ਮਾਈਕਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਮਾਤਰਾਤਮਕ ਮੈਟਾਲੋਗ੍ਰਾਫੀ

ਲਾਭ:

• ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਅਤੇ ਏਆਈ ਦੇ ਨਾਲ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰਾਂ ਤੋਂ ਅਨਾਜ ਦਾ ਆਕਾਰ, ਪੜਾਅ ਅਨੁਪਾਤ ਅਤੇ ਪੋਰੋਸਿਟੀ ਵਰਗੀਆਂ ਮਾਤਰਾਵਾਂ ਨੂੰ ਮਾਪਣ ਦੀ ਸਮਰੱਥਾ
• ਸੈਗਮੈਂਟੇਸ਼ਨ, ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਕਦਮਾਂ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਕੌਂਫਿਗਰ ਕਰਨ ਅਤੇ ਸਕੇਲ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ ਰੋਕਣ ਦੀ ਸਮਰੱਥਾ
• ਸਟੈਂਡਰਡ ਮੈਟਾਲੋਗ੍ਰਾਫੀ ਵਿਧੀ ਅਤੇ ਮਾਹਰ ਨਿਰੀਖਣ ਨਾਲ ਏਆਈ ਦੇ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਵਿਆਖਿਆ ਨੂੰ ਕ੍ਰਾਸ-ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਇੱਕ ਸਟੀਲ ਦੀ ਕਠੋਰਤਾ, ਕਠੋਰਤਾ ਅਤੇ ਥਕਾਵਟ ਜੀਵਨ ਇਸਦੇ ਮਾਈਕਰੋਸਟ੍ਰਕਚਰ ਵਿੱਚ ਛੁਪਿਆ ਹੋਇਆ ਹੈ, ਜੋ ਕਿ ਨੰਗੀ ਅੱਖ ਲਈ ਅਦਿੱਖ ਹੈ: ਅਨਾਜ ਦਾ ਆਕਾਰ, ਪੜਾਅ ਅਨੁਪਾਤ, ਪੋਰੋਸਿਟੀ (ਵਿਅਰਥ), ਸਮਾਵੇਸ਼ (ਧਾਤੂ ਵਿੱਚ ਆਕਸਾਈਡ/ਗੰਧਕ ਦੀ ਰਹਿੰਦ-ਖੂੰਹਦ) ਅਤੇ ਪ੍ਰਸਾਰਣ ਦੀ ਵੰਡ। ਮੈਟਾਲੋਗ੍ਰਾਫੀ ਇੱਕ ਮਾਈਕਰੋਸਕੋਪ ਦੇ ਹੇਠਾਂ ਸਮੱਗਰੀ ਨੂੰ ਕੱਟਣ, ਪਾਲਿਸ਼ ਕਰਨ ਅਤੇ ਐਚਿੰਗ (ਰਸਾਇਣਕ ਤੌਰ 'ਤੇ ਸਤ੍ਹਾ ਨੂੰ ਐਚਿੰਗ ਕਰਨ ਅਤੇ ਪੜਾਵਾਂ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣ) ਦੁਆਰਾ ਜਾਂਚਣ ਦਾ ਵਿਗਿਆਨ ਹੈ। ਮਾਤਰਾਤਮਕ ਧਾਤੂ ਵਿਗਿਆਨ ਇਹਨਾਂ ਚਿੱਤਰਾਂ ਤੋਂ ਸੰਖਿਆਤਮਕ ਮਾਤਰਾਵਾਂ (ਅਨਾਜ ਦਾ ਆਕਾਰ ਨੰਬਰ, ਪੜਾਅ ਪ੍ਰਤੀਸ਼ਤ, ਪੋਰੋਸਿਟੀ ਅਨੁਪਾਤ) ਨੂੰ ਮਾਪ ਰਿਹਾ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ ਅਤੇ ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਹੱਥੀਂ ਗਿਣਤੀ ਦੇ ਘੰਟਿਆਂ ਨੂੰ ਮਿੰਟਾਂ ਤੱਕ ਘਟਾ ਸਕਦੀ ਹੈ; ਪਰ ਇੱਕ ਗਲਤ ਮਾਪਦੰਡ ਜਾਂ ਮਾੜਾ ਸੈਗਮੈਂਟੇਸ਼ਨ ਸਾਰੀਆਂ ਸੰਖਿਆਵਾਂ ਨੂੰ ਚੁੱਪਚਾਪ ਗਲਤ ਬਣਾਉਂਦਾ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਤੁਸੀਂ ਸਿੱਖੋਗੇ ਕਿ AI ਅਤੇ ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਨਾਲ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰਾਂ ਨੂੰ ਕਿਵੇਂ ਮਾਪਣਾ ਹੈ ਅਤੇ ਹਰੇਕ ਮਾਪ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਹੈ।

ਚਿੱਤਰ-ਆਧਾਰਿਤ ਮਾਪ ਦੇ ਬੁਨਿਆਦੀ ਕਦਮ

ਮਾਤਰਾਤਮਕ ਧਾਤੂ ਵਿਗਿਆਨ ਵਿੱਚ, ਹਰ ਮਾਪ ਉਸੇ ਲੜੀ ਵਿੱਚੋਂ ਲੰਘਦਾ ਹੈ; ਜੇ ਇੱਕ ਰਿੰਗ ਟੁੱਟ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਨਤੀਜਾ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੋਵੇਗਾ:

