मायक्रोस्ट्रक्चर इमेज ॲनालिसिस आणि क्वांटिटेटिव्ह मेटॅलोग्राफी

नफा:

• इमेज प्रोसेसिंग आणि AI सह मायक्रोस्ट्रक्चर इमेजेसमधून धान्याचा आकार, फेज रेशो आणि सच्छिद्रता यांसारखे प्रमाण मोजण्याची क्षमता
• सेगमेंटेशन, थ्रेशोल्डिंग आणि कॅलिब्रेशन पायऱ्या योग्यरित्या कॉन्फिगर करण्याची आणि स्केल एरर टाळण्याची क्षमता
• मानक मेटॅलोग्राफी पद्धत आणि तज्ञांच्या निरीक्षणासह AI चे मायक्रोस्ट्रक्चर इंटरप्रिटेशन क्रॉस-व्हॅलिडेट करण्याची क्षमता

स्टीलचे कणखरपणा, कणखरपणा आणि थकवा आयुष्य त्याच्या मायक्रोस्ट्रक्चरमध्ये लपलेले असते, जे उघड्या डोळ्यांना दिसत नाही: धान्य आकार, फेज गुणोत्तर, सच्छिद्रता (रिकामा), समावेश (धातूमधील ऑक्साईड/सल्फर अवशेष) आणि अवक्षेपणांचे वितरण. मेटॅलोग्राफी हे सूक्ष्मदर्शकाखाली सामग्रीचे कटिंग, पॉलिशिंग आणि इचिंग (रासायनिकदृष्ट्या पृष्ठभागावर नक्षीकाम करणे आणि टप्पे दृश्यमान बनवणे) द्वारे तपासण्याचे शास्त्र आहे. परिमाणात्मक मेटॅलोग्राफी या प्रतिमांमधून संख्यात्मक प्रमाण (धान्य आकार क्रमांक, फेज टक्केवारी, सच्छिद्रता प्रमाण) मोजत आहे. आर्टिफिशियल इंटेलिजन्स आणि इमेज प्रोसेसिंग मॅन्युअल मोजणीचे तास मिनिटांपर्यंत कमी करू शकतात; परंतु चुकीचे मोजमाप केलेले स्केल किंवा खराब विभाजन सर्व संख्या शांतपणे चुकीचे बनवते. या युनिटमध्ये तुम्ही एआय आणि इमेज प्रोसेसिंगसह मायक्रोस्ट्रक्चर इमेजेस कसे मोजायचे आणि प्रत्येक मापन कसे तपासायचे ते शिकाल.

प्रतिमा-आधारित मापनाचे मूलभूत चरण

परिमाणात्मक मेटॅलोग्राफीमध्ये, प्रत्येक माप एकाच साखळीतून जातो; जर अंगठी तुटली तर परिणाम अविश्वसनीय असेल:

• प्रतिमा गुणवत्ता: फोकस, प्रदीपन आणि कोरीव गुणवत्ता. खराब कोरलेल्या नमुन्यात, सीमा अस्पष्ट आहेत.
• कॅलिब्रेशन: स्केल बारला पिक्सेलमध्ये रूपांतरित करणे. प्रत्येक पिक्सेल किती मायक्रोमीटर आहे? ही पायरी वगळल्यास, संपूर्ण मितीय मोजमाप चुकीच्या प्रमाणात बाहेर येईल.
• विभाजन: प्रतिमेला स्वारस्य असलेल्या क्षेत्रांमध्ये विभागणे — कोणता पिक्सेल धान्य आहे, कोणता पिक्सेल सीमा आहे, कोणता पिक्सेल सच्छिद्र आहे.
• थ्रेशोल्डिंग: ग्रे टोन किंवा कलर थ्रेशोल्डसह फेज/स्पेस वेगळे करणे. जर दोन टप्पे वेगवेगळ्या ब्राइटनेसचे असतील तर थ्रेशोल्ड त्यांना वेगळे करते.
• मोजमाप आणि आकडेवारी: धान्य मोजणी, क्षेत्राचे प्रमाण, आकार वितरण गणना.

