτίας (επιλογή κατωφλίου, τεχνούργημα) σε μία παράγραφο.
λίστα ελέγχου
- [ ] Βαθμονόμησα τη γραμμή κλίμακας σε pixel και την επαλήθευα σε κάθε περίοδο λειτουργίας.
- [ ] Έλεγξα ότι η προετοιμασία της χάραξης/δείγματος ήταν ομοιόμορφη.
- [ ] Επιθεώρησα οπτικά το αποτέλεσμα τμηματοποίησης/οριακού ορίου και αφαίρεσα τα τεχνουργήματα.
- [ ] Επανέλαβα τη μέτρηση σε τουλάχιστον μερικές διαφορετικές περιοχές.
- [ ] Έλεγξα χειροκίνητα το αποτέλεσμα με μια τυπική μέθοδο (E112/E562/E1245).
- [ ] Χρησιμοποίησα το AI ως μέθοδο και εργαλείο κώδικα, όχι ως «αναγνώστη» της εικόνας.