• ਚਿੱਤਰ ਗੁਣਵੱਤਾ: ਫੋਕਸ, ਰੋਸ਼ਨੀ ਅਤੇ ਐਚਿੰਗ ਗੁਣਵੱਤਾ। ਇੱਕ ਖਰਾਬ ਨੱਕਾਸ਼ੀ ਵਾਲੇ ਨਮੂਨੇ ਵਿੱਚ, ਸੀਮਾਵਾਂ ਧੁੰਦਲੀਆਂ ਹੁੰਦੀਆਂ ਹਨ।
• ਕੈਲੀਬ੍ਰੇਸ਼ਨ: ਸਕੇਲ ਬਾਰ ਨੂੰ ਪਿਕਸਲ ਵਿੱਚ ਬਦਲਣਾ। ਹਰੇਕ ਪਿਕਸਲ ਕਿੰਨੇ ਮਾਈਕ੍ਰੋਮੀਟਰ ਹੈ? ਜੇਕਰ ਇਸ ਪੜਾਅ ਨੂੰ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਸਮੁੱਚਾ ਅਯਾਮੀ ਮਾਪ ਗਲਤ ਪੈਮਾਨੇ 'ਤੇ ਬਾਹਰ ਆ ਜਾਵੇਗਾ।
• ਵਿਭਾਜਨ: ਚਿੱਤਰ ਨੂੰ ਦਿਲਚਸਪੀ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਵੰਡਣਾ — ਕਿਹੜਾ ਪਿਕਸਲ ਅਨਾਜ ਹੈ, ਕਿਹੜਾ ਪਿਕਸਲ ਸੀਮਾ ਹੈ, ਕਿਹੜਾ ਪਿਕਸਲ ਪੋਰੋਸਿਟੀ ਹੈ।
• ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ: ਸਲੇਟੀ ਟੋਨ ਜਾਂ ਰੰਗ ਥ੍ਰੈਸ਼ਹੋਲਡ ਨਾਲ ਪੜਾਵਾਂ/ਸਥਾਨਾਂ ਨੂੰ ਵੱਖ ਕਰਨਾ। ਜੇਕਰ ਦੋ ਪੜਾਅ ਵੱਖ-ਵੱਖ ਚਮਕ ਦੇ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਥ੍ਰੈਸ਼ਹੋਲਡ ਉਹਨਾਂ ਨੂੰ ਵੱਖ ਕਰਦਾ ਹੈ।
• ਮਾਪ ਅਤੇ ਅੰਕੜੇ: ਅਨਾਜ ਦੀ ਗਿਣਤੀ, ਖੇਤਰ ਅਨੁਪਾਤ, ਆਕਾਰ ਵੰਡ ਦੀ ਗਣਨਾ।

AI-ਸੰਚਾਲਿਤ ਟੂਲ (ਡੂੰਘੇ ਸਿੱਖਣ-ਸਿਖਲਾਈ-ਸਿੱਖਿਅਤ ਸੈਗਮੈਂਟੇਸ਼ਨ ਮਾਡਲ) ਸਧਾਰਨ ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰਦੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਗੁੰਝਲਦਾਰ, ਮਲਟੀਫੇਜ਼ ਢਾਂਚੇ 'ਤੇ। ਪਰ AI ਦਾ ਵਿਭਾਜਨ ਵੀ ਇੱਕ ਭਵਿੱਖਬਾਣੀ ਹੈ; ਮਿਆਰੀ ਵਿਧੀ ਨਾਲ ਨਤੀਜਿਆਂ ਦੀ ਸਕੇਲ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਤੇ ਕਰਾਸ-ਚੈਕਿੰਗ (ਉਦਾਹਰਨ ਲਈ, ASTM E112 ਅਨਾਜ ਦਾ ਆਕਾਰ, ASTM E562 ਸਪਾਟ ਗਿਣਤੀ) ਲਾਜ਼ਮੀ ਹੈ।

ਧਿਆਨ ਦਿਓ: ਸਭ ਤੋਂ ਆਮ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਧੋਖੇਬਾਜ਼ ਗਲਤੀ ਪੈਮਾਨੇ ਨੂੰ ਕੈਲੀਬਰੇਟ ਕਰਨਾ ਭੁੱਲਣਾ ਹੈ. ਸੰਖਿਆਤਮਕ ਰੂਪ ਵਿੱਚ ਚਿੱਤਰ "ਚੰਗਾ" ਲੱਗ ਸਕਦਾ ਹੈ, ਪਰ ਜੇਕਰ ਪਿਕਸਲ-ਤੋਂ-ਮਾਈਕ੍ਰੋਮੀਟਰ ਰੂਪਾਂਤਰਨ ਗਲਤ ਹੈ, ਤਾਂ ਅਨਾਜ ਦਾ ਆਕਾਰ 8 µm ਦੀ ਬਜਾਏ 25 µm ਹੋਵੇਗਾ ਅਤੇ ਤੁਸੀਂ ਇਸ ਵੱਲ ਧਿਆਨ ਨਹੀਂ ਦੇਵੋਗੇ। ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਕੇ ਹਰੇਕ ਮਾਪ ਸੈਸ਼ਨ ਦੀ ਸ਼ੁਰੂਆਤ ਕਰੋ।