AI-शक्तीवर चालणारी साधने (डीप लर्निंग-प्रशिक्षित सेगमेंटेशन मॉडेल्स) साध्या थ्रेशोल्डिंगपेक्षा चांगली कामगिरी करतात, विशेषत: जटिल, मल्टीफेज संरचनांवर. पण AI चे विभाजन देखील एक अंदाज आहे; प्रमाणिक पद्धतीने (उदा. ASTM E112 ग्रेन साइज, ASTM E562 स्पॉट काउंट) स्केल कॅलिब्रेशन आणि परिणामांची क्रॉस-चेकिंग अनिवार्य आहे.

लक्ष द्या: सर्वात सामान्य आणि सर्वात कपटी चूक म्हणजे स्केल कॅलिब्रेट करणे विसरणे. परिमाणात्मक दृष्टीने प्रतिमा "छान" दिसू शकते, परंतु जर पिक्सेल-ते-मायक्रोमीटर रूपांतरण चुकीचे असेल, तर धान्याचा आकार 8 µm ऐवजी 25 µm असेल आणि तुम्हाला ते लक्षात येणार नाही. कॅलिब्रेशनची पडताळणी करून प्रत्येक मापन सत्र सुरू करा.

स्टेप बाय स्टेप: एआय-चालित मायक्रोस्ट्रक्चर मापन

1. उद्देश परिभाषित करा: आपण काय मोजत आहात? धान्य आकार, फेज प्रमाण किंवा सच्छिद्रता? कोणत्या मानकानुसार?
2. कॅलिब्रेट करा: स्केल बारची पिक्सेल लांबी मोजा, ​​µm/पिक्सेल गुणोत्तर मोजा आणि ते टूलमध्ये प्रविष्ट करा.
3. पूर्व-प्रक्रिया: कॉन्ट्रास्ट सुधारणा, आवाज कमी करणे. कोणता फिल्टर योग्य आहे ते AI ला विचारा.
4. सेगमेंट/थ्रेशोल्ड: वेगळे टप्पे किंवा अंतर; सीमा योग्यरित्या कॅप्चर केल्या आहेत हे दृश्यमानपणे तपासा.
5. मापन: क्षेत्राचे प्रमाण, धान्यांची संख्या, सरासरी आणि वितरण.
6. सत्यापित करा: मानक पद्धतीसह परिणामाची व्यक्तिचलितपणे तुलना करा (उदा. रेखीय इंटरसेप्ट वि धान्य आकार); अनेक प्रतिमांवर पुनरावृत्ती करा.

धान्य आकार, फेज गुणोत्तर आणि सच्छिद्रता

धान्य आकार सामग्रीच्या क्रिस्टल धान्यांचा सरासरी आकार आहे; लहान धान्य सामान्यतः उच्च शक्ती आणि कणखरपणा देते (हॉल-पेच संबंध). हे ASTM E112 धान्य आकार क्रमांक G द्वारे दर्शविले जाते; G वाढला की धान्य लहान होते. फेज रेशो हे दोन-किंवा मल्टीफेज स्ट्रक्चरमधील प्रत्येक टप्प्याचे व्हॉल्यूम/क्षेत्र टक्केवारी असते (उदा. डुप्लेक्स स्टेनलेसमध्ये फेराइट-ऑस्टेनाइट शिल्लक ~50/50% साठी लक्ष्यित आहे). सच्छिद्रता म्हणजे वायू किंवा कास्टिंगमधील संकोचन आणि थकवा आयुष्य गंभीरपणे कमी केल्यामुळे व्हॉईड्सचे प्रमाण.

