이득:
- 이미지 처리 및 AI를 통해 미세 구조 이미지에서 입자 크기, 위상 비율, 다공성 등의 수량을 측정하는 기능
- 세분화, 임계값 설정 및 교정 단계를 올바르게 구성하고 스케일 오류를 방지하는 기능
- 표준 금속 조직학 방법 및 전문가 관찰을 통해 AI의 미세 구조 해석을 교차 검증하는 능력
강철의 경도, 인성 및 피로 수명은 육안으로 볼 수 없는 미세 구조, 즉 입자 크기, 상 비율, 다공성(공극), 개재물(금속의 산화물/황 잔류물) 및 침전물 분포에 숨겨져 있습니다. 금속학은 절단, 연마 및 에칭(표면을 화학적으로 에칭하고 상을 보이게 함)을 통해 현미경으로 재료를 검사하는 과학입니다. 정량적 금속학은 이러한 이미지로부터 수치적 양(입자 크기 번호, 위상 백분율, 다공성 비율)을 측정합니다. 인공 지능과 이미지 처리를 통해 수동 계산 시간을 몇 분으로 줄일 수 있습니다. 그러나 척도가 잘못 조정되거나 분할이 잘못되면 모든 숫자가 자동으로 잘못된 결과를 낳습니다. 본 단원에서는 AI 및 이미지 처리를 통해 미세 구조 이미지를 측정하고 각 측정을 검증하는 방법을 학습합니다.
이미지 기반 측정의 기본 단계
정량적 금속학에서는 모든 측정이 동일한 체인을 통과합니다. 링이 파손되면 결과를 신뢰할 수 없습니다.
- 이미지 품질: 초점, 조명 및 에칭 품질. 잘못 에칭된 샘플에서는 경계가 흐려집니다.
- 교정: 눈금 막대를 픽셀로 변환합니다. 각 픽셀은 몇 마이크로미터입니까? 이 단계를 건너뛰면 전체 치수 측정값이 잘못된 척도로 나옵니다.
- 분할: 이미지를 관심 영역으로 나눕니다. 즉, 어떤 픽셀이 입자이고, 어떤 픽셀이 경계이고, 어떤 픽셀이 다공성입니까?
- 임계값: 회색 톤 또는 색상 임계값으로 위상/공간을 분리합니다. 두 위상의 밝기가 다른 경우 임계값이 위상을 분리합니다.
- 측정 및 통계: 곡물 계수, 면적 비율, 크기 분포 계산.
AI 기반 도구(딥 러닝 훈련 분할 모델)는 특히 복잡한 다단계 구조에서 단순한 임계값 지정보다 더 나은 성능을 발휘합니다. 그러나 AI의 세분화는 예측이기도 합니다. 표준 방법(예: ASTM E112 입자 크기, ASTM E562 스폿 카운트)을 사용한 스케일 보정 및 결과 교차 확인이 필수입니다.
주의: 가장 흔하고 가장 교활한 실수는 저울 교정을 잊어버리는 것입니다. 이미지는 정량적으로 "좋게" 보일 수 있지만 픽셀에서 마이크로미터로의 변환이 잘못된 경우 입자 크기가 8μm가 아닌 25μm가 되어 눈치채지 못할 것입니다. 교정을 확인하여 각 측정 세션을 시작합니다.
단계별: AI 기반 미세 구조 측정
- 목적 정의: 무엇을 측정하고 있습니까? 입자 크기, 상 비율 또는 다공성? 어떤 기준으로?
- 보정: 눈금 막대의 픽셀 길이를 측정하고 µm/픽셀 비율을 계산하여 도구에 입력합니다.
- 전처리: 대비 보정, 노이즈 감소. 어떤 필터가 적합한지 AI에게 물어보세요.
- 세그먼트/임계값: 별도의 단계 또는 간격; 경계가 올바르게 캡처되었는지 시각적으로 확인합니다.
- 측정값: 면적 비율, 입자 수, 평균 및 분포.
- 확인: 결과를 표준 방법(예: 선형 절편 대 입자 크기)과 수동으로 비교합니다. 여러 이미지에 대해 반복합니다.