ਕਦਮ-ਦਰ-ਕਦਮ: ਇੱਕ AI-ਸੰਚਾਲਿਤ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਮਾਪ

1. ਉਦੇਸ਼ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ: ਤੁਸੀਂ ਕੀ ਮਾਪ ਰਹੇ ਹੋ? ਅਨਾਜ ਦਾ ਆਕਾਰ, ਪੜਾਅ ਅਨੁਪਾਤ ਜਾਂ ਪੋਰੋਸਿਟੀ? ਕਿਸ ਮਿਆਰ ਦੁਆਰਾ?
2. ਕੈਲੀਬਰੇਟ ਕਰੋ: ਸਕੇਲ ਬਾਰ ਦੀ ਪਿਕਸਲ ਲੰਬਾਈ ਨੂੰ ਮਾਪੋ, µm/ਪਿਕਸਲ ਅਨੁਪਾਤ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਟੂਲ ਵਿੱਚ ਦਾਖਲ ਕਰੋ।
3. ਪੂਰਵ-ਪ੍ਰਕਿਰਿਆ: ਵਿਪਰੀਤ ਸੁਧਾਰ, ਰੌਲਾ ਘਟਾਉਣਾ। AI ਨੂੰ ਪੁੱਛੋ ਕਿ ਕਿਹੜਾ ਫਿਲਟਰ ਢੁਕਵਾਂ ਹੈ।
4. ਖੰਡ/ਥ੍ਰੈਸ਼ਹੋਲਡ: ਵੱਖਰੇ ਪੜਾਅ ਜਾਂ ਅੰਤਰ; ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰੋ ਕਿ ਸੀਮਾਵਾਂ ਸਹੀ ਢੰਗ ਨਾਲ ਕੈਪਚਰ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ।
5. ਮਾਪ: ਖੇਤਰ ਅਨੁਪਾਤ, ਅਨਾਜ ਦੀ ਸੰਖਿਆ, ਮੱਧਮਾਨ ਅਤੇ ਵੰਡ।
6. Verify: Manually compare the result with the standard method (e.g. linear intercept vs grain size); ਕਈ ਚਿੱਤਰਾਂ 'ਤੇ ਦੁਹਰਾਓ.

ਅਨਾਜ ਦਾ ਆਕਾਰ, ਪੜਾਅ ਅਨੁਪਾਤ ਅਤੇ ਪੋਰੋਸਿਟੀ

ਅਨਾਜ ਦਾ ਆਕਾਰ ਸਮੱਗਰੀ ਦੇ ਕ੍ਰਿਸਟਲ ਅਨਾਜ ਦਾ ਔਸਤ ਆਕਾਰ ਹੈ; ਛੋਟੇ ਅਨਾਜ ਆਮ ਤੌਰ 'ਤੇ ਉੱਚ ਤਾਕਤ ਅਤੇ ਕਠੋਰਤਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ (ਹਾਲ-ਪੈਚ ਸਬੰਧ)। ਇਹ ASTM E112 ਅਨਾਜ ਆਕਾਰ ਨੰਬਰ G ਦੁਆਰਾ ਦਰਸਾਇਆ ਗਿਆ ਹੈ; As G increases, the grain becomes smaller. ਪੜਾਅ ਅਨੁਪਾਤ ਇੱਕ ਦੋ- ਜਾਂ ਮਲਟੀਫੇਜ਼ ਢਾਂਚੇ ਵਿੱਚ ਹਰੇਕ ਪੜਾਅ ਦਾ ਵਾਲੀਅਮ/ਖੇਤਰ ਪ੍ਰਤੀਸ਼ਤਤਾ ਹੈ (ਉਦਾਹਰਨ ਲਈ, ਡੁਪਲੈਕਸ ਸਟੇਨਲੈੱਸ ਵਿੱਚ ~50/50% ਲਈ ਫਰਾਈਟ-ਆਸਟੇਨਾਈਟ ਸੰਤੁਲਨ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਇਆ ਗਿਆ ਹੈ)। ਪੋਰੋਸਿਟੀ ਗੈਸ ਜਾਂ ਕਾਸਟਿੰਗ ਵਿੱਚ ਸੁੰਗੜਨ ਕਾਰਨ ਹੋਣ ਵਾਲੇ ਵੋਇਡਸ ਦਾ ਅਨੁਪਾਤ ਹੈ ਅਤੇ ਥਕਾਵਟ ਦੇ ਜੀਵਨ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਘਟਾਉਂਦਾ ਹੈ।

ਮਾਪ

ਮਿਆਰੀ ਢੰਗ

AI/ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਯੋਗਦਾਨ

ਨਾਜ਼ੁਕ ਤਸਦੀਕ

ਅਨਾਜ ਦਾ ਆਕਾਰ (G)