मोजमाप

मानक पद्धत

AI/इमेज प्रोसेसिंग योगदान

गंभीर सत्यापन

धान्य आकार (G)

ASTM E112 छेदनबिंदू/तुलना

स्वयंचलित सीमा ओळख आणि मोजणी

कॅलिब्रेशन + मॅन्युअल छेदनबिंदू नियंत्रण

फेज रेशो (%)

ASTM E562 डॉट काउंट

थ्रेशोल्डिंगसह क्षेत्राचे प्रमाण

एचिंग एकसमानता, थ्रेशोल्ड निवड

सच्छिद्रता (%)

ASTM E1245 प्रतिमा विश्लेषण

अंतराळ विभागणी

पॉलिशिंग आर्टिफॅक्ट भेदभाव

समावेश

ASTM E45

आकार/वितरण वर्गीकरण

संदर्भ टेम्पलेट तुलना

तीन लहान प्रकरणे

केस 1 — कॅलिब्रेशनशिवाय धान्याचा आकार. एक तंत्रज्ञ एआय-संचालित साधनामध्ये मायक्रोस्ट्रक्चर प्रतिमा लोड करतो आणि धान्याचा आकार मोजतो; परिणाम 6 µm आहे. तथापि, प्रतिमा 500x ऐवजी 200x वाढीवर घेतली गेली आणि मागील सत्राचे कॅलिब्रेशन (500x) टूलमध्ये राहिले. वास्तविक धान्य आकार ~15 µm आहे. चुकीचे मूल्य देखील Hall-Petch द्वारे ताकदीच्या अंदाजाची दिशाभूल करते. तंत्रज्ञांना प्रत्येक सत्रात स्केल बार पुन्हा कॅलिब्रेट करण्याची सवय लागते. धडा: कॅलिब्रेशन हे नमुना आणि मोठेपणा विशिष्ट आहे आणि ते पुढे नेले जाऊ शकत नाही.

केस 2 - फेजसाठी एचिंग आर्टिफॅक्ट चुकीचे होते. फेराइट/ऑस्टेनाइट गुणोत्तर डुप्लेक्स स्टेनलेसमध्ये मोजले जाते. थ्रेशोल्डिंगच्या चुका फेराइटसाठी जास्त खोदलेल्या भागात गडद ठिपके दिसतात, जे 62% फेराइटचे गुणोत्तर देते; वास्तविक शिल्लक ~48% आहे. जादा फेराइट गंज आणि कडकपणाबद्दल चुकीचा अलार्म तयार करते. नक्षीकाम वेळेचे मानकीकरण केल्यानंतर आणि मॅन्युअल स्पॉट मोजणीसह अनेक क्षेत्रे तपासल्यानंतर धातूशास्त्रज्ञांना त्रुटी आढळते. धडा: खराब नमुना तयार करणे सर्वोत्तम अल्गोरिदम देखील मूर्ख बनवते — कचरा आत, कचरा बाहेर.

केस 3 — योग्य वापर, सच्छिद्रता नकाशा. कास्टिंग टीमला ॲल्युमिनियम भागाच्या क्रॉस-सेक्शनमध्ये सच्छिद्रता दर मोजायचा आहे. एआय सेगमेंटेशन मॉडेल त्वरीत अंतर वेगळे करते आणि 2.3% सच्छिद्रतेसह वितरण नकाशा देते. टीम दृष्यदृष्ट्या तपासते की पॉलिशिंग दरम्यान दिसणारे स्क्रॅच चुकून व्हॉईड्स तर नाहीत ना, ASTM E1245 नुसार निकालाची पुष्टी करते आणि पोरोसिटी फीडर एरियामध्ये केंद्रित असल्याचे पाहते आणि कास्टिंग डिझाइन सुधारते. AI ने वेग आणला, निर्णय मानक आणि निरीक्षणाने घेतला गेला.