입자 크기, 상 비율 및 다공성
입자 크기는 재료의 결정 입자의 평균 크기입니다. 작은 입자는 일반적으로 더 높은 강도와 인성을 제공합니다(Hall-Petch 관계). 이는 ASTM E112 입자 크기 번호 G로 표시됩니다. G가 증가하면 입자가 작아집니다. 위상 비율은 2상 또는 다상 구조에서 각 상의 부피/면적 비율입니다(예: 페라이트-오스테나이트 균형은 이중 스테인리스에서 ~50/50%를 목표로 합니다). 기공률은 주조품의 가스나 수축으로 인해 발생하는 공극의 비율로 피로 수명을 심각하게 단축시킵니다.
측정
표준 방법
AI/영상처리 기여
중요한 검증
입자 크기(G)
ASTM E112 교차점/비교
자동 국경 감지 및 계산
교정 + 수동 교차점 제어
위상 비율(%)
ASTM E562 도트 카운트
임계값을 사용한 면적 비율
에칭 균일성, 임계값 선택
다공성(%)
ASTM E1245 이미지 분석
공간 분할
연마 유물 차별
포함
ASTM E45
형태/분포 분류
참조 템플릿 비교
세 개의 미니 케이스
사례 1 - 교정하지 않은 입자 크기. 기술자는 AI 기반 도구에 미세 구조 이미지를 로드하고 입자 크기를 측정합니다. 결과는 6μm입니다. 그러나 이미지는 500x가 아닌 200x 배율로 촬영되었으며 이전 세션의 보정(500x)이 도구에 남아 있었습니다. 실제 입자 크기는 ~15μm입니다. 잘못된 값은 Hall-Petch를 통한 강도 추정을 오도합니다. 기술자는 매 세션마다 눈금 막대를 재보정하는 습관을 들이게 됩니다. 교훈: 교정은 샘플 및 배율에 따라 다르며 이전될 수 없습니다.
사례 2 - 에칭 아티팩트가 위상으로 오인되었습니다. 페라이트/오스테나이트 비율은 듀플렉스 스테인리스에서 측정됩니다. 임계값은 심하게 에칭된 영역의 어두운 점을 페라이트로 착각하여 62% 페라이트 비율을 제공합니다. 실제 잔액은 ~48%입니다. 과도한 페라이트는 부식 및 인성에 관한 잘못된 경보를 생성합니다. 야금학자는 에칭 시간을 표준화하고 수동으로 스팟 카운팅을 통해 여러 영역을 확인한 후 오류를 찾습니다. 교훈: 잘못된 샘플 준비는 최고의 알고리즘(쓰레기 입력, 쓰레기 배출)도 속입니다.
사례 3 - 올바른 사용, 다공성 맵. 주조 팀은 알루미늄 부품 단면의 다공성 비율을 측정하려고 합니다. AI 분할 모델은 간격을 빠르게 분리하고 다공성 2.3%의 분포 맵을 제공합니다. 연구팀은 연마 중 나타나는 스크래치가 공극으로 오인되지 않는지 육안으로 확인하고 ASTM E1245에 따른 결과를 확인하며 기공이 피더 부분에 집중되는 것을 확인하고 주조 설계를 개선한다. AI는 속도를 높이고 표준과 관찰에 따라 결정을 내렸습니다.
복사 가능한 프롬프트 템플릿
측정 계획 템플릿"역할: 귀하는 정량적 금속학 보조자입니다. 목적: [입자 크기/상 비율/다공성]을 측정합니다. 재료: [...]. 배율: [...]. 표준: [예: ASTM E112]. 단계별 측정 계획을 제공합니다: 샘플 준비, 에칭, 교정 단계, 분할/임계값 설정, 측정 및 검증. 교정을 첫 번째이자 필수 단계로 강조 표시합니다. 결과 알려줍니다. 수동으로 교차 확인하는 표준 방법이 무엇인지 알려주세요.”
분할 오류 확인 템플릿 "미세 구조 이미지에서 [위상/간격]을 분할했습니다. 잘못될 수 있는 지점을 나열하십시오: 아티팩트 에칭, 스크래치 연마, 필드 밖 영역, 경계 겹침. 각각을 확인하는 방법과 이를 수정하는 방법을 작성하십시오. 결과를 수락하기 전에 어떤 시각적 검사를 해야 합니까?"
입자 크기 해석 템플릿 "ASTM E112 입자 크기 번호 G = [값], 배율 [x]을 측정했습니다. 이 G 값이 대략적인 평균 입자 직경과 어떻게 일치하는지 그리고 Hall-Petch 측면에서 강도에 미치는 영향을 설명하십시오. G 값은 교정에 따라 달라진다는 점을 상기시켜 주십시오. 선형 교차 방법으로 결과를 검증하는 방법을 단계별로 알려주십시오."