ASTM E112 intersection/comparison

ਆਟੋਮੈਟਿਕ ਬਾਰਡਰ ਖੋਜ ਅਤੇ ਗਿਣਤੀ

ਕੈਲੀਬ੍ਰੇਸ਼ਨ + ਮੈਨੂਅਲ ਇੰਟਰਸੈਕਸ਼ਨ ਕੰਟਰੋਲ

ਪੜਾਅ ਅਨੁਪਾਤ (%)

ASTM E562 ਡੌਟ ਗਿਣਤੀ

ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ ਦੇ ਨਾਲ ਖੇਤਰ ਅਨੁਪਾਤ

ਐਚਿੰਗ ਇਕਸਾਰਤਾ, ਥ੍ਰੈਸ਼ਹੋਲਡ ਦੀ ਚੋਣ

ਪੋਰੋਸਿਟੀ (%)

ASTM E1245 ਚਿੱਤਰ ਵਿਸ਼ਲੇਸ਼ਣ

ਸਪੇਸ ਸੈਗਮੈਂਟੇਸ਼ਨ

ਪਾਲਿਸ਼ਿੰਗ ਕਲਾਤਮਕ ਵਿਤਕਰੇ

ਸ਼ਾਮਿਲ

ASTM E45

ਆਕਾਰ/ਵੰਡ ਵਰਗੀਕਰਨ

ਸੰਦਰਭ ਟੈਮਪਲੇਟ ਤੁਲਨਾ

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਬਿਨਾਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਦੇ ਅਨਾਜ ਦਾ ਆਕਾਰ। ਇੱਕ ਟੈਕਨੀਸ਼ੀਅਨ ਇੱਕ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰ ਨੂੰ ਏਆਈ-ਸੰਚਾਲਿਤ ਟੂਲ ਵਿੱਚ ਲੋਡ ਕਰਦਾ ਹੈ ਅਤੇ ਅਨਾਜ ਦਾ ਆਕਾਰ ਮਾਪਦਾ ਹੈ; ਨਤੀਜਾ 6 µm ਹੈ। ਹਾਲਾਂਕਿ, ਚਿੱਤਰ ਨੂੰ 500x ਦੀ ਬਜਾਏ 200x ਵਿਸਤਾਰ 'ਤੇ ਲਿਆ ਗਿਆ ਸੀ, ਅਤੇ ਪਿਛਲੇ ਸੈਸ਼ਨ ਦਾ ਕੈਲੀਬ੍ਰੇਸ਼ਨ (500x) ਟੂਲ ਵਿੱਚ ਰਿਹਾ। ਅਸਲ ਅਨਾਜ ਦਾ ਆਕਾਰ ~15 µm ਹੈ। ਇੱਕ ਗਲਤ ਮੁੱਲ ਹਾਲ-ਪੈਚ ਦੁਆਰਾ ਤਾਕਤ ਦੇ ਅੰਦਾਜ਼ੇ ਨੂੰ ਵੀ ਗੁੰਮਰਾਹ ਕਰਦਾ ਹੈ। ਤਕਨੀਸ਼ੀਅਨ ਨੂੰ ਹਰ ਸੈਸ਼ਨ 'ਤੇ ਸਕੇਲ ਬਾਰ ਨੂੰ ਰੀਕੈਲੀਬ੍ਰੇਟ ਕਰਨ ਦੀ ਆਦਤ ਪੈ ਜਾਂਦੀ ਹੈ। ਪਾਠ: ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਨਮੂਨਾ ਅਤੇ ਵੱਡਦਰਸ਼ੀ ਵਿਸ਼ੇਸ਼ ਹੈ ਅਤੇ ਇਸਨੂੰ ਅੱਗੇ ਨਹੀਂ ਲਿਜਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

ਕੇਸ 2 - ਐਚਿੰਗ ਆਰਟੀਫੈਕਟ ਨੂੰ ਪੜਾਅ ਲਈ ਗਲਤੀ ਨਾਲ ਸਮਝਿਆ ਗਿਆ ਸੀ। ਫੇਰਾਈਟ/ਆਸਟੇਨਾਈਟ ਅਨੁਪਾਤ ਇੱਕ ਡੁਪਲੈਕਸ ਸਟੇਨਲੈੱਸ ਵਿੱਚ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ। ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ ਦੀਆਂ ਗਲਤੀਆਂ ਫੈਰਾਈਟ ਲਈ ਭਾਰੀ ਨੱਕਾਸ਼ੀ ਵਾਲੇ ਖੇਤਰਾਂ ਵਿੱਚ ਹਨੇਰੇ ਚਟਾਕ ਬਣਾਉਂਦੀਆਂ ਹਨ, 62% ਫੇਰਾਈਟ ਦਾ ਅਨੁਪਾਤ ਦਿੰਦਾ ਹੈ; ਜਦੋਂ ਕਿ ਅਸਲ ਬਕਾਇਆ ~ 48% ਹੈ। ਵਾਧੂ ਫੇਰਾਈਟ ਖੋਰ ​​ਅਤੇ ਕਠੋਰਤਾ ਦੇ ਸੰਬੰਧ ਵਿੱਚ ਇੱਕ ਗਲਤ ਅਲਾਰਮ ਬਣਾਉਂਦਾ ਹੈ। ਧਾਤੂ ਵਿਗਿਆਨੀ ਐਚਿੰਗ ਸਮੇਂ ਨੂੰ ਮਾਨਕੀਕਰਨ ਕਰਨ ਅਤੇ ਮੈਨੂਅਲ ਸਪਾਟ ਕਾਉਂਟਿੰਗ ਨਾਲ ਕਈ ਖੇਤਰਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਤੋਂ ਬਾਅਦ ਗਲਤੀ ਲੱਭਦਾ ਹੈ। ਸਬਕ: ਨਮੂਨੇ ਦੀ ਮਾੜੀ ਤਿਆਰੀ ਸਭ ਤੋਂ ਵਧੀਆ ਐਲਗੋਰਿਦਮ ਨੂੰ ਵੀ ਮੂਰਖ ਬਣਾ ਦਿੰਦੀ ਹੈ — ਕੂੜਾ ਅੰਦਰ, ਕੂੜਾ ਬਾਹਰ।

