Analiza slike mikrostrukture i kvantitativna metalografija

Dobici:

• Sposobnost mjerenja veličina kao što su veličina zrna, omjer faza i poroznost iz slika mikrostrukture uz obradu slike i AI
• Sposobnost ispravne konfiguracije koraka segmentacije, određivanja praga i kalibracije i sprječavanja pogrešaka u mjerilu
• Sposobnost unakrsne provjere AI-jeve interpretacije mikrostrukture standardnom metodom metalografije i stručnim promatranjem

Tvrdoća, žilavost i otpornost na zamor čelika skriveni su u njegovoj mikrostrukturi, koja je nevidljiva golim okom: veličina zrna, omjeri faza, poroznost (šupljina), inkluzije (ostaci oksida/sumpora u metalu) i raspodjela taloga. Metalografija je znanost o ispitivanju materijala pod mikroskopom rezanjem, poliranjem i jetkanjem (kemijskim jetkanjem površine i vidljivim fazama). Kvantitativna metalografija mjeri numeričke veličine (broj veličine zrna, postotak faze, omjer poroznosti) iz ovih slika. Umjetna inteligencija i obrada slike mogu smanjiti sate ručnog brojanja na minute; ali krivo kalibrirana ljestvica ili loša segmentacija čini sve brojeve tiho pogrešnim. U ovoj ćete jedinici naučiti kako mjeriti slike mikrostrukture pomoću umjetne inteligencije i obrade slike te provjeriti svako mjerenje.

Osnovni koraci slikovnog mjerenja

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

• Kvaliteta slike: Fokus, osvjetljenje i kvaliteta graviranja. U loše urezanom uzorku granice su nejasne.
• Kalibracija: Pretvaranje skale u piksele. Koliko mikrometara ima svaki piksel? Ako se ovaj korak preskoči, cijela dimenzionalna mjera bit će prikazana u pogrešnom mjerilu.
• Segmentacija: Dijeljenje slike u interesna područja — koji piksel je zrnatost, koji piksel je granica, 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 površine, proračun raspodjele veličine.

Alati pokretani umjetnom inteligencijom (modeli segmentacije obučeni dubokim učenjem) imaju bolju izvedbu od jednostavnog određivanja praga, posebno na složenim, višefaznim strukturama. Ali segmentacija umjetne inteligencije također je predviđanje; obavezna je kalibracija vage i unakrsna provjera rezultata standardnom metodom (npr. veličina zrna ASTM E112, broj točaka ASTM E562).

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

Korak po korak: mjerenje mikrostrukture pomoću umjetne inteligencije

1. Definirajte svrhu: Što mjerite? Veličina zrna, omjer faza ili poroznost? Po kojem standardu?
2. Kalibracija: Izmjerite duljinu piksela skale, izračunajte omjer µm/piksel i unesite ga u alat.
3. Predproces: Korekcija kontrasta, smanjenje šuma. Pitajte AI koji je filtar prikladan.
4. Segment/prag: Odvojene faze ili praznine; Vizualno provjerite jesu li granice ispravno uhvaćene.
5. Mjera: omjer površine, broj zrna, srednja vrijednost i distribucija.
6. Provjera: Ručno usporedite rezultat sa standardnom metodom (npr. linearni presjek u odnosu na veličinu 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 G raste, zrno postaje manje. Omjer faza je postotak volumena/površine svake faze u dvofaznoj ili višefaznoj strukturi (npr. ciljna ravnoteža ferit-austenit je ~50/50% kod dupleks nehrđajućeg čelika). Poroznost je omjer šupljina uzrokovanih plinom ili skupljanjem u odljevcima i ozbiljno smanjuje vijek trajanja od zamora.

mjerenje

standardna metoda

AI/doprinos obradi slike

kritička provjera

Veličina zrna (G)

ASTM E112 presjek/usporedba

Automatsko otkrivanje granica i brojanje

Kalibracija + ručna kontrola raskrižja

Omjer faza (%)