PYTHON IMAGE PROCESSING SKELETON TEMPLATE"역할: 당신은 이미지 처리 코드 보조자입니다. scikit-image를 사용하여 미세 구조 이미지에서 위상 면적 비율을 계산하는 스켈레톤 코드를 작성합니다. (1) 눈금 보정을 위해 상단에 명시적으로 µm/픽셀 변수, (2) 그레이스케일로 변환, (3) 임계값 지정, (4) 면적 비율, (5) 결과 인쇄. 각 단계에 주석을 추가합니다. 임계값 값과 보정을 코드에 지정합니다. 수동으로 확인해야 합니다."
약한 프롬프트 / 강한 프롬프트
약한 프롬프트: "이 미세 구조의 입자 크기를 알려주세요."
강력한 프롬프트:"역할: 당신은 정량적 금속학 조수입니다. 저는 ASTM E112에 따라 입자 크기를 측정하고 싶습니다. 이미지 500x, 눈금 막대 50 µm = 240픽셀(즉, 0.208 µm/픽셀). 선형 교차 방법으로 입자 크기를 계산하는 단계를 알려주십시오. 계산할 선 수/교차 수를 알려주십시오. 결과를 G 번호로 변환하십시오. 교정을 확인해야 하며 최소한 "3가지 다른 영역에서 반복해야 한다는 점을 기억해 주세요. 최종 결과를 '읽을' 수 없습니다. 방법을 정하라."
약한 프롬프트는 AI에게 이미지를 "읽도록" 요청하지만 AI는 크기와 에칭을 알지 못하므로 가상의 숫자를 내놓을 수도 있습니다. 강력한 프롬프트는 교정을 명확하게 하고, 표준 방법을 요청하며, 반복과 검증을 요구하고, AI를 측정이 아닌 방법 설정 도구로 사용합니다.
일반적인 실수
- 스케일 교정을 잊어버렸거나 이전 세션의 교정으로 측정했습니다.
- 불량/불균일 에칭을 수정하지 않고 분할에 의존합니다.
- 연마 스크래치나 얼룩을 다공성/상으로 착각합니다.
- 단일 영역에서 측정하고 전체 샘플로 일반화합니다. 통계에는 여러 필드가 필요합니다.
- AI가 이미지를 "봤다"고 가정하고 그것이 제공하는 정확한 숫자를 확인하지 않고 사용합니다.
- 시각적으로 확인하지 않고 분할 결과를 수락합니다.
요약하면
정량 금속학에서 AI 및 이미지 처리는 입자 크기, 위상 비율 및 다공성 측정을 가속화하고 복잡한 구조의 강력한 분할을 가능하게 합니다. 그러나 결과의 유효성은 스케일 교정, 우수한 샘플 준비 및 표준 방법(ASTM E112/E562/E1245)을 사용한 교차 검증에 따라 달라집니다. 첫 번째 단계로 보정을 수행하고, 눈으로 분할을 검사하고, 여러 영역에서 반복하고, AI를 이미지를 "읽는" 도구가 아닌 측정 방법을 설정하고 코드를 작성하는 도구로 사용하십시오.
응용과제
미세 구조 이미지(본인 샘플 또는 강의 샘플)와 스케일 바 값을 가져옵니다. "PYTHON IMAGE PROCESSING SKELETON" 템플릿을 사용하여 AI에 위상 면적 비율을 계산하는 코드를 요청합니다. µm/픽셀 교정이 상단에 있고 코드에서 켜져 있는지 확인하세요. 코드를 실행하고 동일한 이미지에서 결과 면적 비율을 수동 포인트 계산(10x10 그리드)과 비교합니다. 두 결과의 차이와 가능한 원인(임계값 선택, 인공물)을 한 문단으로 작성합니다.
체크리스트
- [ ] 스케일 바를 픽셀 단위로 보정하고 각 세션에서 확인했습니다.
- [ ] 에칭/샘플 준비가 균일한지 확인했습니다.
- [ ] 분할/임계값 결과를 육안으로 검사하고 아티팩트를 제거했습니다.
- [ ] 최소한 몇 가지 다른 영역에서 측정을 반복했습니다.
- [ ] 표준 방법(E112/E562/E1245)을 사용하여 수동으로 결과를 교차 확인했습니다.
- [ ] 저는 AI를 이미지의 "리더"가 아닌 방법 및 코드 도구로 사용했습니다.