ਕੇਸ 3 — ਸਹੀ ਵਰਤੋਂ, ਪੋਰੋਸਿਟੀ ਮੈਪ। ਇੱਕ ਕਾਸਟਿੰਗ ਟੀਮ ਇੱਕ ਐਲੂਮੀਨੀਅਮ ਹਿੱਸੇ ਦੇ ਕਰਾਸ-ਸੈਕਸ਼ਨ ਵਿੱਚ ਪੋਰੋਸਿਟੀ ਦਰ ਨੂੰ ਮਾਪਣਾ ਚਾਹੁੰਦੀ ਹੈ। ਏਆਈ ਸੈਗਮੈਂਟੇਸ਼ਨ ਮਾਡਲ ਤੇਜ਼ੀ ਨਾਲ ਅੰਤਰ ਨੂੰ ਵੱਖ ਕਰਦਾ ਹੈ ਅਤੇ 2.3% ਪੋਰੋਸਿਟੀ ਦੇ ਨਾਲ ਇੱਕ ਵੰਡ ਦਾ ਨਕਸ਼ਾ ਦਿੰਦਾ ਹੈ। ਟੀਮ ਨੇਤਰਹੀਣ ਤੌਰ 'ਤੇ ਜਾਂਚ ਕਰਦੀ ਹੈ ਕਿ ਪਾਲਿਸ਼ਿੰਗ ਦੌਰਾਨ ਦਿਖਾਈ ਦੇਣ ਵਾਲੀਆਂ ਸਕ੍ਰੈਚਾਂ ਨੂੰ ਗਲਤੀ ਨਾਲ ਖਾਲੀ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ASTM E1245 ਦੇ ਅਨੁਸਾਰ ਨਤੀਜੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ, ਅਤੇ ਦੇਖਦਾ ਹੈ ਕਿ ਪੋਰੋਸਿਟੀ ਫੀਡਰ ਖੇਤਰ ਵਿੱਚ ਕੇਂਦ੍ਰਿਤ ਹੈ ਅਤੇ ਕਾਸਟਿੰਗ ਡਿਜ਼ਾਈਨ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦੀ ਹੈ। AI ਨੇ ਗਤੀ ਲਿਆਂਦੀ, ਫੈਸਲਾ ਸਟੈਂਡਰਡ ਅਤੇ ਨਿਰੀਖਣ ਦੁਆਰਾ ਲਿਆ ਗਿਆ।

ਕਾਪੀ ਕਰਨ ਯੋਗ ਪ੍ਰੋਂਪਟ ਟੈਂਪਲੇਟਸ

ਮਾਪ ਯੋਜਨਾ ਟੈਮਪਲੇਟ"ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਮਾਤਰਾਤਮਕ ਧਾਤੂ ਵਿਗਿਆਨ ਸਹਾਇਕ ਹੋ। ਉਦੇਸ਼: ਮਾਪ [ਅਨਾਜ ਦਾ ਆਕਾਰ / ਪੜਾਅ ਅਨੁਪਾਤ / ਪੋਰੋਸਿਟੀ]। ਸਮੱਗਰੀ: [...]. ਵੱਡਦਰਸ਼ੀ: [...]। ਮਿਆਰੀ: [ਜਿਵੇਂ ਕਿ ASTM E112]। ਮੈਨੂੰ ਇੱਕ ਕਦਮ-ਦਰ-ਕਦਮ, ਮਾਪਣ ਦੀ ਯੋਜਨਾ, BRLICA ਨਮੂਨਾ ਆਦਿ ਦੀ ਤਿਆਰੀ ਦਿਓ। ਸੈਗਮੈਂਟੇਸ਼ਨ/ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ, ਮਾਪ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਨੂੰ ਪਹਿਲੇ ਅਤੇ ਲਾਜ਼ਮੀ ਪੜਾਅ ਦੇ ਤੌਰ 'ਤੇ ਹਾਈਲਾਈਟ ਕਰੋ ਨਤੀਜਾ ਮੈਨੂੰ ਦੱਸੋ ਕਿ ਕਿਹੜੀ ਮਿਆਰੀ ਵਿਧੀ ਨੂੰ ਹੱਥੀਂ ਕਰਾਸ-ਚੈੱਕ ਕਰਨਾ ਹੈ।