ASTM E562 broj točaka

Omjer površine s pragom

Jednolikost jetkanja, izbor praga

Poroznost (%)

ASTM E1245 analiza slike

Segmentacija prostora

Diskriminacija artefakata poliranja

uključivanje

ASTM E45

Klasifikacija oblika/distribucije

Usporedba referentnih predložaka

tri mini kućišta

Slučaj 1 — Veličina zrna bez kalibracije. Tehničar učitava sliku mikrostrukture u alat koji pokreće AI i daje izmjeriti veličinu zrna; Rezultat je 6 µm. Međutim, slika je snimljena s povećanjem od 200x umjesto 500x, a kalibracija prethodne sesije (500x) ostala je u alatu. Stvarna veličina zrna je ~15 µm. Netočna vrijednost također dovodi u zabludu procjenu snage putem Hall-Petcha. Tehničar stječe naviku ponovnog kalibriranja skale na svakoj sesiji. Lekcija: kalibracija je specifična za uzorak i povećanje i ne može se prenijeti.

Slučaj 2 — Artefakt jetkanja pogrešno je zamijenjen za fazu. Omjer ferit/austenit mjeri se u duplex nehrđajućem metalu. Određivanjem praga se tamne mrlje u jako ugraviranim područjima griješe kao ferit, dajući omjer od 62% ferita; dok je stvarna ravnoteža ~48%. Višak ferita stvara lažni alarm u vezi s korozijom i žilavošću. Metalurg pronalazi pogrešku nakon standardizacije vremena jetkanja i provjere nekoliko područja ručnim brojanjem točaka. Lekcija: loša priprema uzorka zavara čak i najbolji algoritam — smeće unutra, smeće van.

Slučaj 3 — Ispravna uporaba, mapa poroznosti. Tim za lijevanje želi izmjeriti stopu poroznosti u presjeku aluminijskog dijela. AI model segmentacije brzo odvaja praznine i daje mapu distribucije s 2,3% poroznosti. Tim vizualno provjerava da se ogrebotine koje se pojavljuju tijekom poliranja ne zamijene za šupljine, potvrđuje rezultat prema ASTM E1245 i vidi da je poroznost koncentrirana u području dodavanja i poboljšava dizajn odljevka. AI je donio brzinu, odluka je donesena standardom i promatranjem.

Predlošci upita koji se mogu kopirati

OBRAZAC PLANA MJERENJA"Uloga: Vi ste pomoćnik kvantitativne metalografije. Svrha: mjerenje [veličine zrna / omjera faza / poroznosti]. Materijal: [...]. Povećanje: [...]. Standard: [npr. ASTM E112]. Dajte mi plan mjerenja korak po korak: priprema uzorka, jetkanje, korak KALIBRACIJE, segmentacija/prag, mjerenje i VERIFIKACIJA. Označite kalibracija kao prvi i obvezni korak. Recite mi koju standardnu metodu treba ručno provjeriti.

PREDLOŽAK PROVJERE POGREŠKE SEGMENTACIJE "Segmentirao sam [fazu/prazninu] na slici mikrostrukture. Navedite točke koje bi mogle poći po zlu: artefakt jetkanja, ogrebotina od poliranja, područje izvan polja, granice preklapanja. Napišite kako provjeriti za svaku i kako to popraviti. Koje vizualne provjere trebam učiniti prije prihvaćanja rezultata?"

PREDLOŽAK ZA TUMAČENJE VELIČINE ZRNA "Izmjerio sam ASTM E112 broj veličine zrna G = [vrijednost], povećanje [x]. Objasnite kako ova vrijednost G odgovara približnom prosječnom promjeru zrna i njegovom utjecaju na čvrstoću u smislu Hall-Petcha. Podsjetite me da vrijednost G ovisi o kalibraciji; recite mi korak po korak kako provjeriti rezultat metodom linearnog presjeka."