कॉपी करण्यायोग्य प्रॉम्प्ट टेम्पलेट्स

मापन योजना टेम्पलेट"भूमिका: तुम्ही परिमाणात्मक धातूविज्ञान सहाय्यक आहात. उद्देश: [धान्य आकार / फेज गुणोत्तर / सच्छिद्रता] मोजा. साहित्य: [...]. मोठेीकरण: [...]. मानक: [उदा. ASTM E112]. मला एक चरण-दर-चरण द्या, मापन योजना इ. नमुना, BRLICA नमुना योजना, तयारी सेगमेंटेशन/थ्रेशहोल्डिंग, मोजमाप आणि पडताळणी ही पहिली आणि अनिवार्य पायरी म्हणून कोणती मानक पद्धत मॅन्युअली क्रॉस-चेक करायची ते मला सांगा.

सेगमेंटेशन एरर चेक टेम्प्लेट "मी मायक्रोस्ट्रक्चर इमेजवर [फेज/गॅप] सेगमेंट केले आहे. चुकीचे होऊ शकतील अशा बिंदूंची यादी करा: इच आर्टिफॅक्ट, पॉलिशिंग स्क्रॅच, फील्डच्या बाहेरचा प्रदेश, ओव्हरलॅपिंग सीमा. प्रत्येकाची तपासणी कशी करायची ते लिहा आणि ते कसे दुरुस्त करायचे ते लिहा. मी परिणाम स्वीकारण्यापूर्वी कोणती दृश्य-तपासणी करावी?"

ग्रेन साइझ इंटरप्रीटेशन टेम्प्लेट "मी ASTM E112 धान्य आकार क्रमांक G = [मूल्य], मोठेपणा [x] मोजले. हे G मूल्य अंदाजे सरासरी धान्य व्यासाशी कसे जुळते आणि हॉल-पेचच्या दृष्टीने त्याचा ताकदीवर परिणाम कसा होतो हे स्पष्ट करा. मला आठवण करून द्या की G मूल्य स्टेप द्वारे कॅलरीब स्टेपच्या निकालावर अवलंबून आहे; रेखीय छेदन पद्धती."

पायथॉन इमेज प्रोसेसिंग स्केलेटन टेम्प्लेट"भूमिका: तुम्ही इमेज प्रोसेसिंग कोड असिस्टंट आहात. स्किट-इमेजसह मायक्रोस्ट्रक्चर इमेजवर फेज एरिया रेशोची गणना करणारा स्केलेटन कोड लिहा: (1) µm/पिक्सेल व्हेरिएबल स्पष्टपणे शीर्षस्थानी, स्केल टू कॅलिब्रेशन (2) कॅलिब्रेशन (2) 3. थ्रेशोल्डिंग, (4) क्षेत्र गुणोत्तर, (5) प्रत्येक चरणावर टिप्पण्या जोडा की मूल्य आणि कॅलिब्रेशन व्यक्तिचलितपणे सत्यापित करणे आवश्यक आहे.

कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट

कमजोर प्रॉम्प्ट: "मला या मायक्रोस्ट्रक्चरचा आकार सांगा."

स्ट्राँग प्रॉम्प्ट:"भूमिका: तुम्ही एक परिमाणात्मक मेटॅलोग्राफी असिस्टंट आहात. मला ASTM E112 नुसार धान्याचा आकार मोजायचा आहे. प्रतिमा 500x, स्केल बार 50 µm = 240pixel (म्हणजे 0.208 µm/पिक्सेल). मला आंतररेषा किती मोजायची पद्धत सांगा. रेषा/किती छेदनबिंदू मोजायचे आहेत, परिणाम G क्रमांकामध्ये रूपांतरित करा, मला कॅलिब्रेशन सत्यापित करणे आवश्यक आहे आणि किमान "मला आठवण करून द्या की मला ती 3 वेगवेगळ्या भागात पुन्हा करायची आहे. तुम्ही अंतिम निकाल 'वाचू' शकत नाही; पद्धत सेट करा."