ਵਿਭਾਜਨ ਗਲਤੀ ਦੀ ਜਾਂਚ ਕਰੋ ਟੈਮਪਲੇਟ "ਮੈਂ ਇੱਕ ਮਾਈਕਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰ 'ਤੇ [ਫੇਜ਼/ਗੈਪ] ਨੂੰ ਖੰਡਿਤ ਕੀਤਾ ਹੈ। ਉਹਨਾਂ ਬਿੰਦੂਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਗਲਤ ਹੋ ਸਕਦੇ ਹਨ: ਐਚ ਆਰਟੀਫੈਕਟ, ਪੋਲਿਸ਼ਿੰਗ ਸਕ੍ਰੈਚ, ਫੀਲਡ ਤੋਂ ਬਾਹਰ ਦਾ ਖੇਤਰ, ਓਵਰਲੈਪਿੰਗ ਸੀਮਾਵਾਂ। ਲਿਖੋ ਕਿ ਹਰੇਕ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰਨੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਿਵੇਂ ਠੀਕ ਕਰਨਾ ਹੈ। ਮੈਨੂੰ ਨਤੀਜਾ ਸਵੀਕਾਰ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੀ ਵਿਜ਼ੂਅਲ-ਚੈੱਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?"

ਅਨਾਜ ਆਕਾਰ ਵਿਆਖਿਆ ਟੈਮਪਲੇਟ "ਮੈਂ ASTM E112 ਅਨਾਜ ਦਾ ਆਕਾਰ ਨੰਬਰ G = [ਮੁੱਲ], ਵੱਡਦਰਸ਼ੀ [x] ਮਾਪਿਆ ਹੈ। ਸਮਝਾਓ ਕਿ ਇਹ G ਮੁੱਲ ਅੰਦਾਜ਼ਨ ਔਸਤ ਅਨਾਜ ਵਿਆਸ ਨਾਲ ਕਿਵੇਂ ਮੇਲ ਖਾਂਦਾ ਹੈ ਅਤੇ ਹਾਲ-ਪੈਚ ਦੇ ਰੂਪ ਵਿੱਚ ਤਾਕਤ 'ਤੇ ਇਸ ਦੇ ਪ੍ਰਭਾਵ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਮੈਨੂੰ ਯਾਦ ਦਿਵਾਓ ਕਿ G ਵੈਲਯੂ ਸਟੈਪ ਦੁਆਰਾ calib ਦੇ ਨਤੀਜੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ; ਲੀਨੀਅਰ ਇੰਟਰਸੈਕਸ਼ਨ ਵਿਧੀ।"

ਪਾਈਥਨ ਇਮੇਜ ਪ੍ਰੋਸੈਸਿੰਗ ਸਕੈਲਟਨ ਟੈਂਪਲੇਟ"ਭੂਮਿਕਾ: ਤੁਸੀਂ ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਕੋਡ ਸਹਾਇਕ ਹੋ। ਸਕਿਲਟਨ ਕੋਡ ਲਿਖੋ ਜੋ ਸਕਿੱਟ-ਇਮੇਜ ਦੇ ਨਾਲ ਇੱਕ ਮਾਈਕਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰ 'ਤੇ ਪੜਾਅ ਖੇਤਰ ਅਨੁਪਾਤ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ: (1) µm/ਪਿਕਸਲ ਵੇਰੀਏਬਲ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਸਿਖਰ 'ਤੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਸਕੇਲ, ਕੈਲੀਬਰੇਸ਼ਨ, 2 (2) ਕੈਲੀਬਰੇਸ਼ਨ (2) ਕੈਲੀਬਰੇਸ਼ਨ ਲਈ ਥ੍ਰੈਸ਼ਹੋਲਡ, (4) ਖੇਤਰ ਅਨੁਪਾਤ, (5) ਹਰ ਪੜਾਅ 'ਤੇ ਟਿੱਪਣੀਆਂ ਸ਼ਾਮਲ ਕਰਨਾ ਕੋਡ ਵਿੱਚ ਦੱਸਦਾ ਹੈ ਕਿ ਮੁੱਲ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਨੂੰ ਹੱਥੀਂ ਤਸਦੀਕ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ​​ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਮੈਨੂੰ ਇਸ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਦੇ ਅਨਾਜ ਦਾ ਆਕਾਰ ਦੱਸੋ।"