PYTHON PREDLOŽAK KOSTURA ZA OBRADU SLIKA"Uloga: Vi ste pomoćnik koda za obradu slike. Napišite okvirni kod koji izračunava omjer površine faze na slici mikrostrukture sa scikit-slikom: (1) varijabla µm/piksel IZRIČITO na vrhu za kalibraciju skale, (2) konverzija u sive tonove, (3) prag, (4) omjer površine, (5) ispisivanje rezultata Dodajte komentare svakom koraku Navedite u kodu da se vrijednost i kalibracija moraju provjeriti RUČNO."

Slab upit / Jak upit

SLABI UPIT: "Recite mi veličinu zrna ove mikrostrukture."

SNAŽNA UPOTREBA: "Uloga: Vi ste asistent kvantitativne metalografije. Želim izmjeriti veličinu zrna prema ASTM E112. Slika 500x, skala 50 µm = 240 piksela (tj. 0,208 µm/piksel). Dajte mi korake za izračunavanje veličine zrna metodom linearnog presjeka, recite mi koliko linija/koliko sjecišta da izbrojim, pretvoriti rezultat u G broj. Moram provjeriti kalibraciju i barem "Podsjeti me da to moram ponoviti u 3 različita područja. Ne možete 'pročitati' konačni rezultat; postaviti metodu."

Slab upit traži od umjetne inteligencije da "pročita" sliku — ali umjetna inteligencija ne poznaje mjerilo i graviranje i može doći do izmišljenog broja. Snažni prompt čini kalibraciju jasnom, traži standardnu metodu, zahtijeva ponavljanje i provjeru i koristi AI kao alat za postavljanje metode, a ne mjerenje.

Uobičajene greške

• Zaboravljanje kalibracije vage ili mjerenje s kalibracijom iz prethodne sesije.
• Oslanjanje na segmentaciju bez ispravljanja lošeg/nejednolikog jetkanja.
• Zamjena ogrebotine ili mrlje od poliranja s poroznošću/fazom.
• Mjerenje iz jednog područja i generalizacija na cijeli uzorak; statistika zahtijeva nekoliko polja.
• Pod pretpostavkom da je AI "vidio" sliku i koristi je bez provjere točnog broja koji daje.
• Prihvaćanje rezultata segmentacije bez vizualne provjere.

Ukratko

U kvantitativnoj metalografiji, umjetna inteligencija i obrada slike ubrzavaju mjerenje veličine zrna, omjera faza i poroznosti te omogućuju snažnu segmentaciju složenih struktura. Međutim, valjanost rezultata ovisi o kalibraciji vage, dobroj pripremi uzorka i unakrsnoj validaciji sa standardnom metodom (ASTM E112/E562/E1245). Neka kalibracija bude prvi korak, provjerite segmentaciju okom, ponovite u nekoliko područja i koristite AI kao alat koji uspostavlja metodu mjerenja i piše kod, a ne onaj koji "čita" sliku.

Zadatak aplikacije

Snimite sliku mikrostrukture (vaš vlastiti uzorak ili uzorak s predavanja) i vrijednost skale. Uz predložak "PYTHON IMAGE PROCESSING SKELETON", zatražite od umjetne inteligencije kod koji izračunava omjer površine faze; Provjerite je li kalibracija µm/piksel na vrhu i uključena u kodu. Pokrenite kod i usporedite dobiveni omjer površine s ručnim brojanjem točaka (mreža 10x10) na istoj slici. Napišite razliku između dva rezultata i mogući uzrok (odabir praga, artefakt) u jednom odlomku.

popis za provjeru

• [ ] Kalibrirao sam skalu na piksel i provjerio je u svakoj sesiji.
• [ ] Provjerio sam je li jetkanje/priprema uzorka jednolična.
• [ ] Vizualno sam pregledao rezultat segmentacije/praga i uklonio artefakte.
• [ ] Ponovio sam mjerenje u barem nekoliko različitih područja.
• [ ] Ručno sam unakrsno provjerio rezultat standardnom metodom (E112/E562/E1245).
• [ ] Koristio sam AI kao metodu i alat za kodiranje, a ne kao "čitač" slike.