कमकुवत प्रॉम्प्ट AI ला प्रतिमा "वाचण्यासाठी" विचारते — परंतु AI ला स्केल आणि एचिंग माहित नाही आणि ते मेड-अप नंबरसह येऊ शकते. शक्तिशाली प्रॉम्प्ट कॅलिब्रेशन स्पष्ट करते, मानक पद्धत विचारते, पुनरावृत्ती आणि पडताळणी आवश्यक असते आणि AI चा वापर मोजमाप नव्हे तर पद्धत-सेटिंग साधन म्हणून करते.

सामान्य चुका

• स्केल कॅलिब्रेट करणे किंवा मागील सत्राच्या कॅलिब्रेशनसह मोजणे विसरणे.
• खराब/नॉन-युनिफॉर्म एचिंग दुरुस्त न करता विभाजनावर अवलंबून राहणे.
• पोरोसिटी/फेजसाठी पॉलिशिंग स्क्रॅच किंवा डाग चुकणे.
• एका क्षेत्रापासून मोजमाप आणि संपूर्ण नमुन्याचे सामान्यीकरण; आकडेवारीसाठी अनेक फील्ड आवश्यक आहेत.
• AI ने प्रतिमा "पाहिली" आहे असे गृहीत धरून आणि तो किती अचूक क्रमांक देतो याची पडताळणी न करता ती वापरतो.
• विभाजनाचा परिणाम दृश्यमानपणे न तपासता स्वीकारणे.

सारांशात

परिमाणात्मक मेटॅलोग्राफीमध्ये, AI आणि प्रतिमा प्रक्रिया धान्य आकार, फेज गुणोत्तर आणि सच्छिद्रता मोजमाप वाढवते आणि जटिल संरचनांचे शक्तिशाली विभाजन सक्षम करते. तथापि, परिणामांची वैधता स्केल कॅलिब्रेशन, उत्तम नमुना तयार करणे आणि मानक पद्धती (ASTM E112/E562/E1245) सह क्रॉस-व्हॅलिडेशनवर अवलंबून असते. कॅलिब्रेशन ही पहिली पायरी बनवा, डोळ्याद्वारे विभागणीचे निरीक्षण करा, अनेक भागात पुनरावृत्ती करा आणि AI हे साधन म्हणून वापरा जे मोजमाप पद्धत स्थापित करते आणि कोड लिहिते, प्रतिमा "वाचते" असे नाही.

अर्ज कार्य

मायक्रोस्ट्रक्चर इमेज घ्या (तुमचा स्वतःचा नमुना किंवा लेक्चर नमुना) आणि स्केल बार व्हॅल्यू. "पायथॉन इमेज प्रोसेसिंग स्केलेटन" टेम्प्लेटसह, एआयला फेज एरिया रेशोची गणना करणारा कोड विचारा; µm/पिक्सेल कॅलिब्रेशन शीर्षस्थानी असल्याची खात्री करा आणि कोडमध्ये चालू करा. कोड चालवा आणि त्याच प्रतिमेवर मॅन्युअल पॉइंट मोजणी (10x10 ग्रिड) सह परिणामी क्षेत्र गुणोत्तराची तुलना करा. दोन परिणाम आणि संभाव्य कारण (थ्रेशोल्ड निवड, कलाकृती) यातील फरक एका परिच्छेदात लिहा.

चेकलिस्ट

• मी स्केल बार पिक्सेलवर कॅलिब्रेट केला आणि प्रत्येक सत्रात त्याची पडताळणी केली.
• मी तपासले की कोरीवकाम/नमुना तयार करणे एकसमान आहे.
• [ ] मी विभाजन/थ्रेशोल्डिंग परिणामाची दृश्यरित्या तपासणी केली आणि कलाकृती काढल्या.
• [ ] मी मोजमाप कमीत कमी काही वेगवेगळ्या भागात पुनरावृत्ती केली.
• [ ] मी मानक पद्धती (E112/E562/E1245) वापरून निकाल स्वहस्ते क्रॉस-चेक केले.
• [ ] मी AI एक पद्धत आणि कोड साधन म्हणून वापरले, प्रतिमेचा "वाचक" म्हणून नाही.