ਮਜ਼ਬੂਤ ਸੰਕੇਤ:"ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਮਾਤਰਾਤਮਕ ਧਾਤੂ ਵਿਗਿਆਨ ਸਹਾਇਕ ਹੋ। ਮੈਂ ASTM E112 ਦੇ ਅਨੁਸਾਰ ਅਨਾਜ ਦਾ ਆਕਾਰ ਮਾਪਣਾ ਚਾਹੁੰਦਾ ਹਾਂ। ਚਿੱਤਰ 500x, ਸਕੇਲ ਪੱਟੀ 50 µm = 240 pixel (ਜਿਵੇਂ ਕਿ 0.208 µm/ਪਿਕਸਲ)। ਮੈਨੂੰ ਗਣਨਾ ਕਰਨ ਦੀ ਵਿਧੀ ਦੁਆਰਾ ਅੰਤਰ-ਅੰਤਰਿਤ ਕਰਨ ਲਈ ਕਈ ਪੜਾਅ ਦੱਸੋ, ਲਾਈਨ ਦਾ ਆਕਾਰ ਦੱਸੋ। ਲਾਈਨਾਂ/ਕਿੰਨੇ ਇੰਟਰਸੈਕਸ਼ਨਾਂ ਦੀ ਗਿਣਤੀ ਕਰਨੀ ਹੈ, ਨਤੀਜੇ ਨੂੰ G ਨੰਬਰ ਵਿੱਚ ਬਦਲੋ, ਮੈਨੂੰ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਘੱਟੋ-ਘੱਟ "ਮੈਨੂੰ ਯਾਦ ਦਿਵਾਓ ਕਿ ਮੈਨੂੰ ਇਸਨੂੰ 3 ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਦੁਹਰਾਉਣਾ ਹੈ। ਤੁਸੀਂ ਅੰਤਿਮ ਨਤੀਜਾ 'ਪੜ੍ਹ' ਨਹੀਂ ਸਕਦੇ; set up the method."

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ AI ਨੂੰ ਚਿੱਤਰ ਨੂੰ "ਪੜ੍ਹਨ" ਲਈ ਕਹਿੰਦਾ ਹੈ — ਪਰ AI ਸਕੇਲ ਅਤੇ ਐਚਿੰਗ ਨਹੀਂ ਜਾਣਦਾ ਹੈ ਅਤੇ ਇੱਕ ਬਣੇ ਨੰਬਰ ਦੇ ਨਾਲ ਆ ਸਕਦਾ ਹੈ। ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ, ਮਿਆਰੀ ਵਿਧੀ ਲਈ ਪੁੱਛਦਾ ਹੈ, ਦੁਹਰਾਓ ਅਤੇ ਪੁਸ਼ਟੀਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ AI ਨੂੰ ਇੱਕ ਢੰਗ-ਸੈਟਿੰਗ ਟੂਲ ਵਜੋਂ ਵਰਤਦਾ ਹੈ, ਨਾ ਕਿ ਮਾਪ।

ਆਮ ਗਲਤੀਆਂ

• ਸਕੇਲ ਨੂੰ ਕੈਲੀਬਰੇਟ ਕਰਨਾ ਜਾਂ ਪਿਛਲੇ ਸੈਸ਼ਨ ਦੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਨਾਲ ਮਾਪਣਾ ਭੁੱਲ ਜਾਣਾ।
• ਖਰਾਬ/ਗੈਰ-ਯੂਨੀਫਾਰਮ ਐਚਿੰਗ ਨੂੰ ਠੀਕ ਕੀਤੇ ਬਿਨਾਂ ਸੈਗਮੈਂਟੇਸ਼ਨ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ।
• ਪੋਰੋਸਿਟੀ/ਫੇਜ਼ ਲਈ ਪੋਲਿਸ਼ਿੰਗ ਸਕ੍ਰੈਚ ਜਾਂ ਦਾਗ ਨੂੰ ਗਲਤੀ ਨਾਲ ਸਮਝਣਾ।
• ਇੱਕ ਸਿੰਗਲ ਖੇਤਰ ਤੋਂ ਮਾਪ ਅਤੇ ਪੂਰੇ ਨਮੂਨੇ ਲਈ ਸਧਾਰਣਕਰਨ; ਅੰਕੜਿਆਂ ਲਈ ਕਈ ਖੇਤਰਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
• ਇਹ ਮੰਨ ਕੇ ਕਿ ਏਆਈ ਨੇ ਚਿੱਤਰ ਨੂੰ "ਦੇਖਿਆ" ਹੈ ਅਤੇ ਇਸਦੀ ਸਹੀ ਸੰਖਿਆ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਇਸਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਹੈ।
• ਵਿਭਾਜਨ ਦੇ ਨਤੀਜੇ ਨੂੰ ਪ੍ਰਤੱਖ ਤੌਰ 'ਤੇ ਜਾਂਚੇ ਬਿਨਾਂ ਸਵੀਕਾਰ ਕਰਨਾ।

ਸੰਖੇਪ ਵਿੱਚ

ਮਾਤਰਾਤਮਕ ਧਾਤੂ ਵਿਗਿਆਨ ਵਿੱਚ, AI ਅਤੇ ਚਿੱਤਰ ਪ੍ਰੋਸੈਸਿੰਗ ਅਨਾਜ ਦੇ ਆਕਾਰ, ਪੜਾਅ ਅਨੁਪਾਤ ਅਤੇ ਪੋਰੋਸਿਟੀ ਮਾਪ ਨੂੰ ਤੇਜ਼ ਕਰਦੇ ਹਨ ਅਤੇ ਗੁੰਝਲਦਾਰ ਬਣਤਰਾਂ ਦੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਖੰਡੀਕਰਨ ਨੂੰ ਸਮਰੱਥ ਬਣਾਉਂਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਨਤੀਜਿਆਂ ਦੀ ਵੈਧਤਾ ਸਕੇਲ ਕੈਲੀਬ੍ਰੇਸ਼ਨ, ਵਧੀਆ ਨਮੂਨੇ ਦੀ ਤਿਆਰੀ, ਅਤੇ ਸਟੈਂਡਰਡ ਵਿਧੀ (ASTM E112/E562/E1245) ਨਾਲ ਕਰਾਸ-ਵੈਧੀਕਰਨ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਨੂੰ ਪਹਿਲਾ ਕਦਮ ਬਣਾਓ, ਅੱਖ ਦੁਆਰਾ ਵਿਭਾਜਨ ਦਾ ਨਿਰੀਖਣ ਕਰੋ, ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਦੁਹਰਾਓ, ਅਤੇ AI ਨੂੰ ਟੂਲ ਵਜੋਂ ਵਰਤੋ ਜੋ ਮਾਪ ਵਿਧੀ ਨੂੰ ਸਥਾਪਿਤ ਕਰਦਾ ਹੈ ਅਤੇ ਕੋਡ ਲਿਖਦਾ ਹੈ, ਨਾ ਕਿ ਉਹ ਜੋ ਚਿੱਤਰ ਨੂੰ "ਪੜ੍ਹਦਾ" ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਮਾਈਕ੍ਰੋਸਟ੍ਰਕਚਰ ਚਿੱਤਰ (ਤੁਹਾਡਾ ਆਪਣਾ ਨਮੂਨਾ ਜਾਂ ਲੈਕਚਰ ਦਾ ਨਮੂਨਾ) ਅਤੇ ਸਕੇਲ ਬਾਰ ਮੁੱਲ ਲਓ। ਟੈਂਪਲੇਟ "ਪਾਈਥਨ ਇਮੇਜ ਪ੍ਰੋਸੈਸਿੰਗ ਸਕੈਲਟਨ" ਦੇ ਨਾਲ, ਏਆਈ ਨੂੰ ਇੱਕ ਕੋਡ ਲਈ ਪੁੱਛੋ ਜੋ ਪੜਾਅ ਖੇਤਰ ਅਨੁਪਾਤ ਦੀ ਗਣਨਾ ਕਰਦਾ ਹੈ; ਯਕੀਨੀ ਬਣਾਓ ਕਿ µm/ਪਿਕਸਲ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸਿਖਰ 'ਤੇ ਹੈ ਅਤੇ ਕੋਡ ਵਿੱਚ ਚਾਲੂ ਹੈ। ਕੋਡ ਚਲਾਓ ਅਤੇ ਉਸੇ ਚਿੱਤਰ 'ਤੇ ਮੈਨੂਅਲ ਪੁਆਇੰਟ ਕਾਉਂਟਿੰਗ (10x10 ਗਰਿੱਡ) ਨਾਲ ਨਤੀਜੇ ਵਾਲੇ ਖੇਤਰ ਅਨੁਪਾਤ ਦੀ ਤੁਲਨਾ ਕਰੋ। ਦੋ ਨਤੀਜਿਆਂ ਅਤੇ ਸੰਭਾਵੀ ਕਾਰਨ (ਥ੍ਰੈਸ਼ਹੋਲਡ ਵਿਕਲਪ, ਕਲਾਤਮਕ) ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਇੱਕ ਪੈਰੇ ਵਿੱਚ ਲਿਖੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਸਕੇਲ ਬਾਰ ਨੂੰ ਪਿਕਸਲ ਵਿੱਚ ਕੈਲੀਬਰੇਟ ਕੀਤਾ ਅਤੇ ਹਰੇਕ ਸੈਸ਼ਨ ਵਿੱਚ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ।
• [ ] ਮੈਂ ਜਾਂਚ ਕੀਤੀ ਕਿ ਐਚਿੰਗ/ਨਮੂਨੇ ਦੀ ਤਿਆਰੀ ਇਕਸਾਰ ਸੀ।
• [ ] ਮੈਂ ਵਿਭਾਜਨ/ਥ੍ਰੈਸ਼ਹੋਲਡਿੰਗ ਨਤੀਜੇ ਦਾ ਦ੍ਰਿਸ਼ਟੀਗਤ ਤੌਰ 'ਤੇ ਨਿਰੀਖਣ ਕੀਤਾ ਅਤੇ ਕਲਾਤਮਕ ਚੀਜ਼ਾਂ ਨੂੰ ਹਟਾ ਦਿੱਤਾ।
• [ ] ਮੈਂ ਘੱਟੋ-ਘੱਟ ਕੁਝ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਵਿੱਚ ਮਾਪ ਨੂੰ ਦੁਹਰਾਇਆ।
• [ ] ਮੈਂ ਇੱਕ ਮਿਆਰੀ ਵਿਧੀ (E112/E562/E1245) ਨਾਲ ਨਤੀਜੇ ਨੂੰ ਹੱਥੀਂ ਕਰਾਸ-ਚੈੱਕ ਕੀਤਾ।
• [ ] ਮੈਂ ਏਆਈ ਨੂੰ ਇੱਕ ਢੰਗ ਅਤੇ ਕੋਡ ਟੂਲ ਵਜੋਂ ਵਰਤਿਆ, ਚਿੱਤਰ ਦੇ "ਰੀਡਰ" ਵਜੋਂ ਨਹੀਂ।